ByteHouse 是云原生的数据分析仓库，在数据分析&数据仓库领域提供了一体化解决方案，适用于实时用户行为分析、BI报表制作、日志数据处理等场景。它结合了数据仓库、大数据平台、数据开发/集成/BI 生态、云原生服务的关键特性，提供全面、高性能、安全、弹性的数据解决方案。本文将带您了解 ByteHouse 云数仓版的开通方式和如何快速上手使用 ByteHouse，包括基本的数据分析流程，如数据库/表创建、数据加载及 SQL 查询操作等。

进入火山引擎官网首页，单击右上角的立即注册，按界面引导完成火山引擎官网账号注册及实名认证，操作详情请参见账号注册流程。

1. 访问 ByteHouse 产品首页，单击购买云数仓版。
   

2. 根据界面提示单击立即授权，授权 ByteHouse 云数仓版跨服务访问私有化网络、云监控等产品。授权完成后，即可进入 ByteHouse 云数仓版版控制台。
   

3. 在开通 ByteHouse 服务页面，配置开通 ByteHouse 的地域、计算、存储、网络资源。
   

   参数	说明
   地域
   区域	火山引擎数据中心的地理位置区域，根据地理位置的不同划分了不同的地域。在实例创建后，实例的地域不可更改。 如需切换开通 ByteHouse 的地域，可单击页面顶部地域名称，从下拉列表中选择。
   计算资源
   付费方式	ByteHouse 云数仓版目前仅支持按量计费和包年包月计费模式。计费详情请参见：结算与续费说明。
   计算组	计算组是 ByteHouse 的计算资源，您可按需创建指定规格的计算组，为各类数据操作提供充足的资源。您可设置多个计算组。ByteHouse 默认将您开通服务时设置的第一个计算组作为全局默认写计算组，为写入数据提供计算资源。如果存在多个计算组，您可在开通服务后，在控制台上切换计算组，详情请参见设置默认写计算组。 计算组相关参数配置说明如下： 规格：计算组规格。不同规格的计算组价格不同，您可按需勾选。您可在界面上查看计算组的规格及定价，也可参考计算资源。 名称：计算组名称，支持自定义，名称创建后不可调整。命名规则如下： 以小写字母开头。 由小写字母和数字组成。 使用单个下划线连接名称。 最多支持 31 个字符。 描述：计算组具体描述，您可为计算组添加自定义描述，便于后续区分使用。
   本地盘	本地盘的用途是承担数据写入时的暂存区和数据读取时的缓存区。 您可按需启用本地盘功能，100 GB 起订。关于本地盘的规格及定价，详情请参见计算组本地盘。
   高级特性	支持开通全文检索、GIS 时空分析、向量检索等高级特性。 全文检索：允许对文档进行预处理并保存索引以供以后快速搜索。功能详情请参见全文检索。 GIS时空分析：该功能是指高性能地理空间分析 GIS 能力，为位置洞察、人群圈选等场景提供高性能地理数据分析服务。功能详情请参见GIS 时空分析。 向量检索：向量检索提供向量数据的管理与近似度查询功能，同时通过支持多种常见近似向量查询（ANN）算法来提升检索性能，以提供对非结构化数据的处理能力。功能详情请参见开启向量检索。
   自动暂停/启动	自动启动：系统默认开启自动启动功能。开启后，用户无需手动开启计算组，可以对计算组发送请求，唤起计算资源并进行查询。当前自动启动开启后，首次查询会耗时较高（10~30 秒），请根据业务需要进行配置。 自动暂停：开启后，如在设置的间隔时间段内未使用，计算组会被自动关闭，从而减少资源成本。 注意 如需将某个计算组设置为专属 Server 的默认写计算组，需关闭该计算组的自动启停设置。
   存储资源
   存储空间	您无需提前购买存储资源，只需支付所使用的存储空间和存储的压缩数据量。
   网络资源
   私有网络（VPC）	为 ByteHouse 绑定私有网络，用于保障数据传输安全、实现与云上资源私网互通。 如需创建新的私有网络，可前往控制台创建，操作说明请参见创建私有网络。
   子网	选择 VPC 下对应可选的子网信息。 如需创建新的子网，可前往控制台创建，操作说明请参见创建子网。
   安全组	选择挂载在 VPC 下的安全组信息。 如需创建新的安全组，可前往控制台创建，操作说明请参见创建安全组。
   购买时长（包年包月计费模式需配置）
   购买时长	可选择 1 个月～3 年。
   自动续订	自动续费默认每个月系统自动付费，无需手动支付，可随时修改续费设置。

4. 完成配置后，勾选“我已阅读并同意 《ByteHouse 服务专用条款》”，单击开通 ByteHouse，等待约 1 分钟左右即可开通 ByteHouse 云数仓服务。

在开始使用 ByteHouse 前，您需要先为 ByteHouse 的各类任务设置默认计算组（步骤二中的默认写计算组仅用于写入数据，此步骤设置的默认计算组用于处理查询等其他任务），为处理查询提供默认计算资源。后续执行任务时如果没有单独指定计算组，则将使用您设置的默认计算组资源，此步骤为必需操作。
在 ByteHouse 云数仓版控制台上，访问租户管理 > 参数设置 > 用户参数页面，单击编辑按钮，设置默认计算组。

本文以创建数据库 bh_demo 和数据表 employees 为例，介绍如何在 ByteHouse 云数仓版中创建数据对象并通过上传本地文件方式导入数据。

创建数据库

您可以通过可视化建库和使用 SQL 语句建库两种方式创建数据库。

• 可视化建库
  1. 在 ByteHouse 云数仓版控制台的数据库页签下，单击新建按钮，单击创建库。
     
  2. 在弹窗中填写数据库名称及描述，本文将使用 bh_demo 数据库为例。
     
• 使用 SQL 语句建库
  单击 ByteHouse 云数仓版控制台的 SQL 工作表页签，在编辑区输入 CREATE DATABASE 命令，并单击运行，创建数据库。SQL 语句示例如下：
  

  CREATE DATABASE bh_demo;
  

创建数据表

1. 单击数据库页签，在列表中单击数据库 bh_demo，在该数据库的详情页中，单击右上角+数据表按钮，单击可视化页面创建。
   
2. 在弹出的创建数据表页面中，配置表信息。

   1. 输入表的基础信息，包括表名称、描述。
      

   2. 配置列。输入列名，并设置列属性，配置说明详见下文参数说明。

      • 如需添加多列，可单击添加列。
      • 如需删除列，可勾选该列前的勾选框，单击删除。
        列名可按照准备工作中的样例数据填写，示例如下：
        
        参数说明

      参数	配置说明
      列名	设置列名称。 注意 列名不支持包含斜杠（/）、连字符（-）和空格。
      数据类型	设置列的数据类型。当前 ByteHouse 支持的数据类型请参见数据类型。
      默认值	设置列的默认值。如果插入数据时未指定该列的值，ByteHouse 将自动填充默认值。
      表达式	设置默认值是否为表达式，指定该列的默认值是否为动态计算表达式（而非固定值）。
      注释	填写列的说明信息，用于标注列的业务含义，便于后续维护。
      可为空	设置该列的值是否可为空。 如果勾选该选项，则允许该列存储 NULL 值；未勾选则为非空列，插入数据时必须指定该列值。

   3. 配置表属性。ByteHouse 支持为表配置排序键、分区键、表生命周期（TTL）、唯一键等属性。
      

      注意

      建表成功后，配置的参数字段大部分无法在创建完成后修改，请在建表前了解键的用途并合理规划。更多建表配置说明可参见 ByteHouse 建表配置最佳实践和 ByteHouse 唯一键表最佳实践。

      参数说明

      参数	配置说明
      排序键	必填项。排序键用于确定数据在数据库中的物理存储顺序。一张数据表中最多有 5 个排序键。 注意 建表成功后，排序键不支持修改类型/增列/减列。如需修改，需要删除表后重新导入数据。
      分区键	选填项。分区键用于确定每个数据表行所属的数据分区，以将大型数据表分割为多个较小部分。分区字段不支持 Nullable，最多支持设置 5 个分区字段。 注意 建表成功后，分区键字段不支持修改类型/增列/减列。
      过期时间 TTL	选填项。TTL（Time To Live）是指数据的生命周期，以天为单位，以分区键作为基础进行计算，可用于自动清理过期数据。 通过可视化建表设置该参数前，需要将 Date 或者 Datetime 类型的列设置为分区键，以启用 TTL 功能。 如需将其他类型的列设置为 TTL 依赖的分区键，需使用 SQL 语句建表，可前往 SQL 工作表页面操作。建表语句请参见创建语句 (CREATE)。 注意 建表成功后，无法通过可视化编辑表调整 TTL，但可通过 SQL 语句调整 TTL，操作详情请参见TTL操作（TTL）。
      唯一键	唯一键可支持 Upsert（Update and Insert）能力，确保数据在分区级别去重，并始终查询对应唯一键的最新值。唯一键最多为 10 个。 注意 建表成功后，唯一键字段不支持修改类型/增列/减列。
      分桶键	对于每一个表或分区，通过指定分桶键（Cluster Key）进一步细分成桶，对列中的数据进行哈希，进行更细粒度的划分，从而提高查询和采样效率。分桶键不能为 Nullable 可空列。 支持选择是否设置为默认哈希函数。 注意 建表成功后，分桶键字段不支持修改类型/增列/减列。
      主键	主键用于组织数据文件，对数据表中每条记录的唯一标识进行约束。主键必须包含“唯一”值，不能包含“空”值。一个数据表只能有一个主键。 默认情况不需要显式指定，ByteHouse 将使用排序键作为主键。 注意 建表成功后，主键字段不支持修改类型/增列/减列。
      采样键	采样键用于在抽样查询中使用。这类查询只对特定部分数据（样本）执行查询，适用于牺牲准确性以换取性能，或需求结果本身是近似值的查询。 采样键必须从排序键和主键中选择，并且其数据类型需要为 UInt，包括 UInt8，UInt16，UInt32，UInt64。 注意 建表成功后，采样键字段不支持修改类型/增列/减列。

      配置过程中，您可单击建表页面上的 SQL 页签，可以看到 ByteHouse 输出了创建数据表 employees 对应的 SQL 语句。
      

3. 表配置完成后，单击创建。ByteHouse 将自动创建表，并提示是否创建成功。界面显示创建成功时，您可根据数据库详情页的指引，单击开始导入数据，ByteHouse 将自动跳转至新建数据导入任务页面，您可继续按照下文第五步的操作说明开始导入数据。
   

当前 ByteHouse 云数仓版支持本地小文件导入、离线导入、流式导入、S3/TOS 外表导入，本文以上传 CSV 表格为例，更多导入方式和操作指导可参见数据导入/导出简介。

准备工作

• 下载需导入的样例数据。
  
  

  employees.csv

  未知大小

  
• 单击前往计算组页面，查看并记录正在运行中的计算组名称。导入任务中需指定计算组，指定计算组前需确保您想要使用的计算组处于运行状态。

操作步骤

1. 配置导入任务。

   1. 填写导入任务基本信息，自定义任务名称和任务描述。
      

   2. 选择数据源类型为文件上传，并上传示例文件用于定义任务和解析 Schema。
      单击点击这里或拖动文件到上传区域，上传文件。上传后，系统将自动读取格式，您可再次确认格式是否正确。
      

      说明

      本文以导入 CSV 文件为示例，ByteHouse 也支持 JSON、AVRO、PARQUET 文件类型，其他格式的文件导入操作请参见本地小文件导入。

   3. （可选）对于 CSV 格式的文件，您可按需配置对应的格式参数。

      格式	配置项	配置说明	界面示意图
      CSV	表头	支持设置为无表头或有表头。 无表头：ByteHouse 将使用 "_c0，_c1" 作为源列名来映射模式与目标表。 有表头：ByteHouse 将分离表头来映射模式到目标表上。
      	CSV 格式	支持设置分隔符、引用字符、跳过行数、Null Value、编码、转义符、多行支持、忽略空格等。

   4. 选择导入的目标数据库和表。由于您是从创建页面的链接跳转至数据导入页面，ByteHouse 将自动填充目标数据库和表，您可再次确认此处选项已填写为目标数据库 bh_demo 和表 employees。
      

   5. 定义 Schema 映射。设置数据源和目标表后，系统会自动填充 Schema 映射表，生成数据源与目标表的映射关系。ByteHouse 当前支持以下 Schema 映射配置操作，您可按需调整生成的 Schema 映射。
      

      • 调整 Schema 映射逻辑
        如果生成的 Schema 不符合预期或者您需要调整源列与目标列的映射关系，您可单击解析，系统将重新解析。
      • 调整目标表
        您可打开新的浏览器标签页，进入数据库页面并调整目标表，调整后，在数据导入页面中定义 Schema 映射模块单击刷新目标表，系统将自动读取目标表的调整并更新 Schema 映射表。
      • 日期解析格式配置
        ByteHouse 数据导入默认支持自动解析的日期格式为：yyyy-MM-dd'T'HH:mm:ss ( Java 默认的时间格式），注意年月日和时分秒中间用常量 T 隔开。如果您的数据使用其他格式，则需要手动配置，配置操作请参见如何配置日期解析格式？

   6. 配置导入任务的加载类型和计算组，您可按需选择增量写入或全量覆盖写。
      

      • 增量写入：在每次执行作业中，数据将被增量写入到目标表，存量数据不会被覆盖。
      • 覆盖写入：用最新的数据替换整个目标表，可以选分区覆盖或者全量覆盖。选择分区覆盖写前，需确认目标表定义了分区键。
      • 计算组：从下拉列表选择导入任务使用的计算组。请确保您拥有该计算组的使用权限且该计算组处于运行状态，否则导入任务可能执行失败。
2. 单击创建，即可创建导入任务。
3. 导入任务创建后，系统将跳转至任务详情页面，此时任务将处于暂停状态，您可单击开启，启动任务。
   
4. 在启动文件上传作业弹窗中，选择文件上传路径，单击确定，系统将执行数据加载任务。
   
   • 采样文件路径：使用创建导入任务时已上传的文件导入数据。选择此项，可直接使用您在步骤 5.1 中为定义任务而上传的 employees.csv 文件而进行导入。
   • 上传新文件：如果您有新数据需要上传，可选择上传新文件，需确保文件类型和 table schema 与原有任务配置相同。
5. 当导入任务状态显示为“成功”，说明数据导入成功，您可使用 ByteHouse 管理已导入的数据。
   

1. 单击 SQL 工作表页签，默认情况下 ByteHouse 会自动产生一张新建工作表，选择查询数据库为 bh_demo。
   
2. 在 SQL 编辑区中执行以下 SQL 语句，体验 ByteHouse 查询数据、写入数据的功能。

   • 查询数据条数

     SELECT COUNT(*) 
     FROM employees;
     

     

   • 插入更多测试数据

     INSERT INTO employees
     VALUES
         ('Clementine', 'Adamou', 'cadamou@bytedance.com', '10510 Sachs Road', 'Klenak', '2017-9-22'),
         ('Marlowe', 'De Anesy', 'madamouc@bytedance.co.uk', '36768 Northfield Plaza', 'Fangshan', '2017-1-26');
     

     

   • 根据电子邮件地址查询数据

     SELECT email
     FROM employees
     WHERE email LIKE '%.uk';
     

     

3. 如果查询执行失败，您可以使用审计日志功能分析查询失败原因。
   1. 在 SQL 工作表的查询结果中单击查询 ID。
      
   2. ByteHouse 将自动跳转至审计日志，您可单击查询 ID，查看执行详情，也可单击失败后的详情按钮，查看详细报错信息，对该查询进行分析和优化。示例如下：
      

以上就是 ByteHouse 云数仓版快速入门指南，更多操作说明和最佳实践说明如下：

• 除了通过本地文件上传外，ByteHouse 也支持从多种数据源导入数据，详情参见数据导入简介。
• ByteHouse 也提供了多种连接方式，如 ByteHouse CLI、驱动程序、生态工具（ELT 工具、BI 工具、IDE 工具）等，详情请参见：
  • ByteHouse CLI 快速入门
  • 使用驱动程序连接 ByteHouse
  • 使用生态工具连接 ByteHouse
• ByteHouse 也支持通过 SQL 语句建表，也为您提供了建表配置最佳实践，帮助您快速创建高性能表，详情请参见：
  • 创建语句 (CREATE)
  • ByteHouse 建表配置实践
  • ByteHouse Unique 唯一表最佳实践