ClickZetta SQLAlchemy 适配器

clickzetta-connector

是 SQLAlchemy 的 ClickZetta Lakehouse dialect 适配器，它允许使用 SQLAlchemy 接口编写的代码或上层应用轻松地与 ClickZetta Lakehouse 进行交互。

安装

0. 删除旧版本依赖

如果已安装旧版本的 SDK，请先卸载以避免冲突：

pip uninstall clickzetta-connector clickzetta-connector-python clickzetta-sqlalchemy clickzetta-ingestion-python clickzetta-ingestion-python-v2 -y

pip show clickzetta-connector clickzetta-sqlalchemy clickzetta-ingestion-python clickzetta-ingestion-python-v2 clickzetta-connector-python

通过 pip 安装

clickzetta-connector

：

pip install clickzetta-connector -U

快速入门

执行 SQL 查询

from sqlalchemy import create_engine from sqlalchemy import text # 创建 ClickZetta Lakehouse 的 SQLAlchemy 引擎实例 engine = create_engine( "clickzetta://username:password@instance.region_id.api.clickzetta.com/workspace?schema=schema&vcluster=default" ) # 执行 SQL 查询 sql = text("SELECT * FROM ecommerce_events_multicategorystore_live;") # 使用引擎执行查询 with engine.connect() as conn: result = conn.execute(sql) for row in result: print(row)

示例：使用 PyGWalker 对 Lakehouse 数据进行可视化分析

PyGWalker 是一个可以将 pandas 和 polars 数据框转换为 Tableau 风格用户界面的工具，用于数据可视化探索。它简化了 Jupyter Notebook 的数据分析和数据可视化工作流程，只需添加一行代码即可实现。

from sqlalchemy import create_engine from sqlalchemy import text import pandas as pd import pygwalker as pyg # 创建 ClickZetta Lakehouse 的 SQLAlchemy 引擎实例 engine = create_engine( "clickzetta://username:password@instance.region_id.api.clickzetta.com/workspace?schema=schema&vcluster=default" ) # 执行 SQL 查询 sql = text("SELECT * FROM ecommerce_events_multicategorystore_live;") # 使用引擎执行查询并获取结果 with engine.connect() as conn: result = conn.execute(sql) df = pd.DataFrame(result.fetchall(), columns=result.keys()) # 使用 PyGWalker 对 DataFrame 进行可视化分析 walker = pyg.walk(df)