前不久新项目中需要用到ClickHouse,作为一个合格的Python程序员,首先当然是找找有没有合适的轮子。
翻了一圈,infi.clickhouse_orm在功能和易用性上没有明显的短板,其ORM API对后端程序员格外亲切。可惜主分支已经八个月没有更新了,据闻核心开发者已离职,而infi.clickhouse_orm尚不支持一些我需要的新功能如Geo类型和函数,基于这些原因,这篇文章的主角ch-orm也就诞生了。
ch-orm库fork自infi.clickhouse_orm(v2.1.1)。
与infi相比,ch-orm支持同步和异步两种方式与ClickHouse服务器交互,它添加了一些新功能:
- 异步支持(AioDatabase)
- 为所有同步API提供async接口
- 类型注解
- 大部分对外API实现了类型注解
- 新的类型支持
- Tuple
- Geo类型;Point、Ring等
- 新的函数支持
- Geo函数等
- 支持创建临时表(TemporaryModel)
- session会话
快速开始
通过pip安装ch-orm
pip install ch-orm
虽然pypi的库名为 ch-orm
,但在代码中需要导入的是 clickhouse_orm
。
from clickhouse_orm import Database, Model, MergeTree
from clickhouse_orm.fields import (
StringField, Int32Field, UUIDField, Int8Field
)
from clickhouse_orm.contrib.geo.fields import PointField
class Residence(Model):
uuid = UUIDField()
residence_type = Int8Field()
geo = PointField(db_column='geo_wgs84')
geohash_wgs84 = StringField()
province = StringField()
city = StringField()
district = StringField()
poi_id = Int32Field(default=1000)
poi_name = StringField()
p_geo_bd09 = PointField()
engine = MergeTree(partition_key=('uuid', ), order_by=('uuid', ))
@classmethod
def table_name(cls):
return 'residence'
上面定义了一个 Residence
模型,它将会映射到ClickHouse上的 residence
表,而 Residence
中众多Field属性则被映射为表中的列,可以在Python中对Residence实例进行操作进而处理ClickHouse(没错,就像Django ORM所做的那样)
接下来,先假定此时 residence
尚不存在,借助 Residence
来创建它。
想要对数据库执行操作,首先必须实例化一个Database对象(或AioDatabase),可以粗浅的理解为它和数据库连接属于一类抽象,内部实现对后端数据库的交互。
from clickhouse_orm.database import Database
from clickhouse_orm.aio.database import AioDatabase
以同步方式创建数据库
sync_db = Database('db-test', db_url='http://localhost:8123/')
sync_db.create_table(Residence)
以异步方式创建数据库
async def main():
async_db = AioDatabase('db-test', db_url='http://localhost:8123/')
# 异步模型下需要主动执行init方法初始化
await async_db.init()
await async_db.create_table(Residence)
此时,db-test库内应当出现了一个名为 residence
的表。
ClickHouse在数据写入性能表现十分优异,ch-orm能轻易处理写入数据需求
以写入100万条数据为例,使用生成器创建100万个Residence随机实例
import uuid
from clickhouse_orm.contrib.geo.fields import Point
同步写入100万条residence
sync_db.insert(
(Residence(uuid=str(uuid.uuid4()), geo=Point(120, 20)) for _ in range(1000000)),
batch_size=10000
)
异步写入100万条residence
async def insert():
...
await async_db.insert(
(Residence(uuid=str(uuid.uuid4()), geo=Point(120, 20)) for _ in range(1000000)),
batch_size=10000
)
示例中仅对 uuid
和 geo
列进行赋值,其他字段会被设置为默认值(而非None值)
可以看看 residence
表中有多少条数据
同步方式查询Residence行数
Residence.objects_in(sync_db).count()
异步方式查询Residence行数
async def read_count():
...
await Residence.objects_in(async_db).count()
ch-orm实现了QuerySet,暴露API基本参照Django设计的,如前述的获取表行数的 count()
方法就来自 QuerySet
。
与Django不同的是,ch-orm仅将QuerySet作为查询实例,不具备查询结果缓存功能,这代表如果对一个QuerySet对象执行两次迭代,与后端数据库的交互将变成两次而非一次。
可以通过Model的类方法 objects_in
获得一个 QuerySet
实例,接着来查询 uuid="48d75e4d-8e6f-4acd-a2e9-f4c3059b5b30"
的数据
同步API
queryset = Residence.objects_in(sync_db)
queryset = queryset.filter(Residence.uuid == "48d75e4d-8e6f-4acd-a2e9-f4c3059b5b30")
result = list(queryset)
对于异步API
queryset = Residence.objects_in(async_db)
queryset = queryset.filter(Residence.uuid == "48d75e4d-8e6f-4acd-a2e9-f4c3059b5b30")
result = [_ async for _ in queryset]
真正的查询请求是在对queryset迭代时处理的,因此下列两行代码不会与数据库后端进行交互
queryset = Residence.objects_in(sync_db)
queryset = queryset.filter(Residence.uuid == "48d75e4d-8e6f-4acd-a2e9-f4c3059b5b30")
最终得到一个由Residence实例的组成的结果列表result。
ch-orm具备日常使用的大多数场景功能
这些内容Github仓库有相应的文档,限于本文篇幅这里就不再过多介绍。
Original: https://www.cnblogs.com/lazyfish007/p/16343124.html
Author: 秋叶红了
Title: Python使用ch-orm对ClickHouse简单查询及写入
原创文章受到原创版权保护。转载请注明出处:https://www.johngo689.com/810319/
转载文章受原作者版权保护。转载请注明原作者出处!