NineData:强大的ClickHouse GUI管理工具

本文涉及的产品
RDS MySQL Serverless 基础系列,0.5-2RCU 50GB
数据管理 DMS,安全协同 3个实例 3个月
推荐场景:
学生管理系统数据库
云数据库 RDS MySQL,集群系列 2核4GB
推荐场景:
搭建个人博客
简介: NineData除了可以支持以GUI的方式访问和管理ClickHouse之外,NineData还支持MySQL到ClickHouse的数据迁移/同步/复制功能,相比ClickHouse内置的集成引擎,NineData很好的解决了上游MySQL DDL变更时的链路稳定性以及复制时对象映射等问题,可以帮助用户高性能、高效率、高稳定性的完成从MySQL到ClickHouse的数据复制。

在过去的几年ClickHouse一直在快速的增长,也受到大量开发者的认可,但长久以来,并没有特别趁手的工具产品来访问和管理,所以,在完成MySQL支持之后,NineData选择优先支持ClickHouse。本文将介绍,如何使用NineData(https://www.ninedata.cloud)帮助开发者,通过GUI的方式访问和管理ClickHouse数据库。


ClickHouse简介

ClickHouse凭借着其出色的分析查询性能,尤其是在日志处理上的优势,非常有效的解决了关系型数据库在海量数据场景下的分析查询短板问题。其语法与使用习惯也与当下最流行的数据库MySQL类似,迭代速度和对社区的响应也非常快,在过去的几年,ClickHouse收到大量开发者的认可。经过几年社区快速增长之后,在2021年ClickHouse Inc的成立也让该分析型数据库进入了开源与商业化一起发展的阶段。从目前的数据来看,未来ClickHouse还将是快速增长的分析型数据库之一。


使用NineData访问ClickHouse

整个使用过程也较为简单。首先,需要在NineData数据源页面创建ClickHouse数据源。需要注意的是:

· NineData使用http/https协议访问和管理ClickHouse,所以这里需要填写对应的http/https端口(而不是Native的端口)

· 如果使用了SSL加密(ClickHouse Cloud的强制要求),则需要打开下面SSL加密选项(如果没有开启SSL加密,则无需打开该选项)

· "接入地域"可以选择一个尽可能离服务器近一些的地域,可以适当增加访问速度


11.png



在填好连接信息之后,可以点击“连接测试”按钮,验证是否可以正常访问ClickHouse,如果信息都正确的话,则会提示上图右上角的“连接成功”信息。在完成数据源配置之后,就可以通过SQL窗口功能访问该数据源了。


22.png



使用导航树查看数据库内部的对象

下图即为NineData所提供的ClickHouse导航对象树。较详细的展示了ClickHouse数据库内部的对象,除了常见的表对象外,NineData还提供了视图、字典、ROW POLICY等数据库对象,在服务器层面,则支持了用户、角色、QUOTA、自定义函数等对象的展示。相比于同类的产品,例如,Arctype、DBeaver、DataGrip、阿里云DMS、ClickHouse自己提供的local play等(注:目前最新的Navicat Premium 16版本还不支持ClickHouse),NineData支持是最完整,最细致的。另外,NineData导航树还支持表对象的搜索功能,可以帮助开发者方便的搜索到关注的数据表。

33.png



导航树功能对比:NineData VS 其他

NineData的导航树提供了丰富而完整的数据库对象,对比常用的数据库GUI工具,NineData支持更加完整,体验更加友好。具体的对比如下:

44.png

55.jpg


说明:

· Arctype是一个小型的数据库管理工具,前一段时间刚刚加入了ClickHouse Inc并不再更新原来的产品

· local play是指ClickHouse自带的数据管理工具

· DataGrid则是有JetBrains提供的数据库管理工具

· DBeaver是一个第三方的开源数据库访问工具

· DMS是阿里云数据库的一站式数据管理平台



智能的SQL补全提升效率

NineData提供了强大的SQL提示、补全功能,可以最大程度的帮助开发者更叫高效的完成SQL编写。例如,在如下的截图案例中,左图中,NineData会根据光标的位置和语法结构识别出,这里需要填写数据表名/视图名,则优先推荐该类对象。在右图中,NineData则通过语法结构,对象别名等信息,准确的推荐最可能匹配的列信息。

66.png



使用NineData保存常用的SQL

通常,对于运营人员来说,需要经常关注线上的业务数据;对于开发人员也需要经常关注线上系统的运行数据情况。NineData则可以通过“保存 SQL”功能,在线保存这些经常需要使用的SQL,用以完成一些常用数据库数据查询。


另外,NineData还支持全量的SQL运行历史保存,一方面用户可以使用该功能追溯实际运行了哪些功能;也可以使用该功能,在历史SQL中找出常用的SQL。


小结

通过这篇介绍,可以看到如何使用NineData快速简单的访问与管理ClickHouse实例。


另外,NineData除了可以支持以GUI的方式访问和管理ClickHouse之外,NineData还支持MySQL到ClickHouse的数据迁移/同步/复制功能,相比ClickHouse内置的集成引擎,NineData很好的解决了上游MySQL DDL变更时的链路稳定性以及复制时对象映射等问题,可以帮助用户高性能、高效率、高稳定性的完成从MySQL到ClickHouse的数据复制。

目录
相关文章
|
5月前
|
消息中间件 监控 数据挖掘
NineData:从Kafka到ClickHouse的数据同步解决方案
NineData 提供了强大的数据转换和映射功能,以解决 Kafka 和 ClickHouse 之间的格式和结构差异,确保数据在同步过程中的一致性和准确性。
200 2
NineData:从Kafka到ClickHouse的数据同步解决方案
|
SQL 数据可视化 BI
使用 NineData GUI 创建与修改 ClickHouse 表结构
当前 NineData 已经完全适配支持 ClickHouse 所有表引擎的新建及其变更,在集群与分布式表的新建支持上更是做了联动优化,进一步帮助广大开发者提升效率,减少不一致现象的出现。未来,我们将继续迭代优化支持本地表与分布式表的一键联动更新,NineData 让每个人用好数据和云。
199 0
使用 NineData GUI 创建与修改 ClickHouse 表结构
|
4月前
|
存储 关系型数据库 数据库
【DDIA笔记】【ch2】 数据模型和查询语言 -- 多对一和多对多
【6月更文挑战第7天】该文探讨数据模型,比较了“多对一”和“多对多”关系。通过使用ID而不是纯文本(如region_id代替"Greater Seattle Area"),可以实现统一、避免歧义、简化修改、支持本地化及优化搜索。在数据库设计中,需权衡冗余和范式。文档型数据库适合一对多但处理多对多复杂,若无Join,需应用程序处理。关系型数据库则通过外键和JOIN处理这些关系。文章还提及文档模型与70年代层次模型的相似性,层次模型以树形结构限制了多对多关系处理。为克服层次模型局限,发展出了关系模型和网状模型。
55 6
|
4月前
|
XML NoSQL 数据库
【DDIA笔记】【ch2】 数据模型和查询语言 -- 概念 + 数据模型
【6月更文挑战第5天】本文探讨了数据模型的分析,关注点包括数据元素、关系及不同类型的模型(关系、文档、图)与Schema模式。查询语言的考量涉及与数据模型的关联及声明式与命令式编程。数据模型从应用开发者到硬件工程师的各抽象层次中起着简化复杂性的关键作用,理想模型应具备简洁直观和可组合性。
35 2
|
4月前
|
SQL 人工智能 关系型数据库
【DDIA笔记】【ch2】 数据模型和查询语言 -- 文档模型中Schema的灵活性
【6月更文挑战第8天】网状模型是层次模型的扩展,允许节点有多重父节点,但导航复杂,需要预知数据库结构。关系模型将数据组织为元组和关系,强调声明式查询,解耦查询语句与执行路径,简化了访问并通过查询优化器提高效率。文档型数据库适合树形结构数据,提供弱模式灵活性,但在Join支持和访问局部性上不如关系型。关系型数据库通过外键和Join处理多对多关系,适合高度关联数据。文档型数据库的模式灵活性体现在schema-on-read,写入时不校验,读取时解析,牺牲性能换取灵活性。适用于不同类型或结构变化的数据场景。
42 0
|
4月前
|
SQL JSON NoSQL
【DDIA笔记】【ch2】 数据模型和查询语言 -- 关系模型与文档模型
【6月更文挑战第6天】关系模型是主流数据库模型,以二维表形式展示数据,支持关系算子。分为事务型、分析型和混合型。尽管有其他模型挑战,如网状和层次模型,但关系模型仍占主导。然而,随着大数据增长和NoSQL的出现(如MongoDB、Redis),强调伸缩性、专业化查询和表达力,关系模型的局限性显现。面向对象编程与SQL的不匹配导致“阻抗不匹配”问题,ORM框架缓解但未完全解决。文档模型(如JSON)提供更自然的嵌套结构,适合表示复杂关系,具备模式灵活性和更好的数据局部性。
48 0
|
4月前
|
敏捷开发 存储 缓存
【DDIA笔记】【ch1】 可靠性、可扩展性和可维护性 -- 可维护性
【6月更文挑战第4天】本文探讨了Twitter面临的一次发推文引发的巨大写入压力问题,指出用户粉丝数分布是决定系统扩展性的关键因素。为解决此问题,Twitter采用混合策略,大部分用户推文扇出至粉丝主页时间线,而少数名人推文则单独处理。性能指标包括吞吐量、响应时间和延迟,其中高百分位响应时间对用户体验至关重要。应对负载的方法分为纵向和横向扩展,以及自动和手动调整。文章强调了可维护性的重要性,包括可操作性、简单性和可演化性,以减轻维护负担和适应变化。此外,良好设计应减少复杂性,提供预测性行为,并支持未来改动。
54 0
|
4月前
|
缓存 关系型数据库 数据库
【DDIA笔记】【ch1】 可靠性、可扩展性和可维护性 -- 可扩展性
【6月更文挑战第3天】可扩展性关乎系统应对负载增长的能力,但在产品初期过度设计可能导致失败。理解基本概念以应对可能的负载增长是必要的。衡量负载的关键指标包括日活、请求频率、数据库读写比例等。推特的扩展性挑战在于"扇出",即用户关注网络的广度。两种策略包括拉取(按需查询数据库)和推送(预计算feed流)。推送方法在推特案例中更为有效,因为它减少了高流量时的实时计算压力。
50 0
|
4月前
|
存储 消息中间件 缓存
【DDIA笔记】【ch1】 可靠性、可扩展性和可维护性 -- part1 可靠性
【6月更文挑战第2天】本书探讨现代数据系统,阐述其在信息社会中的关键作用,包括数据库、缓存、搜索引擎、流处理、批处理和消息队列等组成部分。随着技术发展,工具如Kafka、Spark和Redis等多功能组件使得系统设计更为复杂。面对可靠性、可扩展性和可维护性的挑战,书中强调了容错和韧性的重要性,区分了硬件故障、软件错误和人为错误,并提出了应对措施。可靠性关乎用户数据、企业声誉和生存,因此是系统设计的核心考量。
50 0
硬件开发笔记(十): 硬件开发基本流程,制作一个USB转RS232的模块(九):创建CH340G/MAX232封装库sop-16并关联原理图元器件
有了原理图,可以设计硬件PCB,在设计PCB之间还有一个协同优先动作,就是映射封装,原理图库的元器件我们是自己设计的。为了更好的表述封装设计过程,本文描述了CH340G和MAX232芯片封装创建(SOP-16),并将原理图的元器件关联引脚封装。
硬件开发笔记(十): 硬件开发基本流程,制作一个USB转RS232的模块(九):创建CH340G/MAX232封装库sop-16并关联原理图元器件