亚马逊客户评价
此数据集包含超过 1.5 亿条亚马逊产品的客户评价。数据以 snappy 压缩的 Parquet 文件形式存储在 AWS S3 中，总大小为 49 GB（压缩后）。让我们逐步了解如何将其插入到 ClickHouse 中。
备注
以下查询是在 生产 实例的 ClickHouse Cloud 上执行的。
加载数据集
- 在不将数据插入 ClickHouse 的情况下，我们可以就地查询它。让我们获取一些行，以便看看它们的样子：
行的样子如下：
- 让我们定义一个新的
MergeTree表amazon_reviews来存储这些数据到 ClickHouse：
- 以下的
INSERT命令使用了s3Cluster表函数，它允许使用集群中的所有节点并行处理多个 S3 文件。我们还使用了通配符插入任何以https://datasets-documentation.s3.eu-west-3.amazonaws.com/amazon_reviews/amazon_reviews_*.snappy.parquet开头的文件：
提示
在 ClickHouse Cloud 中，集群名称为 default。如果您没有集群，可以将 default 更改为您集群的名称……或者使用 s3 表函数（而不是 s3Cluster）。
- 这个查询不会花太长时间——每秒大约 300,000 行。大约 5 分钟后，您应该会看到所有行被插入：
- 让我们看看我们的数据占用了多少空间：
原始数据约为 70G，但在 ClickHouse 中压缩后仅占用约 30G：
示例查询
- 让我们运行一些查询……以下是数据集中最有帮助的前10条评论：
注意这个查询需要处理全部 151M 行，但耗时不到一秒！
- 以下是 Amazon 上评论最多的前10款产品：
- 以下是每个产品每个月的平均评论评分（实际上是 Amazon 职位面试问题!）：
它计算了每个产品的所有月平均值，但我们只返回了 20 行：
- 下面是每个产品类别的总投票数。这个查询快速，因为
product_category在主键中：
- 让我们找到在评论中 "awful" 一词出现频率最高的产品。这是一项大任务 - 需要解析超过 151M 字符串查找单一单词：
这个查询只花了 4 秒 - 非常令人印象深刻 - 结果也很有趣：
- 我们可以再运行相同的查询，只不过这次我们在评论中搜索 awesome：