Métodos de fábrica de DataStore - ClickHouse Documentation

DataStore ofrece más de 20 métodos de fábrica para crear instancias a partir de diversas fuentes de datos, como archivos locales, bases de datos, almacenamiento en la nube y lagos de datos.

Interfaz URI universal

El método uri() es el punto de acceso universal recomendado, ya que detecta automáticamente el tipo de origen:

from chdb.datastore import DataStore

# Archivos locales
ds = DataStore.uri("data.csv")
ds = DataStore.uri("/path/to/data.parquet")

# Almacenamiento en la nube
ds = DataStore.uri("s3://bucket/data.parquet?nosign=true")
ds = DataStore.uri("https://example.com/data.csv")

# Bases de datos
ds = DataStore.uri("mysql://user:pass@host:3306/db/table")
ds = DataStore.uri("postgresql://user:pass@host:5432/db/table")

Referencia de la sintaxis de URI

Tipo de origen	Formato de URI	Ejemplo
Archivo local	`path/to/file`	`data.csv`, `/abs/path/data.parquet`
S3	`s3://bucket/path`	`s3://mybucket/data.parquet?nosign=true`
GCS	`gs://bucket/path`	`gs://mybucket/data.csv`
Azure	`az://container/path`	`az://mycontainer/data.parquet`
HTTP/HTTPS	`https://url`	`https://example.com/data.csv`
MySQL	`mysql://user:pass@host:port/db/table`	`mysql://root:pass@localhost:3306/mydb/users`
PostgreSQL	`postgresql://user:pass@host:port/db/table`	`postgresql://postgres:pass@localhost:5432/mydb/users`
SQLite	`sqlite:///path?table=name`	`sqlite:///data.db?table=users`
ClickHouse	`clickhouse://host:port/db/table`	`clickhouse://localhost:9000/default/hits`

Fuentes de archivo

`from_file`

Crea un DataStore a partir de un archivo local o remoto con detección automática del formato.

DataStore.from_file(path, format=None, compression=None, **kwargs)

Parámetros:

Parámetro	Tipo	Predeterminado	Descripción
`path`	str	obligatorio	Ruta del archivo (local o URL)
`format`	str	`None`	Formato del archivo (se detecta automáticamente si es `None`)
`compression`	str	`None`	Tipo de compresión (se detecta automáticamente si es `None`)

Formatos compatibles: CSV, TSV, Parquet, JSON, JSONLines, ORC, Avro, Arrow Ejemplos:

from chdb.datastore import DataStore

# Detectar formato automáticamente a partir de la extensión
ds = DataStore.from_file("data.csv")
ds = DataStore.from_file("data.parquet")
ds = DataStore.from_file("data.json")

# Formato explícito
ds = DataStore.from_file("data.txt", format="CSV")

# Con compresión
ds = DataStore.from_file("data.csv.gz", compression="gzip")

Funciones de lectura compatibles con Pandas

from chdb import datastore as pd

# Archivos CSV
ds = pd.read_csv("data.csv")
ds = pd.read_csv("data.csv", sep=";", header=0, nrows=1000)

# Archivos Parquet (recomendados para conjuntos de datos grandes)
ds = pd.read_parquet("data.parquet")
ds = pd.read_parquet("data.parquet", columns=['col1', 'col2'])

# Archivos JSON
ds = pd.read_json("data.json")
ds = pd.read_json("data.jsonl", lines=True)

# Archivos Excel
ds = pd.read_excel("data.xlsx", sheet_name="Sheet1")

Almacenamiento en la nube

`from_s3`

Crea un DataStore a partir de Amazon S3.

DataStore.from_s3(url, access_key_id=None, secret_access_key=None, format=None, **kwargs)

Parámetros:

Parámetro	Tipo	Predeterminado	Descripción
`url`	str	obligatorio	URL de S3 (s3://bucket/path)
`access_key_id`	str	`None`	ID de la clave de acceso de AWS
`secret_access_key`	str	`None`	Clave de acceso secreta de AWS
`format`	str	`None`	Formato de archivo (detectado automáticamente)

Ejemplos:

from chdb.datastore import DataStore

# Acceso anónimo (bucket público)
ds = DataStore.from_s3("s3://bucket/data.parquet")

# Con credenciales
ds = DataStore.from_s3(
    "s3://bucket/data.parquet",
    access_key_id="AKIAIOSFODNN7EXAMPLE",
    secret_access_key="wJalrXUtnFEMI/K7MDENG/bPxRfiCYEXAMPLEKEY"
)

# Usando URI con parámetros de consulta
ds = DataStore.uri("s3://bucket/data.parquet?nosign=true")
ds = DataStore.uri("s3://bucket/data.parquet?access_key_id=KEY&secret_access_key=SECRET")

`from_gcs`

Crea un DataStore desde Google Cloud Storage.

DataStore.from_gcs(url, credentials_path=None, **kwargs)

Ejemplos:

ds = DataStore.from_gcs("gs://bucket/data.parquet")
ds = DataStore.from_gcs("gs://bucket/data.parquet", credentials_path="/path/to/creds.json")

`from_azure`

Crea un DataStore a partir de Azure Blob Storage.

DataStore.from_azure(url, account_name=None, account_key=None, **kwargs)

Ejemplos:

ds = DataStore.from_azure(
    "az://container/data.parquet",
    account_name="myaccount",
    account_key="mykey"
)

`from_hdfs`

Crea un DataStore a partir de HDFS.

DataStore.from_hdfs(url, **kwargs)

Ejemplos:

ds = DataStore.from_hdfs("hdfs://namenode:8020/path/data.parquet")

`from_url`

Crea un DataStore a partir de una URL HTTP/HTTPS.

DataStore.from_url(url, format=None, **kwargs)

Ejemplos:

ds = DataStore.from_url("https://example.com/data.csv")
ds = DataStore.from_url("https://raw.githubusercontent.com/user/repo/main/data.parquet")

Bases de datos

`from_mysql`

Crea un DataStore a partir de una base de datos MySQL.

DataStore.from_mysql(host, database, table, user, password, port=3306, **kwargs)

Parámetros:

Parámetro	Tipo	Predeterminado	Descripción
`host`	str	obligatorio	Servidor MySQL
`database`	str	obligatorio	Nombre de la base de datos
`table`	str	obligatorio	Nombre de la tabla
`user`	str	obligatorio	Nombre de usuario
`password`	str	obligatorio	Contraseña
`port`	int	`3306`	Número de puerto

Ejemplos:

ds = DataStore.from_mysql(
    host="localhost",
    database="mydb",
    table="users",
    user="root",
    password="password"
)

# Usando URI
ds = DataStore.uri("mysql://root:password@localhost:3306/mydb/users")

`from_postgresql`

Crear un DataStore a partir de una base de datos PostgreSQL.

DataStore.from_postgresql(host, database, table, user, password, port=5432, **kwargs)

Ejemplos:

ds = DataStore.from_postgresql(
    host="localhost",
    database="mydb",
    table="users",
    user="postgres",
    password="password"
)

# Usando URI
ds = DataStore.uri("postgresql://postgres:password@localhost:5432/mydb/users")

`from_clickhouse`

Crear un DataStore a partir del servidor de ClickHouse.

DataStore.from_clickhouse(host, database, table, user=None, password=None, port=9000, **kwargs)

Ejemplos:

ds = DataStore.from_clickhouse(
    host="localhost",
    database="default",
    table="hits",
    user="default",
    password=""
)

# Modo de nivel de conexión (explorar bases de datos)
ds = DataStore.from_clickhouse(
    host="analytics.company.com",
    user="analyst",
    password="secret"
)
ds.databases()                  # Listar bases de datos
ds.tables("production")         # Listar tablas
result = ds.sql("SELECT * FROM production.users LIMIT 10")

`from_mongodb`

Crea un DataStore a partir de MongoDB.

DataStore.from_mongodb(uri, database, collection, **kwargs)

Ejemplos:

ds = DataStore.from_mongodb(
    uri="mongodb://localhost:27017",
    database="mydb",
    collection="users"
)

`from_sqlite`

Crea un DataStore a partir de una base de datos SQLite.

DataStore.from_sqlite(database_path, table, **kwargs)

Ejemplos:

ds = DataStore.from_sqlite("data.db", table="users")

# Usando URI
ds = DataStore.uri("sqlite:///data.db?table=users")

Lagos de datos

`from_iceberg`

Crea un DataStore a partir de una tabla Apache Iceberg.

DataStore.from_iceberg(path, **kwargs)

Ejemplos:

ds = DataStore.from_iceberg("/path/to/iceberg_table")
ds = DataStore.uri("iceberg://catalog/namespace/table")

`from_delta`

Crea un DataStore a partir de una tabla de Delta Lake.

DataStore.from_delta(path, **kwargs)

Ejemplos:

ds = DataStore.from_delta("/path/to/delta_table")
ds = DataStore.uri("deltalake:///path/to/delta_table")

`from_hudi`

Crea un DataStore a partir de una tabla Hudi.

DataStore.from_hudi(path, **kwargs)

Ejemplos:

ds = DataStore.from_hudi("/path/to/hudi_table")
ds = DataStore.uri("hudi:///path/to/hudi_table")

Fuentes en memoria

`from_df` / `from_dataframe`

Crea un DataStore a partir de un DataFrame de pandas.

DataStore.from_df(df, name=None)
DataStore.from_dataframe(df, name=None)  # alias

Ejemplos:

import pandas
from chdb.datastore import DataStore

pdf = pandas.DataFrame({'a': [1, 2, 3], 'b': ['x', 'y', 'z']})
ds = DataStore.from_df(pdf)

Constructor de `DataFrame`

Cree un DataStore con un constructor similar al de pandas.

from chdb import datastore as pd

# Desde un diccionario
ds = pd.DataFrame({
    'name': ['Alice', 'Bob'],
    'age': [25, 30]
})

# Desde un DataFrame de pandas
import pandas
pdf = pandas.DataFrame({'a': [1, 2, 3]})
ds = pd.DataFrame(pdf)

Fuentes especiales

`from_numbers`

Crea un DataStore con números secuenciales (útil para pruebas).

DataStore.from_numbers(count, **kwargs)

Ejemplos:

ds = DataStore.from_numbers(1000000)  # 1M filas con columna 'number'
result = ds.filter(ds['number'] % 2 == 0).head(10)  # Números pares

`from_random`

Crear un DataStore con datos aleatorios.

DataStore.from_random(rows, columns, **kwargs)

Ejemplos:

ds = DataStore.from_random(rows=1000, columns=5)

`run_sql`

Crear un DataStore a partir de una consulta SQL en bruto.

DataStore.run_sql(query)

Ejemplos:

ds = DataStore.run_sql("""
    SELECT number, number * 2 as doubled
    FROM numbers(100)
    WHERE number % 10 = 0
""")

Tabla de resumen

Método	Tipo de origen	Ejemplo
`uri()`	Universal	`DataStore.uri("s3://bucket/data.parquet")`
`from_file()`	Archivos locales/remotos	`DataStore.from_file("data.csv")`
`read_csv()`	Archivos CSV	`pd.read_csv("data.csv")`
`read_parquet()`	Archivos Parquet	`pd.read_parquet("data.parquet")`
`from_s3()`	Amazon S3	`DataStore.from_s3("s3://bucket/path")`
`from_gcs()`	Google Cloud Storage	`DataStore.from_gcs("gs://bucket/path")`
`from_azure()`	Azure Blob	`DataStore.from_azure("az://container/path")`
`from_hdfs()`	HDFS	`DataStore.from_hdfs("hdfs://host/path")`
`from_url()`	HTTP/HTTPS	`DataStore.from_url("https://example.com/data.csv")`
`from_mysql()`	MySQL	`DataStore.from_mysql(host, db, table, user, pass)`
`from_postgresql()`	PostgreSQL	`DataStore.from_postgresql(host, db, table, user, pass)`
`from_clickhouse()`	ClickHouse	`DataStore.from_clickhouse(host, db, table)`
`from_mongodb()`	MongoDB	`DataStore.from_mongodb(uri, db, collection)`
`from_sqlite()`	SQLite	`DataStore.from_sqlite("data.db", table)`
`from_iceberg()`	Apache Iceberg	`DataStore.from_iceberg("/path/to/table")`
`from_delta()`	Delta Lake	`DataStore.from_delta("/path/to/table")`
`from_hudi()`	Apache Hudi	`DataStore.from_hudi("/path/to/table")`
`from_df()`	DataFrame de pandas	`DataStore.from_df(pandas_df)`
`DataFrame()`	Diccionario/DataFrame	`pd.DataFrame({'a': [1, 2, 3]})`
`from_numbers()`	Números secuenciales	`DataStore.from_numbers(1000000)`
`from_random()`	Datos aleatorios	`DataStore.from_random(rows=1000, columns=5)`
`run_sql()`	consulta SQL en bruto	`DataStore.run_sql("SELECT * FROM ...")`

​Interfaz URI universal

​Referencia de la sintaxis de URI

​Fuentes de archivo

​from_file

​Funciones de lectura compatibles con Pandas

​Almacenamiento en la nube

​from_s3

​from_gcs

​from_azure

​from_hdfs

​from_url

​Bases de datos

​from_mysql

​from_postgresql

​from_clickhouse

​from_mongodb

​from_sqlite

​Lagos de datos

​from_iceberg

​from_delta

​from_hudi

​Fuentes en memoria

​from_df / from_dataframe

​Constructor de DataFrame

​Fuentes especiales

​from_numbers

​from_random

​run_sql

​Tabla de resumen

Interfaz URI universal

Referencia de la sintaxis de URI

Fuentes de archivo

`from_file`

Funciones de lectura compatibles con Pandas

Almacenamiento en la nube

`from_s3`

`from_gcs`

`from_azure`

`from_hdfs`

`from_url`

Bases de datos

`from_mysql`

`from_postgresql`

`from_clickhouse`

`from_mongodb`

`from_sqlite`

Lagos de datos

`from_iceberg`

`from_delta`

`from_hudi`

Fuentes en memoria

`from_df` / `from_dataframe`

Constructor de `DataFrame`

Fuentes especiales

`from_numbers`

`from_random`

`run_sql`

Tabla de resumen