DataStore 팩터리 메서드 - ClickHouse Documentation

DataStore는 로컬 파일, 데이터베이스, 클라우드 스토리지, 데이터 레이크를 비롯한 다양한 데이터 소스에서 인스턴스를 생성할 수 있는 20개 이상의 팩터리 메서드를 제공합니다.

범용 URI 인터페이스

uri() 메서드는 소스 유형을 자동으로 감지하는 권장되는 범용 진입점입니다:

from chdb.datastore import DataStore

# 로컬 파일
ds = DataStore.uri("data.csv")
ds = DataStore.uri("/path/to/data.parquet")

# 클라우드 스토리지
ds = DataStore.uri("s3://bucket/data.parquet?nosign=true")
ds = DataStore.uri("https://example.com/data.csv")

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

URI 구문 참고

소스 유형	URI 형식	예시
로컬 파일	`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`

파일 SOURCES

`from_file`

포맷을 자동으로 감지하여 로컬 또는 원격 파일에서 DataStore를 생성합니다.

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

매개변수:

매개변수	유형	기본값	설명
`path`	str	required	파일 경로(로컬 또는 URL)
`format`	str	`None`	파일 포맷(`None`인 경우 자동 감지)
`compression`	str	`None`	압축 방식(`None`인 경우 자동 감지)

지원 포맷: CSV, TSV, Parquet, JSON, JSONLines, ORC, Avro, Arrow 예시:

from chdb.datastore import DataStore

# 확장자에서 포맷 자동 감지
ds = DataStore.from_file("data.csv")
ds = DataStore.from_file("data.parquet")
ds = DataStore.from_file("data.json")

# 포맷 명시
ds = DataStore.from_file("data.txt", format="CSV")

# 압축 사용
ds = DataStore.from_file("data.csv.gz", compression="gzip")

Pandas와 호환되는 읽기 함수

from chdb import datastore as pd

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

# Parquet 파일 (대용량 데이터셋에 권장)
ds = pd.read_parquet("data.parquet")
ds = pd.read_parquet("data.parquet", columns=['col1', 'col2'])

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

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

클라우드 스토리지

`from_s3`

Amazon S3에서 DataStore를 생성합니다.

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

매개변수:

매개변수	유형	기본값	설명
`url`	str	필수	S3 URL (s3://버킷/경로)
`access_key_id`	str	`None`	AWS 액세스 키 ID
`secret_access_key`	str	`None`	AWS 시크릿 액세스 키
`format`	str	`None`	파일 포맷(자동 감지됨)

예시:

from chdb.datastore import DataStore

# 익명 접근 (공개 버킷)
ds = DataStore.from_s3("s3://bucket/data.parquet")

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

# 쿼리 매개변수를 포함한 URI 사용
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`

Google Cloud Storage의 데이터로 DataStore를 생성합니다.

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

예시:

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

`from_azure`

Azure Blob Storage로부터 DataStore를 생성합니다.

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

예시:

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

`from_hdfs`

HDFS에서 DataStore를 생성합니다.

DataStore.from_hdfs(url, **kwargs)

예시:

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

`from_url`

HTTP/HTTPS URL로부터 DataStore를 생성합니다.

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

예시:

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

데이터베이스

`from_mysql`

MySQL 데이터베이스에서 DataStore를 생성합니다.

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

매개변수:

매개변수	유형	기본값	설명
`host`	str	필수	MySQL 호스트
`database`	str	필수	데이터베이스 이름
`table`	str	필수	테이블 이름
`user`	str	필수	사용자 이름
`password`	str	필수	비밀번호
`port`	int	`3306`	포트 번호

예시:

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

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

`from_postgresql`

PostgreSQL 데이터베이스로부터 DataStore를 생성합니다.

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

예시:

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

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

`from_clickhouse`

ClickHouse 서버에서 DataStore를 생성합니다.

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

예시:

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

# 연결 수준 모드 (데이터베이스 탐색)
ds = DataStore.from_clickhouse(
    host="analytics.company.com",
    user="analyst",
    password="secret"
)
ds.databases()                  # 데이터베이스 목록 조회
ds.tables("production")         # 테이블 목록 조회
result = ds.sql("SELECT * FROM production.users LIMIT 10")

`from_mongodb`

MongoDB에서 DataStore를 생성합니다.

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

예시:

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

`from_sqlite`

SQLite 데이터베이스로부터 DataStore를 생성합니다.

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

예시:

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

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

데이터 레이크

`from_iceberg`

Apache Iceberg 테이블에서 DataStore를 생성합니다.

DataStore.from_iceberg(path, **kwargs)

예시:

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

`from_delta`

Delta Lake 테이블에서 DataStore를 생성합니다.

DataStore.from_delta(path, **kwargs)

예시:

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

`from_hudi`

Apache Hudi 테이블로부터 DataStore를 생성합니다.

DataStore.from_hudi(path, **kwargs)

예시:

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

인메모리 SOURCES

`from_df` / `from_dataframe`

pandas DataFrame으로부터 DataStore를 생성합니다.

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

예시:

import pandas
from chdb.datastore import DataStore

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

`DataFrame` 생성자

pandas 스타일 생성자를 사용해 DataStore를 생성합니다.

from chdb import datastore as pd

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

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

특수 데이터 SOURCES

`from_numbers`

연속된 숫자로 DataStore를 생성합니다(테스트용으로 유용합니다).

DataStore.from_numbers(count, **kwargs)

예시:

ds = DataStore.from_numbers(1000000)  # 'number' 컬럼을 가진 100만 행
result = ds.filter(ds['number'] % 2 == 0).head(10)  # 짝수

`from_random`

무작위 데이터를 사용해 DataStore를 생성합니다.

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

예시:

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

`run_sql`

Raw SQL 쿼리로부터 DataStore를 생성합니다.

DataStore.run_sql(query)

예시:

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

요약 표

메서드	소스 유형	예시
`uri()`	범용	`DataStore.uri("s3://bucket/data.parquet")`
`from_file()`	로컬/원격 파일	`DataStore.from_file("data.csv")`
`read_csv()`	CSV 파일	`pd.read_csv("data.csv")`
`read_parquet()`	Parquet 파일	`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()`	pandas DataFrame	`DataStore.from_df(pandas_df)`
`DataFrame()`	딕셔너리/DataFrame	`pd.DataFrame({'a': [1, 2, 3]})`
`from_numbers()`	연속 숫자	`DataStore.from_numbers(1000000)`
`from_random()`	무작위 데이터	`DataStore.from_random(rows=1000, columns=5)`
`run_sql()`	Raw SQL	`DataStore.run_sql("SELECT * FROM ...")`

​범용 URI 인터페이스

​URI 구문 참고

​파일 SOURCES

​from_file

​Pandas와 호환되는 읽기 함수

​클라우드 스토리지

​from_s3

​from_gcs

​from_azure

​from_hdfs

​from_url

​데이터베이스

​from_mysql

​from_postgresql

​from_clickhouse

​from_mongodb

​from_sqlite

​데이터 레이크

​from_iceberg

​from_delta

​from_hudi

​인메모리 SOURCES

​from_df / from_dataframe

​DataFrame 생성자

​특수 데이터 SOURCES

​from_numbers

​from_random

​run_sql

​요약 표

범용 URI 인터페이스

URI 구문 참고

파일 SOURCES

`from_file`

Pandas와 호환되는 읽기 함수

클라우드 스토리지

`from_s3`

`from_gcs`

`from_azure`

`from_hdfs`

`from_url`

데이터베이스

`from_mysql`

`from_postgresql`

`from_clickhouse`

`from_mongodb`

`from_sqlite`

데이터 레이크

`from_iceberg`

`from_delta`

`from_hudi`

인메모리 SOURCES

`from_df` / `from_dataframe`

`DataFrame` 생성자

특수 데이터 SOURCES

`from_numbers`

`from_random`

`run_sql`

요약 표