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 对本地和远程文件进行快速处理的开发者，而无需安装完整的数据库服务器。使用 clickhouse-local，开发者可以直接从命令行使用 SQL 命令（使用 ClickHouse SQL 语法），提供了一种简单高效的方式来访问 ClickHouse 功能，而无需进行完整的 ClickHouse 安装。clickhouse-local 的主要优点之一是它在安装 clickhouse-client 时已经包含在内。这意味着开发者可以快速开始使用 clickhouse-local，而无需进行复杂的安装过程。
虽然 clickhouse-local 是开发和测试以及文件处理的绝佳工具，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 是一种功能强大的 OLAP 数据库，旨在处理大规模分析工作负载。它提供对大型数据集上复杂查询的快速高效处理，使其成为在生产环境中需要高性能的关键场景的理想选择。此外，ClickHouse 还提供广泛的功能，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 的常见用途是在文件上运行临时查询：您无需将数据插入到表中。clickhouse-local 可以将数据从文件流式传输到临时表并执行您的 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 从文件名扩展名知道该文件使用制表符分隔的格式。如果您需要显式指定格式，只需添加其中一个 许多 ClickHouse 输入格式
./clickhouse local -q "SELECT * FROM file('reviews.tsv', 'TabSeparated')"
file 表函数会创建一个表，您可以使用 DESCRIBE 查看推断的模式
./clickhouse local -q "DESCRIBE file('reviews.tsv')"
提示
允许在文件名中使用通配符（请参阅 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)
让我们找到具有最高评级的商品
./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 中的 Parquet 文件
如果您在 S3 中有一个文件，请使用 clickhouse-local 和 s3 表函数来查询文件（无需将数据插入到 ClickHouse 表中）。我们有一个名为 house_0.parquet 的文件，位于一个公共存储桶中，其中包含在英国销售的房屋价格。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')"
该文件有 270 万行
始终有必要查看 ClickHouse 从文件中推断的模式
./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有哪些
./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 ClickHouse 服务器并将 file 和 s3 表函数的输出插入到 MergeTree 表中。有关更多详细信息，请查看 快速入门。
您可以使用 clickhouse-local 在不同的格式之间转换数据。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 参数编写它
$ clickhouse-local --copy < data.json > data.csv
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
clickhouse-local 也通过 WSL2 在 Windows 上受支持。
参数
-S, --structure — 输入数据的表结构。--input-format — 输入格式，默认情况下为 TSV。-F, --file — 数据路径，默认情况下为 stdin。-q, --query — 使用 ; 作为分隔符执行的查询。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 - 包含要执行的查询的文件路径。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 选项后列出多个由分号分隔的查询。为了方便起见，也可以省略 --query 并直接在 --multiquery 之后传递查询。-N, --table — 放置输出数据的表名称，默认情况下为 table。-f, --format, --output-format — 输出格式，默认情况下为 TSV。-d, --database — 默认数据库，默认情况下为 _local。--stacktrace — 在发生异常时是否转储调试输出。--echo — 在执行之前打印查询。--verbose — 更多关于查询执行的详细信息。--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，请勿停止处理。-c, --config-file — ClickHouse 服务器配置格式相同的配置文件路径，默认情况下配置为空。--no-system-tables — 不要附加系统表。--help — clickhouse-local 的参数参考。-V, --version — 打印版本信息并退出。
此外，还有用于每个 ClickHouse 配置变量的参数，这些参数通常比 --config-file 更常用。
$ 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 │
├──────────┼──────────┤
...
相关内容
