跳到主要内容
跳到主要内容

将 Airbyte 连接到 ClickHouse

Partner Integration
注意

请注意,ClickHouse 的 Airbyte 源连接器和目标连接器目前处于 Alpha 状态,不适用于迁移大型数据集(超过 1000 万行)

Airbyte

是一个开源数据集成平台。它支持创建

ELT

数据管道,并内置超过 140 个开箱即用的连接器。本分步教程将演示如何将 Airbyte 连接到 ClickHouse 作为目标端,并加载示例数据集。

下载并运行 Airbyte​

  1. Airbyte 运行在 Docker 上并使用 docker-compose。请确保已下载并安装最新版本的 Docker。

  2. 通过克隆官方 GitHub 仓库，并在常用的终端中运行 docker-compose up 来部署 Airbyte：

    git clone https://github.com/airbytehq/airbyte.git --depth=1
cd airbyte
./run-ab-platform.sh

  3. 当你在终端中看到 Airbyte 横幅后，即可连接到 localhost:8000

    Airbyte 横幅
    注意

    或者，你也可以注册并使用 Airbyte Cloud

将 ClickHouse 添加为目标​

在本节中，我们将展示如何将一个 ClickHouse 实例添加为目标。

  1. 启动你的 ClickHouse 服务器（Airbyte 兼容 ClickHouse 版本 21.8.10.19 及以上），或登录你的 ClickHouse Cloud 账号：

    clickhouse-server start

  2. 在 Airbyte 中，进入 “Destinations” 页面并添加一个新的目标：

    在 Airbyte 中添加一个目标

  3. 在 “Destination type” 下拉列表中选择 ClickHouse，然后在 “Set up the destination” 表单中填写你的 ClickHouse 主机名和端口、数据库名、用户名和密码，并选择是否使用 SSL 连接（等同于 clickhouse-client 中的 --secure 标志）：

    在 Airbyte 中创建 ClickHouse 目标

  4. 恭喜！你已经在 Airbyte 中成功将 ClickHouse 添加为一个目标。

注意

为了将 ClickHouse 作为目标使用，你所使用的用户需要具备创建数据库、创建表以及插入数据行的权限。我们建议为 Airbyte 创建一个专用用户（例如 my_airbyte_user），并授予如下权限：

CREATE USER 'my_airbyte_user'@'%' IDENTIFIED BY 'your_password_here';

GRANT CREATE ON * TO my_airbyte_user;

添加数据集作为源​

我们将使用的示例数据集是 New York City Taxi Data（纽约市出租车数据）（托管在 Github 上）。在本教程中，我们将使用该数据集的一个子集，即 2022 年 1 月的数据。

  1. 在 Airbyte 中，进入 “Sources” 页面，并添加一个类型为 file 的新 source。

    在 Airbyte 中添加 source

  2. 填写 “Set up the source” 表单，为 source 命名，并提供 NYC Taxi Jan 2022 文件的 URL（见下文）。请确保选择 parquet 作为文件格式，HTTPS Public Web 作为 Storage Provider，并将 Dataset Name 设置为 nyc_taxi_2022。

    https://d37ci6vzurychx.cloudfront.net/trip-data/yellow_tripdata_2022-01.parquet
    在 Airbyte 中创建 ClickHouse source

  3. 恭喜！您现在已经在 Airbyte 中添加了一个 source 文件。

创建连接并将数据集加载到 ClickHouse 中​

  1. 在 Airbyte 中，打开 “Connections” 页面并添加一个新连接。
在 Airbyte 中添加连接

  1. 选择 “Use existing source”，然后选择 New York City Taxi Data；再选择 “Use existing destination”，并选择你的 ClickHouse 实例。

  2. 填写 “Set up the connection” 表单，选择 Replication Frequency（复制频率，本教程中我们使用 manual），并选择 nyc_taxi_2022 作为你希望同步的数据流（stream）。请确保在 Normalization（标准化）中选择 Normalized Tabular Data。

在 Airbyte 中创建连接
  1. 连接创建完成后，点击 “Sync now” 以触发数据加载（因为我们将 Replication Frequency 设置为 Manual）。
在 Airbyte 中执行 Sync now
  1. 数据将开始加载，你可以展开视图查看 Airbyte 日志和进度。操作完成后，你会在日志中看到 Completed successfully 消息：
Completed successfully

  1. 使用你常用的 SQL Client 连接到 ClickHouse 实例，并检查生成的表：

    SELECT *
FROM nyc_taxi_2022
LIMIT 10

    返回结果应类似于：

    Query id: 4f79c106-fe49-4145-8eba-15e1cb36d325



┌─extra─┬─mta_tax─┬─VendorID─┬─RatecodeID─┬─tip_amount─┬─airport_fee─┬─fare_amount─┬─DOLocationID─┬─PULocationID─┬─payment_type─┬─tolls_amount─┬─total_amount─┬─trip_distance─┬─passenger_count─┬─store_and_fwd_flag─┬─congestion_surcharge─┬─tpep_pickup_datetime─┬─improvement_surcharge─┬─tpep_dropoff_datetime─┬─_airbyte_ab_id───────────────────────┬─────_airbyte_emitted_at─┬─_airbyte_normalized_at─┬─_airbyte_nyc_taxi_2022_hashid────┐

│ 0 │ 0.5 │ 2 │ 1 │ 2.03 │ 0 │ 17 │ 41 │ 162 │ 1 │ 0 │ 22.33 │ 4.25 │ 3 │ N │ 2.5 │ 2022-01-24T16:02:27 │ 0.3 │ 2022-01-24T16:22:23 │ 000022a5-3f14-4217-9938-5657f9041c8a │ 2022-07-19 04:35:31.000 │ 2022-07-19 04:39:20 │ 91F83E2A3AF3CA79E27BD5019FA7EC94 │ │ 3 │ 0.5 │ 1 │ 1 │ 1.75 │ 0 │ 5 │ 186 │ 246 │ 1 │ 0 │ 10.55 │ 0.9 │ 1 │ N │ 2.5 │ 2022-01-22T23:23:05 │ 0.3 │ 2022-01-22T23:27:03 │ 000036b6-1c6a-493b-b585-4713e433b9cd │ 2022-07-19 04:34:53.000 │ 2022-07-19 04:39:20 │ 5522F328014A7234E23F9FC5FA78FA66 │ │ 0 │ 0.5 │ 2 │ 1 │ 7.62 │ 1.25 │ 27 │ 238 │ 70 │ 1 │ 6.55 │ 45.72 │ 9.16 │ 1 │ N │ 2.5 │ 2022-01-22T19:20:37 │ 0.3 │ 2022-01-22T19:40:51 │ 00003c6d-78ad-4288-a79d-00a62d3ca3c5 │ 2022-07-19 04:34:46.000 │ 2022-07-19 04:39:20 │ 449743975782E613109CEE448AFA0AB3 │ │ 0.5 │ 0.5 │ 2 │ 1 │ 0 │ 0 │ 9.5 │ 234 │ 249 │ 1 │ 0 │ 13.3 │ 1.5 │ 1 │ N │ 2.5 │ 2022-01-22T20:13:39 │ 0.3 │ 2022-01-22T20:26:40 │ 000042f6-6f61-498b-85b9-989eaf8b264b │ 2022-07-19 04:34:47.000 │ 2022-07-19 04:39:20 │ 01771AF57922D1279096E5FFE1BD104A │ │ 0 │ 0 │ 2 │ 5 │ 5 │ 0 │ 60 │ 265 │ 90 │ 1 │ 0 │ 65.3 │ 5.59 │ 1 │ N │ 0 │ 2022-01-25T09:28:36 │ 0.3 │ 2022-01-25T09:47:16 │ 00004c25-53a4-4cd4-b012-a34dbc128aeb │ 2022-07-19 04:35:46.000 │ 2022-07-19 04:39:20 │ CDA4831B683D10A7770EB492CC772029 │ │ 0 │ 0.5 │ 2 │ 1 │ 0 │ 0 │ 11.5 │ 68 │ 170 │ 2 │ 0 │ 14.8 │ 2.2 │ 1 │ N │ 2.5 │ 2022-01-25T13:19:26 │ 0.3 │ 2022-01-25T13:36:19 │ 00005c75-c3c8-440c-a8e8-b1bd2b7b7425 │ 2022-07-19 04:35:52.000 │ 2022-07-19 04:39:20 │ 24D75D8AADD488840D78EA658EBDFB41 │ │ 2.5 │ 0.5 │ 1 │ 1 │ 0.88 │ 0 │ 5.5 │ 79 │ 137 │ 1 │ 0 │ 9.68 │ 1.1 │ 1 │ N │ 2.5 │ 2022-01-22T15:45:09 │ 0.3 │ 2022-01-22T15:50:16 │ 0000acc3-e64f-4b58-8e15-dc47ff1685f3 │ 2022-07-19 04:34:37.000 │ 2022-07-19 04:39:20 │ 2BB5B8E849A438E08F7FCF789E7D7E65 │ │ 1.75 │ 0.5 │ 1 │ 1 │ 7.5 │ 1.25 │ 27.5 │ 17 │ 138 │ 1 │ 0 │ 37.55 │ 9 │ 1 │ N │ 0 │ 2022-01-30T21:58:19 │ 0.3 │ 2022-01-30T22:19:30 │ 0000b339-b44b-40b0-99f8-ebbf2092cc5b │ 2022-07-19 04:38:10.000 │ 2022-07-19 04:39:20 │ DCCE79199EF9217CD769EFD5271302FE │ │ 0.5 │ 0.5 │ 2 │ 1 │ 0 │ 0 │ 13 │ 79 │ 140 │ 2 │ 0 │ 16.8 │ 3.19 │ 1 │ N │ 2.5 │ 2022-01-26T20:43:14 │ 0.3 │ 2022-01-26T20:58:08 │ 0000caa8-d46a-4682-bd25-38b2b0b9300b │ 2022-07-19 04:36:36.000 │ 2022-07-19 04:39:20 │ F502BE51809AF36582561B2D037B4DDC │ │ 0 │ 0.5 │ 2 │ 1 │ 1.76 │ 0 │ 5.5 │ 141 │ 237 │ 1 │ 0 │ 10.56 │ 0.72 │ 2 │ N │ 2.5 │ 2022-01-27T15:19:54 │ 0.3 │ 2022-01-27T15:26:23 │ 0000cd63-c71f-4eb9-9c27-09f402fddc76 │ 2022-07-19 04:36:55.000 │ 2022-07-19 04:39:20 │ 8612CDB63E13D70C1D8B34351A7CA00D │ └───────┴─────────┴──────────┴────────────┴────────────┴─────────────┴─────────────┴──────────────┴──────────────┴──────────────┴──────────────┴──────────────┴───────────────┴─────────────────┴────────────────────┴──────────────────────┴──────────────────────┴───────────────────────┴───────────────────────┴──────────────────────────────────────┴─────────────────────────┴────────────────────────┴──────────────────────────────────┘

SELECT count(*)
FROM nyc_taxi_2022

响应结果为:

Query id: a9172d39-50f7-421e-8330-296de0baa67e

┌─count()─┐
│ 2392428 │
└─────────┘

  1. 请注意,Airbyte 会自动推断数据类型并向目标表添加 4 个列。Airbyte 使用这些列来管理复制逻辑并记录操作。更多详细信息请参阅 Airbyte 官方文档。

        `_airbyte_ab_id` String,
    `_airbyte_emitted_at` DateTime64(3, 'GMT'),
    `_airbyte_normalized_at` DateTime,
    `_airbyte_nyc_taxi_072021_hashid` String

    现在数据集已加载到您的 ClickHouse 实例中,您可以创建新表并使用更合适的 ClickHouse 数据类型(更多详细信息)。

  2. 恭喜!您已成功使用 Airbyte 将 NYC 出租车数据加载到 ClickHouse 中。