ClickHouse快速上手

简介

ClickHouse是一个用于联机分析(OLAP)的列式数据库管理系统(DBMS)

官网(https://clickhouse.com/docs/zh)给出的定义,其实没看懂

特性

  1. ClickHouse支持一种基于SQL的声明式查询语言,它在许多情况下与ANSI SQL标准相同。使用时和MySQL有点相似,还是比较友好的。
  2. 真正的列式数据库管理系统
  3. 数据压缩
  4. 多服务器分布式处理
  5. 数据的磁盘存储
  6. 多核心并行处理
  7. 多服务器分布式处理

使用

这里通过Linux系统说明

1. 客户端命令

ClickHouse安装完成后,直接输入这个命令登录进入客户端

bash 复制代码
clickhouse-client

2.查看有哪些的数据库

sql 复制代码
SHOW DATABASES;

3.创建数据库

sql 复制代码
CREATE DATABASE my_test;

4.切换数据库

sql 复制代码
USE my_test;

5.创建表

sql 复制代码
CREATE TABLE gps_data_store
(
  lic_num String,  
  sim_no String,  
  send_time DateTime64(3, 'Asia/Shanghai'),  
  trace_type Int8,  
  altitude Float64,  
  longitude Float64,  
  latitude Float64,  
  alarm_status String,  
  int_alarm_status Int32,  
  speed Float64,  
  direction Int16,  
  dept_id Int32,  
  dept_name String,  
  vehicle_id Int32,  
  driver_name String,  
  status String,  
  mileage Float64,  
  is_drift Bool,  
  valid Bool,  
  vehicle_color Int8,  
  vehicle_type String,  
  vt_code String,  
  video_alarm0x14 String,  
  video_alarm0x15 String,  
  video_alarm0x16 String,  
  video_alarm0x17 String,  
  month_mileage Float64,  
  day_mileage Float64,  
  create_time DateTime64(3, 'Asia/Shanghai'),
  is_alarm Bool,
  location Point
) ENGINE = MergeTree()
order by (lic_num,send_time);

6.添加字段

sql 复制代码
ALTER TABLE gps_data_store ADD COLUMN is_alarm Bool;

7.圆形区域查询

sql 复制代码
SELECT lic_num,sim_no,send_time,altitude,longitude,latitude,speed FROM gps_data_store  WHERE greatCircleDistance(longitude, latitude,108.87316,34.1)<=60;

8.多边形区域查询

sql 复制代码
-- 4个顶点顺时针
SELECT lic_num,sim_no,send_time,altitude,longitude,latitude,speed  FROM gps_data_store  WHERE pointInPolygon((longitude, latitude), [(108.949000, 34.344761), (108.937863, 34.344761), (108.937863, 34.340604), (108.949000, 34.340604)]);
相关推荐
武子康5 天前
大数据-154 Apache Druid 架构与原理详解 基础架构、架构演进
java·大数据·clickhouse·hdfs·架构·flink·apache
武子康5 天前
大数据-152 Apache Druid 集群模式 配置启动【下篇】 超详细!
java·大数据·clickhouse·flink·apache
AAEllisonPang6 天前
ClickHouse 的 MergeTree 引擎有哪些性能优势?
大数据·数据库·clickhouse
SelectDB技术团队6 天前
快手:从 Clickhouse 到 Apache Doris,实现湖仓分离向湖仓一体架构升级
数据仓库·clickhouse·doris·快手·lakehouse
武子康6 天前
大数据-149 Apache Druid 基本介绍 技术特点 应用场景
大数据·hadoop·clickhouse·hdfs·架构·apache
武子康6 天前
大数据-155 Apache Druid 架构与原理详解 数据存储 索引服务 压缩机制
java·大数据·clickhouse·架构·flink·系统架构·apache
AAEllisonPang6 天前
ClickHouse 引擎的选择
大数据·数据库·clickhouse
云观秋毫6 天前
APO v0.5.0 发布:可视化配置告警规则;优化时间筛选器;支持自建的ClickHouse和VictoriaMetrics
运维·clickhouse
Biturd6 天前
docker-compose 快速部署clickhouse集群
clickhouse·docker·容器
武子康6 天前
大数据-156 Apache Druid 案例实战 Scala Kafka 订单统计
java·大数据·clickhouse·flink·kafka·scala·apache