Utilisation avancée

Utilisation avancée avec ClickHouse Connect

​

API brute

Pour les cas d’utilisation ne nécessitant pas de transformation entre les données ClickHouse et des types ou structures de données natifs ou tiers, le client ClickHouse Connect fournit des méthodes permettant d’utiliser directement la connexion ClickHouse.

​

Méthode raw_query de Client

La méthode Client.raw_query permet d’utiliser directement l’interface de requête HTTP de ClickHouse via la connexion du client. La valeur de retour est un objet bytes non traité. Elle fournit un wrapper pratique avec liaison de paramètres, gestion des erreurs, réessais et gestion des paramètres via une interface minimale :

Paramètre	Type	Par défaut	Description
query	str	Obligatoire	Toute requête ClickHouse valide
parameters	dict or iterable	None	Voir la description des paramètres.
settings	dict	None	Voir la description des paramètres.
fmt	str	None	Format de sortie ClickHouse pour les octets renvoyés. (ClickHouse utilise TSV s’il n’est pas spécifié)
use_database	bool	True	Utilise la base de données attribuée au client ClickHouse Connect pour le contexte de la requête
external_data	ExternalData	None	Objet ExternalData contenant des données de fichier ou des données binaires à utiliser avec la requête. Voir Requêtes avancées (données externes)

Il incombe à l’appelant de traiter l’objet bytes renvoyé. Notez que Client.query_arrow n’est qu’un simple wrapper de cette méthode utilisant le format de sortie ClickHouse Arrow.

​

Méthode raw_stream de Client

La méthode Client.raw_stream a la même API que la méthode raw_query, mais renvoie un objet io.IOBase qui peut être utilisé comme générateur ou comme source de flux d’objets bytes. Elle est actuellement utilisée par la méthode query_arrow_stream.

​

Méthode raw_insert de Client

La méthode Client.raw_insert permet d’effectuer des insertions directes d’objets bytes ou de générateurs d’objets bytes via la connexion du client. Comme elle n’effectue aucun traitement de la charge utile d’insertion, elle est très performante. La méthode propose des options pour spécifier les settings et le format d’insertion :

Paramètre	Type	Par défaut	Description
table	str	Obligatoire	Nom de table simple ou qualifié par la base de données
column_names	Sequence[str]	None	Noms des colonnes pour le bloc d’insertion. Obligatoire si le paramètre fmt n’inclut pas de noms
insert_block	str, bytes, Generator[bytes], BinaryIO	Obligatoire	Données à insérer. Les chaînes seront encodées avec l’encodage du client.
settings	dict	None	Voir la description des settings.
fmt	str	None	Format d’entrée ClickHouse des octets de insert_block. (ClickHouse utilise TSV s’il n’est pas spécifié)

Il incombe à l’appelant de s’assurer que insert_block est dans le format spécifié et utilise la méthode de compression spécifiée. ClickHouse Connect utilise ces insertions brutes pour les téléversements de fichiers et les tables PyArrow, en déléguant le parsing au serveur ClickHouse.

​

Enregistrer les résultats d’une requête dans des fichiers

Vous pouvez diffuser des fichiers directement de ClickHouse vers le système de fichiers local à l’aide de la méthode raw_stream. Par exemple, si vous souhaitez enregistrer le résultat d’une requête dans un fichier CSV, vous pouvez utiliser l’extrait de code suivant :

import clickhouse_connect

if __name__ == '__main__':
    client = clickhouse_connect.get_client()
    query = 'SELECT number, toString(number) AS number_as_str FROM system.numbers LIMIT 5'
    fmt = 'CSVWithNames'  # or CSV, or CSVWithNamesAndTypes, or TabSeparated, etc.
    stream = client.raw_stream(query=query, fmt=fmt)
    with open("output.csv", "wb") as f:
        for chunk in stream:
            f.write(chunk)

Le code ci-dessus génère un fichier output.csv avec le contenu suivant :

"number","number_as_str"
0,"0"
1,"1"
2,"2"
3,"3"
4,"4"

De même, vous pouvez enregistrer les données au format TabSeparated, ainsi que dans d’autres formats. Consultez Formats des données d’entrée et de sortie pour obtenir un aperçu de toutes les options de format disponibles.

​

Cas d’utilisation multithread, multiprocessus et asynchrones/pilotés par événements

ClickHouse Connect fonctionne bien dans les applications multithread, multiprocessus et pilotées par une boucle d’événements/asynchrones. Tout le traitement des requêtes et des insertions s’effectue dans un seul thread, de sorte que les opérations sont généralement thread-safe. (Le traitement parallèle de certaines opérations à bas niveau pourrait être ajouté ultérieurement pour compenser la pénalité de performances liée à l’utilisation d’un seul thread, mais même dans ce cas, la thread safety sera préservée.)

Comme chaque requête ou insertion exécutée conserve son état dans son propre objet QueryContext ou InsertContext, respectivement, ces objets utilitaires ne sont pas thread-safe et ne doivent pas être partagés entre plusieurs flux de traitement. Consultez également les explications supplémentaires sur les objets de contexte dans les sections QueryContexts et InsertContexts.

De plus, dans une application où deux requêtes et/ou insertions ou plus sont « en cours » au même moment, il faut garder à l’esprit deux autres points. Le premier concerne la « session » ClickHouse associée à la requête/insertion, et le second le pool de connexions HTTP utilisé par les instances de ClickHouse Connect Client.

​

Wrapper AsyncClient

ClickHouse Connect fournit un wrapper asynchrone du Client standard, ce qui permet d’utiliser le client dans un environnement asyncio.

Pour obtenir une instance d’AsyncClient, vous pouvez utiliser la fonction de fabrique get_async_client, qui accepte les mêmes paramètres que la fonction standard get_client :

import asyncio

import clickhouse_connect

async def main():
    client = await clickhouse_connect.get_async_client()
    result = await client.query("SELECT name FROM system.databases LIMIT 1")
    print(result.result_rows)
    # Output:
    # [('INFORMATION_SCHEMA',)]

asyncio.run(main())

AsyncClient possède les mêmes méthodes et les mêmes paramètres que le Client standard, mais il s’agit de coroutines lorsque c’est applicable. En interne, les méthodes du Client qui effectuent des opérations d’E/S sont encapsulées dans un appel à run_in_executor.

Les performances en environnement multithread s’améliorent lors de l’utilisation du wrapper AsyncClient, car les threads d’exécution et le GIL sont libérés pendant l’attente de la fin des opérations d’E/S.

Remarque : contrairement au Client standard, AsyncClient impose autogenerate_session_id à False par défaut.

Voir aussi : exemple run_async.

​

Gestion des ID de session ClickHouse

Chaque requête ClickHouse s’exécute dans le contexte d’une « session » ClickHouse. Les sessions sont actuellement utilisées à deux fins :

• Associer des paramètres ClickHouse spécifiques à plusieurs requêtes (voir les paramètres utilisateur). La commande ClickHouse SET est utilisée pour modifier les paramètres dans le cadre d’une session utilisateur.
• Suivre les tables temporaires.

Par défaut, chaque requête exécutée avec une instance Client de ClickHouse Connect utilise l’ID de session de ce client. Les instructions SET et les tables temporaires fonctionnent comme prévu lors de l’utilisation d’un seul client. Cependant, le serveur ClickHouse n’autorise pas les requêtes concurrentes au sein d’une même session (le client lèvera une ProgrammingError si vous essayez). Pour les applications qui exécutent des requêtes concurrentes, utilisez l’une des approches suivantes :

1. Créez une instance Client distincte pour chaque thread/process/event handler nécessitant une isolation de session. Cela préserve l’état de session propre à chaque client (tables temporaires et valeurs SET).
2. Utilisez un session_id unique pour chaque requête via l’argument settings lors de l’appel à query, command ou insert, si vous n’avez pas besoin d’un état de session partagé.
3. Désactivez les sessions sur un client partagé en définissant autogenerate_session_id=False avant de créer le client (ou transmettez-le directement à get_client).

from clickhouse_connect import common
import clickhouse_connect

common.set_setting('autogenerate_session_id', False)  # This should always be set before creating a client
client = clickhouse_connect.get_client(host='somehost.com', user='dbuser', password=1234)

Vous pouvez aussi passer autogenerate_session_id=False directement à get_client(...).

Dans ce cas, ClickHouse Connect n’envoie pas de session_id ; le serveur ne considère pas les requêtes distinctes comme appartenant à la même session. Les tables temporaires et les paramètres de session ne seront pas conservés d’une requête à l’autre.

​

Personnalisation du pool de connexions HTTP

ClickHouse Connect utilise les pools de connexions urllib3 pour gérer la connexion HTTP sous-jacente avec le serveur. Par défaut, toutes les instances client partagent le même pool de connexions, ce qui suffit dans la plupart des cas d’usage. Ce pool par défaut gère jusqu’à 8 connexions HTTP Keep Alive vers chaque serveur ClickHouse utilisé par l’application.

Pour les applications multithreadées de grande taille, il peut être préférable d’utiliser des pools de connexions distincts. Des pools de connexions personnalisés peuvent être fournis via l’argument nommé pool_mgr de la fonction principale clickhouse_connect.get_client :

import clickhouse_connect
from clickhouse_connect.driver import httputil

big_pool_mgr = httputil.get_pool_manager(maxsize=16, num_pools=12)

client1 = clickhouse_connect.get_client(pool_mgr=big_pool_mgr)
client2 = clickhouse_connect.get_client(pool_mgr=big_pool_mgr)

Comme l’illustre l’exemple ci-dessus, les clients peuvent partager un même gestionnaire de pool, ou bien un gestionnaire de pool distinct peut être créé pour chaque client. Pour plus de détails sur les options disponibles lors de la création d’un PoolManager, consultez la documentation urllib3.