clickhouse-local

何时使用 clickhouse-local 与 ClickHouse

clickhouse-local 是 ClickHouse 的易用版本，适用于需要使用 SQL 对本地和远程文件进行快速处理的开发人员，而无需安装完整的数据库服务器。使用 clickhouse-local，开发人员可以直接从命令行使用 SQL 命令（使用 ClickHouse SQL 方言），提供了一种简单而高效的方式来访问 ClickHouse 功能，而无需完整安装 ClickHouse。clickhouse-local 的主要好处之一是它在安装 clickhouse-client 时已经包含。因此，开发人员可以快速开始使用 clickhouse-local，无需复杂的安装过程。

虽然 clickhouse-local 是用于开发和测试目的以及处理文件的绝佳工具，但不适合用于为最终用户或应用程序提供服务。在这些情况下，建议使用开源 ClickHouse。ClickHouse 是一个强大的 OLAP 数据库，旨在处理大规模分析工作负载。它能够对大数据集进行快速高效的复杂查询处理，非常适用于高性能至关重要的生产环境。此外，ClickHouse 提供了诸如复制、分片和高可用性等广泛功能，这些功能对于扩展以处理大数据集和服务应用程序是必不可少的。如果您需要处理更大的数据集或为最终用户和应用程序提供服务，建议使用开源 ClickHouse，而非 clickhouse-local。

请阅读下面的文档，以查看 clickhouse-local 的示例用例，例如查询本地文件或读取 S3 中的 Parquet 文件。

下载 clickhouse-local

clickhouse-local 是使用与运行 ClickHouse 服务器和 clickhouse-client 相同的 clickhouse 二进制文件执行的。下载最新版本的最简单方法是使用以下命令：

curl https://clickhouse.com/ | sh

备注

您刚下载的二进制文件可以运行各种 ClickHouse 工具和实用程序。如果您想将 ClickHouse 作为数据库服务器运行，请查看快速入门。

使用 SQL 查询文件中的数据

clickhouse-local 的一个常见用途是在文件上运行临时查询：您无需将数据插入表中。clickhouse-local 可以将文件中的数据流入临时表并执行您的 SQL。

如果文件位于与 clickhouse-local 相同的机器上，您可以简单地指定要加载的文件。以下 reviews.tsv 文件包含了亚马逊产品评论的样本：

./clickhouse local -q "SELECT * FROM 'reviews.tsv'"

此命令是以下命令的快捷方式：

./clickhouse local -q "SELECT * FROM file('reviews.tsv')"

ClickHouse 根据文件名扩展名知道文件使用制表符分隔的格式。如果您需要显式指定格式，只需添加许多 ClickHouse 输入格式之一：

./clickhouse local -q "SELECT * FROM file('reviews.tsv', 'TabSeparated')"

file 表函数创建一个表，您可以使用 DESCRIBE 查看推断的模式：

./clickhouse local -q "DESCRIBE file('reviews.tsv')"

提示

您可以在文件名中使用通配符（请参见通配符替换）。

示例：

./clickhouse local -q "SELECT * FROM 'reviews*.jsonl'"
./clickhouse local -q "SELECT * FROM 'review_?.csv'"
./clickhouse local -q "SELECT * FROM 'review_{1..3}.csv'"

marketplace    Nullable(String)
customer_id    Nullable(Int64)
review_id    Nullable(String)
product_id    Nullable(String)
product_parent    Nullable(Int64)
product_title    Nullable(String)
product_category    Nullable(String)
star_rating    Nullable(Int64)
helpful_votes    Nullable(Int64)
total_votes    Nullable(Int64)
vine    Nullable(String)
verified_purchase    Nullable(String)
review_headline    Nullable(String)
review_body    Nullable(String)
review_date    Nullable(Date)

现在让我们找到评分最高的产品：

./clickhouse local -q "SELECT
    argMax(product_title,star_rating),
    max(star_rating)
FROM file('reviews.tsv')"

Monopoly Junior Board Game    5

在 AWS S3 中查询 Parquet 文件中的数据

如果您在 S3 中有一个文件，可以使用 clickhouse-local 和 s3 表函数直接查询文件（而无需将数据插入 ClickHouse 表）。我们在一个公共桶中有一个名为 house_0.parquet 的文件，其中包含在英国销售的房产价格。让我们看看它有多少行：

./clickhouse local -q "
SELECT count()
FROM s3('https://datasets-documentation.s3.eu-west-3.amazonaws.com/house_parquet/house_0.parquet')"

文件有 2.7M 行：

查看 ClickHouse 从文件推断出的模式总是很有用：

./clickhouse local -q "DESCRIBE s3('https://datasets-documentation.s3.eu-west-3.amazonaws.com/house_parquet/house_0.parquet')"

price    Nullable(Int64)
date    Nullable(UInt16)
postcode1    Nullable(String)
postcode2    Nullable(String)
type    Nullable(String)
is_new    Nullable(UInt8)
duration    Nullable(String)
addr1    Nullable(String)
addr2    Nullable(String)
street    Nullable(String)
locality    Nullable(String)
town    Nullable(String)
district    Nullable(String)
county    Nullable(String)

现在让我们看看最昂贵的社区：

./clickhouse local -q "
SELECT
    town,
    district,
    count() AS c,
    round(avg(price)) AS price,
    bar(price, 0, 5000000, 100)
FROM s3('https://datasets-documentation.s3.eu-west-3.amazonaws.com/house_parquet/house_0.parquet')
GROUP BY
    town,
    district
HAVING c >= 100
ORDER BY price DESC
LIMIT 10"

LONDON    CITY OF LONDON    886    2271305    █████████████████████████████████████████████▍
LEATHERHEAD    ELMBRIDGE    206    1176680    ███████████████████████▌
LONDON    CITY OF WESTMINSTER    12577    1108221    ██████████████████████▏
LONDON    KENSINGTON AND CHELSEA    8728    1094496    █████████████████████▉
HYTHE    FOLKESTONE AND HYTHE    130    1023980    ████████████████████▍
CHALFONT ST GILES    CHILTERN    113    835754    ████████████████▋
AMERSHAM    BUCKINGHAMSHIRE    113    799596    ███████████████▉
VIRGINIA WATER    RUNNYMEDE    356    789301    ███████████████▊
BARNET    ENFIELD    282    740514    ██████████████▊
NORTHWOOD    THREE RIVERS    184    731609    ██████████████▋

提示

当您准备将文件插入 ClickHouse 时，启动一个 ClickHouse 服务器，并将 file 和 s3 表函数的结果插入到 MergeTree 表中。查看快速入门以获取更多详细信息。

格式转换

您可以使用 clickhouse-local 在不同格式之间转换数据。例如：

$ clickhouse-local --input-format JSONLines --output-format CSV --query "SELECT * FROM table" < data.json > data.csv

格式会根据文件扩展名自动检测：

$ clickhouse-local --query "SELECT * FROM table" < data.json > data.csv

作为快捷方式，您可以使用 --copy 参数来编写：

$ clickhouse-local --copy < data.json > data.csv

用法

默认情况下，clickhouse-local 具有对同一主机上 ClickHouse 服务器数据的访问权限，并且不依赖于服务器的配置。它还支持使用 --config-file 参数加载服务器配置。对于临时数据，默认情况下会创建一个唯一的临时数据目录。

基本用法（Linux）：

$ clickhouse-local --structure "table_structure" --input-format "format_of_incoming_data" --query "query"

基本用法（Mac）：

$ ./clickhouse local --structure "table_structure" --input-format "format_of_incoming_data" --query "query"

备注

clickhouse-local 在 Windows 的 WSL2 上也受支持。

参数：

-S, --structure — 输入数据的表结构。
--input-format — 输入格式，默认是 TSV。
-F, --file — 数据路径，默认是 stdin。
-q, --query — 要执行的查询，使用 ; 作为分隔符。--query 可以多次指定，例如 --query "SELECT 1" --query "SELECT 2"。不能与 --queries-file 同时使用。
--queries-file - 包含要执行的查询的文件路径。--queries-file 可以多次指定，例如 --query queries1.sql --query queries2.sql。不能与 --query 同时使用。
--multiquery, -n – 若指定，多个查询可以用分号分隔，并在 --query 选项后列出。为了方便起见，也可以省略 --query，并将查询直接放在 --multiquery 后面。
-N, --table — 输出数据放置的表名，默认是 table。
-f, --format, --output-format — 输出格式，默认是 TSV。
-d, --database — 默认数据库，默认为 _local。
--stacktrace — 在异常情况下是否转储调试输出。
--echo — 执行前打印查询。
--verbose — 查询执行的更多细节。
--logger.console — 记录到控制台。
--logger.log — 日志文件名。
--logger.level — 日志级别。
--ignore-error — 如果查询失败，则不停止处理。
-c, --config-file — 配置文件的路径，格式与 ClickHouse 服务器相同，默认为空配置。
--no-system-tables — 不附加系统表。
--help — clickhouse-local 的参数参考。
-V, --version — 打印版本信息并退出。

此外，还有每个 ClickHouse 配置变量的参数，通常使用这些参数而不是 --config-file。

示例

$ echo -e "1,2\n3,4" | clickhouse-local --structure "a Int64, b Int64" \
    --input-format "CSV" --query "SELECT * FROM table"
Read 2 rows, 32.00 B in 0.000 sec., 5182 rows/sec., 80.97 KiB/sec.
1   2
3   4

前面的示例与以下内容相同：

$ echo -e "1,2\n3,4" | clickhouse-local -n --query "
    CREATE TABLE table (a Int64, b Int64) ENGINE = File(CSV, stdin);
    SELECT a, b FROM table;
    DROP TABLE table;"
Read 2 rows, 32.00 B in 0.000 sec., 4987 rows/sec., 77.93 KiB/sec.
1   2
3   4

您不必使用 stdin 或 --file 参数，并且可以使用 file 表函数打开任意数量的文件：

$ echo 1 | tee 1.tsv
1

$ echo 2 | tee 2.tsv
2

$ clickhouse-local --query "
    select * from file('1.tsv', TSV, 'a int') t1
    cross join file('2.tsv', TSV, 'b int') t2"
1    2

现在让我们输出每个 Unix 用户的内存使用情况：

查询：

$ ps aux | tail -n +2 | awk '{ printf("%s\t%s\n", $1, $4) }' \
    | clickhouse-local --structure "user String, mem Float64" \
        --query "SELECT user, round(sum(mem), 2) as memTotal
            FROM table GROUP BY user ORDER BY memTotal DESC FORMAT Pretty"

结果：

Read 186 rows, 4.15 KiB in 0.035 sec., 5302 rows/sec., 118.34 KiB/sec.
┏━━━━━━━━━━┳━━━━━━━━━━┓
┃ user     ┃ memTotal ┃
┡━━━━━━━━━━╇━━━━━━━━━━┩
│ bayonet  │    113.5 │
├──────────┼──────────┤
│ root     │      8.8 │
├──────────┼──────────┤
...

何时使用 clickhouse-local 与 ClickHouse​

下载 clickhouse-local​

使用 SQL 查询文件中的数据​

在 AWS S3 中查询 Parquet 文件中的数据​

格式转换​

用法​

示例​

相关内容​

何时使用 clickhouse-local 与 ClickHouse

下载 clickhouse-local

使用 SQL 查询文件中的数据

在 AWS S3 中查询 Parquet 文件中的数据

格式转换

用法

示例

相关内容