@clickzetta/cz-cli-darwin-arm64 0.3.76 → 0.3.80

package/bin/skills/lakehouse-doc/references/TINYINT.md

@@ -1,63 +0,0 @@
-# TINYINT
-
-`TINYINT` 是一种 8 位有符号整型数据类型，用于存储范围在 -128 到 127 之间的整数值。它可以有效地节省存储空间，因为它仅使用一个字节来表示数值。
-
-## 语法
-
-```
-TINYINT
-```
-
-
-## 示例
-
-1. 创建一个包含 `TINYINT` 类型列的表：
-
-   ```sql
-   CREATE TABLE example_table (
-       id TINYINT
-   );
-   ```
-
-2. 向 `TINYINT` 类型的列插入数据：
-
-   ```sql
-   INSERT INTO example_table (id) VALUES (-100);
-   INSERT INTO example_table (id) VALUES (100);
-   ```
-
-3. 查询 `TINYINT` 类型列的数据：
-
-   ```sql
-   SELECT id FROM example_table;
-   ```
-
-4. 使用 `TINYINT` 类型列进行条件查询：
-
-   ```sql
-   SELECT id FROM example_table WHERE id > -50;
-   ```
-
-5. 创建一个包含 `TINYINT` 类型列（指定最大显示宽度）的表：
-
-   ```sql
-   CREATE TABLE example_table2 (
-       age TINYINT
-   );
-   ```
-
-6. 向 `TINYINT` 类型列（指定最大显示宽度）插入数据：
-
-   ```sql
-   INSERT INTO example_table2 (age) VALUES (25y);
-   ```
-7.  `TINYINT`  常量格式：
-
-   ```sql
-    SELECT 11y
-   ```
-## 注意事项
-
-- `TINYINT` 类型仅适用于存储较小的整数值。对于较大的数值，建议使用 `INT` 或 `BIGINT` 类型。
-- 当使用 `TINYINT` 类型存储负数时，数值范围为 -128 到 -1。若尝试插入超出此范围的负数，将导致溢出错误。
-- 当使用 `TINYINT` 类型存储正数时，数值范围为 1 到 127。若尝试插入超出此范围的正数，将导致溢出错误。

package/bin/skills/lakehouse-doc/references/TPC-H100G_experience.md

@@ -1,49 +0,0 @@
-# 三分钟用一瓶水的代价体验TPC-H 100G性能测试
-
-TPC-H 是由事务处理性能委员会 (TPC) 开发的决策支持基准。它由一套面向业务的临时查询和并发数据修改组成。TPC-H 可以根据真实的生产环境建立模型，模拟销售系统的数据仓库。本次测试使用 8 张表，数据大小为 100 GB。总共测试了 22 个查询，主要性能指标是每个查询的响应时间，即从提交查询到返回结果之间的持续时间。
-TPC-H 性能测试是一个费时、费钱的过程。为了完成测试，需要准备机器、准备数据、生成报告等，往往需要数天时间以及高昂的费用。基于云器 Lakehouse 秒级弹性伸缩的虚拟集群以及共享的 TPC-H 数据集，免去了资源和数据的准备过程。基于本文提供的方法，您可以在 3 分钟内体验云器 Lakehouse 的完整性能测试并查看对比报告。
-本文代码运行在[Zeppelin](eco_integration/Zeppelin.md)。如果您想运行本文代码，请按照文档说明安装[Zeppelin](eco_integration/Zeppelin.md)。
-
-## 创建测试用AP VC
-
-```
--- 创建分析型虚拟计算资源
-create vcluster if not exists VC_TPCH_100GB vcluster_size='Large' vcluster_type='Analytics'  AUTO_RESUME=TRUE AUTO_SUSPEND_IN_SECOND=300 min_replicas=1 max_replicas=1 comment 'TPCH 100GB TEST';
-
-use vcluster VC_TPCH_100GB;
-```
-
-## 了解待测试数据
-
-本测试使用TPC-H 100 GB dataset。基于云器Lakehouse天生的存算分离架构，共享了该数据集（clickzetta\_sample\_data.tpch\_100g），用户可以直接访问，从而免去了数据准备过程。
-
-```
-select "customer" as tablename, count(*) as row_count from clickzetta_sample_data.tpch_100g.customer
-union all select "lineitem" as tablename, count(*) as row_count from clickzetta_sample_data.tpch_100g.lineitem
-union all select "nation" as tablename, count(*) as row_count from clickzetta_sample_data.tpch_100g.nation
-union all select "orders" as tablename, count(*) as row_count from clickzetta_sample_data.tpch_100g.orders
-union all select "part" as tablename, count(*) as row_count from clickzetta_sample_data.tpch_100g.part
-union all select "partsupp" as tablename, count(*) as row_count from clickzetta_sample_data.tpch_100g.partsupp
-union all select "region" as tablename, count(*) as row_count from clickzetta_sample_data.tpch_100g.region
-union all select "supplier" as tablename, count(*) as row_count from clickzetta_sample_data.tpch_100g.supplier;
-```
-
-运行上述代码，得到测试数据集每张表的行数：
-![](.topwrite/assets/image_1718710238102.png)
-
-## 测试过程
-
-![](.topwrite/assets/20240618195336_rec_.gif)
-
-整个过程耗时不到 3 分钟，其中 22 个 SQL 查询运行总计耗时 16.718 秒。费用方面，本次测试采用的是 Large 规格的虚拟计算集群，3 分钟的费用约为 1.38 元，相当于用一瓶水的代价完成了本次测试。
-
-## 恭喜，任务完成！
-
-请享受过程并深入学习！
-
-## 附录
-
-### 下载Zeppelin Notebook源文件
-
-[02.Quick Start ClickZetta Lakehouse Benchmark with TPCH Sample Data..ipynb](https://github.com/yunqiqiliang/clickzetta_quickstart/blob/main/zeppelin_notebook/02.Quick%20Start%20ClickZetta%20Lakehouse%20Benchmark%20with%20TPCH%20Sample%20Data..ipynb)
-[02.Quick Start ClickZetta Lakehouse Benchmark with TPCH Sample Data\_2JH4XMBUG.zpln](https://github.com/yunqiqiliang/clickzetta_quickstart/blob/main/zeppelin_notebook/02.Quick%20Start%20ClickZetta%20Lakehouse%20Benchmark%20with%20TPCH%20Sample%20Data_2JH4XMBUG.zpln)

package/bin/skills/lakehouse-doc/references/TRUNCATE.md

@@ -1,144 +0,0 @@
-# TRUNCATE TABLE
-
-## 功能
-
-`TRUNCATE TABLE` 命令用于快速删除表中的所有记录，但表结构及其属性将保持不变。与 `DROP TABLE` 命令不同，`TRUNCATE TABLE` 不会完全删除表，而仅删除表中的数据。
-
-## 语法
-
-```SQL
-TRUNCATE TABLE  [ IF EXISTS ] table_name;
-```
-
-**必选参数**
-
-* `table_name`：指定要清空数据的表名。
-
-**可选参数**
-
-* `IF EXISTS`：如果指定的表不存在，则不报错并继续执行其他操作。
-
-## 使用示例
-
-1. 清空名为 `employees` 的表中的所有记录：
-   ```SQL
-   TRUNCATE TABLE employees;
-   ```
-
-2. 清空表 `employees`，如果表不存在，则不报错：
-   ```SQL
-   TRUNCATE TABLE IF EXISTS employees;
-   ```
-
-# TRUNCATE TABLE PARTITION
-
-## 功能
-
-`TRUNCATE TABLE PARTITION` 命令用于清空分区表中指定分区的数据。支持通过条件筛选方式清空分区数据。如果您希望一次性清空符合某个规则条件的一个或多个分区，可以使用表达式指定筛选条件，通过筛选条件匹配分区并批量清空分区数据。
-
-## 语法
-
-* 指定分区删除：
-
-```SQL
-TRUNCATE TABLE <table_name> PARTITION (<pt_spec>)[, PARTITION (<pt_spec>)....];
-```
-
-* 指定分区筛选条件：
-
-```SQL
-TRUNCATE TABLE <table_name>  <partition_expression>;
-partition_expression::=
-   PARTITION (<partition_col> <relational_operators> <partition_col_value>)
-   | PARTITION (scalar(<partition_col>) <relational_operators> <partition_col_value>)
-   | PARTITION (<partition_filter> AND|OR <partition_filter>)
-   | PARTITION (NOT <partition_filter>)
-   | PARTITION (<partition_filter>)[,PARTITION (<partition_filter>), ...]
-```
-
-**参数说明**
-
-* `table_name`：指定表的名字。
-* `IF EXISTS`：如果表不存在，加上此参数执行该命令则不会报错。
-* `pt_spec`：必填。待清空数据的分区。当有多个分区字段格式为`(partition_col1 = partition_col_value1, partition_col2 = partition_col_value2, ...)`。partition\_col是分区字段，partition\_col\_value是分区值。分区字段不区分大小写，分区值区分大小写。支持指定多个分区值，使用逗号分隔。
-* `partition_expression`：可以包含以下几种形式：
-
-  1. **基于分区列的比较操作**：
-
-  ```SQL
-  PARTITION (<partition_col> <relational_operators> <partition_col_value>)
-  ```
-
-  * `<partition_col>`：分区表中的分区列名。
-  * `<relational_operators>`：关系运算符，如 `=`、<`、`>、<=`、`>、`<>`。
-  * `<partition_col_value>`：与分区列进行比较的值。
-  * 示例如下：
-
-  ```SQL
-  PARTITION (scalar(<partition_col>) <relational_operators> <partition_col_value>)
-  ```
-
-  * `scalar` 函数是返回单个值的函数，用于将分区列的值转换为标量值。目前lakehouse支持的分区scalar函数包含时间函数、json函数、数学函数、加密函数、正则函数、字符串函数。
-
-  * 示例如下：
-
-    ```
-    TRUNCATE TABLE sales PARTITION (lower(pt)=product1);
-    ```
-
-  2. **基于分区过滤器的复合条件**：
-
-  ```SQL
-  PARTITION (<partition_filter> AND|OR <partition_filter>)
-  ```
-
-  * `<partition_filter>`：可以是任何有效的分区过滤条件。
-  * `AND|OR`：逻辑运算符，用于组合多个过滤条件。
-  * 示例如下：
-
-    ```
-    TRUNCATE TABLE sales  PARTITION(pt1='2023' and pt2='03');
-    ```
-
-  3. **基于分区过滤器的否定条件**：
-
-  ```SQL
-  PARTITION (NOT <partition_filter>)
-  ```
-
-  * `NOT`：逻辑非运算符，用于否定一个过滤条件。
-  * 示例如下：
-
-    ```
-    TRUNCATE TABLE sales  PARTITION(pt2 not in('01','04'));
-    ```
-
-  4. **多个分区过滤器的列表**：
-
-  ```SQL
-  PARTITION (<partition_filter>)[,PARTITION (<partition_filter>), ...]
-  ```
-
-  * 允许您列出多个分区过滤条件，每个条件之间用逗号分隔。
-
-## 使用示例
-
-1. 指定分区清空
-   ```sql
-   --从表sale_detail中清空一个分区
-   TRUNCATE  TABLE sale_detail PARTITION (pt = '202402', region = 'beijing');
-   --从表sale_detail中同时清空两个分区，清空2024年1月杭州和上海地域的销售记录。
-   TRUNCATE  TABLE sale_detail PARTITION (pt = '201401', region = 'hangzhou'),
-   PARTITION (pt = '201401', region = 'shanghai');
-   ```
-
-2. 使用过滤条件清空 `sales` 表中满足分区条件 `year < 2024 AND quarter = 1` 的所有分区：
-   ```SQL
-   TRUNCATE  TABLE sales PARTITION 
-   (
-   YEAR < 2024 AND      
-   QUARTER = 1
-   );
-   ```
-
-^

package/bin/skills/lakehouse-doc/references/TableDesign.md

@@ -1,270 +0,0 @@
-# 表设计及数据类型操作
-
-创建一张表，覆盖云器 Lakehouse 支持的所有表结构数据类型，并以这张表为基表，创建普通视图。
-
-## 创建schema
-
-```
-CREATE SCHEMA IF NOT EXISTS lakehouse_demo_table_design_schema;
-USE SCHEMA lakehouse_demo_table_design_schema;
-SELECT current_schema();
-```
-
-## 创建表和视图
-
--- 云器 Lakehouse 支持的数据类型
-
-```
-CREATE TABLE IF NOT EXISTS lakehouse_demo_table_design_schema.clickzetta_datatypes
-(
-    c_bigint BIGINT,
-    c_boolean BOOLEAN,
-    c_binary BINARY,
-    c_char CHAR,
-    c_date DATE,
-    c_decimal DECIMAL(20,6),
-    c_double DOUBLE,
-    c_float FLOAT,
-    c_int INT,
-    c_interval INTERVAL DAY,
-    c_smallint SMALLINT,
-    c_string STRING,
-    c_timestamp TIMESTAMP,
-    c_tinyint TINYINT,
-    c_array ARRAY<STRUCT<a: INT, b: STRING>>,
-    c_map MAP<STRING, STRING>,
-    c_struct STRUCT<a: INT, b: STRING, c: DOUBLE>,
-    c_varchar VARCHAR(1024),
-    c_json JSON
-);
---LIKE语句可以再创建一个表，使目标表和源表具有相同的表结构。但通过该语句创建的表不复制数据
-CREATE  TABLE IF NOT EXISTS lakehouse_demo_table_design_schema.clickzetta_datatypes_like LIKE lakehouse_demo_table_design_schema.clickzetta_datatypes;
-
---AS语句可用于同步或异步查询原表并基于查询结果创建新表，然后将查询结果插入到新表中,但是不会复制分区信息
-CREATE  TABLE IF NOT EXISTS lakehouse_demo_table_design_schema.clickzetta_datatypes_as AS select* from lakehouse_demo_table_design_schema.clickzetta_datatypes;
-
---创建普通视图
-CREATE VIEW  IF NOT EXISTS lakehouse_demo_table_design_schema.clickzetta_datatypes_view as select* from lakehouse_demo_table_design_schema.clickzetta_datatypes;
-
---检查创建好的表、视图
-show tables like 'clickzetta_datatypes%' in lakehouse_demo_table_design_schema;
-```
-
-![](.topwrite/assets/image_1718700694135.png)
-
-## 向表中插入记录
-
-```
-INSERT INTO lakehouse_demo_table_design_schema.clickzetta_datatypes VALUES
-(1, true, X'01', 'a', DATE'2022-02-01', 1000.123456, 2.0, 1.5, 42, INTERVAL 1 DAY, 103, 'test string 1',TIMESTAMP '2022-02-01 20:00:00', 11, ARRAY(STRUCT(1, 'A')), MAP('key1', 'value1'), STRUCT(1, 'A', 2.0), 'varchar example 1',JSON '{"id": 1, "value": "100", "comment": "JSON Sample data"}' ),
-(2, false, X'02', 'b', DATE'2022-02-02', 2000.234567, 4.0, 2.5, 84, INTERVAL 2 DAY, 104,'test string 2',TIMESTAMP '2022-02-02 21:00:00', 12, ARRAY(STRUCT(2, 'B')), MAP('key2', 'value2'), STRUCT(2, 'B', 4.0), 'varchar example 2',JSON '{"id": 2, "value": "200", "comment": "JSON Sample data"}' );
-```
-
-## 查询表中的date、timestamp、interval类型数据
-
-```
--- 1. 按日期筛选
-SELECT * FROM lakehouse_demo_table_design_schema.clickzetta_datatypes WHERE c_date >= DATE '2022-02-02';
-
--- 2. 选择特定时间范围内的记录
-SELECT * FROM lakehouse_demo_table_design_schema.clickzetta_datatypes WHERE c_timestamp BETWEEN TIMESTAMP '2022-02-01 20:00:00' AND TIMESTAMP '2022-02-02 21:00:00';
-
--- 3. 对日期添加天数
-SELECT c_date, c_date + INTERVAL 7 DAY as plus_7_days FROM lakehouse_demo_table_design_schema.clickzetta_datatypes;
-
--- 4. 计算两个日期之间的天数差
-SELECT c_date, DATEDIFF((SELECT c_date FROM lakehouse_demo_table_design_schema.clickzetta_datatypes WHERE c_bigint = 2), c_date) as days_difference FROM lakehouse_demo_table_design_schema.clickzetta_datatypes;
-
--- 5. 提取日期的年份、月份和日
-SELECT EXTRACT(YEAR FROM c_date) as year, EXTRACT(MONTH FROM c_date) as month, EXTRACT(DAY FROM c_date) as day FROM lakehouse_demo_table_design_schema.clickzetta_datatypes;
-
--- 6. 计算时间戳与当前时间的差值（分钟）
-SELECT c_timestamp, TIMESTAMPDIFF(MINUTE, c_timestamp, NOW()) as minutes_difference FROM lakehouse_demo_table_design_schema.clickzetta_datatypes;
-
--- 7. 比较两个日期的大小
-SELECT  INTERVAL 10 DAY, c_interval, INTERVAL 10 DAY > c_interval from lakehouse_demo_table_design_schema.clickzetta_datatypes;
-```
-
-## 操作复杂数据类型：map、array、struct、json
-
-```
--- 1. 提取map中的值
-SELECT
-  c_int,
-  c_map['key1'] AS map_key1_value, 
-  c_map['key2'] AS map_key2_value
-FROM lakehouse_demo_table_design_schema.clickzetta_datatypes;
-
--- 2. 计算map长度
-SELECT
-  c_int,
-  cardinality(c_map) AS map_length
-FROM lakehouse_demo_table_design_schema.clickzetta_datatypes;
-
--- 3. 提取array中的结构字段
-SELECT
-  c_int,
-  c_array[0].a AS array_col1_value, 
-  c_array[0].b AS array_col2_value
-FROM lakehouse_demo_table_design_schema.clickzetta_datatypes;
-
--- 4. 计算数组长度
-SELECT
-  c_int,
-  array_size(c_array) AS array_length
-FROM lakehouse_demo_table_design_schema.clickzetta_datatypes;
-
--- 5. 提取结构中的值
-SELECT
-  c_int,
-  c_struct.a AS struct_col1_value,
-  c_struct.b AS struct_col2_value,
-  c_struct.c AS struct_col3_value
-FROM lakehouse_demo_table_design_schema.clickzetta_datatypes;
-
--- 6. 结果放在一个cell里
-SELECT
-  c_int,
-  concat_ws(
-    'Map Value Key1: ', c_map['key1'], ', ',
-    'Map Value Key2: ', c_map['key2'], ', ',
-    'Array Struct: (', c_array[0].a, ', ', c_array[0].b, ')'
-  ) AS combined_result
-FROM lakehouse_demo_table_design_schema.clickzetta_datatypes;
-
--- 7. 提取JSON字段
-SELECT
-  json_extract_int(c_json,"$.id") as id,
-  json_extract_bigint(c_json,"$.value") as value,
-  json_extract_string(c_json,"$.comment") as comment
-FROM lakehouse_demo_table_design_schema.clickzetta_datatypes;
-```
-
-## 查询 MAP 类型数据
-
-以下是针对 clickzetta_datatypes 表中的 c_map 类型列的一些 SELECT 语句示例：
-
-```
--- 1. 提取map中的值
-SELECT
-  c_int,
-  c_map['key1'] AS map_key1_value, 
-  c_map['key2'] AS map_key2_value
-FROM lakehouse_demo_table_design_schema.clickzetta_datatypes;
-
--- 2. 计算map长度
-SELECT
-  c_int,
-  cardinality(c_map) AS map_length
-FROM lakehouse_demo_table_design_schema.clickzetta_datatypes;
-
--- 3. 检查map中是否存在指定键
-SELECT
-  c_int,
-  c_map['key_to_check'] IS NOT NULL AS key_exists
-FROM lakehouse_demo_table_design_schema.clickzetta_datatypes;
-
--- 4. 使用map中的值进行条件筛选
-SELECT
-  c_int,
-  c_map
-FROM lakehouse_demo_table_design_schema.clickzetta_datatypes
-WHERE c_map['key1'] = 'value_to_match';
-
--- 5. 返回具有最大键值的行
-SELECT
-  c_int,
-  c_map
-FROM clickzetta_datatypes
-WHERE c_map['key_with_max_value'] = (
-  SELECT MAX(c_map['key_with_max_value'])
-  FROM lakehouse_demo_table_design_schema.clickzetta_datatypes
-);
-
--- 6. 将map转换为array并提取第一个元素的键和值
-SELECT
-  c_int,
-  map_keys(c_map)[0] AS first_key,
-  map_values(c_map)[0] AS first_value
-FROM lakehouse_demo_table_design_schema.clickzetta_datatypes;
-```
-
-## 查询 Array 类型数据
-
-以下是针对 clickzetta_datatypes 表中的 c_array 类型列的一些 SELECT 语句示例：
-
-```
--- 1. 提取array中的值
-SELECT
-  c_int,
-  c_array[0] AS array_element_1, 
-  c_array[1] AS array_element_2
-FROM lakehouse_demo_table_design_schema.clickzetta_datatypes;
-
--- 2. 计算array长度
-SELECT
-  c_int,
-  cardinality(c_array) AS array_length
-FROM lakehouse_demo_table_design_schema.clickzetta_datatypes;
-```
-
-## 查询 Struct 类型数据
-
-以下是针对 clickzetta_datatypes 表中的 c_struct 类型列的一些 SELECT 语句示例，包括对 c_struct 列执行各种运算。
-
-```
--- 1. 选择c_struct的所有属性
-SELECT c_struct.a, c_struct.b, c_struct.c
-FROM lakehouse_demo_table_design_schema.clickzetta_datatypes;
-
--- 2. 对c_struct列进行运算
-
--- 2.1 选择c_struct列中a属性乘以某个值（例如：2）的结果
-SELECT c_struct.a * 2 as multiplied_a
-FROM lakehouse_demo_table_design_schema.clickzetta_datatypes;
-
--- 2.2 使用c_struct列中的a和c属性计算平均值
-SELECT (c_struct.a + c_struct.c) / 2 as avg_a_c
-FROM lakehouse_demo_table_design_schema.clickzetta_datatypes;
-
--- 2.3 根据c_struct列中的b属性对结果进行排序
-SELECT c_struct.a, c_struct.b, c_struct.c
-FROM lakehouse_demo_table_design_schema.clickzetta_datatypes
-ORDER BY c_struct.b;
-
--- 3. 使用聚合函数处理c_struct列
-
--- 3.1 计算c_struct列中a属性的总和
-SELECT SUM(c_struct.a) as total_a
-FROM lakehouse_demo_table_design_schema.clickzetta_datatypes;
-
--- 3.2 计算c_struct列中c属性的平均值
-SELECT AVG(c_struct.c) as avg_c
-FROM lakehouse_demo_table_design_schema.clickzetta_datatypes;
-
--- 3.3 获取c_struct列中a属性的最大值
-SELECT MAX(c_struct.a) as max_a
-FROM lakehouse_demo_table_design_schema.clickzetta_datatypes;
-```
-
-## 清理
-
-```
-DROP TABLE IF EXISTS lakehouse_demo_table_design_schema.clickzetta_datatypes;
-DROP TABLE IF EXISTS lakehouse_demo_table_design_schema.clickzetta_datatypes_like;
-DROP TABLE IF EXISTS lakehouse_demo_table_design_schema.clickzetta_datatypes_as;
-DROP VIEW IF EXISTS lakehouse_demo_table_design_schema.clickzetta_datatypes_view;
-DROP SCHEMA IF EXISTS lakehouse_demo_table_design_schema;
-```
-
-## 恭喜，任务完成！
-
-请享受学习过程并了解更多！
-
-## 附录
-
-### 下载Zeppelin Notebook源文件
-
-本文代码也提供了运行在 [Zeppelin](eco_integration/Zeppelin.md) 上的版本。如果您想直接运行本文代码，请按照文档说明安装 [Zeppelin](eco_integration/Zeppelin.md)。
-
-[02.表设计.ipynb](https://github.com/yunqiqiliang/clickzetta_quickstart/blob/main/zeppelin_notebook/02.%E8%A1%A8%E8%AE%BE%E8%AE%A1.ipynb)

package/bin/skills/lakehouse-doc/references/TableauConnectToLakehouse.md

@@ -1,64 +0,0 @@
-# Tableau连接Lakehouse
-
-Tableau一款商业智能（Business Intelligence）产品。Lakehouse支持数据接入Tableau进行可视化分析，您可以利用Tableau简便的拖放式界面，自定义视图、布局、形状、颜色等，帮助您展现自己的数据视角。本文为您介绍如何通过Lakehouse JDBC驱动，连接Tableau，并进行可视化数据分析。
-
-# 背景信息
-
-Tableau Desktop是Tableau基于斯坦福大学突破性技术研发的软件应用程序，可以帮助您生动地分析实际存在的任何结构化数据，并在几分钟内生成美观的图表、坐标图、仪表盘与报告。更多Tableau Desktop信息，请参见[Tableau Desktop](https://www.tableau.com/products/desktop)。
-
-# 预备条件
-在开始操作前，请确保您已满足以下条件：
-- 已开通Lakehouse服务。
-- 已下载[Lakehouse JDBC驱动](https://www.yunqi.tech/documents/version-update)。
-- 已下载并安装[Tableau](https://www.tableau.com/products/desktop/download)。本文以Professional Edition 2024.3.1为例。
-- Lakehouse提供的[ Tableau 插件](<https://autolake-dev-beijing.oss-cn-beijing.aliyuncs.com/clickzetta-tool/tableau-plugin/clickzetta_jdbc-v0.0.1.taco>)
-# 连接Lakehouse
-## 步骤一：放置Lakehouse JDBC驱动
-将下载的Lakehouse [JDBC驱动JAR包](https://central.sonatype.com/artifact/com.clickzetta/clickzetta-java/versions)按照操作系统类型放置于Tableau Desktop的对应目录：
-- Windows：C:\\Program Files\\Tableau\\Drivers
-- macOS：~/Library/Tableau/Drivers
-- Linux：/opt/tableau/tableau\_driver/jdbc
-## 步骤二：放置Lakehouse的Tableau插件
-下载 Lakehouse 提供的[ Tableau 插件](<https://autolake-dev-beijing.oss-cn-beijing.aliyuncs.com/clickzetta-tool/tableau-plugin/clickzetta_jdbc-v0.0.1.taco>)。该插件是根据 Tableau 官方 [插件文档](https://tableau.github.io/connector-plugin-sdk/docs/package-sign) 编写的。
-
-将下载的插件放置到Tableau Desktop的对应目录
-- Windows: C:\\Users\\\[Windows User\]\\Documents\\My Tableau Repository\\Connectors
-- macOS: /Users/\[user\]/Documents/My Tableau Repository/Connectors
-- Linux: /opt/tableau/connectors
-本文案例中使用的是mac，所在的位置为:/Users/xxx/Documents/我的 Tableau 存储库/连接器
-## 步骤三：启动Tableau
-1. 启动Tableau Desktop。由于上面的插件没有进行数字证书签名因此启动时需要禁止签名校验
- ```
---mac打开命令行运行  
-/Applications/Tableau\ Desktop\[version].app/Contents/MacOS/Tableau -DDisableVerifyConnectorPluginSignature=true
--- Windows命令行运行  
-tableau.exe -DDisableVerifyConnectorPluginSignature=true 
-```
-2. 在左侧导航栏的**到服务器**区域，选择**更多... &gt; Lakehouse x 云器科技**。
- ![](.topwrite/assets/af1a476424/45fa8a07085269be5490f751bbe23dcecdb1335f.png)
-3. 在Lakehouse x 云器科技,配置参数信息
-![](.topwrite/assets/af1a476424/3a4b0c7e6667057f56190550395cf6a845282aa3.png)
-
-| 参数  | 是否必填 | 描述                                       |
-| --- | ---- | ---------------------------------------- |
-| 服务器 | Y    | 可以在Lakehouse Studio管理-》工作空间中看到jdbc连接串以查看 |
-| 用户名 | Y    | 用户名                                      |
-| 密码  | Y    | 密码                                       |
-4. 单击**登录**，即可进入Tableau Desktop操作界面。
-5. 在左侧的架构下拉列表选择目标Lakehouse的Schema。
- ![](.topwrite/assets/af1a476424/a10eb44867352ca69377affd79c8faa77f7f3bf4.png)
-
-## 步骤四：使用Tableau查询及分析数据
-本次案例使用公共数据集下的clickzetta\_sample\_data.tpch\_100g.orders 表分析数据
-
-双击新自定义SQL
- ![](.topwrite/assets/af1a476424/ccf42506d4d03632469570fc042ff8d9c84dcc03.png)
-
-输入，点击确定
-```SQL
-select *  from    clickzetta_sample_data.tpch_100g.orders
-```
- ![](.topwrite/assets/af1a476424/cd06ef3dd0b040769d666cafd8278199f2e1f4b3.png)
-
-点击工作表，分析clickzetta\_sample\_data.tpch\_100g.lineitem表中的数据集
-![](.topwrite/assets/af1a476424/6c856c2e85e70c074ba137c43ef4bf35f82ce3ec.png)

package/bin/skills/lakehouse-doc/references/Tutorials.md

@@ -1 +0,0 @@
-^