clickhouse-local を使うときと ClickHouse を使うとき
clickhouse-local は、フル機能のデータベースサーバーをインストールすることなく、SQL を使ってローカルおよびリモートファイルに対して高速な処理を行いたい開発者に最適な、使いやすい ClickHouse のバージョンです。clickhouse-local を使用すると、開発者はコマンドラインから直接 ClickHouse SQL dialect を用いた SQL コマンドを実行でき、フルの ClickHouse をインストールすることなく ClickHouse の機能にシンプルかつ効率的にアクセスできます。clickhouse-local の主な利点の 1 つは、clickhouse-client をインストールする際に同梱されていることです。これにより、複雑なインストール手順なしに、開発者はすぐに clickhouse-local を使い始めることができます。
clickhouse-local は、開発およびテスト用途、ならびにファイル処理に非常に有用なツールですが、エンドユーザーやアプリケーションに対するサービス提供には適していません。これらのシナリオでは、オープンソースの ClickHouse を使用することを推奨します。ClickHouse は、大規模な分析ワークロードを処理するように設計された強力な OLAP データベースです。大規模なデータセットに対する複雑なクエリを高速かつ効率的に処理できるため、高パフォーマンスが重要となる本番環境に最適です。加えて ClickHouse は、レプリケーション、シャーディング、高可用性など、大規模データセットの処理やアプリケーション提供に必要となるスケールアウトのための幅広い機能を提供します。より大きなデータセットを扱う必要がある場合や、エンドユーザーまたはアプリケーションに提供する必要がある場合は、clickhouse-local ではなくオープンソースの ClickHouse を使用することを推奨します。
以下のドキュメントでは、ローカルファイルのクエリ や S3 上の Parquet ファイルの読み取り など、clickhouse-local の代表的なユースケースを示していますので、参照してください。
clickhouse-local をダウンロードする
clickhouse-local は、ClickHouse サーバーや clickhouse-client と同じ clickhouse バイナリで実行されます。最新バージョンをダウンロードする最も簡単な方法は、次のコマンドを使用することです。
curl https://clickhouse.com/ | sh
注記
ダウンロードしたばかりのバイナリは、さまざまな ClickHouse ツールやユーティリティを実行できます。ClickHouse をデータベースサーバーとして実行したい場合は、クイックスタートを参照してください。
SQL を使用してファイル内のデータをクエリする
clickhouse-local の一般的な用途は、データをテーブルに挿入することなく、ファイルに対してアドホックなクエリを実行することです。clickhouse-local はファイルから一時テーブルへデータをストリーミングし、その一時テーブルに対して SQL を実行できます。
ファイルが clickhouse-local と同じマシン上にある場合は、読み込むファイルを指定するだけで構いません。次の reviews.tsv ファイルには、Amazon の商品レビューのサンプルが含まれています。
./clickhouse local -q "SELECT * FROM 'reviews.tsv'"
このコマンドは、次のコマンドのショートカットです：
./clickhouse local -q "SELECT * FROM file('reviews.tsv')"
ClickHouse は、ファイル名の拡張子からそのファイルがタブ区切り形式であることを認識します。形式を明示的に指定する必要がある場合は、単に 多様な ClickHouse の入力フォーマット のいずれかを指定してください。
./clickhouse local -q "SELECT * FROM file('reviews.tsv', 'TabSeparated')"
file テーブル関数はテーブルを作成し、DESCRIBE を使って推論されたスキーマを確認できます。
./clickhouse local -q "DESCRIBE file('reviews.tsv')"
ヒント
ファイル名にはグロブを使用できます（グロブ置換を参照してください）。
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)
評価が最も高い製品を探してみましょう。
./clickhouse local -q "SELECT
argMax(product_title,star_rating),
max(star_rating)
FROM file('reviews.tsv')"
Monopoly Junior Board Game 5
AWS S3 内の Parquet ファイルをクエリする
S3 にファイルがある場合は、clickhouse-local と s3 テーブル関数を使用して、データを ClickHouse のテーブルに挿入せずに、そのファイルをその場でクエリできます。ここでは、英国で売却された不動産の住宅価格を含む house_0.parquet という名前のファイルが、パブリックなバケット内にあります。このファイルに何行含まれているかを確認してみましょう。
./clickhouse local -q "
SELECT count()
FROM s3('https://datasets-documentation.s3.eu-west-3.amazonaws.com/house_parquet/house_0.parquet')"
このファイルには 270万行あります：
ClickHouse がファイルからどのようなスキーマを推論したかを確認しておくと便利です。
./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)
最も高額な地域を見てみましょう。
./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 ██████████████▋
ヒント
ファイルを ClickHouse に取り込む準備ができたら、ClickHouse サーバーを起動して、file および s3 テーブル関数の結果を MergeTree テーブルに挿入します。詳細については Quick Start を参照してください。
clickhouse-local を使用して、異なるフォーマット間でデータを変換できます。例：
$ clickhouse-local --input-format JSONLines --output-format CSV --query "SELECT * FROM table" < data.json > data.csv
形式はファイル拡張子から自動的に判別されます。
$ clickhouse-local --query "SELECT * FROM table" < data.json > data.csv
簡単に書くには、--copy 引数を指定して記述することもできます：
$ clickhouse-local --copy < data.json > data.csv
使用方法
デフォルトでは、clickhouse-local は同一ホスト上の ClickHouse サーバーのデータにアクセスでき、サーバーの設定には依存しません。--config-file 引数を使用してサーバーの設定を読み込むこともできます。一時データ用には、デフォルトで一意の一時データディレクトリが作成されます。
基本的な使用方法（Linux）:
$ clickhouse-local --structure "table_structure" --input-format "format_of_incoming_data" --query "query"
基本的な使い方（Mac）:
$ ./clickhouse local --structure "table_structure" --input-format "format_of_incoming_data" --query "query"
注記
clickhouse-local は、Windows では WSL2 経由でも利用できます。
引数:
-S, --structure — 入力データのテーブル構造。--input-format — 入力フォーマット。デフォルトは TSV。-F, --file — データのパス。デフォルトは stdin。-q, --query — 実行するクエリ（区切りは ;）。--query は複数回指定可能です（例：--query "SELECT 1" --query "SELECT 2"）。--queries-file と同時には使用できません。--queries-file - 実行するクエリを含むファイルパス。--queries-file は複数回指定可能です（例：--query queries1.sql --query queries2.sql）。--query と同時には使用できません。--multiquery, -n – 指定した場合、セミコロン区切りの複数クエリを --query オプションの後に列挙できます。利便性のため、--query を省略して --multiquery の後にクエリを直接渡すことも可能です。-N, --table — 出力データを書き込むテーブル名。デフォルトは table。-f, --format, --output-format — 出力フォーマット。デフォルトは TSV。-d, --database — デフォルトデータベース。デフォルトは _local。--stacktrace — 例外発生時にデバッグ出力をダンプするかどうか。--echo — 実行前にクエリを表示します。--verbose — クエリ実行の詳細をより多く出力します。--logger.console — コンソールにログを出力します。--logger.log — ログファイル名。--logger.level — ログレベル。--ignore-error — クエリが失敗しても処理を停止しません。-c, --config-file — ClickHouse サーバーと同じ形式の設定ファイルへのパス。デフォルトでは設定は空です。--no-system-tables — system テーブルをアタッチしません。--help — clickhouse-local の引数リファレンスを表示します。-V, --version — バージョン情報を表示して終了します。
また、--config-file の代わりによく用いられる、各 ClickHouse 設定変数に対応する引数も用意されています。
$ echo -e "1,2\n3,4" | clickhouse-local --structure "a Int64, b Int64" \
--input-format "CSV" --query "SELECT * FROM table"
2行読み込み、32.00 B、0.000秒、5182行/秒、80.97 KiB/秒
1 2
3 4
先ほどの例は次と同じです。
$ 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;"
2行読み込み、32.00 B、0.000秒、4987行/秒、77.93 KiB/秒。
1 2
3 4
stdin や --file 引数を使う必要はなく、file テーブル関数 を使えば任意の数のファイルを開けます。
$ 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
では、各 Unix ユーザーごとのメモリ使用量を出力してみましょう。
クエリ:
$ 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"
結果：
186行、4.15 KiBを0.035秒で読み込み、5302行/秒、118.34 KiB/秒
┏━━━━━━━━━━┳━━━━━━━━━━┓
┃ user ┃ memTotal ┃
┡━━━━━━━━━━╇━━━━━━━━━━┩
│ bayonet │ 113.5 │
├──────────┼──────────┤
│ root │ 8.8 │
├──────────┼──────────┤
...
関連コンテンツ
