Перейти к основному содержимому
Перейти к основному содержимому

Соедините Airbyte с ClickHouse

Community Maintained
примечание

Обратите внимание, что исходный и целевой интерфейсы Airbyte для ClickHouse в настоящее время находятся на стадии Alpha и не предназначены для переноса больших наборов данных (> 10 миллионов строк).

Airbyte является платформой для интеграции данных с открытым исходным кодом. Она позволяет создавать ELT конвейеры данных и поставляется с более чем 140 готовыми коннекторами. Этот пошаговый учебник показывает, как подключить Airbyte к ClickHouse в качестве назначения и загрузить демонстрационный набор данных.

1. Скачайте и запустите Airbyte​

  1. Airbyte работает на Docker и использует docker-compose. Убедитесь, что вы скачали и установили последние версии Docker.

  2. Разверните Airbyte, склонировав официальный репозиторий на Github и запустив docker-compose up в вашем любимом терминале:

    git clone https://github.com/airbytehq/airbyte.git --depth=1
cd airbyte
./run-ab-platform.sh

  3. Как только вы увидите баннер Airbyte в вашем терминале, вы сможете подключиться к localhost:8000

    Баннер Airbyte
    примечание

    В качестве альтернативы вы можете зарегистрироваться и использовать Airbyte Cloud

2. Добавьте ClickHouse в качестве назначения​

В этом разделе мы покажем, как добавить экземпляр ClickHouse в качестве назначения.

  1. Запустите ваш сервер ClickHouse (Airbyte совместим с версией ClickHouse 21.8.10.19 и выше) или войдите в свой облачный аккаунт ClickHouse:

    clickhouse-server start

  2. Внутри Airbyte выберите страницу "Destinations" и добавьте новое назначение:

    Добавить назначение в Airbyte

  3. Выберите ClickHouse из выпадающего списка "Destination type", заполните форму "Set up the destination", указав имя хоста ClickHouse, порты, имя базы данных, имя пользователя и пароль, а также выберите, будет ли это соединение SSL (эквивалент флага --secure в clickhouse-client):

    Создание назначения ClickHouse в Airbyte

  4. Поздравляем! Теперь вы добавили ClickHouse в качестве назначения в Airbyte.

примечание

Для использования ClickHouse в качестве назначения, у пользователя, которого вы будете использовать, должны быть разрешения на создание баз данных, таблиц и вставку строк. Мы рекомендуем создать выделенного пользователя для Airbyte (например, my_airbyte_user) с следующими правами:

CREATE USER 'my_airbyte_user'@'%' IDENTIFIED BY 'your_password_here';

GRANT CREATE ON * TO my_airbyte_user;

3. Добавьте набор данных в качестве источника​

Примером набора данных, который мы будем использовать, являются Данные такси Нью-Йорка (на Github). Для этого учебника мы будем использовать подмножество этого набора данных, соответствующее месяцу января 2022 года.

  1. Внутри Airbyte выберите страницу "Sources" и добавьте новый источник типа файл.

    Добавить источник в Airbyte

  2. Заполните форму "Set up the source", назвав источник и указав URL файла NYC Taxi за январь 2022 года (см. ниже). Убедитесь, что выбран формат файла parquet, поставщик хранения HTTPS Public Web и имя набора данных nyc_taxi_2022.

    https://d37ci6vzurychx.cloudfront.net/trip-data/yellow_tripdata_2022-01.parquet
    Создание источника ClickHouse в Airbyte

  3. Поздравляем! Теперь вы добавили файл источника в Airbyte.

4. Создайте соединение и загрузите набор данных в ClickHouse​

  1. Внутри Airbyte выберите страницу "Connections" и добавьте новое соединение.
Добавить соединение в Airbyte

  1. Выберите "Use existing source" и выберите Данные такси Нью-Йорка, затем выберите "Use existing destination" и выберите ваш экземпляр ClickHouse.

  2. Заполните форму "Set up the connection", выбрав Частоту репликации (в этом учебнике мы будем использовать manual) и выберите nyc_taxi_2022 в качестве потока, который хотите синхронизировать. Убедитесь, что вы выбрали Normalized Tabular Data в качестве нормализации.

Создание соединения в Airbyte
  1. Теперь, когда соединение создано, нажмите "Sync now", чтобы запустить загрузку данных (так как мы выбрали Manual в качестве Частоты репликации).
Синхронизация сейчас в Airbyte
  1. Ваши данные начнут загружаться, вы можете развернуть вид, чтобы увидеть логи и прогресс Airbyte. Как только операция завершится, вы увидите сообщение Completed successfully в логах:
Завершено успешно

  1. Подключитесь к вашему экземпляру ClickHouse, используя ваш предпочитаемый SQL-клиент, и проверьте получившуюся таблицу:

    SELECT *
FROM nyc_taxi_2022
LIMIT 10

    Ответ должен выглядеть следующим образом:

    Query id: 4f79c106-fe49-4145-8eba-15e1cb36d325

┌─extra─┬─mta_tax─┬─VendorID─┬─RatecodeID─┬─tip_amount─┬─airport_fee─┬─fare_amount─┬─DOLocationID─┬─PULocationID─┬─payment_type─┬─tolls_amount─┬─total_amount─┬─trip_distance─┬─passenger_count─┬─store_and_fwd_flag─┬─congestion_surcharge─┬─tpep_pickup_datetime─┬─improvement_surcharge─┬─tpep_dropoff_datetime─┬─_airbyte_ab_id───────────────────────┬─────_airbyte_emitted_at─┬─_airbyte_normalized_at─┬─_airbyte_nyc_taxi_2022_hashid────┐
│     0 │     0.5 │        2 │          1 │       2.03 │           0 │          17 │           41 │          162 │            1 │            0 │        22.33 │          4.25 │               3 │ N                  │                  2.5 │ 2022-01-24T16:02:27  │                   0.3 │ 2022-01-24T16:22:23   │ 000022a5-3f14-4217-9938-5657f9041c8a │ 2022-07-19 04:35:31.000 │    2022-07-19 04:39:20 │ 91F83E2A3AF3CA79E27BD5019FA7EC94 │
│     3 │     0.5 │        1 │          1 │       1.75 │           0 │           5 │          186 │          246 │            1 │            0 │        10.55 │           0.9 │               1 │ N                  │                  2.5 │ 2022-01-22T23:23:05  │                   0.3 │ 2022-01-22T23:27:03   │ 000036b6-1c6a-493b-b585-4713e433b9cd │ 2022-07-19 04:34:53.000 │    2022-07-19 04:39:20 │ 5522F328014A7234E23F9FC5FA78FA66 │
│     0 │     0.5 │        2 │          1 │       7.62 │        1.25 │          27 │          238 │           70 │            1 │         6.55 │        45.72 │          9.16 │               1 │ N                  │                  2.5 │ 2022-01-22T19:20:37  │                   0.3 │ 2022-01-22T19:40:51   │ 00003c6d-78ad-4288-a79d-00a62d3ca3c5 │ 2022-07-19 04:34:46.000 │    2022-07-19 04:39:20 │ 449743975782E613109CEE448AFA0AB3 │
│   0.5 │     0.5 │        2 │          1 │          0 │           0 │         9.5 │          234 │          249 │            1 │            0 │         13.3 │           1.5 │               1 │ N                  │                  2.5 │ 2022-01-22T20:13:39  │                   0.3 │ 2022-01-22T20:26:40   │ 000042f6-6f61-498b-85b9-989eaf8b264b │ 2022-07-19 04:34:47.000 │    2022-07-19 04:39:20 │ 01771AF57922D1279096E5FFE1BD104A │
│     0 │       0 │        2 │          5 │          5 │           0 │          60 │          265 │           90 │            1 │            0 │         65.3 │          5.59 │               1 │ N                  │                    0 │ 2022-01-25T09:28:36  │                   0.3 │ 2022-01-25T09:47:16   │ 00004c25-53a4-4cd4-b012-a34dbc128aeb │ 2022-07-19 04:35:46.000 │    2022-07-19 04:39:20 │ CDA4831B683D10A7770EB492CC772029 │
│     0 │     0.5 │        2 │          1 │          0 │           0 │        11.5 │           68 │          170 │            2 │            0 │         14.8 │           2.2 │               1 │ N                  │                  2.5 │ 2022-01-25T13:19:26  │                   0.3 │ 2022-01-25T13:36:19   │ 00005c75-c3c8-440c-a8e8-b1bd2b7b7425 │ 2022-07-19 04:35:52.000 │    2022-07-19 04:39:20 │ 24D75D8AADD488840D78EA658EBDFB41 │
│   2.5 │     0.5 │        1 │          1 │       0.88 │           0 │         5.5 │           79 │          137 │            1 │            0 │         9.68 │           1.1 │               1 │ N                  │                  2.5 │ 2022-01-22T15:45:09  │                   0.3 │ 2022-01-22T15:50:16   │ 0000acc3-e64f-4b58-8e15-dc47ff1685f3 │ 2022-07-19 04:34:37.000 │    2022-07-19 04:39:20 │ 2BB5B8E849A438E08F7FCF789E7D7E65 │
│  1.75 │     0.5 │        1 │          1 │        7.5 │        1.25 │        27.5 │           17 │          138 │            1 │            0 │        37.55 │             9 │               1 │ N                  │                    0 │ 2022-01-30T21:58:19  │                   0.3 │ 2022-01-30T22:19:30   │ 0000b339-b44b-40b0-99f8-ebbf2092cc5b │ 2022-07-19 04:38:10.000 │    2022-07-19 04:39:20 │ DCCE79199EF9217CD769EFD5271302FE │
│   0.5 │     0.5 │        2 │          1 │          0 │           0 │          13 │           79 │          140 │            2 │            0 │         16.8 │          3.19 │               1 │ N                  │                  2.5 │ 2022-01-26T20:43:14  │                   0.3 │ 2022-01-26T20:58:08   │ 0000caa8-d46a-4682-bd25-38b2b0b9300b │ 2022-07-19 04:36:36.000 │    2022-07-19 04:39:20 │ F502BE51809AF36582561B2D037B4DDC │
│     0 │     0.5 │        2 │          1 │       1.76 │           0 │         5.5 │          141 │          237 │            1 │            0 │        10.56 │          0.72 │               2 │ N                  │                  2.5 │ 2022-01-27T15:19:54  │                   0.3 │ 2022-01-27T15:26:23   │ 0000cd63-c71f-4eb9-9c27-09f402fddc76 │ 2022-07-19 04:36:55.000 │    2022-07-19 04:39:20 │ 8612CDB63E13D70C1D8B34351A7CA00D │
└───────┴─────────┴──────────┴────────────┴────────────┴─────────────┴─────────────┴──────────────┴──────────────┴──────────────┴──────────────┴──────────────┴───────────────┴─────────────────┴────────────────────┴──────────────────────┴──────────────────────┴───────────────────────┴───────────────────────┴──────────────────────────────────────┴─────────────────────────┴────────────────────────┴──────────────────────────────────┘

    SELECT count(*)
FROM nyc_taxi_2022

    Ответ будет следующим:

    Query id: a9172d39-50f7-421e-8330-296de0baa67e

┌─count()─┐
│ 2392428 │
└─────────┘

  2. Обратите внимание, что Airbyte автоматически вывел типы данных и добавил 4 столбца в целевую таблицу. Эти столбцы используются Airbyte для управления логикой репликации и записи операций. Более подробную информацию можно найти в официальной документации Airbyte.

        `_airbyte_ab_id` String,
    `_airbyte_emitted_at` DateTime64(3, 'GMT'),
    `_airbyte_normalized_at` DateTime,
    `_airbyte_nyc_taxi_2022_hashid` String

    Теперь, когда набор данных загружен в ваш экземпляр ClickHouse, вы можете создать новую таблицу и использовать более подходящие типы данных ClickHouse (подробности).

  3. Поздравляем - вы успешно загрузили данные такси Нью-Йорка в ClickHouse с использованием Airbyte!