O DataStore oferece mais de 20 métodos de fábrica para criar instâncias a partir de diversas fontes de dados, incluindo arquivos locais, bancos de dados, armazenamento em nuvem e lagos de dados.
Interface universal de URI
O método uri() é o ponto de entrada universal recomendado, que detecta automaticamente o tipo da origem:
from chdb.datastore import DataStore
# Arquivos locais
ds = DataStore.uri("data.csv")
ds = DataStore.uri("/path/to/data.parquet")
# Armazenamento em nuvem
ds = DataStore.uri("s3://bucket/data.parquet?nosign=true")
ds = DataStore.uri("https://example.com/data.csv")
# Bancos de dados
ds = DataStore.uri("mysql://user:pass@host:3306/db/table")
ds = DataStore.uri("postgresql://user:pass@host:5432/db/table")Referência da sintaxe de URI
| tipo de origem | Formato de URI | Exemplo |
|---|---|---|
| Arquivo local | 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 |
Fontes de arquivo
from_file
Cria um DataStore a partir de um arquivo local ou remoto, com detecção automática de formato.
DataStore.from_file(path, format=None, compression=None, **kwargs)Parâmetros:
| Parâmetro | Tipo | Padrão | Descrição |
|---|---|---|---|
path |
str | obrigatório | Caminho do arquivo (local ou URL) |
format |
str | None |
Formato do arquivo (detectado automaticamente se for None) |
compression |
str | None |
Tipo de compressão (detectado automaticamente se for None) |
Formatos suportados: CSV, TSV, Parquet, JSON, JSONLines, ORC, Avro, Arrow
Exemplos:
from chdb.datastore import DataStore
# Detectar formato automaticamente pela extensão
ds = DataStore.from_file("data.csv")
ds = DataStore.from_file("data.parquet")
ds = DataStore.from_file("data.json")
# Formato explícito
ds = DataStore.from_file("data.txt", format="CSV")
# Com compressão
ds = DataStore.from_file("data.csv.gz", compression="gzip")Funções de leitura compatíveis com o Pandas
from chdb import datastore as pd
# Arquivos CSV
ds = pd.read_csv("data.csv")
ds = pd.read_csv("data.csv", sep=";", header=0, nrows=1000)
# Arquivos Parquet (recomendado para grandes conjuntos de dados)
ds = pd.read_parquet("data.parquet")
ds = pd.read_parquet("data.parquet", columns=['col1', 'col2'])
# Arquivos JSON
ds = pd.read_json("data.json")
ds = pd.read_json("data.jsonl", lines=True)
# Arquivos Excel
ds = pd.read_excel("data.xlsx", sheet_name="Sheet1")Armazenamento em nuvem
from_s3
Cria um DataStore a partir do Amazon S3.
DataStore.from_s3(url, access_key_id=None, secret_access_key=None, format=None, **kwargs)Parâmetros:
| Parâmetro | Tipo | Padrão | Descrição |
|---|---|---|---|
url |
str | obrigatório | URL do S3 (s3://bucket/path) |
access_key_id |
str | None |
ID da chave de acesso AWS |
secret_access_key |
str | None |
Chave de acesso secreta AWS |
format |
str | None |
Formato do arquivo (detectado automaticamente) |
Exemplos:
from chdb.datastore import DataStore
# Acesso anônimo (bucket público)
ds = DataStore.from_s3("s3://bucket/data.parquet")
# Com credenciais
ds = DataStore.from_s3(
"s3://bucket/data.parquet",
access_key_id="AKIAIOSFODNN7EXAMPLE",
secret_access_key="wJalrXUtnFEMI/K7MDENG/bPxRfiCYEXAMPLEKEY"
)
# Usando URI com parâmetros de consulta
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
Cria um DataStore a partir do Google Cloud Storage.
DataStore.from_gcs(url, credentials_path=None, **kwargs)Exemplos:
ds = DataStore.from_gcs("gs://bucket/data.parquet")
ds = DataStore.from_gcs("gs://bucket/data.parquet", credentials_path="/path/to/creds.json")from_azure
Cria um DataStore a partir do Azure Blob Storage.
DataStore.from_azure(url, account_name=None, account_key=None, **kwargs)Exemplos:
ds = DataStore.from_azure(
"az://container/data.parquet",
account_name="myaccount",
account_key="mykey"
)from_hdfs
Cria um DataStore a partir do HDFS.
DataStore.from_hdfs(url, **kwargs)Exemplos:
ds = DataStore.from_hdfs("hdfs://namenode:8020/path/data.parquet")from_url
Cria um DataStore a partir de uma URL HTTP/HTTPS.
DataStore.from_url(url, format=None, **kwargs)Exemplos:
ds = DataStore.from_url("https://example.com/data.csv")
ds = DataStore.from_url("https://raw.githubusercontent.com/user/repo/main/data.parquet")Bancos de dados
from_mysql
Cria um DataStore a partir de um banco de dados MySQL.
DataStore.from_mysql(host, database, table, user, password, port=3306, **kwargs)Parâmetros:
| Parâmetro | Tipo | Padrão | Descrição |
|---|---|---|---|
host |
str | obrigatório | Host do MySQL |
database |
str | obrigatório | Nome do banco de dados |
table |
str | obrigatório | Nome da tabela |
user |
str | obrigatório | Nome de usuário |
password |
str | obrigatório | Senha |
port |
int | 3306 |
Número da porta |
Exemplos:
ds = DataStore.from_mysql(
host="localhost",
database="mydb",
table="users",
user="root",
password="password"
)
# Usando URI
ds = DataStore.uri("mysql://root:password@localhost:3306/mydb/users")from_postgresql
Cria um DataStore a partir de um banco de dados PostgreSQL.
DataStore.from_postgresql(host, database, table, user, password, port=5432, **kwargs)Exemplos:
ds = DataStore.from_postgresql(
host="localhost",
database="mydb",
table="users",
user="postgres",
password="password"
)
# Usando URI
ds = DataStore.uri("postgresql://postgres:password@localhost:5432/mydb/users")from_clickhouse
Cria um DataStore a partir do servidor ClickHouse.
DataStore.from_clickhouse(host, database, table, user=None, password=None, port=9000, **kwargs)Exemplos:
ds = DataStore.from_clickhouse(
host="localhost",
database="default",
table="hits",
user="default",
password=""
)
# Modo de nível de conexão (explorar bancos de dados)
ds = DataStore.from_clickhouse(
host="analytics.company.com",
user="analyst",
password="secret"
)
ds.databases() # Listar bancos de dados
ds.tables("production") # Listar tabelas
result = ds.sql("SELECT * FROM production.users LIMIT 10")from_mongodb
Cria um DataStore a partir do MongoDB.
DataStore.from_mongodb(uri, database, collection, **kwargs)Exemplos:
ds = DataStore.from_mongodb(
uri="mongodb://localhost:27017",
database="mydb",
collection="users"
)from_sqlite
Cria um DataStore a partir de um banco de dados SQLite.
DataStore.from_sqlite(database_path, table, **kwargs)Exemplos:
ds = DataStore.from_sqlite("data.db", table="users")
# Usando URI
ds = DataStore.uri("sqlite:///data.db?table=users")Lagos de dados
from_iceberg
Cria um DataStore a partir de uma tabela Apache Iceberg.
DataStore.from_iceberg(path, **kwargs)Exemplos:
ds = DataStore.from_iceberg("/path/to/iceberg_table")
ds = DataStore.uri("iceberg://catalog/namespace/table")from_delta
Cria um DataStore a partir de uma tabela Delta Lake.
DataStore.from_delta(path, **kwargs)Exemplos:
ds = DataStore.from_delta("/path/to/delta_table")
ds = DataStore.uri("deltalake:///path/to/delta_table")from_hudi
Cria um DataStore a partir de uma tabela Hudi do Apache.
DataStore.from_hudi(path, **kwargs)Exemplos:
ds = DataStore.from_hudi("/path/to/hudi_table")
ds = DataStore.uri("hudi:///path/to/hudi_table")Fontes em memória
from_df / from_dataframe
Cria um DataStore a partir de um DataFrame do pandas.
DataStore.from_df(df, name=None)
DataStore.from_dataframe(df, name=None) # aliasExemplos:
import pandas
from chdb.datastore import DataStore
pdf = pandas.DataFrame({'a': [1, 2, 3], 'b': ['x', 'y', 'z']})
ds = DataStore.from_df(pdf)Construtor de DataFrame
Crie um DataStore com um construtor semelhante ao do pandas.
from chdb import datastore as pd
# A partir de dicionário
ds = pd.DataFrame({
'name': ['Alice', 'Bob'],
'age': [25, 30]
})
# A partir de um DataFrame do pandas
import pandas
pdf = pandas.DataFrame({'a': [1, 2, 3]})
ds = pd.DataFrame(pdf)Fontes especiais
from_numbers
Cria um DataStore com números sequenciais (útil para testes).
DataStore.from_numbers(count, **kwargs)Exemplos:
ds = DataStore.from_numbers(1000000) # 1M linhas com coluna 'number'
result = ds.filter(ds['number'] % 2 == 0).head(10) # Números paresfrom_random
Cria um DataStore com dados aleatórios.
DataStore.from_random(rows, columns, **kwargs)Exemplos:
ds = DataStore.from_random(rows=1000, columns=5)run_sql
Cria um DataStore a partir de uma consulta SQL em texto puro.
DataStore.run_sql(query)Exemplos:
ds = DataStore.run_sql("""
SELECT number, number * 2 as doubled
FROM numbers(100)
WHERE number % 10 = 0
""")Tabela de resumo
| Método | Tipo de origem | Exemplo |
|---|---|---|
uri() |
Universal | DataStore.uri("s3://bucket/data.parquet") |
from_file() |
Arquivos locais/remotos | DataStore.from_file("data.csv") |
read_csv() |
Arquivos CSV | pd.read_csv("data.csv") |
read_parquet() |
Arquivos Parquet | 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() |
DataFrame do pandas | DataStore.from_df(pandas_df) |
DataFrame() |
Dicionário/DataFrame | pd.DataFrame({'a': [1, 2, 3]}) |
from_numbers() |
Números em sequência | DataStore.from_numbers(1000000) |
from_random() |
Dados aleatórios | DataStore.from_random(rows=1000, columns=5) |
run_sql() |
SQL puro | DataStore.run_sql("SELECT * FROM ...") |