Примечание
Интеграция с каталогом Nessie работает только с таблицами Iceberg.
Эта интеграция поддерживает как AWS S3, так и других облачных провайдеров хранилищ.
ClickHouse поддерживает интеграцию с несколькими каталогами (Unity, Glue, REST, Polaris и т. д.). В этом руководстве описаны шаги по выполнению запросов к вашим данным с использованием ClickHouse и каталога Nessie.
Nessie — это транзакционный каталог с открытым исходным кодом для дата‑лейков, который предоставляет:
- Контроль версий данных по аналогии с Git с ветками и коммитами
- Транзакции между таблицами и гарантии видимости
- Соответствие REST API спецификации каталога Iceberg REST
- Подход открытого дата‑лейка, поддерживающий Hive, Spark, Dremio, Trino и другие
- Готовое к промышленной эксплуатации развертывание в Docker или Kubernetes
Примечание
Поскольку эта функция является экспериментальной, вам нужно включить её с помощью:
SET allow_experimental_database_iceberg = 1;
Локальная среда разработки
Для локальной разработки и тестирования вы можете использовать контейнеризованную среду Nessie. Такой подход идеально подходит для обучения, прототипирования и разработки.
Предварительные требования
- Docker и Docker Compose: Убедитесь, что Docker установлен и запущен.
- Пример конфигурации: Вы можете использовать официальную конфигурацию Nessie для docker-compose.
Настройка локального каталога Nessie
Вы можете использовать официальную конфигурацию docker-compose для Nessie, которая предоставляет полноценную среду с Nessie, хранилищем версий в памяти и MinIO для объектного хранения.
Шаг 1: Создайте новую папку, в которой будет запускаться пример, затем создайте файл docker-compose.yml со следующей конфигурацией:
version: '3.8'
services:
nessie:
image: ghcr.io/projectnessie/nessie:latest
ports:
- "19120:19120"
environment:
- nessie.version.store.type=IN_MEMORY
- nessie.catalog.default-warehouse=warehouse
- nessie.catalog.warehouses.warehouse.location=s3://my-bucket/
- nessie.catalog.service.s3.default-options.endpoint=http://minio:9000/
- nessie.catalog.service.s3.default-options.access-key=urn:nessie-secret:quarkus:nessie.catalog.secrets.access-key
- nessie.catalog.service.s3.default-options.path-style-access=true
- nessie.catalog.service.s3.default-options.auth-type=STATIC
- nessie.catalog.secrets.access-key.name=admin
- nessie.catalog.secrets.access-key.secret=password
- nessie.catalog.service.s3.default-options.region=us-east-1
- nessie.server.authentication.enabled=false
depends_on:
minio:
condition: service_healthy
networks:
- iceberg_net
minio:
image: quay.io/minio/minio
ports:
- "9002:9000"
- "9003:9001"
environment:
- MINIO_ROOT_USER=admin
- MINIO_ROOT_PASSWORD=password
- MINIO_REGION=us-east-1
healthcheck:
test: ["CMD", "mc", "ready", "local"]
interval: 5s
timeout: 10s
retries: 5
start_period: 30s
entrypoint: >
/bin/sh -c "
minio server /data --console-address ':9001' &
sleep 10;
mc alias set myminio http://localhost:9000 admin password;
mc mb myminio/my-bucket --ignore-existing;
tail -f /dev/null"
networks:
- iceberg_net
clickhouse:
image: clickhouse/clickhouse-server:head
container_name: nessie-clickhouse
user: '0:0' # Обеспечивает права root
ports:
- "8123:8123"
- "9000:9000"
volumes:
- clickhouse_data:/var/lib/clickhouse
- ./clickhouse/data_import:/var/lib/clickhouse/data_import # Монтирование каталога с набором данных
networks:
- iceberg_net
environment:
- CLICKHOUSE_DB=default
- CLICKHOUSE_USER=default
- CLICKHOUSE_DO_NOT_CHOWN=1
- CLICKHOUSE_PASSWORD=
depends_on:
nessie:
condition: service_started
minio:
condition: service_healthy
volumes:
clickhouse_data:
networks:
iceberg_net:
driver: bridge
Шаг 2: Выполните следующую команду, чтобы запустить службы:
Шаг 3: Дождитесь, пока все сервисы будут готовы. Вы можете проверить логи:
Примечание
Конфигурация Nessie использует хранилище версий в памяти и требует, чтобы сначала в таблицы Iceberg были загружены примеры данных. Перед выполнением запросов к этим таблицам через ClickHouse убедитесь, что в среде они уже созданы и заполнены.
Подключение к локальному каталогу Nessie
Подключитесь к контейнеру ClickHouse:
docker exec -it nessie-clickhouse clickhouse-client
Затем создайте подключение базы данных к каталогу Nessie:
SET allow_experimental_database_iceberg = 1;
CREATE DATABASE demo
ENGINE = DataLakeCatalog('http://nessie:19120/iceberg', 'admin', 'password')
SETTINGS catalog_type = 'rest', storage_endpoint = 'http://minio:9002/my-bucket', warehouse = 'warehouse'
Запросы к таблицам каталога Nessie с помощью ClickHouse
Теперь, когда подключение установлено, вы можете выполнять запросы через каталог Nessie. Например:
Если в вашей установке есть демонстрационные данные (например, набор данных Taxi), вы должны увидеть следующие таблицы:
┌─name──────────┐
│ default.taxis │
└───────────────┘
Примечание
Если вы не видите никаких таблиц, это обычно означает:
- Среда ещё не создала демонстрационные таблицы
- Сервис каталога Nessie ещё не полностью инициализирован
- Процесс загрузки демонстрационных данных ещё не завершён
Вы можете проверить логи Nessie, чтобы увидеть активность каталога:
docker-compose logs nessie
Чтобы выполнить запрос к таблице (если она доступна):
SELECT count(*) FROM `default.taxis`;
┌─count()─┐
│ 2171187 │
└─────────┘
Требуются обратные кавычки
Обратные кавычки необходимы, потому что ClickHouse не поддерживает более одного пространства имен.
Чтобы просмотреть DDL таблицы:
SHOW CREATE TABLE `default.taxis`;
┌─statement─────────────────────────────────────────────────────────────────────────────────────┐
│ CREATE TABLE demo.`default.taxis` │
│ ( │
│ `VendorID` Nullable(Int64), │
│ `tpep_pickup_datetime` Nullable(DateTime64(6)), │
│ `tpep_dropoff_datetime` Nullable(DateTime64(6)), │
│ `passenger_count` Nullable(Float64), │
│ `trip_distance` Nullable(Float64), │
│ `RatecodeID` Nullable(Float64), │
│ `store_and_fwd_flag` Nullable(String), │
│ `PULocationID` Nullable(Int64), │
│ `DOLocationID` Nullable(Int64), │
│ `payment_type` Nullable(Int64), │
│ `fare_amount` Nullable(Float64), │
│ `extra` Nullable(Float64), │
│ `mta_tax` Nullable(Float64), │
│ `tip_amount` Nullable(Float64), │
│ `tolls_amount` Nullable(Float64), │
│ `improvement_surcharge` Nullable(Float64), │
│ `total_amount` Nullable(Float64), │
│ `congestion_surcharge` Nullable(Float64), │
│ `airport_fee` Nullable(Float64) │
│ ) │
│ ENGINE = Iceberg('http://localhost:9002/my-bucket/default/taxis/', 'admin', '[HIDDEN]') │
└───────────────────────────────────────────────────────────────────────────────────────────────┘
Загрузка данных из вашего хранилища Data Lake в ClickHouse
Если вам нужно загрузить данные из каталога Nessie в ClickHouse, сначала создайте локальную таблицу ClickHouse:
CREATE TABLE taxis
(
`VendorID` Int64,
`tpep_pickup_datetime` DateTime64(6),
`tpep_dropoff_datetime` DateTime64(6),
`passenger_count` Float64,
`trip_distance` Float64,
`RatecodeID` Float64,
`store_and_fwd_flag` String,
`PULocationID` Int64,
`DOLocationID` Int64,
`payment_type` Int64,
`fare_amount` Float64,
`extra` Float64,
`mta_tax` Float64,
`tip_amount` Float64,
`tolls_amount` Float64,
`improvement_surcharge` Float64,
`total_amount` Float64,
`congestion_surcharge` Float64,
`airport_fee` Float64
)
ENGINE = MergeTree()
PARTITION BY toYYYYMM(tpep_pickup_datetime)
ORDER BY (VendorID, tpep_pickup_datetime, PULocationID, DOLocationID);
Затем загрузите данные из таблицы каталога Nessie с помощью оператора INSERT INTO SELECT:
INSERT INTO taxis
SELECT * FROM demo.`default.taxis`;
