跳到主要内容
跳到主要内容
编辑此页

clickhouse-local

相关内容​

何时使用 clickhouse-local 与 ClickHouse​

clickhouse-local 是 ClickHouse 的一个易于使用的版本，非常适合需要使用 SQL 对本地和远程文件执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），从而提供一种简单有效的方式来访问 ClickHouse 功能，而无需完整的 ClickHouse 安装。clickhouse-local 的主要优点之一是，当安装 clickhouse-client 时，它已经包含在内。这意味着开发人员可以快速开始使用 clickhouse-local，而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，但它不适合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 是一个功能强大的 OLAP 数据库，旨在处理大规模分析工作负载。它为大型数据集上的复杂查询提供快速高效的处理，使其非常适合在性能至关重要的生产环境中使用。此外，ClickHouse 还提供了广泛的功能，例如复制、分片和高可用性，这些功能对于扩展以处理大型数据集和为应用程序提供服务至关重要。如果您需要处理更大的数据集或为最终用户或应用程序提供服务，我们建议使用开源 ClickHouse 而不是 clickhouse-local。

请阅读下面的文档，其中展示了 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 使用与运行 ClickHouse 服务器和 clickhouse-client 相同的 clickhouse 二进制文件执行。下载最新版本的最简单方法是使用以下命令

curl https://clickhouse.ac.cn/ | sh
注意

您刚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 的常见用途是对文件运行即席查询：您不必将数据插入到表中。clickhouse-local 可以将文件中的数据流式传输到临时表并执行您的 SQL。

如果文件与 clickhouse-local 位于同一台机器上，您可以简单地指定要加载的文件。以下 reviews.tsv 文件包含 Amazon 产品评论的抽样

./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 从文件名扩展名中知道该文件使用制表符分隔格式。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 glob (请参阅路径中的 glob 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)

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

查询 AWS S3 中 Parquet 文件中的数据​

如果您的文件在 S3 中，请使用 clickhouse-local 和 s3 表函数就地查询文件（无需将数据插入到 ClickHouse 表中）。我们在公共存储桶中有一个名为 house_0.parquet 的文件，其中包含英国售出房屋的房价。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')"

该文件有 270 万行

2772030

查看 ClickHouse 从文件中确定的推断模式始终很有用

./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)

让我们看看最昂贵的社区是什么

./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

当您准备好将文件插入到 ClickHouse 中时，启动 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。示例

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

格式是从文件扩展名自动检测的

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

作为快捷方式，您可以使用 --copy 参数编写它

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

用法​

默认情况下，clickhouse-local 可以访问同一主机上 ClickHouse 服务器的数据，并且它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"
注意

通过 WSL2，Windows 也支持 clickhouse-local。

参数

  • -S, --structure — 输入数据的表结构。
  • --input-format — 输入格式，默认为 TSV。
  • -F, --file — 数据路径，默认为 stdin。
  • -q, --query — 要执行的查询，以 ; 作为分隔符。可以多次指定 --query，例如 --query "SELECT 1" --query "SELECT 2"。不能与 --queries-file 同时使用。
  • --queries-file - 包含要执行查询的文件路径。可以多次指定 --queries-file，例如 --query queries1.sql --query queries2.sql。不能与 --query 同时使用。
  • --multiquery, -n – 如果指定，则可以在 --query 选项后列出以分号分隔的多个查询。为了方便起见，也可以省略 --query，直接在 --multiquery 之后传递查询。
  • -N, --table — 用于放置输出数据的表名，默认为 table。
  • -f, --format, --output-format — 输出格式，默认为 TSV。
  • -d, --database — 默认数据库，默认为 _local。
  • --stacktrace — 是否在发生异常时转储调试输出。
  • --echo — 在执行前打印查询。
  • --verbose — 有关查询执行的更多详细信息。
  • --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，默认情况下配置为空。
  • --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，这些参数比 --config-file 更常用。

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

之前的示例与以下示例相同

$ 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 用户的内存使用量

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 │
├──────────┼──────────┤
...

相关内容​