إذا كنت تستخدم قاعدة بيانات علائقية تقليدية، فقد تبحث في ClickHouse عن الإجراءات المخزنة والعبارات المُحضّرة. يشرح هذا الدليل نهج ClickHouse تجاه هذه المفاهيم ويقدّم بدائل موصى بها.
بدائل الإجراءات المخزنة في ClickHouse
لا يدعم ClickHouse الإجراءات المخزنة التقليدية التي تتضمن منطق التحكم في التدفق (IF/ELSE، والحلقات، وما إلى ذلك).
وهذا قرار تصميمي مقصود يستند إلى معمارية ClickHouse باعتباره قاعدة بيانات تحليلية.
ولا يُنصح باستخدام الحلقات في قواعد البيانات التحليلية، لأن معالجة O(n) من الاستعلامات البسيطة تكون عادةً أبطأ من معالجة عدد أقل من الاستعلامات المعقدة.
تم تحسين ClickHouse من أجل:
- أحمال العمل التحليلية - عمليات تجميع معقدة عبر مجموعات بيانات كبيرة
- المعالجة على دفعات - التعامل بكفاءة مع كميات كبيرة من البيانات
- الاستعلامات التصريحية - استعلامات SQL التي تصف البيانات المطلوب استرجاعها، لا كيفية معالجتها
تتعارض الإجراءات المخزنة ذات المنطق الإجرائي مع أوجه التحسين هذه. وبدلًا من ذلك، يوفّر ClickHouse بدائل تتوافق مع نقاط قوته.
الدوال المعرّفة من قبل المستخدم (UDFs)
تتيح لك الدوال المعرّفة من قبل المستخدم تغليف منطق قابل لإعادة الاستخدام من دون التحكم في التدفق. يدعم ClickHouse نوعين:
UDFs المستندة إلى Lambda
أنشئ الدوال باستخدام تعبيرات SQL وبنية Lambda:
بيانات نموذجية للأمثلة
-- إنشاء جدول المنتجات
CREATE TABLE products (
product_id UInt32,
product_name String,
price Decimal(10, 2)
)
ENGINE = MergeTree()
ORDER BY product_id;
-- إدراج بيانات نموذجية
INSERT INTO products (product_id, product_name, price) VALUES
(1, 'Laptop', 899.99),
(2, 'Wireless Mouse', 24.99),
(3, 'USB-C Cable', 12.50),
(4, 'Monitor', 299.00),
(5, 'Keyboard', 79.99),
(6, 'Webcam', 54.95),
(7, 'Desk Lamp', 34.99),
(8, 'External Hard Drive', 119.99),
(9, 'Headphones', 149.00),
(10, 'Phone Stand', 15.99);-- Simple calculation function
CREATE FUNCTION calculate_tax AS (price, rate) -> price * rate;
SELECT
product_name,
price,
calculate_tax(price, 0.08) AS tax
FROM products;-- Conditional logic using if()
CREATE FUNCTION price_tier AS (price) ->
if(price < 100, 'Budget',
if(price < 500, 'Mid-range', 'Premium'));
SELECT
product_name,
price,
price_tier(price) AS tier
FROM products;-- String manipulation
CREATE FUNCTION format_phone AS (phone) ->
concat('(', substring(phone, 1, 3), ') ',
substring(phone, 4, 3), '-',
substring(phone, 7, 4));
SELECT format_phone('5551234567');
-- Result: (555) 123-4567القيود:
- لا توجد حلقات أو بنى تحكم معقدة في التدفق
- لا يمكن تعديل البيانات (
INSERT/UPDATE/DELETE) - لا يُسمح بالدوال العودية
راجع CREATE FUNCTION للاطلاع على البنية الكاملة.
دوال UDF القابلة للتنفيذ
للمنطق الأكثر تعقيدًا، استخدم دوال UDF القابلة للتنفيذ التي تستدعي برامج خارجية:
<!-- /etc/clickhouse-server/sentiment_analysis_function.xml -->
<functions>
<function>
<type>executable</type>
<name>sentiment_score</name>
<return_type>Float32</return_type>
<argument>
<type>String</type>
</argument>
<format>TabSeparated</format>
<command>python3 /opt/scripts/sentiment.py</command>
</function>
</functions>-- Use the executable UDF
SELECT
review_text,
sentiment_score(review_text) AS score
FROM customer_reviews;يمكن لـ Executable UDFs تنفيذ أي منطق مخصّص بأي لغة (بايثون، Node.js، Go، إلخ).
راجع Executable UDFs لمزيد من التفاصيل.
العروض ذات المعلمات
تعمل العروض ذات المعلمات كأنها دوال تُرجِع مجموعات بيانات. وهي مثالية للاستعلامات القابلة لإعادة الاستخدام مع التصفية الديناميكية:
بيانات نموذجية لهذا المثال
-- إنشاء جدول المبيعات
CREATE TABLE sales (
date Date,
product_id UInt32,
product_name String,
category String,
quantity UInt32,
revenue Decimal(10, 2),
sales_amount Decimal(10, 2)
)
ENGINE = MergeTree()
ORDER BY (date, product_id);
-- إدراج بيانات نموذجية
INSERT INTO sales VALUES
('2024-01-05', 12345, 'Laptop Pro', 'Electronics', 2, 1799.98, 1799.98),
('2024-01-06', 12345, 'Laptop Pro', 'Electronics', 1, 899.99, 899.99),
('2024-01-10', 12346, 'Wireless Mouse', 'Electronics', 5, 124.95, 124.95),
('2024-01-15', 12347, 'USB-C Cable', 'Accessories', 10, 125.00, 125.00),
('2024-01-20', 12345, 'Laptop Pro', 'Electronics', 3, 2699.97, 2699.97),
('2024-01-25', 12348, 'Monitor 4K', 'Electronics', 2, 598.00, 598.00),
('2024-02-01', 12345, 'Laptop Pro', 'Electronics', 1, 899.99, 899.99),
('2024-02-05', 12349, 'Keyboard Mechanical', 'Accessories', 4, 319.96, 319.96),
('2024-02-10', 12346, 'Wireless Mouse', 'Electronics', 8, 199.92, 199.92),
('2024-02-15', 12350, 'Webcam HD', 'Electronics', 3, 164.85, 164.85);-- Create a parameterized view
CREATE VIEW sales_by_date AS
SELECT
date,
product_id,
sum(quantity) AS total_quantity,
sum(revenue) AS total_revenue
FROM sales
WHERE date BETWEEN {start_date:Date} AND {end_date:Date}
GROUP BY date, product_id;-- Query the view with parameters
SELECT *
FROM sales_by_date(start_date='2024-01-01', end_date='2024-01-31')
WHERE product_id = 12345;حالات الاستخدام الشائعة
- تصفية نطاق التاريخ ديناميكيًا
- تقسيم البيانات حسب المستخدم
- الوصول إلى البيانات في البيئات متعددة المستأجرين
- قوالب التقارير
- إخفاء البيانات
-- More complex parameterized view
CREATE VIEW top_products_by_category AS
SELECT
category,
product_name,
revenue,
rank
FROM (
SELECT
category,
product_name,
revenue,
rank() OVER (PARTITION BY category ORDER BY revenue DESC) AS rank
FROM (
SELECT
category,
product_name,
sum(sales_amount) AS revenue
FROM sales
WHERE category = {category:String}
AND date >= {min_date:Date}
GROUP BY category, product_name
)
)
WHERE rank <= {top_n:UInt32};
-- Use it
SELECT * FROM top_products_by_category(
category='Electronics',
min_date='2024-01-01',
top_n=10
);راجع قسم العروض ذات المعلمات لمزيد من المعلومات.
العروض المادية
تُعد العروض المادية مثالية للحساب المسبق لعمليات التجميع المكلفة التي كانت تُنفَّذ تقليديًا داخل الإجراءات المخزنة. إذا كنت معتادًا على قواعد البيانات التقليدية، فاعتبر العرض المادي مُشغِّل INSERT يحوِّل البيانات ويجمعها تلقائيًا عند إدراجها في جدول المصدر:
-- Source table
CREATE TABLE page_views (
user_id UInt64,
page String,
timestamp DateTime,
session_id String
)
ENGINE = MergeTree()
ORDER BY (user_id, timestamp);
-- Materialized view that maintains aggregated statistics
CREATE MATERIALIZED VIEW daily_user_stats
ENGINE = SummingMergeTree()
ORDER BY (date, user_id)
AS SELECT
toDate(timestamp) AS date,
user_id,
count() AS page_views,
uniq(session_id) AS sessions,
uniq(page) AS unique_pages
FROM page_views
GROUP BY date, user_id;
-- Insert sample data into source table
INSERT INTO page_views VALUES
(101, '/home', '2024-01-15 10:00:00', 'session_a1'),
(101, '/products', '2024-01-15 10:05:00', 'session_a1'),
(101, '/checkout', '2024-01-15 10:10:00', 'session_a1'),
(102, '/home', '2024-01-15 11:00:00', 'session_b1'),
(102, '/about', '2024-01-15 11:05:00', 'session_b1'),
(101, '/home', '2024-01-16 09:00:00', 'session_a2'),
(101, '/products', '2024-01-16 09:15:00', 'session_a2'),
(103, '/home', '2024-01-16 14:00:00', 'session_c1'),
(103, '/products', '2024-01-16 14:05:00', 'session_c1'),
(103, '/products', '2024-01-16 14:10:00', 'session_c1'),
(102, '/home', '2024-01-17 10:30:00', 'session_b2'),
(102, '/contact', '2024-01-17 10:35:00', 'session_b2');
-- Query pre-aggregated data
SELECT
user_id,
sum(page_views) AS total_views,
sum(sessions) AS total_sessions
FROM daily_user_stats
WHERE date BETWEEN '2024-01-01' AND '2024-01-31'
GROUP BY user_id;العروض المادية القابلة للتحديث
للمعالجة الدفعية المجدولة (مثل الإجراءات المخزنة الليلية):
-- Automatically refresh every day at 2 AM
CREATE MATERIALIZED VIEW monthly_sales_report
REFRESH EVERY 1 DAY OFFSET 2 HOUR
AS SELECT
toStartOfMonth(order_date) AS month,
region,
product_category,
count() AS order_count,
sum(amount) AS total_revenue,
avg(amount) AS avg_order_value
FROM orders
WHERE order_date >= today() - INTERVAL 13 MONTH
GROUP BY month, region, product_category;
-- Query always has fresh data
SELECT * FROM monthly_sales_report
WHERE month = toStartOfMonth(today());راجع العروض المادية المتتالية للاطلاع على الأنماط المتقدمة.
تنسيق العمليات خارجيًا
عند التعامل مع منطق أعمال معقّد، أو سير عمل ETL، أو عمليات متعددة الخطوات، يمكن دائمًا تنفيذ هذا المنطق خارج ClickHouse باستخدام مكتبات العملاء للغات البرمجة.
استخدام شيفرة التطبيق
فيما يلي مقارنة جنبًا إلى جنب توضّح كيفية تحويل إجراء مخزّن في MySQL إلى شيفرة تطبيق عند استخدام ClickHouse:
DELIMITER $$
CREATE PROCEDURE process_order(
IN p_order_id INT,
IN p_customer_id INT,
IN p_order_total DECIMAL(10,2),
OUT p_status VARCHAR(50),
OUT p_loyalty_points INT
)
BEGIN
DECLARE v_customer_tier VARCHAR(20);
DECLARE v_previous_orders INT;
DECLARE v_discount DECIMAL(10,2);
-- Start transaction
START TRANSACTION;
-- Get customer information
SELECT tier, total_orders
INTO v_customer_tier, v_previous_orders
FROM customers
WHERE customer_id = p_customer_id;
-- Calculate discount based on tier
IF v_customer_tier = 'gold' THEN
SET v_discount = p_order_total * 0.15;
ELSEIF v_customer_tier = 'silver' THEN
SET v_discount = p_order_total * 0.10;
ELSE
SET v_discount = 0;
END IF;
-- Insert order record
INSERT INTO orders (order_id, customer_id, order_total, discount, final_amount)
VALUES (p_order_id, p_customer_id, p_order_total, v_discount,
p_order_total - v_discount);
-- Update customer statistics
UPDATE customers
SET total_orders = total_orders + 1,
lifetime_value = lifetime_value + (p_order_total - v_discount),
last_order_date = NOW()
WHERE customer_id = p_customer_id;
-- Calculate loyalty points (1 point per dollar)
SET p_loyalty_points = FLOOR(p_order_total - v_discount);
-- Insert loyalty points transaction
INSERT INTO loyalty_points (customer_id, points, transaction_date, description)
VALUES (p_customer_id, p_loyalty_points, NOW(),
CONCAT('Order #', p_order_id));
-- Check if customer should be upgraded
IF v_previous_orders + 1 >= 10 AND v_customer_tier = 'bronze' THEN
UPDATE customers SET tier = 'silver' WHERE customer_id = p_customer_id;
SET p_status = 'ORDER_COMPLETE_TIER_UPGRADED_SILVER';
ELSEIF v_previous_orders + 1 >= 50 AND v_customer_tier = 'silver' THEN
UPDATE customers SET tier = 'gold' WHERE customer_id = p_customer_id;
SET p_status = 'ORDER_COMPLETE_TIER_UPGRADED_GOLD';
ELSE
SET p_status = 'ORDER_COMPLETE';
END IF;
COMMIT;
END$$
DELIMITER ;
-- Call the stored procedure
CALL process_order(12345, 5678, 250.00, @status, @points);
SELECT @status, @points;# Python example using clickhouse-connect
import clickhouse_connect
from datetime import datetime
from decimal import Decimal
client = clickhouse_connect.get_client(host='localhost')
def process_order(order_id: int, customer_id: int, order_total: Decimal) -> tuple[str, int]:
"""
Processes an order with business logic that would be in a stored procedure.
Returns: (status_message, loyalty_points)
Note: ClickHouse is optimized for analytics, not OLTP transactions.
For transactional workloads, use an OLTP database (PostgreSQL, MySQL)
and sync analytics data to ClickHouse for reporting.
"""
# Step 1: Get customer information
result = client.query(
"""
SELECT tier, total_orders
FROM customers
WHERE customer_id = {cid: UInt32}
""",
parameters={'cid': customer_id}
)
if not result.result_rows:
raise ValueError(f"Customer {customer_id} not found")
customer_tier, previous_orders = result.result_rows[0]
# Step 2: Calculate discount based on tier (business logic in Python)
discount_rates = {'gold': 0.15, 'silver': 0.10, 'bronze': 0.0}
discount = order_total * Decimal(str(discount_rates.get(customer_tier, 0.0)))
final_amount = order_total - discount
# Step 3: Insert order record
client.command(
"""
INSERT INTO orders (order_id, customer_id, order_total, discount,
final_amount, order_date)
VALUES ({oid: UInt32}, {cid: UInt32}, {total: Decimal64(2)},
{disc: Decimal64(2)}, {final: Decimal64(2)}, now())
""",
parameters={
'oid': order_id,
'cid': customer_id,
'total': float(order_total),
'disc': float(discount),
'final': float(final_amount)
}
)
# Step 4: Calculate new customer statistics
new_order_count = previous_orders + 1
# For analytics databases, prefer INSERT over UPDATE
# This uses a ReplacingMergeTree pattern
client.command(
"""
INSERT INTO customers (customer_id, tier, total_orders, last_order_date,
update_time)
SELECT
customer_id,
tier,
{new_count: UInt32} AS total_orders,
now() AS last_order_date,
now() AS update_time
FROM customers
WHERE customer_id = {cid: UInt32}
""",
parameters={'cid': customer_id, 'new_count': new_order_count}
)
# Step 5: Calculate and record loyalty points
loyalty_points = int(final_amount)
client.command(
"""
INSERT INTO loyalty_points (customer_id, points, transaction_date, description)
VALUES ({cid: UInt32}, {pts: Int32}, now(),
{desc: String})
""",
parameters={
'cid': customer_id,
'pts': loyalty_points,
'desc': f'Order #{order_id}'
}
)
# Step 6: Check for tier upgrade (business logic in Python)
status = 'ORDER_COMPLETE'
if new_order_count >= 10 and customer_tier == 'bronze':
# Upgrade to silver
client.command(
"""
INSERT INTO customers (customer_id, tier, total_orders, last_order_date,
update_time)
SELECT
customer_id, 'silver' AS tier, total_orders, last_order_date,
now() AS update_time
FROM customers
WHERE customer_id = {cid: UInt32}
""",
parameters={'cid': customer_id}
)
status = 'ORDER_COMPLETE_TIER_UPGRADED_SILVER'
elif new_order_count >= 50 and customer_tier == 'silver':
# Upgrade to gold
client.command(
"""
INSERT INTO customers (customer_id, tier, total_orders, last_order_date,
update_time)
SELECT
customer_id, 'gold' AS tier, total_orders, last_order_date,
now() AS update_time
FROM customers
WHERE customer_id = {cid: UInt32}
""",
parameters={'cid': customer_id}
)
status = 'ORDER_COMPLETE_TIER_UPGRADED_GOLD'
return status, loyalty_points
# Use the function
status, points = process_order(
order_id=12345,
customer_id=5678,
order_total=Decimal('250.00')
)
print(f"Status: {status}, Loyalty Points: {points}")الاختلافات الرئيسية
- التحكم في التدفق - تستخدم الإجراءات المخزنة في MySQL تعليمات
IF/ELSEوحلقاتWHILE. في ClickHouse، نفّذ هذا المنطق في شيفرة التطبيق لديك (بايثون، Java، إلخ.) - المعاملات - يدعم MySQL أوامر
BEGIN/COMMIT/ROLLBACKلمعاملات ACID. أما ClickHouse فهي قاعدة بيانات تحليلية مُحسّنة لأعباء العمل المعتمدة على الإلحاق فقط، وليست مخصّصة للتحديثات المعاملاتية - التحديثات - يستخدم MySQL عبارات
UPDATE. بينما يفضّل ClickHouse استخدامINSERTمع ReplacingMergeTree أو CollapsingMergeTree للبيانات القابلة للتغيير - المتغيرات والحالة - يمكن للإجراءات المخزنة في MySQL تعريف متغيرات (
DECLARE v_discount). في ClickHouse، أدر الحالة في شيفرة التطبيق لديك - معالجة الأخطاء - يدعم MySQL
SIGNALومعالجات الاستثناءات. وفي شيفرة التطبيق، استخدم آليات معالجة الأخطاء الأصلية في لغتك (try/catch)
استخدام أدوات تنسيق سير العمل
- Apache Airflow - جدولة مخططات DAG المعقدة لاستعلامات ClickHouse ومراقبتها
- dbt - تحويل البيانات باستخدام مهام سير عمل قائمة على SQL
- Prefect/Dagster - تنسيق حديث قائم على بايثون
- Custom schedulers - مهام Cron وCronJobs في Kubernetes وما إلى ذلك.
فوائد التنسيق الخارجي:
- إمكانات كاملة للغات البرمجة
- معالجة أفضل للأخطاء ومنطق أفضل لإعادة المحاولة
- التكامل مع الأنظمة الخارجية (واجهات برمجة التطبيقات، وقواعد البيانات الأخرى)
- التحكم في الإصدارات والاختبار
- المراقبة والتنبيهات
- جدولة أكثر مرونة
بدائل العبارات المُحضَّرة في ClickHouse
مع أن ClickHouse لا يدعم "العبارات المُحضَّرة" التقليدية بالمفهوم المتعارف عليه في أنظمة إدارة قواعد البيانات العلائقية، فإنه يوفّر معلمات الاستعلام التي تؤدي الغرض نفسه: استعلامات آمنة مُعلَّمة بمعلمات وتمنع حقن SQL.
الصيغة
هناك طريقتان لتحديد معلمات الاستعلام:
الطريقة 1: استخدام SET
مثال على الجدول والبيانات
-- إنشاء جدول user_events (بناء جملة ClickHouse)
CREATE TABLE user_events (
event_id UInt32,
user_id UInt64,
event_name String,
event_date Date,
event_timestamp DateTime
) ENGINE = MergeTree()
ORDER BY (user_id, event_date);
-- إدراج بيانات نموذجية لعدة مستخدمين وأحداث
INSERT INTO user_events (event_id, user_id, event_name, event_date, event_timestamp) VALUES
(1, 12345, 'page_view', '2024-01-05', '2024-01-05 10:30:00'),
(2, 12345, 'page_view', '2024-01-05', '2024-01-05 10:35:00'),
(3, 12345, 'add_to_cart', '2024-01-05', '2024-01-05 10:40:00'),
(4, 12345, 'page_view', '2024-01-10', '2024-01-10 14:20:00'),
(5, 12345, 'add_to_cart', '2024-01-10', '2024-01-10 14:25:00'),
(6, 12345, 'purchase', '2024-01-10', '2024-01-10 14:30:00'),
(7, 12345, 'page_view', '2024-01-15', '2024-01-15 09:15:00'),
(8, 12345, 'page_view', '2024-01-15', '2024-01-15 09:20:00'),
(9, 12345, 'page_view', '2024-01-20', '2024-01-20 16:45:00'),
(10, 12345, 'add_to_cart', '2024-01-20', '2024-01-20 16:50:00'),
(11, 12345, 'purchase', '2024-01-25', '2024-01-25 11:10:00'),
(12, 12345, 'page_view', '2024-01-28', '2024-01-28 13:30:00'),
(13, 67890, 'page_view', '2024-01-05', '2024-01-05 11:00:00'),
(14, 67890, 'add_to_cart', '2024-01-05', '2024-01-05 11:05:00'),
(15, 67890, 'purchase', '2024-01-05', '2024-01-05 11:10:00'),
(16, 12345, 'page_view', '2024-02-01', '2024-02-01 10:00:00'),
(17, 12345, 'add_to_cart', '2024-02-01', '2024-02-01 10:05:00');SET param_user_id = 12345;
SET param_start_date = '2024-01-01';
SET param_end_date = '2024-01-31';
SELECT
event_name,
count() AS event_count
FROM user_events
WHERE user_id = {user_id: UInt64}
AND event_date BETWEEN {start_date: Date} AND {end_date: Date}
GROUP BY event_name;الطريقة 2: استخدام معلَمات CLI
clickhouse-client \
--param_user_id=12345 \
--param_start_date='2024-01-01' \
--param_end_date='2024-01-31' \
--query="SELECT count() FROM user_events
WHERE user_id = {user_id: UInt64}
AND event_date BETWEEN {start_date: Date} AND {end_date: Date}"بنية المعاملات
يُشار إلى المعاملات باستخدام: {parameter_name: DataType}
parameter_name- اسم المعامل (من دون البادئةparam_)DataType- نوع بيانات ClickHouse الذي يُحوَّل المعامل إليه
أمثلة على أنواع البيانات
الجداول وبيانات العينة لهذا المثال
-- 1. أنشئ جدولًا لاختبارات السلاسل النصية والأرقام
CREATE TABLE IF NOT EXISTS users (
name String,
age UInt8,
salary Float64
) ENGINE = Memory;
INSERT INTO users VALUES
('John Doe', 25, 75000.50),
('Jane Smith', 30, 85000.75),
('Peter Jones', 20, 50000.00);
-- 2. أنشئ جدولًا لاختبارات التاريخ والطابع الزمني
CREATE TABLE IF NOT EXISTS events (
event_date Date,
event_timestamp DateTime
) ENGINE = Memory;
INSERT INTO events VALUES
('2024-01-15', '2024-01-15 14:30:00'),
('2024-01-15', '2024-01-15 15:00:00'),
('2024-01-16', '2024-01-16 10:00:00');
-- 3. أنشئ جدولًا لاختبارات المصفوفات
CREATE TABLE IF NOT EXISTS products (
id UInt32,
name String
) ENGINE = Memory;
INSERT INTO products VALUES (1, 'Laptop'), (2, 'Monitor'), (3, 'Mouse'), (4, 'Keyboard');
-- 4. أنشئ جدولًا لاختبارات Map (الشبيهة بـ struct)
CREATE TABLE IF NOT EXISTS accounts (
user_id UInt32,
status String,
type String
) ENGINE = Memory;
INSERT INTO accounts VALUES
(101, 'active', 'premium'),
(102, 'inactive', 'basic'),
(103, 'active', 'basic');
-- 5. أنشئ جدولًا لاختبارات Identifier
CREATE TABLE IF NOT EXISTS sales_2024 (
value UInt32
) ENGINE = Memory;
INSERT INTO sales_2024 VALUES (100), (200), (300);SET param_name = 'John Doe';
SET param_age = 25;
SET param_salary = 75000.50;
SELECT name, age, salary FROM users
WHERE name = {name: String}
AND age >= {age: UInt8}
AND salary <= {salary: Float64};SET param_date = '2024-01-15';
SET param_timestamp = '2024-01-15 14:30:00';
SELECT * FROM events
WHERE event_date = {date: Date}
OR event_timestamp > {timestamp: DateTime};SET param_ids = [1, 2, 3, 4, 5];
SELECT * FROM products WHERE id IN {ids: Array(UInt32)};SET param_filters = {'target_status': 'active'};
SELECT user_id, status, type FROM accounts
WHERE status = arrayElement(
mapValues({filters: Map(String, String)}),
indexOf(mapKeys({filters: Map(String, String)}), 'target_status')
);SET param_table = 'sales_2024';
SELECT count() FROM {table: Identifier};لاستخدام معلَمات الاستعلام في مكتبات العملاء للغات البرمجة، راجع وثائق مكتبة العميل الخاصة بلغة البرمجة التي تهمك.
قيود معلمات الاستعلام
معلمات الاستعلام ليست بدائل نصية عامة، بل لها قيود محددة:
- هي مخصصة أساسًا لعبارات SELECT - وأفضل دعم لها يكون في استعلامات SELECT
- هي تعمل كمُعرّفات أو قيم حرفية - ولا يمكنها أن تحل محل أجزاء SQL عشوائية
- لديها دعم محدود لـ DDL - فهي مدعومة في
CREATE TABLE، ولكن ليس فيALTER TABLE
ما ينجح:
-- ✓ Values in WHERE clause
SELECT * FROM users WHERE id = {user_id: UInt64};
-- ✓ Table/database names
SELECT * FROM {db: Identifier}.{table: Identifier};
-- ✓ Values in IN clause
SELECT * FROM products WHERE id IN {ids: Array(UInt32)};
-- ✓ CREATE TABLE
CREATE TABLE {table_name: Identifier} (id UInt64, name String) ENGINE = MergeTree() ORDER BY id;ما الذي لا يعمل:
-- ✗ Column names in SELECT (use Identifier carefully)
SELECT {column: Identifier} FROM users; -- Limited support
-- ✗ Arbitrary SQL fragments
SELECT * FROM users {where_clause: String}; -- NOT SUPPORTED
-- ✗ ALTER TABLE statements
ALTER TABLE {table: Identifier} ADD COLUMN new_col String; -- NOT SUPPORTED
-- ✗ Multiple statements
{statements: String}; -- NOT SUPPORTEDأفضل الممارسات الأمنية
استخدم دائمًا معلمات الاستعلام لأي إدخال من المستخدم:
# ✓ SAFE - Uses parameters
user_input = request.get('user_id')
result = client.query(
"SELECT * FROM orders WHERE user_id = {uid: UInt64}",
parameters={'uid': user_input}
)
# ✗ DANGEROUS - SQL injection risk!
user_input = request.get('user_id')
result = client.query(f"SELECT * FROM orders WHERE user_id = {user_input}")تحقّق من أنواع الإدخال:
def get_user_orders(user_id: int, start_date: str):
# Validate types before querying
if not isinstance(user_id, int) or user_id <= 0:
raise ValueError("Invalid user_id")
# Parameters enforce type safety
return client.query(
"""
SELECT * FROM orders
WHERE user_id = {uid: UInt64}
AND order_date >= {start: Date}
""",
parameters={'uid': user_id, 'start': start_date}
)العبارات المُحضَّرة في بروتوكول MySQL
تتضمن واجهة MySQL في ClickHouse حدًا أدنى من دعم العبارات المُحضَّرة (COM_STMT_PREPARE, COM_STMT_EXECUTE, COM_STMT_CLOSE)، وذلك أساسًا لإتاحة الاتصال بأدوات مثل Tableau Online التي تُغلّف الاستعلامات داخل عبارات مُحضَّرة.
القيود الأساسية:
- ربط المَعلمات غير مدعوم - لا يمكنك استخدام العناصر النائبة
?مع مَعلمات مرتبطة - تُخزَّن الاستعلامات، لكنها لا تُحلَّل أثناء
PREPARE - التنفيذ محدود جدًا ومصمم للتوافق مع أدوات BI محددة
مثال على ما لا يعمل:
-- This MySQL-style prepared statement with parameters does NOT work in ClickHouse
PREPARE stmt FROM 'SELECT * FROM users WHERE id = ?';
EXECUTE stmt USING @user_id; -- Parameter binding not supportedلمزيد من التفاصيل، راجع وثائق واجهة MySQL ومنشور المدونة حول دعم MySQL.
الخلاصة
بدائل ClickHouse للإجراءات المخزنة
| نمط الإجراءات المخزنة التقليدي | بديل ClickHouse |
|---|---|
| الحسابات والتحويلات البسيطة | الدوال المعرّفة من قبل المستخدم (UDFs) |
| الاستعلامات ذات المعلمات القابلة لإعادة الاستخدام | العروض ذات المعلمات |
| التجميعات المحسوبة مسبقًا | العروض المادية |
| المعالجة الدفعية المجدولة | العروض المادية القابلة للتحديث |
| مهام ETL المعقدة متعددة الخطوات | العروض المادية المتسلسلة أو التنسيق الخارجي (بايثون, Airflow, dbt) |
| منطق الأعمال مع التحكم في التدفق | شيفرة التطبيق |
استخدام معلمات الاستعلام
يمكن استخدام معلمات الاستعلام للأغراض التالية:
- منع حقن SQL
- الاستعلامات المُعلَّمة مع ضمان سلامة الأنواع
- التصفية الديناميكية في التطبيقات
- قوالب استعلام قابلة لإعادة الاستخدام
CREATE FUNCTION- الدوال المعرّفة من قبل المستخدمCREATE VIEW- العروض، بما في ذلك العروض ذات المعلمات والعروض المادية- بنية SQL - معلمات الاستعلام - البنية الكاملة للمعلمات
- العروض المادية المتتالية - أنماط متقدمة للعروض المادية
- دوال UDF قابلة للتنفيذ - تنفيذ الدوال الخارجية