يمكنك تجربة ذلك على ClickHouse مستضاف ذاتيًا أو على ClickHouse Cloud. إذا لم يكن لديك حساب بالفعل، يمكنك بدء فترة تجريبية مجانية لـ ClickHouse Cloud.
تحميل مجموعة البيانات
- من دون إدراج البيانات في ClickHouse، يمكننا الاستعلام عنها مباشرةً. لنستعرض بعض الصفوف حتى نرى كيف تبدو:
- لنعرّف جدول
MergeTreeجديدًا باسمamazon_reviewsلتخزين هذه البيانات في ClickHouse:
- يستخدم أمر
INSERTالتالي دالة الجدولs3Cluster، التي توزّع ملفات S3 على عُقد العنقود لديك لتُقرأ بالتوازي.
default، ويمكنك تنفيذ الأمر كما هو موضح. أما على خادم مُدار ذاتيًا، فاستبدل default باسم العنقود لديك — أو إذا كنت تستخدم خادمًا واحدًا، فاستخدم دالة الجدول s3 بدلًا منها، واحذف الوسيط الأول ليبدأ استدعاء الدالة بعنوان URL.
نستخدم محرف بدل في عنوان URL لإدراج جميع ملفات المراجعة المطابقة.
- هذا الاستعلام لا يستغرق وقتًا طويلًا — إذ يبلغ المتوسط نحو 300,000 صف في الثانية. وخلال 5 دقائق تقريبًا، ينبغي أن ترى أنه قد تم إدراج جميع الصفوف:
- لنرَ مقدار المساحة التي تستخدمها بياناتنا:
أمثلة على الاستعلامات
- لنُشغِّل بعض الاستعلامات. فيما يلي أكثر 10 مراجعات فائدةً في مجموعة البيانات:
يستخدم هذا الاستعلام إسقاطًا لتحسين الأداء.
- فيما يلي أكثر 10 منتجات على أمازون من حيث عدد المراجعات:
- فيما يلي متوسط تقييمات المراجعات شهريًا لكل منتج (وهو سؤال فعلي في مقابلة عمل لدى أمازون!):
- فيما يلي العدد الإجمالي للأصوات لكل فئة من فئات المنتجات. هذا الاستعلام سريع لأن
product_categoryموجود في المفتاح الأساسي:
- لنبحث عن المنتجات التي تظهر فيها كلمة “awful” بأعلى تكرار في المراجعات. هذه مهمة كبيرة، إذ يجب تحليل أكثر من 151 مليون سلسلة نصية بحثًا عن كلمة واحدة:
runnable
- يمكننا تشغيل الاستعلام نفسه مرة أخرى، لكن هذه المرة نبحث عن awesome في المراجعات:
runnable