Apache Quickstep 技术文档
2024-12-23 20:45:34作者:傅爽业Veleda
1. 安装指南
1.1 克隆代码
首先,从 Apache 的代码库中克隆 Quickstep 代码:
git clone https://git-wip-us.apache.org/repos/asf/incubator-quickstep.git quickstep
1.2 初始化依赖
进入代码目录,并初始化子模块依赖:
cd quickstep
git submodule init
1.3 检出依赖
检出所有依赖项并应用必要的补丁:
git submodule update
cd third_party && ./download_and_patch_prerequisites.sh && cd ..
1.4 编译
进入构建目录,创建 Makefile 并编译:
cd build
cmake -D CMAKE_BUILD_TYPE=Release ..
make -j4
注:-j4 参数可根据你的 CPU 核心数进行调整。
2. 使用说明
启动 Quickstep CLI Shell 并初始化数据库:
./quickstep_cli_shell --initialize_db=true
此时,你可以开始执行 SQL 查询。要退出 Quickstep,可以输入:
quit;
初始化后,数据库文件将存储在 qsstor 目录下。下次启动时,可以省略 --initialize_db 参数,直接使用:
./quickstep_cli_shell
3. 项目API使用文档
Quickstep 目前支持的 SQL 表面较小,但会随着时间的推移而增长。目前支持的包括基本的 CREATE TABLE 和 SELECT 语句。支持的数据类型包括:INTEGER、FLOAT、DOUBLE、VARCHAR、CHAR、DATE 和 DATETIME。Quickstep 尚不支持 NULL 值或键。
以下是一些示例 SQL 语句:
3.1 创建表
CREATE TABLE Weather (cid INTEGER, recordDate DATE, highTemperature FLOAT, lowTemperature FLOAT);
CREATE TABLE City (cid INTEGER, name VARCHAR(80), state CHAR(2));
3.2 插入数据
INSERT INTO City VALUES (1, 'Madison', 'WI');
INSERT INTO City VALUES (2, 'Palo Alto', 'CA');
INSERT INTO Weather VALUES (1, '2015-11-1', 50, 30);
INSERT INTO Weather VALUES (1, '2015-11-2', 51, 32);
INSERT INTO Weather VALUES (2, '2015-11-1', 60, 50);
3.3 查询
3.3.1 查询所有加州的天气记录
SELECT * FROM Weather W, City C WHERE C.cid = W.cid AND C.state = 'CA';
3.3.2 查询每个城市的最高和最低温度
SELECT cid, MIN(lowTemperature), MAX(highTemperature) FROM Weather GROUP BY cid;
3.3.3 使用嵌套查询查询每个城市的最高和最低温度,并打印城市名称
SELECT * FROM City C, (SELECT cid, MIN(lowTemperature), MAX(highTemperature) FROM Weather GROUP BY cid) AS T WHERE C.cid = T.cid;
3.4 数据导入
Quickstep 还支持 COPY TABLE 命令。以下是一个示例:
首先,在一个单独的 shell 文件中创建数据文件:
echo "3|2015-11-3|49|29" > /tmp/tmp.tbl
echo "3|2015-11-4|48|28" >> /tmp/tmp.tbl
echo "3|2015-11-5|47|27" >> /tmp/tmp.tbl
然后,在 Quickstep shell 中加载数据:
COPY Weather FROM '/tmp/tmp.tbl' WITH (DELIMITER '|');
现在,Weather 表中已加载更多数据,可以再次执行上述 SQL 查询。
4. 安装方式
请参考以下文档以获取更多关于构建和开发的信息:
Quickstep 使用 Apache License, Version 2.0 许可。有关完整许可文本,请见 LICENSE。
登录后查看全文
热门项目推荐
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00
热门内容推荐
最新内容推荐
避坑指南:Pake 打包网页为何“高级功能失效”?深度解析拖拽与下载的底层限制Tauri/Pake 体积极限优化:如何把 12MB 的应用无情压榨到 2MB 以内?受够了 100MB+ 的套壳 App?最强 Electron 替代方案 Pake 深度测评与原理解析告别臃肿积木!用 Pake 1 分钟把任意网页变成 3MB 桌面 App(附国内极速环境包)智能票务抢票系统:突破手动抢票瓶颈的效率革命方案如何利用Path of Building PoE2高效规划流放之路2角色构建代码驱动的神经网络可视化:用PlotNeuralNet绘制专业架构图whisper.cpp CUDA加速实战指南:让语音识别效率提升6倍的技术解析Windows 11系统PicGo高效解决安装与更新全流程指南解决Jellyfin中文元数据难题:MetaShark插件3大场景配置指南
项目优选
收起
deepin linux kernel
C
28
15
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
660
4.26 K
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.54 K
894
Ascend Extension for PyTorch
Python
505
610
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
392
289
暂无简介
Dart
909
219
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
69
21
昇腾LLM分布式训练框架
Python
142
168
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
940
867
🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
1.33 K
108