使用 NineData GUI 创建与修改 ClickHouse 表结构

简介: 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。

01 前言

随着 ClickHouse 的快速发展,越来越多的开发者关注并在业务中使用 ClickHouse。作为开发人员除了在应用中访问数据库、进行业务数据的分析跟进,还有很重要的一个库表结构的设计。但在 ClickHouse 官方文档推荐的众多第三方开发的可视化管理工具中,不论是商业的还是开源的,绝大多数只关注在其数据的查询、分析、报表呈现、性能等领域,对表结构变更的可视化管理仅 DBeaver、DBM 有少量支持(前者交互较重,后者仅少量场景的新建支持,可参考两个产品的建表界面)。

参考两个产品DBeaver、DBM的建表界面.png

在前面的文章中我们已经介绍过「NineData:强大的ClickHouse图形客户端工具」,今天我们重点来介绍一下如何通过 NineData 帮助开发者,通过 GUI 的方式创建、修改 ClickHouse 的数据库表结构。

02 新建表

进入 NineData平台后,首先打开左侧的 SQL 窗口,选择我们的目标数据源(此处演示为 ck_集群测试1);在左侧对象导航树找到我们的目标数据库(此处演示为 str_test),在该对象名上鼠标右键选择“创建表”,进入新建表页面,如下:

NineData SQL窗口.png

缺省我们 NineData会提供默认表名、主键 id 等信息,缺省表引擎为 ClickHouse 里最强的 MergeTree,您可按需调整表名、注释、引擎参数、字段、压缩与编码、索引、排序键(key 配置)、投影、约束、分区、过期时间等相关信息。如果您想要在指定逻辑集群的多个节点同时创建同一个表,也可以选择配置 on cluster 参数(此处演示选择 ninedata_cluster);当您选择 on cluster 参数后,我们 NineData提供您一键为“本地表”创建“分布式表”的能力(勾选 创建分布式表,您可在下方 SQL 脚本中实时看到对应的语句);若您暂时不需要创建分布式表,则可取消该勾选项。

NineData 提供一键“本地表”创建“分布式表”的能力.png

另外,如果您的本地表已经创建在每个分片节点上,您想对其再创建一个分布式表,您只需要将表引擎选择为 Distributed ,我们同样为您提供高效的创建方案。当您选择好本地表,我们 NineData将为您一键带入本地表的字段相关定义信息,只需要补充分布式参数就可以完成创建(一般建议填写 sharding_key,此处示例为 user_id;缺省分布式表的表名为“本地表名称_all”)。

NineData 选择本地表.png

在建表语句确认后,点击页面的保存,完成确认即可执行生效到数据库中。执行完成后您在 NineData SQL 窗口可通过如下 SQL 进行确认:

## 查看逻辑集群有哪些分片节点:
## 此处 ninedata_cluster 需要替换为您使用的逻辑集群名
select *
  from system.clusters
 where cluster='ninedata_cluster';
 
 ## 查看本地表、分布式表的创建情况:
 ## 此处 order 需要替换为您实际定义的本地表的表名称
 ## 此处str_test 需要替换为您实际使用的ClickHouse数据库名称
 
 SELECT *
  from system.tables
 where name like 'order%'
   and database='str_test';
   
您还可以按需在SQL1查出来的逻辑集群分片上逐一确认表结构、建表语句等信息。

当前,我们 NineData的「新建表」功能完整支持 ClickHouse 的所有表引擎、引擎参数、字段属性等相关的选择与配置;同时,新建表对集群与分布式的支持,即可以帮您保障多个本地表在集群分片上的一致、分布式表与本地表的一致,更可有效帮您提升研发效率,减少重复工作的投入。

03 修改表

当业务发展发生需求变更时,表结构的修改也是极其常见的需求;此时您只需要在 SQL 窗口左侧导航树找到对应目标表,右键“编辑表”即可进入修改页面,字段等相关信息您可按需修改(注:为了更好的适配 ClickHouse 的特性,部分信息如表引擎等是不支持修改的,具体数据库支持能力参考 ClickHouse 官方文档)。

NineData 修改表.png

当前,我们 NineData的「编辑表」功能也完整支持 ClickHouse 的全部变更操作,集群多个分片的一致性变更也已支持。

04 总结

关于 ClickHouse 表结构变更的可视化管理,今天先介绍到这里。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。

目录
相关文章
|
7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。
344 2
NineData:从Kafka到ClickHouse的数据同步解决方案
|
SQL 关系型数据库 MySQL
NineData:强大的ClickHouse GUI管理工具
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。
1179 0
NineData:强大的ClickHouse GUI管理工具
|
2月前
|
存储 关系型数据库 MySQL
一个项目用5款数据库?MySQL、PostgreSQL、ClickHouse、MongoDB区别,适用场景
一个项目用5款数据库?MySQL、PostgreSQL、ClickHouse、MongoDB——特点、性能、扩展性、安全性、适用场景比较
|
3天前
|
SQL Unix OLAP
ClickHouse安装教程:开启你的列式数据库之旅
ClickHouse 是一个高性能的列式数据库管理系统,适用于在线分析处理(OLAP)。本文介绍了 ClickHouse 的基本使用步骤,包括下载二进制文件、安装应用、启动服务器和客户端、创建表、插入数据以及查询新表。还提到了图形客户端 DBeaver 的使用,使操作更加直观。通过这些步骤,用户可以快速上手并利用 ClickHouse 的强大性能进行数据分析。
23 4
|
2月前
|
存储 分布式计算 数据库
阿里云国际版设置数据库云分析工作负载的 ClickHouse 版
阿里云国际版设置数据库云分析工作负载的 ClickHouse 版
|
3月前
|
存储 SQL 缓存
数据库测试|Elasticsearch和ClickHouse的对决
由于目前市场上主流的数据库有许多,这次我们选择其中一个比较典型的Elasticsearch来和ClickHouse做一次实战测试,让大家更直观地看到真实的比对数据,从而对这两个数据库有更深入的了解,也就能理解为什么我们会选择ClickHouse。
数据库测试|Elasticsearch和ClickHouse的对决
|
2月前
|
存储 关系型数据库 MySQL
四种数据库对比MySQL、PostgreSQL、ClickHouse、MongoDB——特点、性能、扩展性、安全性、适用场景
四种数据库对比 MySQL、PostgreSQL、ClickHouse、MongoDB——特点、性能、扩展性、安全性、适用场景
|
6月前
|
DataWorks API 调度
DataWorks产品使用合集之在调度配置配置了节点的上游节点输出,没办法自动生成这个flow的依赖,该怎么操作
DataWorks作为一站式的数据开发与治理平台,提供了从数据采集、清洗、开发、调度、服务化、质量监控到安全管理的全套解决方案,帮助企业构建高效、规范、安全的大数据处理体系。以下是对DataWorks产品使用合集的概述,涵盖数据处理的各个环节。
|
6月前
|
DataWorks 安全 关系型数据库
DataWorks产品使用合集之建了 polar 与clickhouse的数据源。为什么数据库这里总是mysql呢
DataWorks作为一站式的数据开发与治理平台,提供了从数据采集、清洗、开发、调度、服务化、质量监控到安全管理的全套解决方案,帮助企业构建高效、规范、安全的大数据处理体系。以下是对DataWorks产品使用合集的概述,涵盖数据处理的各个环节。
|
5月前
|
存储 大数据 关系型数据库
从 ClickHouse 到阿里云数据库 SelectDB 内核 Apache Doris:快成物流的数智化货运应用实践
目前已经部署在 2 套生产集群,存储数据总量达百亿规模,覆盖实时数仓、BI 多维分析、用户画像、货运轨迹信息系统等业务场景。