Python工具箱系列(二十六)

原创

西安衍舆航天科技有限公司 2023-02-13 14:24:41 博主文章分类：python系列 ©著作权

文章标签 数据 xml 列式存储 文章分类 Python 后端开发 yyds干货盘点

©著作权归作者所有：来自51CTO博客作者西安衍舆航天科技有限公司的原创作品，请联系作者获取转载授权，否则将追究法律责任

ClickHouse(Click Stream，Data WareHouse)是俄罗斯的 Yandex于2016年开源的用于在线分析处理查询（OLAP:Online Analytical Processing）MPP架构的列式存储数据库（DBMS：Database Management System），能够使用 SQL 查询实时生成分析数据报告。特别值得称道的是Clickhouse没有走hadoop生态，采用 Local attached storage 作为存储，而hadoop目前已经发展的臃肿不堪了。

Clickhouse的特点有：

列式存储，在特定场景下，能够获得很高的访问效率，并且节省空间
DBMS功能。几乎覆盖了标准SQL的大部分语法，为传统数据库使用者提供熟悉的操控体验
多样化引擎
高吞吐写入能力
数据分区分片
单表查询性能优异，多表JOIN查询较差
适合于OLAP应用场景
Clickhouse社区活跃度高、版本迭代非常快,几乎几天到十几天更新一个小版本，我们非常看好它以后的发展

Clickhouse之所以速度超快，在于其优良的系统架构设计，以及多个方向的优化。主要包括：

底层C++可以充分利用硬件优势
摒弃了hadoop生态
数据底层以列式存储
利用单节点的多核并行处理
为数据建立索引一级、二级、稀疏索引
使用大量的算法处理数据
支持向量化处理
预先设计运算模型-预先计算
分布式处理数据

一、安装

Clickhouse能够运行在linux/macos上，对于windows仍然支持不够，不建议在windows上尝试安装，但可以在windows上安装它的客户端。与Clickhouse官网提供的安装方式不同，我们选择使用apt安装。

主要原因是：

虽然可以一键安装，但对于网络连接的要求高，稍有错误则前功尽弃
大规模安装时，无法控制进度与验证
无法利用缓冲机制，因此不可能在离线环境下完成安装

在ubuntu bionic上的安装过程如下所示：

sudo apt-get update
sudo apt-get -y install apt-transport-https ca-certificates dirmngr
sudo apt-key adv --keyserver hkp://keyserver.ubuntu.com:80 --recv E0C56BD4
echo "deb https://repo.clickhouse.tech/deb/stable/ main/" | sudo tee /etc/apt/sources.list.d/clickhouse.list
sudo apt-get update
sudo apt-get install -y clickhouse-server clickhouse-client

# 安装成功后以服务方式启动
sudo service clickhouse-server start

# 使用客户端连接
clickhouse-client --password

服务器配置文件位于/etc/clickhouse-server/config.xml。默认绑定在回环地址(127.0.0.1)上，可以使用下述方式改变为远程访问支持。

vi /etc/clickhouse-server/config.xml
# <listen_host>::</listen_host>
sed -i 's/127.0.0.1/::/g' /etc/clickhouse-server/config.xml
cat /etc/clickhouse-server/config.xml |grep listen_host

二、Python访问

Clickhouse官网列出了python对应的库：

infi.clickhouse_orm
clickhouse-driver
clickhouse-client
aiochclient
asynch

国内应用较为广泛的是Clickhouse-driver，安装过程如下：

pip install clickhouse-driver

访问的示范代码如下：

from clickhouse_driver import Client

ch_host = '192.168.0.66'
user = 'default'
password = '8848is8848'
dbname = 'default'
tbname = 'pm25'

# 连接并且查询
client = Client(host=ch_host,user=user,password=password)

def query(sqlstr):
    result = client.execute(sqlstr)
    print(result)

query('show databases')
query(f"DROP TABLE IF EXISTS {tbname}")
query(f"CREATE TABLE {tbname} (x Int32) ENGINE = Memory")
query('show tables')
client.execute(f'insert into {tbname} values',((x,) for x in range(100)))
query(f'SELECT * FROM {tbname} where x > 49 LIMIT 5')