Tab 分隔值，或称 TSV 文件，是一种常见的文件格式，可能会在文件的第一行包含字段标题。ClickHouse 可以导入 TSV 文件，也可以在不导入文件的情况下查询 TSV 文件。本指南涵盖这两种情况。如果您需要查询或导入 CSV 文件，使用相同的技巧，只需在格式参数中将 TSV 替换为 CSV。
在阅读本指南时，您将：
- 调查：查询 TSV 文件的结构和内容。
- 确定目标 ClickHouse 模式：选择适当的数据类型，并将现有数据映射到这些类型。
- 创建 ClickHouse 表。
- 预处理并流式 将数据发送到 ClickHouse。
- 对 ClickHouse 运行一些查询。
本指南使用的数据集来自纽约市开放数据团队，包含有关“向纽约市警察局 (NYPD) 报告的所有有效重罪、轻罪和违规犯罪的数据”。截至撰写时，数据文件大小为 166MB，但会定期更新。
来源：data.cityofnewyork.us
使用条款：https://www1.nyc.gov/home/terms-of-use.page
前提条件
关于本指南中描述的命令的说明
本指南中有两种类型的命令：
- 一些命令是查询 TSV 文件，这些命令在命令提示符下运行。
- 其他命令是查询 ClickHouse 的，这些命令在
clickhouse-client 或 Play UI 中运行。
备注
本指南中的示例假定您已将 TSV 文件保存到 ${HOME}/NYPD_Complaint_Data_Current__Year_To_Date_.tsv，如果需要，请调整命令。
熟悉 TSV 文件
在开始使用 ClickHouse 数据库之前，请先熟悉数据。
查看源 TSV 文件中的字段
这是查询 TSV 文件的命令示例，但请暂时不要运行它。
clickhouse-local --query \
"describe file('${HOME}/NYPD_Complaint_Data_Current__Year_To_Date_.tsv', 'TSVWithNames')"
示例响应
CMPLNT_NUM Nullable(Float64)
ADDR_PCT_CD Nullable(Float64)
BORO_NM Nullable(String)
CMPLNT_FR_DT Nullable(String)
CMPLNT_FR_TM Nullable(String)
提示
大多数情况下，上述命令会告知您输入数据中哪些字段是数字，哪些是字符串，哪些是元组。但这并不总是如此。由于 ClickHouse 通常用于包含数十亿条记录的数据集，因此默认检查的行数为 100，目的是为了 推断模式，以避免解析数十亿行来推断模式。下面的响应可能与您看到的不同，因为该数据集每年会更新几次。查看数据字典您会看到，CMPLNT_NUM 被指定为文本，而不是数字。通过将推断的默认值（100 行）更改为 SETTINGS input_format_max_rows_to_read_for_schema_inference=2000，您可以更好地了解内容。
注意：从版本 22.5 开始，推断模式的默认值现在为 25,000 行，因此仅在您使用的是旧版本或需要超过 25,000 行进行抽样时才更改此设置。
在命令提示符下运行此命令。您将使用 clickhouse-local 查询您下载的 TSV 文件中的数据。
clickhouse-local --input_format_max_rows_to_read_for_schema_inference=2000 \
--query \
"describe file('${HOME}/NYPD_Complaint_Data_Current__Year_To_Date_.tsv', 'TSVWithNames')"
结果：
CMPLNT_NUM Nullable(String)
ADDR_PCT_CD Nullable(Float64)
BORO_NM Nullable(String)
CMPLNT_FR_DT Nullable(String)
CMPLNT_FR_TM Nullable(String)
CMPLNT_TO_DT Nullable(String)
CMPLNT_TO_TM Nullable(String)
CRM_ATPT_CPTD_CD Nullable(String)
HADEVELOPT Nullable(String)
HOUSING_PSA Nullable(Float64)
JURISDICTION_CODE Nullable(Float64)
JURIS_DESC Nullable(String)
KY_CD Nullable(Float64)
LAW_CAT_CD Nullable(String)
LOC_OF_OCCUR_DESC Nullable(String)
OFNS_DESC Nullable(String)
PARKS_NM Nullable(String)
PATROL_BORO Nullable(String)
PD_CD Nullable(Float64)
PD_DESC Nullable(String)
PREM_TYP_DESC Nullable(String)
RPT_DT Nullable(String)
STATION_NAME Nullable(String)
SUSP_AGE_GROUP Nullable(String)
SUSP_RACE Nullable(String)
SUSP_SEX Nullable(String)
TRANSIT_DISTRICT Nullable(Float64)
VIC_AGE_GROUP Nullable(String)
VIC_RACE Nullable(String)
VIC_SEX Nullable(String)
X_COORD_CD Nullable(Float64)
Y_COORD_CD Nullable(Float64)
Latitude Nullable(Float64)
Longitude Nullable(Float64)
Lat_Lon Tuple(Nullable(Float64), Nullable(Float64))
New Georeferenced Column Nullable(String)
此时，您应该检查 TSV 文件中的列是否与 数据集网页 中的 Columns in this Dataset 部分中指定的名称和类型匹配。数据类型不是很具体，所有数字字段都设置为 Nullable(Float64)，所有其他字段都是 Nullable(String)。当您创建一个 ClickHouse 表来存储数据时，可以指定更适合和更高性能的类型。
确定适当的模式
为了确定字段应该使用什么类型，有必要了解数据的外观。例如，字段 JURISDICTION_CODE 是数字：它应该是 UInt8，还是 Enum，或者 Float64 是否合适？
clickhouse-local --input_format_max_rows_to_read_for_schema_inference=2000 \
--query \
"select JURISDICTION_CODE, count() FROM
file('${HOME}/NYPD_Complaint_Data_Current__Year_To_Date_.tsv', 'TSVWithNames')
GROUP BY JURISDICTION_CODE
ORDER BY JURISDICTION_CODE
FORMAT PrettyCompact"
结果：
┌─JURISDICTION_CODE─┬─count()─┐
│ 0 │ 188875 │
│ 1 │ 4799 │
│ 2 │ 13833 │
│ 3 │ 656 │
│ 4 │ 51 │
│ 6 │ 5 │
│ 7 │ 2 │
│ 9 │ 13 │
│ 11 │ 14 │
│ 12 │ 5 │
│ 13 │ 2 │
│ 14 │ 70 │
│ 15 │ 20 │
│ 72 │ 159 │
│ 87 │ 9 │
│ 88 │ 75 │
│ 97 │ 405 │
└───────────────────┴─────────┘
查询响应显示，JURISDICTION_CODE 很适合使用 UInt8。
类似地，查看一些 String 字段，看看它们是否适合用作 DateTime 或 LowCardinality(String) 字段。
例如，字段 PARKS_NM 被描述为“NYC 公园、游乐场或绿地的名称（如果适用，州立公园不包括在内）”。纽约市的公园名称可能是 LowCardinality(String) 的好候选：
clickhouse-local --input_format_max_rows_to_read_for_schema_inference=2000 \
--query \
"select count(distinct PARKS_NM) FROM
file('${HOME}/NYPD_Complaint_Data_Current__Year_To_Date_.tsv', 'TSVWithNames')
FORMAT PrettyCompact"
结果：
┌─uniqExact(PARKS_NM)─┐
│ 319 │
└─────────────────────┘
看看一些公园名称：
clickhouse-local --input_format_max_rows_to_read_for_schema_inference=2000 \
--query \
"select distinct PARKS_NM FROM
file('${HOME}/NYPD_Complaint_Data_Current__Year_To_Date_.tsv', 'TSVWithNames')
LIMIT 10
FORMAT PrettyCompact"
结果：
┌─PARKS_NM───────────────────┐
│ (null) │
│ ASSER LEVY PARK │
│ JAMES J WALKER PARK │
│ BELT PARKWAY/SHORE PARKWAY │
│ PROSPECT PARK │
│ MONTEFIORE SQUARE │
│ SUTTON PLACE PARK │
│ JOYCE KILMER PARK │
│ ALLEY ATHLETIC PLAYGROUND │
│ ASTORIA PARK │
└────────────────────────────┘
截至撰写时，所使用的数据集中 PARK_NM 列只有几百个不同的公园和游乐场。根据 LowCardinality 的建议，保持在 LowCardinality(String) 字段中不超过 10,000 个不同字符串，这个数字很小。
DateTime 字段
根据 数据集网页 中的 Columns in this Dataset 部分，存在报告事件开始和结束的日期和时间字段。查看 CMPLNT_FR_DT 和 CMPLT_TO_DT 的最小值和最大值，可以大致了解这些字段是否总是被填充：
clickhouse-local --input_format_max_rows_to_read_for_schema_inference=2000 \
--query \
"select min(CMPLNT_FR_DT), max(CMPLNT_FR_DT) FROM
file('${HOME}/NYPD_Complaint_Data_Current__Year_To_Date_.tsv', 'TSVWithNames')
FORMAT PrettyCompact"
结果：
┌─min(CMPLNT_FR_DT)─┬─max(CMPLNT_FR_DT)─┐
│ 01/01/1973 │ 12/31/2021 │
└───────────────────┴───────────────────┘
clickhouse-local --input_format_max_rows_to_read_for_schema_inference=2000 \
--query \
"select min(CMPLNT_TO_DT), max(CMPLNT_TO_DT) FROM
file('${HOME}/NYPD_Complaint_Data_Current__Year_To_Date_.tsv', 'TSVWithNames')
FORMAT PrettyCompact"
结果：
┌─min(CMPLNT_TO_DT)─┬─max(CMPLNT_TO_DT)─┐
│ │ 12/31/2021 │
└───────────────────┴───────────────────┘
clickhouse-local --input_format_max_rows_to_read_for_schema_inference=2000 \
--query \
"select min(CMPLNT_FR_TM), max(CMPLNT_FR_TM) FROM
file('${HOME}/NYPD_Complaint_Data_Current__Year_To_Date_.tsv', 'TSVWithNames')
FORMAT PrettyCompact"
结果：
┌─min(CMPLNT_FR_TM)─┬─max(CMPLNT_FR_TM)─┐
│ 00:00:00 │ 23:59:00 │
└───────────────────┴───────────────────┘
clickhouse-local --input_format_max_rows_to_read_for_schema_inference=2000 \
--query \
"select min(CMPLNT_TO_TM), max(CMPLNT_TO_TM) FROM
file('${HOME}/NYPD_Complaint_Data_Current__Year_To_Date_.tsv', 'TSVWithNames')
FORMAT PrettyCompact"
结果：
┌─min(CMPLNT_TO_TM)─┬─max(CMPLNT_TO_TM)─┐
│ (null) │ 23:59:00 │
└───────────────────┴───────────────────┘
制定计划
根据以上调查：
JURISDICTION_CODE 应该被转换为 UInt8。PARKS_NM 应该被转换为 LowCardinality(String)CMPLNT_FR_DT 和 CMPLNT_FR_TM 始终被填充（可能默认时间为 00:00:00）CMPLNT_TO_DT 和 CMPLNT_TO_TM 可能为空- 源中日期和时间存储在不同字段中
- 日期为
mm/dd/yyyy 格式
- 时间为
hh:mm:ss 格式
- 日期和时间可以合并为 DateTime 类型
- 存在一些日期在 1970 年 1 月 1 日之前，这意味着我们需要一个 64 位的 DateTime
备注
还有很多类型转换的变化，可以通过遵循相同的调查步骤来确定。查看字段中不同字符串的数量，数字的最小值和最大值，并作出决定。后面指南中给出的表模式有许多低基数字符串和非负整数字段，浮点数很少。
合并日期和时间字段
要将日期和时间字段 CMPLNT_FR_DT 和 CMPLNT_FR_TM 合并为一个可以转换为 DateTime 的 String，选择两个字段并用连接操作符连接：CMPLNT_FR_DT || ' ' || CMPLNT_FR_TM。CMPLNT_TO_DT 和 CMPLNT_TO_TM 字段类似处理。
clickhouse-local --input_format_max_rows_to_read_for_schema_inference=2000 \
--query \
"select CMPLNT_FR_DT || ' ' || CMPLNT_FR_TM AS complaint_begin FROM
file('${HOME}/NYPD_Complaint_Data_Current__Year_To_Date_.tsv', 'TSVWithNames')
LIMIT 10
FORMAT PrettyCompact"
结果：
┌─complaint_begin─────┐
│ 07/29/2010 00:01:00 │
│ 12/01/2011 12:00:00 │
│ 04/01/2017 15:00:00 │
│ 03/26/2018 17:20:00 │
│ 01/01/2019 00:00:00 │
│ 06/14/2019 00:00:00 │
│ 11/29/2021 20:00:00 │
│ 12/04/2021 00:35:00 │
│ 12/05/2021 12:50:00 │
│ 12/07/2021 20:30:00 │
└─────────────────────┘
将日期和时间字符串转换为 DateTime64 类型
在本指南早些时候，我们发现 TSV 文件中有些日期早于 1970 年 1 月 1 日，这意味着我们需要一个 64 位的 DateTime 类型来存储这些日期。这些日期还需要从 MM/DD/YYYY 转换为 YYYY/MM/DD 格式。这两者都可以通过 parseDateTime64BestEffort() 实现。
clickhouse-local --input_format_max_rows_to_read_for_schema_inference=2000 \
--query \
"WITH (CMPLNT_FR_DT || ' ' || CMPLNT_FR_TM) AS CMPLNT_START,
(CMPLNT_TO_DT || ' ' || CMPLNT_TO_TM) AS CMPLNT_END
select parseDateTime64BestEffort(CMPLNT_START) AS complaint_begin,
parseDateTime64BestEffortOrNull(CMPLNT_END) AS complaint_end
FROM file('${HOME}/NYPD_Complaint_Data_Current__Year_To_Date_.tsv', 'TSVWithNames')
ORDER BY complaint_begin ASC
LIMIT 25
FORMAT PrettyCompact"
上述第 2 行和第 3 行包含了上一步的连接，第 4 行和第 5 行将字符串解析为 DateTime64。由于投诉结束时间不一定存在，因此使用 parseDateTime64BestEffortOrNull。
结果：
┌─────────complaint_begin─┬───────────complaint_end─┐
│ 1925-01-01 10:00:00.000 │ 2021-02-12 09:30:00.000 │
│ 1925-01-01 11:37:00.000 │ 2022-01-16 11:49:00.000 │
│ 1925-01-01 15:00:00.000 │ 2021-12-31 00:00:00.000 │
│ 1925-01-01 15:00:00.000 │ 2022-02-02 22:00:00.000 │
│ 1925-01-01 19:00:00.000 │ 2022-04-14 05:00:00.000 │
│ 1955-09-01 19:55:00.000 │ 2022-08-01 00:45:00.000 │
│ 1972-03-17 11:40:00.000 │ 2022-03-17 11:43:00.000 │
│ 1972-05-23 22:00:00.000 │ 2022-05-24 09:00:00.000 │
│ 1972-05-30 23:37:00.000 │ 2022-05-30 23:50:00.000 │
│ 1972-07-04 02:17:00.000 │ ᴺᵁᴸᴸ │
│ 1973-01-01 00:00:00.000 │ ᴺᵁᴸᴸ │
│ 1975-01-01 00:00:00.000 │ ᴺᵁᴸᴸ │
│ 1976-11-05 00:01:00.000 │ 1988-10-05 23:59:00.000 │
│ 1977-01-01 00:00:00.000 │ 1977-01-01 23:59:00.000 │
│ 1977-12-20 00:01:00.000 │ ᴺᵁᴸᴸ │
│ 1981-01-01 00:01:00.000 │ ᴺᵁᴸᴸ │
│ 1981-08-14 00:00:00.000 │ 1987-08-13 23:59:00.000 │
│ 1983-01-07 00:00:00.000 │ 1990-01-06 00:00:00.000 │
│ 1984-01-01 00:01:00.000 │ 1984-12-31 23:59:00.000 │
│ 1985-01-01 12:00:00.000 │ 1987-12-31 15:00:00.000 │
│ 1985-01-11 09:00:00.000 │ 1985-12-31 12:00:00.000 │
│ 1986-03-16 00:05:00.000 │ 2022-03-16 00:45:00.000 │
│ 1987-01-07 00:00:00.000 │ 1987-01-09 00:00:00.000 │
│ 1988-04-03 18:30:00.000 │ 2022-08-03 09:45:00.000 │
│ 1988-07-29 12:00:00.000 │ 1990-07-27 22:00:00.000 │
└─────────────────────────┴─────────────────────────┘
备注
上述日期 1925 是由于数据中的错误而显示的。原始数据中有几个记录的日期在 1019 到 1022 年之间，实际上应该为 2019 到 2022。它们被存储为 1925 年 1 月 1 日，因为这是 64 位 DateTime 可以表示的最早日期。
创建表
以上对列的数据类型的决策反映在下面的表架构中。我们还需要决定用于表的 ORDER BY 和 PRIMARY KEY。ORDER BY 或 PRIMARY KEY 中至少需要指定其中之一。以下是确定要包含在 ORDER BY 中的字段的一些指导方针，更多信息请参见本文件末尾的 Next Steps 部分。
ORDER BY 和 PRIMARY KEY 子句
ORDER BY 元组应包括用于查询过滤器的字段- 为了最大化磁盘上的压缩，
ORDER BY 元组应按升序基数排序
- 如果存在，则
PRIMARY KEY 元组必须是 ORDER BY 元组的一个子集
- 如果仅指定
ORDER BY，则使用相同的元组作为 PRIMARY KEY
- 如果指定了
PRIMARY KEY，则创建时使用 PRIMARY KEY 元组；否则，使用 ORDER BY 元组
PRIMARY KEY 索引存储在主内存中
查看数据集以及可能通过查询回答的问题，我们可能会决定查看纽约市五个区内随时间变化的犯罪类型。这些字段可能会被包含在 ORDER BY 中：
| 列 | 描述（来自数据字典） |
|---|
| OFNS_DESC | 与关键代码对应的罪犯描述 |
| RPT_DT | 事件向警方报告的日期 |
| BORO_NM | 事件发生的辖区名称 |
查询 TSV 文件以获取这三个候选列的基数：
clickhouse-local --input_format_max_rows_to_read_for_schema_inference=2000 \
--query \
"select formatReadableQuantity(uniq(OFNS_DESC)) as cardinality_OFNS_DESC,
formatReadableQuantity(uniq(RPT_DT)) as cardinality_RPT_DT,
formatReadableQuantity(uniq(BORO_NM)) as cardinality_BORO_NM
FROM
file('${HOME}/NYPD_Complaint_Data_Current__Year_To_Date_.tsv', 'TSVWithNames')
FORMAT PrettyCompact"
结果：
┌─cardinality_OFNS_DESC─┬─cardinality_RPT_DT─┬─cardinality_BORO_NM─┐
│ 60.00 │ 306.00 │ 6.00 │
└───────────────────────┴────────────────────┴─────────────────────┘
按基数排序，ORDER BY 变为：
ORDER BY ( BORO_NM, OFNS_DESC, RPT_DT )
备注
下表将使用更易读的列名，以上名称将映射到
ORDER BY ( borough, offense_description, date_reported )
综合数据类型更改和 ORDER BY 元组，得到此表结构：
CREATE TABLE NYPD_Complaint (
complaint_number String,
precinct UInt8,
borough LowCardinality(String),
complaint_begin DateTime64(0,'America/New_York'),
complaint_end DateTime64(0,'America/New_York'),
was_crime_completed String,
housing_authority String,
housing_level_code UInt32,
jurisdiction_code UInt8,
jurisdiction LowCardinality(String),
offense_code UInt8,
offense_level LowCardinality(String),
location_descriptor LowCardinality(String),
offense_description LowCardinality(String),
park_name LowCardinality(String),
patrol_borough LowCardinality(String),
PD_CD UInt16,
PD_DESC String,
location_type LowCardinality(String),
date_reported Date,
transit_station LowCardinality(String),
suspect_age_group LowCardinality(String),
suspect_race LowCardinality(String),
suspect_sex LowCardinality(String),
transit_district UInt8,
victim_age_group LowCardinality(String),
victim_race LowCardinality(String),
victim_sex LowCardinality(String),
NY_x_coordinate UInt32,
NY_y_coordinate UInt32,
Latitude Float64,
Longitude Float64
) ENGINE = MergeTree
ORDER BY ( borough, offense_description, date_reported )
查找表的主键
ClickHouse 的 system 数据库，特别是 system.table 中包含您刚创建的表的所有信息。此查询显示 ORDER BY（排序键）和 PRIMARY KEY：
SELECT
partition_key,
sorting_key,
primary_key,
table
FROM system.tables
WHERE table = 'NYPD_Complaint'
FORMAT Vertical
响应
Query id: 6a5b10bf-9333-4090-b36e-c7f08b1d9e01
Row 1:
──────
partition_key:
sorting_key: borough, offense_description, date_reported
primary_key: borough, offense_description, date_reported
table: NYPD_Complaint
1 row in set. Elapsed: 0.001 sec.
预处理和导入数据
我们将使用 clickhouse-local 工具进行数据预处理，并使用 clickhouse-client 上传它。
clickhouse-local 使用的参数
提示
table='input' 出现在下面的 clickhouse-local 参数中。clickhouse-local 取提供的输入（cat ${HOME}/NYPD_Complaint_Data_Current__Year_To_Date_.tsv）并将其插入一个表中。默认情况下，表的名称为 table。在本指南中，表的名称设置为 input，以使数据流更清晰。clickhouse-local 的最后一个参数是一个从表中选择的查询（FROM input），然后将其传递给 clickhouse-client 以填充表 NYPD_Complaint。
cat ${HOME}/NYPD_Complaint_Data_Current__Year_To_Date_.tsv \
| clickhouse-local --table='input' --input-format='TSVWithNames' \
--input_format_max_rows_to_read_for_schema_inference=2000 \
--query "
WITH (CMPLNT_FR_DT || ' ' || CMPLNT_FR_TM) AS CMPLNT_START,
(CMPLNT_TO_DT || ' ' || CMPLNT_TO_TM) AS CMPLNT_END
SELECT
CMPLNT_NUM AS complaint_number,
ADDR_PCT_CD AS precinct,
BORO_NM AS borough,
parseDateTime64BestEffort(CMPLNT_START) AS complaint_begin,
parseDateTime64BestEffortOrNull(CMPLNT_END) AS complaint_end,
CRM_ATPT_CPTD_CD AS was_crime_completed,
HADEVELOPT AS housing_authority_development,
HOUSING_PSA AS housing_level_code,
JURISDICTION_CODE AS jurisdiction_code,
JURIS_DESC AS jurisdiction,
KY_CD AS offense_code,
LAW_CAT_CD AS offense_level,
LOC_OF_OCCUR_DESC AS location_descriptor,
OFNS_DESC AS offense_description,
PARKS_NM AS park_name,
PATROL_BORO AS patrol_borough,
PD_CD,
PD_DESC,
PREM_TYP_DESC AS location_type,
toDate(parseDateTimeBestEffort(RPT_DT)) AS date_reported,
STATION_NAME AS transit_station,
SUSP_AGE_GROUP AS suspect_age_group,
SUSP_RACE AS suspect_race,
SUSP_SEX AS suspect_sex,
TRANSIT_DISTRICT AS transit_district,
VIC_AGE_GROUP AS victim_age_group,
VIC_RACE AS victim_race,
VIC_SEX AS victim_sex,
X_COORD_CD AS NY_x_coordinate,
Y_COORD_CD AS NY_y_coordinate,
Latitude,
Longitude
FROM input" \
| clickhouse-client --query='INSERT INTO NYPD_Complaint FORMAT TSV'
验证数据
备注
数据集每年会发生一次或多次变化，您的计数可能与本文件中的数据不匹配。
查询：
SELECT count()
FROM NYPD_Complaint
结果：
┌─count()─┐
│ 208993 │
└─────────┘
1 row in set. Elapsed: 0.001 sec.
ClickHouse 中数据集的大小仅为原始 TSV 文件的 12%，请比较原始 TSV 文件的大小与表的大小：
查询：
SELECT formatReadableSize(total_bytes)
FROM system.tables
WHERE name = 'NYPD_Complaint'
结果：
┌─formatReadableSize(total_bytes)─┐
│ 8.63 MiB │
└─────────────────────────────────┘
运行一些查询
查询 1. 按月比较投诉数量
查询：
SELECT
dateName('month', date_reported) AS month,
count() AS complaints,
bar(complaints, 0, 50000, 80)
FROM NYPD_Complaint
GROUP BY month
ORDER BY complaints DESC
结果：
Query id: 7fbd4244-b32a-4acf-b1f3-c3aa198e74d9
┌─month─────┬─complaints─┬─bar(count(), 0, 50000, 80)───────────────────────────────┐
│ March │ 34536 │ ███████████████████████████████████████████████████████▎ │
│ May │ 34250 │ ██████████████████████████████████████████████████████▋ │
│ April │ 32541 │ ████████████████████████████████████████████████████ │
│ January │ 30806 │ █████████████████████████████████████████████████▎ │
│ February │ 28118 │ ████████████████████████████████████████████▊ │
│ November │ 7474 │ ███████████▊ │
│ December │ 7223 │ ███████████▌ │
│ October │ 7070 │ ███████████▎ │
│ September │ 6910 │ ███████████ │
│ August │ 6801 │ ██████████▊ │
│ June │ 6779 │ ██████████▋ │
│ July │ 6485 │ ██████████▍ │
└───────────┴────────────┴──────────────────────────────────────────────────────────┘
12 rows in set. Elapsed: 0.006 sec. Processed 208.99 thousand rows, 417.99 KB (37.48 million rows/s., 74.96 MB/s.)
查询 2. 按辖区比较总投诉数量
查询：
SELECT
borough,
count() AS complaints,
bar(complaints, 0, 125000, 60)
FROM NYPD_Complaint
GROUP BY borough
ORDER BY complaints DESC
结果：
Query id: 8cdcdfd4-908f-4be0-99e3-265722a2ab8d
┌─borough───────┬─complaints─┬─bar(count(), 0, 125000, 60)──┐
│ BROOKLYN │ 57947 │ ███████████████████████████▋ │
│ MANHATTAN │ 53025 │ █████████████████████████▍ │
│ QUEENS │ 44875 │ █████████████████████▌ │
│ BRONX │ 44260 │ █████████████████████▏ │
│ STATEN ISLAND │ 8503 │ ████ │
│ (null) │ 383 │ ▏ │
└───────────────┴────────────┴──────────────────────────────┘
6 rows in set. Elapsed: 0.008 sec. Processed 208.99 thousand rows, 209.43 KB (27.14 million rows/s., 27.20 MB/s.)
下一步
A Practical Introduction to Sparse Primary Indexes in ClickHouse 讨论了 ClickHouse 索引与传统关系数据库之间的差异，ClickHouse 如何构建和使用稀疏主索引，以及索引的最佳实践。
