使用 Streamlit 开发 ClickZetta Lakehouse 应用
Streamlit 简介
Streamlit 是一款功能强大的 Python 框架，专为数据科学家和工程师打造，用于快速创建交互式 Web 应用。通过 Streamlit，您可以轻松地将数据分析、机器学习模型和数据可视化整合到一个应用中，而无需深入了解前端技术。Streamlit 的主要特点包括：
- 简洁明了的 API，便于上手，无需前端知识。
- 支持 Markdown 和 HTML 文本渲染，实现丰富的文本效果。
- 提供丰富的交互组件，如表格、图表等，支持响应式布局。
- 活跃的社区支持和持续更新。
开发流程概述
Streamlit 应用的开发过程非常简单。本文档将通过一个示例，展示如何结合 Streamlit 和 clickzetta-sqlalchemy 库，实现一个简单的查询 ClickZetta Lakehouse 并展示结果的应用。
环境准备
首先，确保您的 Python 环境中已安装
streamlit
streamlit
和
clickzetta-sqlalchemy
clickzetta-sqlalchemy
。使用以下命令进行安装：
pip install streamlit clickzetta-sqlalchemy
接下来，在 Streamlit 的
secrets.toml
secrets.toml
配置文件（位于项目目录或
$HOME/.streamlit/secrets.toml
$HOME/.streamlit/secrets.toml
）中，添加 SQLAlchemy 风格的连接字符串：
# .streamlit/secrets.toml
[connections.connection_name]
url = "clickzetta://username:password@instance.api.clickzetta.com/quickstart_ws?schema=public&virtualcluster=default"
编写应用代码
创建一个名为
demo.py
demo.py
的文件，并编写以下代码：
# demo.py
import streamlit as st
# 根据 secrets.toml 中的配置创建 SQL 连接。
conn = st.experimental_connection('connection_name', type='sql')
# 输入 SQL 查询语句。
sql = st.text_area('在这里输入您的 SQL 查询语句')
# 执行查询并展示结果。
if st.button('运行查询') and sql:
result = conn.query(sql)
st.dataframe(result)
运行应用
使用以下命令运行应用：
streamlit run demo.py
Streamlit 会自动打开本地浏览器，访问 http://localhost:8501。您也可以手动在浏览器中输入该地址。
示例 SQL 查询
以下是一个示例 SQL 查询，用于从 ClickZetta Lakehouse 中获取最近 24 小时内的购买事件数据：
SELECT
brand,
COUNT(DISTINCT user_id) AS unique_user_count,
SUM(price) AS sum_price
FROM
clickzetta_sample_data.ecommerce_events_history.ecommerce_events_multicategorystore_live
WHERE
event_time >= (NOW() - INTERVAL '24' HOUR)
AND event_type = 'purchase'
GROUP BY
brand
ORDER BY
sum_price DESC
LIMIT 10;
进阶示例
添加图表展示
为了更好地展示数据，您可以使用 Streamlit 的
st.plotly_chart
st.plotly_chart
函数，将查询结果以图表形式展示。首先，安装
pandas
pandas
和
plotly
plotly
库：
pip install pandas plotly
然后，在
demo.py
demo.py
中添加以下代码：
import pandas as pd
import plotly.express as px
# ...
if st.button('生成图表') and sql:
result = conn.query(sql)
df = pd.DataFrame(result)
fig = px.bar(df, x='brand', y='sum_price', title='各品牌销售额')
st.plotly_chart(fig)
参考资源
