Databend 玩转 local 模式

2023-09-14
福建
本文字数：1578 字
阅读完需：约 5 分钟

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 databendfrom databend import SessionContext
ctx = SessionContext()
df = ctx.sql("select number, number + 1, number::String as number_p_1 from numbers(8)")
# convert to pyarrowdf.to_py_arrow()
# convert to pandasdf.to_pandas()

复制代码

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"

复制代码

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。

    -   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](https://github.com/datafuselabs/bendsql/blob/main/README.md) 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

复制代码

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


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') "

复制代码

分析系统进程，找出每个用户占用的内存


-   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

复制代码