博客

Databend 玩转 Local 模式

sundy-li9月 14, 2023
Databend 玩转 Local 模式

目前开发者们需要尝鲜 Databend,可以选择使用 Databend Cloud 或者按官方文档部署 Databend 服务。由于 Databend 架构有三层,因此部署 Databend 服务一般需要启动

databend-query
,
databend-meta
,
minio
三个进程,同时需要修改端口等配置项,流程上略显复杂。有没有更快的方式可以快速尝鲜 Databend 呢?

Python Binding

一种快速的方式是将 Databend 跑在 python 中,借助 rust 优良的生态,我们基于 pyo3 库发布了 python binding,可以在本地 juypter 或者 colab 等在线服务中使用 Databend:

pip install databend

from databend import SessionContext

ctx = SessionContext()

df = ctx.sql("select number, number + 1, number::String as number_p_1 from numbers(8)")

convert to pyarrow

df.to_py_arrow()

convert to pandas

df.to_pandas()

Databend Local 模式

借鉴于

clickhouse-local
,
duckdb
等嵌入型数据库的优点,我们在 Databend 中也可以开启 local 模式。

local
模式 是一个 Databend 的简易版本,用户无需部署 Databend 服务即可在命令中 用 SQL 和 Databend 交互。它的好处在于简化了开发安装,同时方便开发者们用 SQL 使用 Databend 支持的功能进行简单的数据处理。如果你需要在生产环境使用 Databend,我们建议按官网推荐部署 Databend 服务 或 Databend Cloud,但如果你是开发人员或测试工程师,你可以使用
local
模式 来玩转 Databend。

local
模式将启动一个临时的 databend-query 进程,这个进程融合了客户端和服务端,并且他的存储是在临时目录中,生命周期跟随进程,进程离开后资源也将销毁,你可以在一个服务器中启动多个
local
进程,他们的资源是相互隔离的。

下面通过例子介绍一下,每个例子都是简短的几行命令,介绍

local
模式可以实现什么功能。

在这之前,你需要下载 databend-query 二进制,然后将二进制放到 PATH 环境变量中,植入

bend-local
工具别名


alias bend-local="databend-query local"

  • 命令行交互 ( REPL ) 模式

    • 直接在终端输入 bend-local 这一行命令后,我们将进入 REPL 模式,这里融合了客户端和服务端,类似 duckdb cli 工具使用。

          ❯ bend-local
      Welcome to Databend, version v1.2.4-nightly-326cabe38056168dd261f744609ea85319f02686(rust-1.72.0-nightly-2023-09-02T15:18:48.006847567Z).

      databend-local:) select max(a) from range(1,1000) t(a);
      ┌────────────┐
      │ max(a) │
      │ Int64 NULL │
      ├────────────┤
      │ 999 │
      └────────────┘
      1 row result in 0.036 sec. Processed 999 rows, 999 B (27.89 thousand rows/s, 217.90 KiB/s)

      databend-local:)
    • 值得注意的是,bend-local 支持配置文件

      ~/.config/databend/config.toml
      来做一些个性化客户端配置,配置文件的格式和 bendsql 是兼容的。

  • 一行命令生成一个 parquet 文件

    • 支持 --query, --output-format 参数 传入查询 SQL 和输出格式

         bend-local --query "select number, number + 1 as b from numbers(10)" --output-format parquet > /tmp/a.parquet

  • Shell pipe 模式分析数据,$STDIN 宏将解析 stdin 流作为一个临时 stage 表

          ❯ echo '3,4' | bend-local -q "select $1 a, $2 b  from $STDIN  (file_format => 'csv') " --output-format table

    SELECT $1 AS a, $2 AS b FROM 'fs:///dev/fd/0' (FILE_FORMAT => 'csv')

    ┌─────────────────┐
    │ a │ b │
    │ String │ String │
    ├────────┼────────┤
    │ '3' │ '4' │
    └─────────────────┘

注意上面的 SQL 在 shell 中,使用了 $ 来对 shell 进行转义

  • 读取 stage table(本地文件,外部 s3 等)


    ❯ bend-local --query "select count() from 'fs:///tmp/a.parquet' (file_format => 'parquet') "
    10

    ❯ bend-local --query "select count() from 'https://datafuse-1253727613.cos.ap-hongkong.myqcloud.com/data/books.parquet' (file_format => 'parquet') "
    2

    ❯ bend-local --query "select $1, $2 from 'http://www.geoplugin.net/csv.gp?ip=3.3.3.3' (file_format => 'csv') "
  • 分析系统进程,找出每个用户占用的内存


    ❯ ps aux | tail -n +2 | awk '{ printf("%s\t%s\n", $1, $4) }' | bend-local -q "select $1 as user, sum($2::double) as memory from $STDIN (file_format => 'tsv') group by user "
    sundy 9.100000000000001
    root 1.2
    dbus 0.0

  • 数据清洗,将一个格式转换为其他格式(支持 csv, tsv, parquet, ndjson 等)


    ❯ bend-local -q 'select rand() as a, rand() as b from numbers(100)' > /tmp/a.tsv


    ❯ cat /tmp/a.tsv | bend-local -q "select $1 a, $2 b from $STDIN (file_format => 'tsv') " --output-format parquet > /tmp/a.parquet
  • 其他好玩的分析例子,等待你的挖掘

分享本篇文章

订阅我们的新闻简报

及时了解功能发布、产品规划、支持服务和云服务的最新信息!