Conecte o Airbyte ao ClickHouse

Integração com parceiro

Airbyte é uma plataforma de integração de dados de código aberto. Ela permite criar pipelines de dados ELT e vem com mais de 140 conectores prontos para uso. Este tutorial passo a passo mostra como conectar o Airbyte ao ClickHouse como destino e carregar um conjunto de dados de exemplo.

Baixe e execute o Airbyte

O Airbyte roda no Docker e usa docker-compose. Certifique-se de baixar e instalar as versões mais recentes do Docker.
Implante o Airbyte clonando o repositório oficial do GitHub e executando docker-compose up no terminal de sua preferência:
```
git clone https://github.com/airbytehq/airbyte.git --depth=1
cd airbyte
./run-ab-platform.sh
```
Assim que o banner do Airbyte aparecer no terminal, você poderá acessar localhost:8000

Adicione o ClickHouse como destino

Nesta seção, vamos mostrar como adicionar uma instância do ClickHouse como destino.

Inicie o servidor ClickHouse (o Airbyte é compatível com a versão 21.8.10.19 ou superior do ClickHouse) ou faça login na sua conta do ClickHouse Cloud:
```
clickhouse-server start
```
No Airbyte, selecione a página "Destinations" e adicione um novo destino:
Selecione ClickHouse na lista suspensa "Destination type" e preencha o formulário "Set up the destination" informando o hostname e as portas do seu ClickHouse, o nome do banco de dados, o nome de usuário e a senha, e selecione se a connection é SSL (equivalente à flag --secure no clickhouse-client):
Parabéns! Agora você adicionou o ClickHouse como destino no Airbyte.

Note

Para usar o ClickHouse como destino, o usuário que você vai usar precisa ter permissões para criar bancos de dados, tabelas e inserir linhas. Recomendamos criar um usuário dedicado para o Airbyte (por exemplo, my_airbyte_user) com as seguintes permissões:

CREATE USER 'my_airbyte_user'@'%' IDENTIFIED BY 'your_password_here';

GRANT CREATE ON * TO my_airbyte_user;

Adicione um conjunto de dados como fonte

O conjunto de dados de exemplo que usaremos é o New York City Taxi Data (no Github). Neste tutorial, usaremos um subconjunto desse conjunto de dados correspondente ao mês de janeiro de 2022.

No Airbyte, selecione a página "Sources" e adicione uma nova fonte do tipo arquivo.
Preencha o formulário "Set up the source", dando um nome à fonte e informando a URL do arquivo NYC Taxi de janeiro de 2022 (veja abaixo). Certifique-se de escolher parquet como formato de arquivo, HTTPS Public Web como provedor de armazenamento e nyc_taxi_2022 como nome do conjunto de dados.
```
https://d37ci6vzurychx.cloudfront.net/trip-data/yellow_tripdata_2022-01.parquet
```
Parabéns! Agora você adicionou um arquivo como fonte no Airbyte.

Criar uma conexão e carregar o dataset no ClickHouse

No Airbyte, selecione a página "Conexões" e adicione uma nova conexão

Selecione "Usar fonte existente" e selecione os dados de táxi da cidade de Nova York; em seguida, selecione "Usar destino existente" e escolha sua instância do ClickHouse.
Preencha o formulário "Configurar a conexão" escolhendo uma frequência de replicação (usaremos manual neste tutorial) e selecione nyc_taxi_2022 como o stream que deseja sincronizar. Certifique-se de escolher Normalized Tabular Data como normalização.

Agora que a conexão foi criada, clique em "Sincronizar agora" para iniciar o carregamento dos dados (já que escolhemos Manual como frequência de replicação)

Seus dados começarão a ser carregados, e você pode expandir a visualização para ver os logs e o progresso do Airbyte. Quando a operação terminar, você verá uma mensagem Completed successfully nos logs:

Conecte-se à sua instância do ClickHouse com o cliente SQL de sua preferência e verifique a tabela resultante:

SELECT *
FROM nyc_taxi_2022
LIMIT 10

A resposta deve ser parecida com:

Query id: 4f79c106-fe49-4145-8eba-15e1cb36d325

┌─extra─┬─mta_tax─┬─VendorID─┬─RatecodeID─┬─tip_amount─┬─airport_fee─┬─fare_amount─┬─DOLocationID─┬─PULocationID─┬─payment_type─┬─tolls_amount─┬─total_amount─┬─trip_distance─┬─passenger_count─┬─store_and_fwd_flag─┬─congestion_surcharge─┬─tpep_pickup_datetime─┬─improvement_surcharge─┬─tpep_dropoff_datetime─┬─_airbyte_ab_id───────────────────────┬─────_airbyte_emitted_at─┬─_airbyte_normalized_at─┬─_airbyte_nyc_taxi_2022_hashid────┐
│     0 │     0.5 │        2 │          1 │       2.03 │           0 │          17 │           41 │          162 │            1 │            0 │        22.33 │          4.25 │               3 │ N                  │                  2.5 │ 2022-01-24T16:02:27  │                   0.3 │ 2022-01-24T16:22:23   │ 000022a5-3f14-4217-9938-5657f9041c8a │ 2022-07-19 04:35:31.000 │    2022-07-19 04:39:20 │ 91F83E2A3AF3CA79E27BD5019FA7EC94 │
│     3 │     0.5 │        1 │          1 │       1.75 │           0 │           5 │          186 │          246 │            1 │            0 │        10.55 │           0.9 │               1 │ N                  │                  2.5 │ 2022-01-22T23:23:05  │                   0.3 │ 2022-01-22T23:27:03   │ 000036b6-1c6a-493b-b585-4713e433b9cd │ 2022-07-19 04:34:53.000 │    2022-07-19 04:39:20 │ 5522F328014A7234E23F9FC5FA78FA66 │
│     0 │     0.5 │        2 │          1 │       7.62 │        1.25 │          27 │          238 │           70 │            1 │         6.55 │        45.72 │          9.16 │               1 │ N                  │                  2.5 │ 2022-01-22T19:20:37  │                   0.3 │ 2022-01-22T19:40:51   │ 00003c6d-78ad-4288-a79d-00a62d3ca3c5 │ 2022-07-19 04:34:46.000 │    2022-07-19 04:39:20 │ 449743975782E613109CEE448AFA0AB3 │
│   0.5 │     0.5 │        2 │          1 │          0 │           0 │         9.5 │          234 │          249 │            1 │            0 │         13.3 │           1.5 │               1 │ N                  │                  2.5 │ 2022-01-22T20:13:39  │                   0.3 │ 2022-01-22T20:26:40   │ 000042f6-6f61-498b-85b9-989eaf8b264b │ 2022-07-19 04:34:47.000 │    2022-07-19 04:39:20 │ 01771AF57922D1279096E5FFE1BD104A │
│     0 │       0 │        2 │          5 │          5 │           0 │          60 │          265 │           90 │            1 │            0 │         65.3 │          5.59 │               1 │ N                  │                    0 │ 2022-01-25T09:28:36  │                   0.3 │ 2022-01-25T09:47:16   │ 00004c25-53a4-4cd4-b012-a34dbc128aeb │ 2022-07-19 04:35:46.000 │    2022-07-19 04:39:20 │ CDA4831B683D10A7770EB492CC772029 │
│     0 │     0.5 │        2 │          1 │          0 │           0 │        11.5 │           68 │          170 │            2 │            0 │         14.8 │           2.2 │               1 │ N                  │                  2.5 │ 2022-01-25T13:19:26  │                   0.3 │ 2022-01-25T13:36:19   │ 00005c75-c3c8-440c-a8e8-b1bd2b7b7425 │ 2022-07-19 04:35:52.000 │    2022-07-19 04:39:20 │ 24D75D8AADD488840D78EA658EBDFB41 │
│   2.5 │     0.5 │        1 │          1 │       0.88 │           0 │         5.5 │           79 │          137 │            1 │            0 │         9.68 │           1.1 │               1 │ N                  │                  2.5 │ 2022-01-22T15:45:09  │                   0.3 │ 2022-01-22T15:50:16   │ 0000acc3-e64f-4b58-8e15-dc47ff1685f3 │ 2022-07-19 04:34:37.000 │    2022-07-19 04:39:20 │ 2BB5B8E849A438E08F7FCF789E7D7E65 │
│  1.75 │     0.5 │        1 │          1 │        7.5 │        1.25 │        27.5 │           17 │          138 │            1 │            0 │        37.55 │             9 │               1 │ N                  │                    0 │ 2022-01-30T21:58:19  │                   0.3 │ 2022-01-30T22:19:30   │ 0000b339-b44b-40b0-99f8-ebbf2092cc5b │ 2022-07-19 04:38:10.000 │    2022-07-19 04:39:20 │ DCCE79199EF9217CD769EFD5271302FE │
│   0.5 │     0.5 │        2 │          1 │          0 │           0 │          13 │           79 │          140 │            2 │            0 │         16.8 │          3.19 │               1 │ N                  │                  2.5 │ 2022-01-26T20:43:14  │                   0.3 │ 2022-01-26T20:58:08   │ 0000caa8-d46a-4682-bd25-38b2b0b9300b │ 2022-07-19 04:36:36.000 │    2022-07-19 04:39:20 │ F502BE51809AF36582561B2D037B4DDC │
│     0 │     0.5 │        2 │          1 │       1.76 │           0 │         5.5 │          141 │          237 │            1 │            0 │        10.56 │          0.72 │               2 │ N                  │                  2.5 │ 2022-01-27T15:19:54  │                   0.3 │ 2022-01-27T15:26:23   │ 0000cd63-c71f-4eb9-9c27-09f402fddc76 │ 2022-07-19 04:36:55.000 │    2022-07-19 04:39:20 │ 8612CDB63E13D70C1D8B34351A7CA00D │
└───────┴─────────┴──────────┴────────────┴────────────┴─────────────┴─────────────┴──────────────┴──────────────┴──────────────┴──────────────┴──────────────┴───────────────┴─────────────────┴────────────────────┴──────────────────────┴──────────────────────┴───────────────────────┴───────────────────────┴──────────────────────────────────────┴─────────────────────────┴────────────────────────┴──────────────────────────────────┘

SELECT count(*)
FROM nyc_taxi_2022

A resposta é:

Query id: a9172d39-50f7-421e-8330-296de0baa67e

┌─count()─┐
│ 2392428 │
└─────────┘

Observe que o Airbyte inferiu automaticamente os tipos de dados e adicionou 4 colunas à tabela de destino. Essas colunas são usadas pelo Airbyte para gerenciar a lógica de replicação e registrar as operações. Mais detalhes estão disponíveis na documentação oficial do Airbyte.
```
    `_airbyte_ab_id` String,
    `_airbyte_emitted_at` DateTime64(3, 'GMT'),
    `_airbyte_normalized_at` DateTime,
    `_airbyte_nyc_taxi_072021_hashid` String
```
Agora que o conjunto de dados foi carregado na sua instância do ClickHouse, você pode criar uma nova tabela e usar tipos de dados do ClickHouse mais apropriados (mais detalhes).
Parabéns — você carregou com sucesso os dados de táxi de Nova York no ClickHouse usando o Airbyte!