制表符分隔值（Tab Separated Values，TSV）文件很常见，且文件的第一行通常包含字段标题。ClickHouse 不仅可以摄取 TSV 文件，还可以在不摄取文件的情况下直接查询 TSV。本指南同时涵盖这两种场景。如果你需要查询或摄取 CSV 文件，可以使用相同的方法，只需在格式参数中将 TSV 替换为 CSV 即可。
在完成本指南的过程中，你将：
- 分析：查询 TSV 文件的结构和内容。
- 确定目标 ClickHouse schema：选择合适的数据类型，并将现有数据映射到这些类型。
- 创建一个 ClickHouse 表。
- 预处理数据并将其流式写入 ClickHouse。
- 在 ClickHouse 上运行一些查询。
本指南使用的数据集来自 NYC Open Data 团队，包含关于“所有向纽约市警察局 (NYPD) 报告的有效重罪、轻罪和违规犯罪”的数据。在撰写本文时，数据文件大小为 166MB，但会定期更新。
来源: data.cityofnewyork.us
使用条款: https://www1.nyc.gov/home/terms-of-use.page
前提条件
关于本指南中所述命令的说明
本指南中涉及两类命令：
- 部分命令用于查询 TSV 文件，这些命令在命令行中运行。
- 其余命令用于查询 ClickHouse，这些命令在
clickhouse-client 或 Play UI 中运行。
注意
本指南中的示例假定您已将 TSV 文件保存为 ${HOME}/NYPD_Complaint_Data_Current__Year_To_Date_.tsv，如有需要请相应调整命令。
熟悉 TSV 文件
在开始使用 ClickHouse 数据库之前，先熟悉一下这些数据。
查看源 TSV 文件中的字段
下面是一个用于查询 TSV 文件的示例命令，但先不要运行它。
clickhouse-local --query \
"describe file('${HOME}/NYPD_Complaint_Data_Current__Year_To_Date_.tsv', 'TSVWithNames')"
示例响应
CMPLNT_NUM Nullable(Float64)
ADDR_PCT_CD Nullable(Float64)
BORO_NM Nullable(String)
CMPLNT_FR_DT Nullable(String)
CMPLNT_FR_TM Nullable(String)
提示
在大多数情况下，上述命令会告诉你输入数据中哪些字段是数值型、哪些是字符串、哪些是元组。但并非总是如此。由于 ClickHouse 经常用于包含数十亿记录的数据集，为了避免为推断模式而解析数十亿行数据，默认只检查一定数量（100）行来推断模式。由于该数据集每年会更新多次，下面的响应可能与你实际看到的不完全一致。查看数据字典可以看到，CMPLNT_NUM 被指定为文本而不是数值。通过将用于推断的默认 100 行覆盖为 SETTINGS input_format_max_rows_to_read_for_schema_inference=2000，你可以更好地了解其内容。
注意：从 22.5 版本开始，用于推断模式的默认行数已变为 25,000 行，因此只有在你使用更早版本或需要采样超过 25,000 行时才需要修改该设置。
在命令行终端中运行此命令。你将使用 clickhouse-local 来查询已下载 TSV 文件中的数据。
clickhouse-local --input_format_max_rows_to_read_for_schema_inference=2000 \
--query \
"describe file('${HOME}/NYPD_Complaint_Data_Current__Year_To_Date_.tsv', 'TSVWithNames')"
结果：
CMPLNT_NUM Nullable(String)
ADDR_PCT_CD Nullable(Float64)
BORO_NM Nullable(String)
CMPLNT_FR_DT Nullable(String)
CMPLNT_FR_TM Nullable(String)
CMPLNT_TO_DT Nullable(String)
CMPLNT_TO_TM Nullable(String)
CRM_ATPT_CPTD_CD Nullable(String)
HADEVELOPT Nullable(String)
HOUSING_PSA Nullable(Float64)
JURISDICTION_CODE Nullable(Float64)
JURIS_DESC Nullable(String)
KY_CD Nullable(Float64)
LAW_CAT_CD Nullable(String)
LOC_OF_OCCUR_DESC Nullable(String)
OFNS_DESC Nullable(String)
PARKS_NM Nullable(String)
PATROL_BORO Nullable(String)
PD_CD Nullable(Float64)
PD_DESC Nullable(String)
PREM_TYP_DESC Nullable(String)
RPT_DT Nullable(String)
STATION_NAME Nullable(String)
SUSP_AGE_GROUP Nullable(String)
SUSP_RACE Nullable(String)
SUSP_SEX Nullable(String)
TRANSIT_DISTRICT Nullable(Float64)
VIC_AGE_GROUP Nullable(String)
VIC_RACE Nullable(String)
VIC_SEX Nullable(String)
X_COORD_CD Nullable(Float64)
Y_COORD_CD Nullable(Float64)
Latitude Nullable(Float64)
Longitude Nullable(Float64)
Lat_Lon Tuple(Nullable(Float64), Nullable(Float64))
New Georeferenced Column Nullable(String)
此时应检查 TSV 文件中的列是否与 数据集网页 中 Columns in this Dataset 部分所列的名称和类型相匹配。数据类型并不十分具体，所有数值字段都被设置为 Nullable(Float64)，其他所有字段为 Nullable(String)。在创建用于存储这些数据的 ClickHouse 表时，可以指定更合适且性能更佳的数据类型。
确定合适的表结构
为了确定各个字段应使用的数据类型，需要先了解数据的具体情况。例如，字段 JURISDICTION_CODE 是数值类型：它应该是 UInt8，还是 Enum，或者 Float64 更合适？
clickhouse-local --input_format_max_rows_to_read_for_schema_inference=2000 \
--query \
"select JURISDICTION_CODE, count() FROM
file('${HOME}/NYPD_Complaint_Data_Current__Year_To_Date_.tsv', 'TSVWithNames')
GROUP BY JURISDICTION_CODE
ORDER BY JURISDICTION_CODE
FORMAT PrettyCompact"
结果：
┌─JURISDICTION_CODE─┬─count()─┐
│ 0 │ 188875 │
│ 1 │ 4799 │
│ 2 │ 13833 │
│ 3 │ 656 │
│ 4 │ 51 │
│ 6 │ 5 │
│ 7 │ 2 │
│ 9 │ 13 │
│ 11 │ 14 │
│ 12 │ 5 │
│ 13 │ 2 │
│ 14 │ 70 │
│ 15 │ 20 │
│ 72 │ 159 │
│ 87 │ 9 │
│ 88 │ 75 │
│ 97 │ 405 │
└───────────────────┴─────────┘
查询响应显示，JURISDICTION_CODE 很适合使用 UInt8 类型。
类似地，查看一些 String 字段，评估它们是否适合改为 DateTime 或 LowCardinality(String) 字段。
例如，字段 PARKS_NM 的描述是 "Name of NYC park, playground or greenspace of occurrence, if applicable (state parks are not included)"。纽约市公园的名称可能是使用 LowCardinality(String) 的良好候选：
clickhouse-local --input_format_max_rows_to_read_for_schema_inference=2000 \
--query \
"select count(distinct PARKS_NM) FROM
file('${HOME}/NYPD_Complaint_Data_Current__Year_To_Date_.tsv', 'TSVWithNames')
FORMAT PrettyCompact"
结果：
┌─uniqExact(PARKS_NM)─┐
│ 319 │
└─────────────────────┘
来看一些公园名称：
clickhouse-local --input_format_max_rows_to_read_for_schema_inference=2000 \
--query \
"select distinct PARKS_NM FROM
file('${HOME}/NYPD_Complaint_Data_Current__Year_To_Date_.tsv', 'TSVWithNames')
LIMIT 10
FORMAT PrettyCompact"
结果：
┌─PARKS_NM───────────────────┐
│ (null) │
│ ASSER LEVY PARK │
│ JAMES J WALKER PARK │
│ BELT PARKWAY/SHORE PARKWAY │
│ PROSPECT PARK │
│ MONTEFIORE SQUARE │
│ SUTTON PLACE PARK │
│ JOYCE KILMER PARK │
│ ALLEY ATHLETIC PLAYGROUND │
│ ASTORIA PARK │
└────────────────────────────┘
在撰写本文时使用的数据集中，PARK_NM 列中只有几百个不同的公园和游乐场。这一数量相对较少，因为根据 LowCardinality 的建议，LowCardinality(String) 字段中不同字符串的数量应控制在 10,000 个以下。
DateTime 字段
根据该数据集网页中的 Columns in this Dataset 部分，可以看到该数据集包含用于记录上报事件开始和结束时间的日期和时间字段。查看 CMPLNT_FR_DT 和 CMPLT_TO_DT 的最小值和最大值，可以帮助判断这些字段是否始终有值：
clickhouse-local --input_format_max_rows_to_read_for_schema_inference=2000 \
--query \
"select min(CMPLNT_FR_DT), max(CMPLNT_FR_DT) FROM
file('${HOME}/NYPD_Complaint_Data_Current__Year_To_Date_.tsv', 'TSVWithNames')
FORMAT PrettyCompact"
结果：
┌─min(CMPLNT_FR_DT)─┬─max(CMPLNT_FR_DT)─┐
│ 01/01/1973 │ 12/31/2021 │
└───────────────────┴───────────────────┘
clickhouse-local --input_format_max_rows_to_read_for_schema_inference=2000 \
--query \
"select min(CMPLNT_TO_DT), max(CMPLNT_TO_DT) FROM
file('${HOME}/NYPD_Complaint_Data_Current__Year_To_Date_.tsv', 'TSVWithNames')
FORMAT PrettyCompact"
结果：
┌─min(CMPLNT_TO_DT)─┬─max(CMPLNT_TO_DT)─┐
│ │ 12/31/2021 │
└───────────────────┴───────────────────┘
clickhouse-local --input_format_max_rows_to_read_for_schema_inference=2000 \
--query \
"select min(CMPLNT_FR_TM), max(CMPLNT_FR_TM) FROM
file('${HOME}/NYPD_Complaint_Data_Current__Year_To_Date_.tsv', 'TSVWithNames')
FORMAT PrettyCompact"
结果：
┌─min(CMPLNT_FR_TM)─┬─max(CMPLNT_FR_TM)─┐
│ 00:00:00 │ 23:59:00 │
└───────────────────┴───────────────────┘
clickhouse-local --input_format_max_rows_to_read_for_schema_inference=2000 \
--query \
"select min(CMPLNT_TO_TM), max(CMPLNT_TO_TM) FROM
file('${HOME}/NYPD_Complaint_Data_Current__Year_To_Date_.tsv', 'TSVWithNames')
FORMAT PrettyCompact"
结果：
┌─min(CMPLNT_TO_TM)─┬─max(CMPLNT_TO_TM)─┐
│ (null) │ 23:59:00 │
└───────────────────┴───────────────────┘
制定计划
基于以上分析结果：
JURISDICTION_CODE 应该转换为 UInt8。PARKS_NM 应该转换为 LowCardinality(String)。CMPLNT_FR_DT 和 CMPLNT_FR_TM 始终有值（可能使用 00:00:00 作为默认时间）CMPLNT_TO_DT 和 CMPLNT_TO_TM 可能为空- 在源数据中，日期和时间存储在不同的字段里
- 日期格式为
mm/dd/yyyy
- 时间格式为
hh:mm:ss
- 可以将日期和时间拼接为 DateTime 类型
- 存在早于 1970 年 1 月 1 日的日期，因此我们需要 64 位的 DateTime 类型
注意
还需要对许多字段类型进行调整，都可以按照相同的分析步骤来确定。查看字段中不同字符串值的数量、数值字段的最小值和最大值，然后再做决策。本指南后面给出的表结构中，有大量低基数字符串和无符号整数字段，而浮点数值字段则很少。
连接日期和时间字段
要将日期和时间字段 CMPLNT_FR_DT 和 CMPLNT_FR_TM 合并为一个可转换为 DateTime 的 String，请选择由连接运算符拼接在一起的这两个字段：CMPLNT_FR_DT || ' ' || CMPLNT_FR_TM。CMPLNT_TO_DT 和 CMPLNT_TO_TM 字段的处理方式类似。
clickhouse-local --input_format_max_rows_to_read_for_schema_inference=2000 \
--query \
"select CMPLNT_FR_DT || ' ' || CMPLNT_FR_TM AS complaint_begin FROM
file('${HOME}/NYPD_Complaint_Data_Current__Year_To_Date_.tsv', 'TSVWithNames')
LIMIT 10
FORMAT PrettyCompact"
结果：
┌─complaint_begin─────┐
│ 07/29/2010 00:01:00 │
│ 12/01/2011 12:00:00 │
│ 04/01/2017 15:00:00 │
│ 03/26/2018 17:20:00 │
│ 01/01/2019 00:00:00 │
│ 06/14/2019 00:00:00 │
│ 11/29/2021 20:00:00 │
│ 12/04/2021 00:35:00 │
│ 12/05/2021 12:50:00 │
│ 12/07/2021 20:30:00 │
└─────────────────────┘
将日期和时间字符串转换为 DateTime64 类型
在本指南前面的部分中，我们发现 TSV 文件中包含早于 1970 年 1 月 1 日的日期，这意味着这些日期需要使用 64 位 DateTime 类型。同时，这些日期还需要从 MM/DD/YYYY 格式转换为 YYYY/MM/DD 格式。这两项操作都可以通过 parseDateTime64BestEffort() 完成。
clickhouse-local --input_format_max_rows_to_read_for_schema_inference=2000 \
--query \
"WITH (CMPLNT_FR_DT || ' ' || CMPLNT_FR_TM) AS CMPLNT_START,
(CMPLNT_TO_DT || ' ' || CMPLNT_TO_TM) AS CMPLNT_END
select parseDateTime64BestEffort(CMPLNT_START) AS complaint_begin,
parseDateTime64BestEffortOrNull(CMPLNT_END) AS complaint_end
FROM file('${HOME}/NYPD_Complaint_Data_Current__Year_To_Date_.tsv', 'TSVWithNames')
ORDER BY complaint_begin ASC
LIMIT 25
FORMAT PrettyCompact"
上面的第 2 行和第 3 行包含了前一步得到的拼接结果，而上面的第 4 行和第 5 行则将这些字符串解析为 DateTime64。由于投诉结束时间不一定存在，因此使用 parseDateTime64BestEffortOrNull。
结果：
┌─────────complaint_begin─┬───────────complaint_end─┐
│ 1925-01-01 10:00:00.000 │ 2021-02-12 09:30:00.000 │
│ 1925-01-01 11:37:00.000 │ 2022-01-16 11:49:00.000 │
│ 1925-01-01 15:00:00.000 │ 2021-12-31 00:00:00.000 │
│ 1925-01-01 15:00:00.000 │ 2022-02-02 22:00:00.000 │
│ 1925-01-01 19:00:00.000 │ 2022-04-14 05:00:00.000 │
│ 1955-09-01 19:55:00.000 │ 2022-08-01 00:45:00.000 │
│ 1972-03-17 11:40:00.000 │ 2022-03-17 11:43:00.000 │
│ 1972-05-23 22:00:00.000 │ 2022-05-24 09:00:00.000 │
│ 1972-05-30 23:37:00.000 │ 2022-05-30 23:50:00.000 │
│ 1972-07-04 02:17:00.000 │ ᴺᵁᴸᴸ │
│ 1973-01-01 00:00:00.000 │ ᴺᵁᴸᴸ │
│ 1975-01-01 00:00:00.000 │ ᴺᵁᴸᴸ │
│ 1976-11-05 00:01:00.000 │ 1988-10-05 23:59:00.000 │
│ 1977-01-01 00:00:00.000 │ 1977-01-01 23:59:00.000 │
│ 1977-12-20 00:01:00.000 │ ᴺᵁᴸᴸ │
│ 1981-01-01 00:01:00.000 │ ᴺᵁᴸᴸ │
│ 1981-08-14 00:00:00.000 │ 1987-08-13 23:59:00.000 │
│ 1983-01-07 00:00:00.000 │ 1990-01-06 00:00:00.000 │
│ 1984-01-01 00:01:00.000 │ 1984-12-31 23:59:00.000 │
│ 1985-01-01 12:00:00.000 │ 1987-12-31 15:00:00.000 │
│ 1985-01-11 09:00:00.000 │ 1985-12-31 12:00:00.000 │
│ 1986-03-16 00:05:00.000 │ 2022-03-16 00:45:00.000 │
│ 1987-01-07 00:00:00.000 │ 1987-01-09 00:00:00.000 │
│ 1988-04-03 18:30:00.000 │ 2022-08-03 09:45:00.000 │
│ 1988-07-29 12:00:00.000 │ 1990-07-27 22:00:00.000 │
└─────────────────────────┴─────────────────────────┘
注意
上面显示为 1925 的日期是由于数据错误导致的。原始数据中有若干记录的年份为 1019 - 1022，实际上应为 2019 - 2022。这些错误日期被统一存储为 1925 年 1 月 1 日，因为这是 64 位 DateTime 所能表示的最早日期。
创建数据表
上面关于各列数据类型的选择会反映在下面的表结构（schema）中。我们还需要为该表确定要使用的 ORDER BY 和 PRIMARY KEY。ORDER BY 和 PRIMARY KEY 至少要指定一个。下面是一些关于如何选择包含在 ORDER BY 中的列的指导原则，更多信息请参阅本文档末尾的 后续步骤 部分。
ORDER BY 和 PRIMARY KEY 子句
ORDER BY 元组应包含在查询过滤条件中使用的字段- 为了最大化磁盘压缩率，
ORDER BY 元组中的字段应按基数从小到大排序
- 如果存在，
PRIMARY KEY 元组必须是 ORDER BY 元组的子集
- 如果只指定了
ORDER BY，则会使用同一个元组作为 PRIMARY KEY
- 主键索引会使用
PRIMARY KEY 元组（如果已指定）创建，否则使用 ORDER BY 元组创建
PRIMARY KEY 索引常驻主内存
结合数据集本身以及我们希望通过查询回答的问题，我们可能会决定重点查看纽约市五个行政区随时间变化的犯罪类型。这些字段可以包含在 ORDER BY 中：
| 列 | 说明（来自数据字典） |
|---|
| OFNS_DESC | 与键码对应的犯罪类型描述 |
| RPT_DT | 事件向警方报案的日期 |
| BORO_NM | 事件发生所在行政区的名称 |
通过查询 TSV 文件来统计这三个候选列的基数：
clickhouse-local --input_format_max_rows_to_read_for_schema_inference=2000 \
--query \
"select formatReadableQuantity(uniq(OFNS_DESC)) as cardinality_OFNS_DESC,
formatReadableQuantity(uniq(RPT_DT)) as cardinality_RPT_DT,
formatReadableQuantity(uniq(BORO_NM)) as cardinality_BORO_NM
FROM
file('${HOME}/NYPD_Complaint_Data_Current__Year_To_Date_.tsv', 'TSVWithNames')
FORMAT PrettyCompact"
结果：
┌─cardinality_OFNS_DESC─┬─cardinality_RPT_DT─┬─cardinality_BORO_NM─┐
│ 60.00 │ 306.00 │ 6.00 │
└───────────────────────┴────────────────────┴─────────────────────┘
根据基数排序后，ORDER BY 将变为：
ORDER BY ( BORO_NM, OFNS_DESC, RPT_DT )
注意
下表将使用更易阅读的列名，并将上述名称映射为：
ORDER BY ( borough, offense_description, date_reported )
将数据类型的更改与 ORDER BY 元组组合在一起后，表结构如下：
CREATE TABLE NYPD_Complaint (
complaint_number String,
precinct UInt8,
borough LowCardinality(String),
complaint_begin DateTime64(0,'America/New_York'),
complaint_end DateTime64(0,'America/New_York'),
was_crime_completed String,
housing_authority String,
housing_level_code UInt32,
jurisdiction_code UInt8,
jurisdiction LowCardinality(String),
offense_code UInt8,
offense_level LowCardinality(String),
location_descriptor LowCardinality(String),
offense_description LowCardinality(String),
park_name LowCardinality(String),
patrol_borough LowCardinality(String),
PD_CD UInt16,
PD_DESC String,
location_type LowCardinality(String),
date_reported Date,
transit_station LowCardinality(String),
suspect_age_group LowCardinality(String),
suspect_race LowCardinality(String),
suspect_sex LowCardinality(String),
transit_district UInt8,
victim_age_group LowCardinality(String),
victim_race LowCardinality(String),
victim_sex LowCardinality(String),
NY_x_coordinate UInt32,
NY_y_coordinate UInt32,
Latitude Float64,
Longitude Float64
) ENGINE = MergeTree
ORDER BY ( borough, offense_description, date_reported )
查找表的主键
ClickHouse 的 system 数据库，尤其是 system.table，包含了你刚刚创建的表的所有信息。执行下面这个查询可以查看 ORDER BY（排序键）和 PRIMARY KEY：
SELECT
partition_key,
sorting_key,
primary_key,
table
FROM system.tables
WHERE table = 'NYPD_Complaint'
FORMAT Vertical
响应
Query id: 6a5b10bf-9333-4090-b36e-c7f08b1d9e01
Row 1:
──────
partition_key:
sorting_key: borough, offense_description, date_reported
primary_key: borough, offense_description, date_reported
table: NYPD_Complaint
1 row in set. Elapsed: 0.001 sec.
预处理并导入数据
我们将使用 clickhouse-local 工具进行数据预处理，并使用 clickhouse-client 上传数据。
clickhouse-local 使用的参数
提示
table='input' 出现在下面传给 clickhouse-local 的参数中。clickhouse-local 会读取提供的输入（cat ${HOME}/NYPD_Complaint_Data_Current__Year_To_Date_.tsv），并将其插入到一个表中。默认情况下，该表名为 table。在本指南中，将表名设置为 input，以使数据流更加清晰。传给 clickhouse-local 的最后一个参数是一个从该表中查询数据的查询（FROM input），其输出随后通过管道传递给 clickhouse-client，用于填充表 NYPD_Complaint。
cat ${HOME}/NYPD_Complaint_Data_Current__Year_To_Date_.tsv \
| clickhouse-local --table='input' --input-format='TSVWithNames' \
--input_format_max_rows_to_read_for_schema_inference=2000 \
--query "
WITH (CMPLNT_FR_DT || ' ' || CMPLNT_FR_TM) AS CMPLNT_START,
(CMPLNT_TO_DT || ' ' || CMPLNT_TO_TM) AS CMPLNT_END
SELECT
CMPLNT_NUM AS complaint_number,
ADDR_PCT_CD AS precinct,
BORO_NM AS borough,
parseDateTime64BestEffort(CMPLNT_START) AS complaint_begin,
parseDateTime64BestEffortOrNull(CMPLNT_END) AS complaint_end,
CRM_ATPT_CPTD_CD AS was_crime_completed,
HADEVELOPT AS housing_authority_development,
HOUSING_PSA AS housing_level_code,
JURISDICTION_CODE AS jurisdiction_code,
JURIS_DESC AS jurisdiction,
KY_CD AS offense_code,
LAW_CAT_CD AS offense_level,
LOC_OF_OCCUR_DESC AS location_descriptor,
OFNS_DESC AS offense_description,
PARKS_NM AS park_name,
PATROL_BORO AS patrol_borough,
PD_CD,
PD_DESC,
PREM_TYP_DESC AS location_type,
toDate(parseDateTimeBestEffort(RPT_DT)) AS date_reported,
STATION_NAME AS transit_station,
SUSP_AGE_GROUP AS suspect_age_group,
SUSP_RACE AS suspect_race,
SUSP_SEX AS suspect_sex,
TRANSIT_DISTRICT AS transit_district,
VIC_AGE_GROUP AS victim_age_group,
VIC_RACE AS victim_race,
VIC_SEX AS victim_sex,
X_COORD_CD AS NY_x_coordinate,
Y_COORD_CD AS NY_y_coordinate,
Latitude,
Longitude
FROM input" \
| clickhouse-client --query='INSERT INTO NYPD_Complaint FORMAT TSV'
验证数据
注意
数据集每年会变更一次或多次，因此你得到的统计结果可能与本文档中的不一致。
查询：
SELECT count()
FROM NYPD_Complaint
结果：
┌─count()─┐
│ 208993 │
└─────────┘
1 row in set. Elapsed: 0.001 sec.
ClickHouse 中数据集的大小只相当于原始 TSV 文件的 12%。将原始 TSV 文件的大小与表的大小进行比较：
查询：
SELECT formatReadableSize(total_bytes)
FROM system.tables
WHERE name = 'NYPD_Complaint'
结果：
┌─formatReadableSize(total_bytes)─┐
│ 8.63 MiB │
└─────────────────────────────────┘
执行一些查询
查询 1：按月份比较投诉数量
查询：
SELECT
dateName('month', date_reported) AS month,
count() AS complaints,
bar(complaints, 0, 50000, 80)
FROM NYPD_Complaint
GROUP BY month
ORDER BY complaints DESC
结果：
Query id: 7fbd4244-b32a-4acf-b1f3-c3aa198e74d9
┌─month─────┬─complaints─┬─bar(count(), 0, 50000, 80)───────────────────────────────┐
│ March │ 34536 │ ███████████████████████████████████████████████████████▎ │
│ May │ 34250 │ ██████████████████████████████████████████████████████▋ │
│ April │ 32541 │ ████████████████████████████████████████████████████ │
│ January │ 30806 │ █████████████████████████████████████████████████▎ │
│ February │ 28118 │ ████████████████████████████████████████████▊ │
│ November │ 7474 │ ███████████▊ │
│ December │ 7223 │ ███████████▌ │
│ October │ 7070 │ ███████████▎ │
│ September │ 6910 │ ███████████ │
│ August │ 6801 │ ██████████▊ │
│ June │ 6779 │ ██████████▋ │
│ July │ 6485 │ ██████████▍ │
└───────────┴────────────┴──────────────────────────────────────────────────────────┘
12 rows in set. Elapsed: 0.006 sec. Processed 208.99 thousand rows, 417.99 KB (37.48 million rows/s., 74.96 MB/s.)
查询 2. 按行政区比较投诉总量
查询：
SELECT
borough,
count() AS complaints,
bar(complaints, 0, 125000, 60)
FROM NYPD_Complaint
GROUP BY borough
ORDER BY complaints DESC
结果：
Query id: 8cdcdfd4-908f-4be0-99e3-265722a2ab8d
┌─borough───────┬─complaints─┬─bar(count(), 0, 125000, 60)──┐
│ BROOKLYN │ 57947 │ ███████████████████████████▋ │
│ MANHATTAN │ 53025 │ █████████████████████████▍ │
│ QUEENS │ 44875 │ █████████████████████▌ │
│ BRONX │ 44260 │ █████████████████████▏ │
│ STATEN ISLAND │ 8503 │ ████ │
│ (null) │ 383 │ ▏ │
└───────────────┴────────────┴──────────────────────────────┘
6 rows in set. Elapsed: 0.008 sec. Processed 208.99 thousand rows, 209.43 KB (27.14 million rows/s., 27.20 MB/s.)
后续步骤
A Practical Introduction to Sparse Primary Indexes in ClickHouse 介绍了 ClickHouse 索引与传统关系型数据库索引的不同之处、ClickHouse 如何构建和使用稀疏主键索引，以及索引的最佳实践。
