Nessie Catalog - ClickHouse Documentation

A integração com o Nessie Catalog funciona apenas com tabelas Iceberg. Esta integração oferece suporte tanto ao S3 da AWS quanto a outros provedores de armazenamento em nuvem.

O ClickHouse oferece suporte à integração com vários catálogos (Unity, Glue, REST, Polaris etc.). Este guia orienta você nas etapas para consultar seus dados usando o ClickHouse e o catálogo Nessie. O Nessie é um catálogo transacional de código aberto para lagos de dados que oferece:

controle de versão de dados inspirado no Git com branches e commits
Transações entre tabelas e garantias de visibilidade
Conformidade com a API REST e com a especificação REST Catalog do Iceberg
abordagem de lago de dados aberto com suporte a Hive, Spark, Dremio, Trino e muito mais
Implantação pronta para produção em Docker ou Kubernetes

Como este recurso é experimental, você precisará habilitá-lo usando: SET allow_experimental_database_iceberg = 1;

Configuração para desenvolvimento local

Para desenvolvimento e testes locais, você pode usar uma configuração conteinerizada do Nessie. Essa abordagem é ideal para aprendizado, prototipagem e ambientes de desenvolvimento.

Pré-requisitos

Docker e Docker Compose: Certifique-se de que o Docker esteja instalado e em execução
Configuração de exemplo: Você pode usar a configuração oficial do Nessie com docker-compose

Configurando o Nessie Catalog local

Você pode usar o setup oficial do Docker Compose do Nessie, que fornece um ambiente completo com Nessie, repositório de versões em memória e MinIO para armazenamento de objetos. Etapa 1: Crie uma nova pasta para executar o exemplo e, em seguida, crie um arquivo docker-compose.yml com a seguinte configuração:

version: '3.8'

services:
  nessie:
    image: ghcr.io/projectnessie/nessie:latest
    ports:
      - "19120:19120"
    environment:
      - nessie.version.store.type=IN_MEMORY
      - nessie.catalog.default-warehouse=warehouse
      - nessie.catalog.warehouses.warehouse.location=s3://my-bucket/
      - nessie.catalog.service.s3.default-options.endpoint=http://minio:9000/
      - nessie.catalog.service.s3.default-options.access-key=urn:nessie-secret:quarkus:nessie.catalog.secrets.access-key
      - nessie.catalog.service.s3.default-options.path-style-access=true
      - nessie.catalog.service.s3.default-options.auth-type=STATIC
      - nessie.catalog.secrets.access-key.name=admin
      - nessie.catalog.secrets.access-key.secret=password
      - nessie.catalog.service.s3.default-options.region=us-east-1
      - nessie.server.authentication.enabled=false
    depends_on:
      minio:
        condition: service_healthy
    networks:
      - iceberg_net

  minio:
    image: quay.io/minio/minio
    ports:
      - "9002:9000"
      - "9003:9001"
    environment:
      - MINIO_ROOT_USER=admin
      - MINIO_ROOT_PASSWORD=password
      - MINIO_REGION=us-east-1
    healthcheck:
      test: ["CMD", "mc", "ready", "local"]
      interval: 5s
      timeout: 10s
      retries: 5
      start_period: 30s
    entrypoint: >
      /bin/sh -c "
      minio server /data --console-address ':9001' &
      sleep 10;
      mc alias set myminio http://localhost:9000 admin password;
      mc mb myminio/my-bucket --ignore-existing;
      tail -f /dev/null"
    networks:
      - iceberg_net

  clickhouse:
    image: clickhouse/clickhouse-server:head
    container_name: nessie-clickhouse
    user: '0:0'  # Garante permissões de root
    ports:
      - "8123:8123"
      - "9000:9000"
    volumes:
      - clickhouse_data:/var/lib/clickhouse
      - ./clickhouse/data_import:/var/lib/clickhouse/data_import  # Monta a pasta do dataset
    networks:
      - iceberg_net
    environment:
      - CLICKHOUSE_DB=default
      - CLICKHOUSE_USER=default
      - CLICKHOUSE_DO_NOT_CHOWN=1
      - CLICKHOUSE_PASSWORD=
    depends_on:
      nessie:
        condition: service_started
      minio:
        condition: service_healthy

volumes:
  clickhouse_data:

networks:
  iceberg_net:
    driver: bridge

Etapa 2: Execute o comando a seguir para iniciar os serviços:

docker compose up -d

Etapa 3: Aguarde até que todos os serviços estejam prontos. Você pode verificar os logs:

docker-compose logs -f

A configuração do Nessie usa um armazenamento de versões em memória e exige que os dados de exemplo sejam carregados primeiro nas tabelas Iceberg. Certifique-se de que o ambiente tenha criado e populado as tabelas antes de tentar consultá-las pelo ClickHouse.

Conectando-se ao Nessie Catalog local

Conecte-se ao seu container do ClickHouse:

docker exec -it nessie-clickhouse clickhouse-client

Em seguida, crie a conexão de banco de dados com o Nessie Catalog:

SET allow_experimental_database_iceberg = 1;

CREATE DATABASE demo
ENGINE = DataLakeCatalog('http://nessie:19120/iceberg', 'admin', 'password')
SETTINGS catalog_type = 'rest', storage_endpoint = 'http://minio:9002/my-bucket', warehouse = 'warehouse'

Consultando tabelas do Nessie Catalog usando o ClickHouse

Agora que a conexão está estabelecida, você pode começar a fazer consultas por meio do Nessie Catalog. Por exemplo:

USE demo;

SHOW TABLES;

Se a sua configuração incluir dados de exemplo (como o dataset de táxi), você deverá ver tabelas como:

┌─name──────────┐
│ default.taxis │
└───────────────┘

Se você não vir nenhuma tabela, isso geralmente significa que:

O ambiente ainda não criou as tabelas de exemplo
O serviço Nessie Catalog ainda não foi totalmente inicializado
O processo de carregamento dos dados de exemplo ainda não foi concluído

Você pode verificar os logs do Nessie para ver a atividade do catálogo:

docker-compose logs nessie

Para consultar uma tabela (se houver):

SELECT count(*) FROM `default.taxis`;

┌─count()─┐
│ 2171187 │
└─────────┘

Backticks obrigatóriosOs backticks são obrigatórios porque o ClickHouse não oferece suporte a mais de um espaço de nomes.

Para inspecionar a DDL da tabela:

SHOW CREATE TABLE `default.taxis`;

┌─statement─────────────────────────────────────────────────────────────────────────────────────┐
│ CREATE TABLE demo.`default.taxis`                                                             │
│ (                                                                                             │
│     `VendorID` Nullable(Int64),                                                               │
│     `tpep_pickup_datetime` Nullable(DateTime64(6)),                                           │
│     `tpep_dropoff_datetime` Nullable(DateTime64(6)),                                          │
│     `passenger_count` Nullable(Float64),                                                      │
│     `trip_distance` Nullable(Float64),                                                        │
│     `RatecodeID` Nullable(Float64),                                                           │
│     `store_and_fwd_flag` Nullable(String),                                                    │
│     `PULocationID` Nullable(Int64),                                                           │
│     `DOLocationID` Nullable(Int64),                                                           │
│     `payment_type` Nullable(Int64),                                                           │
│     `fare_amount` Nullable(Float64),                                                          │
│     `extra` Nullable(Float64),                                                                │
│     `mta_tax` Nullable(Float64),                                                              │
│     `tip_amount` Nullable(Float64),                                                           │
│     `tolls_amount` Nullable(Float64),                                                         │
│     `improvement_surcharge` Nullable(Float64),                                                │
│     `total_amount` Nullable(Float64),                                                         │
│     `congestion_surcharge` Nullable(Float64),                                                 │
│     `airport_fee` Nullable(Float64)                                                           │
│ )                                                                                             │
│ ENGINE = Iceberg('http://localhost:9002/my-bucket/default/taxis/', 'admin', '[HIDDEN]')      │
└───────────────────────────────────────────────────────────────────────────────────────────────┘

Carregando dados do seu lago de dados para o ClickHouse

Se você precisar carregar dados do Nessie Catalog para o ClickHouse, comece criando uma tabela local no ClickHouse:

CREATE TABLE taxis
(
    `VendorID` Int64,
    `tpep_pickup_datetime` DateTime64(6),
    `tpep_dropoff_datetime` DateTime64(6),
    `passenger_count` Float64,
    `trip_distance` Float64,
    `RatecodeID` Float64,
    `store_and_fwd_flag` String,
    `PULocationID` Int64,
    `DOLocationID` Int64,
    `payment_type` Int64,
    `fare_amount` Float64,
    `extra` Float64,
    `mta_tax` Float64,
    `tip_amount` Float64,
    `tolls_amount` Float64,
    `improvement_surcharge` Float64,
    `total_amount` Float64,
    `congestion_surcharge` Float64,
    `airport_fee` Float64
)
ENGINE = MergeTree()
PARTITION BY toYYYYMM(tpep_pickup_datetime)
ORDER BY (VendorID, tpep_pickup_datetime, PULocationID, DOLocationID);

Em seguida, carregue os dados da tabela do seu Nessie Catalog usando um INSERT INTO SELECT:

INSERT INTO taxis 
SELECT * FROM demo.`default.taxis`;

​Configuração para desenvolvimento local

​Pré-requisitos

​Configurando o Nessie Catalog local

​Conectando-se ao Nessie Catalog local

​Consultando tabelas do Nessie Catalog usando o ClickHouse

​Carregando dados do seu lago de dados para o ClickHouse

Configuração para desenvolvimento local

Pré-requisitos

Configurando o Nessie Catalog local

Conectando-se ao Nessie Catalog local

Consultando tabelas do Nessie Catalog usando o ClickHouse

Carregando dados do seu lago de dados para o ClickHouse