背景

Clickhouse 数据库最近几年在大数据领域应用越来越广，因其卓越的性能，外加支持海量数据存储与处理，国内很多大厂都有在使用。其底层使用C++语言编写，小编在使用时，感觉可以极限压榨CPU性能，计算速度远超 Hive，应用在数据产品领域，基本没啥问题

• 存储的数据量，可以与Hadoop生态持平
• 计算性能，可以与Mysql持平

小编环境

操作系统版本与Clickhouse版本

cat /etc/redhat-release
# CentOS Linux release 7.2.1511 (Core)

clickhouse -V
#ClickHouse local version 24.7.2.13 (official build)

效果展示

提供开始日期、结束日期，生成一个日期序列，返回的是一个数组

select generateSeries_dt('2024-12-01','2024-12-07') as dts;
--['2024-12-01','2024-12-02','2024-12-03','2024-12-04',
--'2024-12-05','2024-12-06','2024-12-07']

生成日期序列自定义函数

因Clickhouse 是用C++语言编写，如果想扩展自定义函数，需要用C++来实现或借助sql方式实现，如果想使用其他语言，则只能进行桥接（把数据输出至系统，在系统中调用其他语言处理数据，然后把系统中输出的结果，拿回到clickhouse）。这里小编借助sql 方式来实现，感觉实现起来和编写python很像

利用Chatgpt的帮助，可以一步一步完成所需要的函数功能

create function generateSeries_dt as (start_dt,end_dt) -> 
(
    arrayMap(
        x -> toDate(start_dt) + x, 
        range(toUInt32(toDate(end_dt) - toDate(start_dt)) + 1)
    )
);

1. 将字符串 start_dt 和 end_dt 转换为 Date 类型：toDate(start_dt) 和 toDate(end_dt)
2. 计算日期之间的差值：toDate(end_dt) - toDate(start_dt)，结果是天数
3. 使用 range 函数生成从 0 到差值的整数序列：range(toUInt32(...) + 1)
4. 使用 arrayMap 遍历序列，将每个整数加到起始日期上，生成完整的日期序列

通过上面的详细解释，感觉是不是和python很像，经过测试，其性能大概是java编写的自定义函数性能100倍

历史相关文章

• Python 基于pyhive库操作hive
• Rust 是否会重写 Python 解释器与有关的库，替代 C 语言地位？
• Python中的Lambda匿名函数

以上是自己实践中遇到的一些问题，分享出来供大家参考学习，欢迎关注微信公众号：DataShare ，不定期分享干货