Каталог Nessie - ClickHouse Documentation

Интеграция с каталогом Nessie работает только с таблицами Iceberg. Эта интеграция поддерживает как AWS S3, так и других провайдеров облачных хранилищ.

ClickHouse поддерживает интеграцию с несколькими каталогами (Unity, Glue, REST, Polaris и т. д.). В этом руководстве показано, как выполнять запросы к данным с помощью ClickHouse и каталога Nessie. Nessie — это транзакционный каталог с открытым исходным кодом для озер данных, который предоставляет:

Управление версиями данных в стиле Git с помощью веток и коммитов
Межтабличные транзакции и гарантии видимости
Соответствие REST API спецификации Iceberg REST-каталога
Открытый подход к озерам данных с поддержкой Hive, Spark, Dremio, Trino и других систем
Готовность к промышленной эксплуатации при развертывании в Docker или Kubernetes

Поскольку эта возможность является экспериментальной, ее нужно включить с помощью: SET allow_experimental_database_iceberg = 1;

Локальная среда разработки

Для локальной разработки и тестирования можно использовать контейнеризированную установку Nessie. Такой подход хорошо подходит для обучения, прототипирования и работы в средах разработки.

Предварительные требования

Docker и Docker Compose: Убедитесь, что Docker установлен и запущен
Пример настройки: Вы можете использовать официальную конфигурацию docker-compose для Nessie

Настройка локального каталога Nessie

Вы можете использовать официальный docker-compose setup для Nessie, который предоставляет полноценное окружение с Nessie, хранилищем версий в памяти и MinIO в качестве объектного хранилища. Шаг 1: Создайте новую папку, в которой будете запускать 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 папки 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:

docker compose up -d

Шаг 3: Подождите, пока все сервисы не будут готовы. Вы можете посмотреть журналы:

docker-compose logs -f

В конфигурации Nessie используется хранилище версий в памяти, поэтому сначала необходимо загрузить тестовые данные в таблицы Iceberg. Прежде чем пытаться выполнять запросы к этим таблицам через ClickHouse, убедитесь, что в среде они уже созданы и заполнены данными.

Подключение к локальному каталогу Nessie

Подключитесь к контейнеру ClickHouse:

docker exec -it nessie-clickhouse clickhouse-client

Затем создайте в базе данных подключение 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'

Выполнение запросов к таблицам каталога Nessie в ClickHouse

Теперь, когда соединение установлено, вы можете выполнять запросы к таблицам через каталог Nessie. Например:

USE demo;

SHOW TABLES;

Если в вашей конфигурации есть демонстрационные данные (например, набор данных о такси), вы должны увидеть такие таблицы, как:

┌─name──────────┐
│ default.taxis │
└───────────────┘

Если вы не видите таблиц, обычно это означает одно из следующего:

В окружении еще не созданы демонстрационные таблицы
Сервис каталога Nessie еще не полностью инициализирован
Процесс загрузки демонстрационных данных еще не завершен

Чтобы посмотреть активность каталога, проверьте журналы Nessie:

docker-compose logs nessie

Чтобы выполнить запрос к таблице (если она доступна):

SELECT count(*) FROM `default.taxis`;

┌─count()─┐
│ 2171187 │
└─────────┘

Требуются обратные кавычкиОбратные кавычки требуются, так как 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 озера данных в ClickHouse

Если вам нужно загрузить данные из каталога Nessie в ClickHouse, начните с создания локальной таблицы в 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 в вашем каталоге Nessie с помощью INSERT INTO SELECT:

INSERT INTO taxis 
SELECT * FROM demo.`default.taxis`;

​Локальная среда разработки

​Предварительные требования

​Настройка локального каталога Nessie

​Подключение к локальному каталогу Nessie

​Выполнение запросов к таблицам каталога Nessie в ClickHouse

​Загрузка данных из озера данных в ClickHouse

Локальная среда разработки

Предварительные требования

Настройка локального каталога Nessie

Подключение к локальному каталогу Nessie

Выполнение запросов к таблицам каталога Nessie в ClickHouse

Загрузка данных из озера данных в ClickHouse