chdb项目v3.3.0版本发布：增强JSON支持与性能优化

chdb是一个基于ClickHouse的高性能嵌入式数据库引擎，它通过Python接口提供了轻量级的OLAP分析能力。该项目将ClickHouse的强大分析功能封装成易于使用的Python模块，让开发者能够在Python环境中直接执行SQL查询，处理海量数据。

近日，chdb发布了v3.3.0版本，这个版本带来了多项重要改进，特别是对JSON数据类型的原生支持，以及一些关键的性能优化和稳定性修复。下面让我们详细了解一下这个版本的主要特性。

JSON数据类型支持

v3.3.0版本最引人注目的新特性是增加了对JSON数据类型的完整支持。这意味着开发者现在可以直接在SQL查询中处理复杂的嵌套JSON结构，无需预先进行数据转换或扁平化处理。

在实际应用中，我们可以直接查询JSON字段中的特定属性，甚至执行嵌套查询。例如：

import chdb
import pandas as pd

dict_data = {
    "a": [1, 2, 3, 4, 5, 6],
    "b": ["tom", "jerry", "auxten", "tom", "jerry", "auxten"],
    "dict_col": [
        {'id': 1, 'tags': ['urgent', 'important'], 'metadata': {'created': '2024-01-01'}},
        {'id': 2, 'tags': ['normal'], 'metadata': {'created': '2024-02-01'}},
        {'id': 3, 'name': 'tom'},
        {'id': 4, 'value': '100'},
        {'id': 5, 'value': 101},
        {'id': 6, 'value': 102},
    ],
}

df = pd.DataFrame(dict_data)

# 查询JSON字段中的特定属性
chdb.query("SELECT dict_col.id FROM Python(dict_data) WHERE dict_col.value='100'").show()

这个功能极大地简化了处理半结构化数据的流程，使得chdb在现代数据应用场景中更具竞争力。

存储性能指标接口

新版本增加了两个重要的接口用于监控查询性能：

1. storage_rows_read - 获取查询过程中读取的行数
2. storage_bytes_read - 获取查询过程中读取的字节数

这些指标对于性能调优和资源监控非常有用，特别是在处理大规模数据集时。开发者现在可以更精确地了解每个查询的资源消耗情况，从而优化查询性能。

信号处理优化

v3.3.0版本修复了一个可能导致信号丢失的问题，通过移除ClickHouse引擎中的信号处理器，提高了系统的稳定性和可靠性。这个改进对于那些需要长时间运行查询或处理大量数据的应用尤为重要。

多平台支持

chdb继续保持了对多种平台和Python版本的良好支持，包括：

• macOS (x86_64和arm64架构)
• Linux (x86_64和aarch64架构)
• Python 3.8到3.13版本

每个平台和Python版本都有对应的预编译二进制包，简化了安装过程。

总结

chdb v3.3.0版本通过添加JSON支持、性能监控接口和稳定性改进，进一步巩固了其作为嵌入式分析引擎的地位。对于需要在Python环境中处理复杂数据分析任务的开发者来说，这个版本提供了更强大、更灵活的工具集。

特别是JSON支持功能的加入，使得chdb能够更好地适应现代数据应用场景，处理各种半结构化数据变得更加简单高效。结合原有的高性能分析能力，chdb正在成为Python数据分析生态中一个越来越重要的组成部分。