> ## Documentation Index
> Fetch the complete documentation index at: https://private-7c7dfe99-fix-nav-issues.mintlify.site/llms.txt
> Use this file to discover all available pages before exploring further.

# Фабричные методы DataStore

> Создание экземпляров DataStore из файлов, баз данных, облачных хранилищ и озер данных

DataStore включает более 20 фабричных методов для создания экземпляров из различных источников данных, включая локальные файлы, базы данных, облачные хранилища и озера данных.

<div id="uri">
  ## Универсальный интерфейс URI
</div>

Метод `uri()` — рекомендуемая универсальная точка входа с автоматическим определением типа источника:

```python theme={null}
from chdb.datastore import DataStore

# Локальные файлы
ds = DataStore.uri("data.csv")
ds = DataStore.uri("/path/to/data.parquet")

# Облачные хранилища
ds = DataStore.uri("s3://bucket/data.parquet?nosign=true")
ds = DataStore.uri("https://example.com/data.csv")

# Базы данных
ds = DataStore.uri("mysql://user:pass@host:3306/db/table")
ds = DataStore.uri("postgresql://user:pass@host:5432/db/table")
```

<div id="uri-syntax">
  ### Справочник по синтаксису URI
</div>

| Тип источника  | Формат URI                                  | Пример                                                 |
| -------------- | ------------------------------------------- | ------------------------------------------------------ |
| Локальный файл | `path/to/file`                              | `data.csv`, `/abs/path/data.parquet`                   |
| S3             | `s3://bucket/path`                          | `s3://mybucket/data.parquet?nosign=true`               |
| GCS            | `gs://bucket/path`                          | `gs://mybucket/data.csv`                               |
| Azure          | `az://container/path`                       | `az://mycontainer/data.parquet`                        |
| HTTP/HTTPS     | `https://url`                               | `https://example.com/data.csv`                         |
| MySQL          | `mysql://user:pass@host:port/db/table`      | `mysql://root:pass@localhost:3306/mydb/users`          |
| PostgreSQL     | `postgresql://user:pass@host:port/db/table` | `postgresql://postgres:pass@localhost:5432/mydb/users` |
| SQLite         | `sqlite:///path?table=name`                 | `sqlite:///data.db?table=users`                        |
| ClickHouse     | `clickhouse://host:port/db/table`           | `clickhouse://localhost:9000/default/hits`             |

***

<div id="file-sources">
  ## Файловые источники
</div>

<div id="from-file">
  ### `from_file`
</div>

Создаёт DataStore из локального или удалённого файла с автоматическим определением формата.

```python theme={null}
DataStore.from_file(path, format=None, compression=None, **kwargs)
```

**Параметры:**

| Параметр      | Тип | По умолчанию  | Описание                                                     |
| ------------- | --- | ------------- | ------------------------------------------------------------ |
| `path`        | str | *обязательно* | Путь к файлу (локальный путь или URL)                        |
| `format`      | str | `None`        | Формат файла (если указано None, определяется автоматически) |
| `compression` | str | `None`        | Тип сжатия (если указано None, определяется автоматически)   |

**Поддерживаемые форматы:** CSV, TSV, Parquet, JSON, JSONLines, ORC, Avro, Arrow

**Примеры:**

```python theme={null}
from chdb.datastore import DataStore

# Автоматическое определение формата по расширению
ds = DataStore.from_file("data.csv")
ds = DataStore.from_file("data.parquet")
ds = DataStore.from_file("data.json")

# Явное указание формата
ds = DataStore.from_file("data.txt", format="CSV")

# Со сжатием
ds = DataStore.from_file("data.csv.gz", compression="gzip")
```

<div id="pandas-read">
  ### Функции чтения, совместимые с Pandas
</div>

```python theme={null}
from chdb import datastore as pd

# CSV-файлы
ds = pd.read_csv("data.csv")
ds = pd.read_csv("data.csv", sep=";", header=0, nrows=1000)

# Файлы Parquet (рекомендуется для больших датасетов)
ds = pd.read_parquet("data.parquet")
ds = pd.read_parquet("data.parquet", columns=['col1', 'col2'])

# JSON-файлы
ds = pd.read_json("data.json")
ds = pd.read_json("data.jsonl", lines=True)

# Файлы Excel
ds = pd.read_excel("data.xlsx", sheet_name="Sheet1")
```

***

<div id="cloud-storage">
  ## Облачное хранилище
</div>

<div id="from-s3">
  ### `from_s3`
</div>

Создание DataStore из Amazon S3.

```python theme={null}
DataStore.from_s3(url, access_key_id=None, secret_access_key=None, format=None, **kwargs)
```

**Параметры:**

| Параметр            | Тип | По умолчанию  | Описание                                  |
| ------------------- | --- | ------------- | ----------------------------------------- |
| `url`               | str | *обязательно* | URL-адрес S3 (s3://bucket/path)           |
| `access_key_id`     | str | `None`        | Идентификатор ключа доступа AWS           |
| `secret_access_key` | str | `None`        | Секретный ключ доступа AWS                |
| `format`            | str | `None`        | Формат файла (определяется автоматически) |

**Примеры:**

```python theme={null}
from chdb.datastore import DataStore

# Анонимный доступ (общедоступный бакет)
ds = DataStore.from_s3("s3://bucket/data.parquet")

# С учетными данными
ds = DataStore.from_s3(
    "s3://bucket/data.parquet",
    access_key_id="AKIAIOSFODNN7EXAMPLE",
    secret_access_key="wJalrXUtnFEMI/K7MDENG/bPxRfiCYEXAMPLEKEY"
)

# Использование URI с параметрами запроса
ds = DataStore.uri("s3://bucket/data.parquet?nosign=true")
ds = DataStore.uri("s3://bucket/data.parquet?access_key_id=KEY&secret_access_key=SECRET")
```

<div id="from-gcs">
  ### `from_gcs`
</div>

Создать DataStore из Google Cloud Storage.

```python theme={null}
DataStore.from_gcs(url, credentials_path=None, **kwargs)
```

**Примеры:**

```python theme={null}
ds = DataStore.from_gcs("gs://bucket/data.parquet")
ds = DataStore.from_gcs("gs://bucket/data.parquet", credentials_path="/path/to/creds.json")
```

<div id="from-azure">
  ### `from_azure`
</div>

Создает DataStore из Azure Blob Storage.

```python theme={null}
DataStore.from_azure(url, account_name=None, account_key=None, **kwargs)
```

**Примеры:**

```python theme={null}
ds = DataStore.from_azure(
    "az://container/data.parquet",
    account_name="myaccount",
    account_key="mykey"
)
```

<div id="from-hdfs">
  ### `from_hdfs`
</div>

Создаёт DataStore из HDFS.

```python theme={null}
DataStore.from_hdfs(url, **kwargs)
```

**Примеры:**

```python theme={null}
ds = DataStore.from_hdfs("hdfs://namenode:8020/path/data.parquet")
```

<div id="from-url">
  ### `from_url`
</div>

Создаёт DataStore по URL HTTP/HTTPS.

```python theme={null}
DataStore.from_url(url, format=None, **kwargs)
```

**Примеры:**

```python theme={null}
ds = DataStore.from_url("https://example.com/data.csv")
ds = DataStore.from_url("https://raw.githubusercontent.com/user/repo/main/data.parquet")
```

***

<div id="databases">
  ## Базы данных
</div>

<div id="from-mysql">
  ### `from_mysql`
</div>

Создание DataStore из базы данных MySQL.

```python theme={null}
DataStore.from_mysql(host, database, table, user, password, port=3306, **kwargs)
```

**Параметры:**

| Параметр   | Тип | По умолчанию | Описание         |
| ---------- | --- | ------------ | ---------------- |
| `host`     | str | *required*   | Хост MySQL       |
| `database` | str | *required*   | Имя базы данных  |
| `table`    | str | *required*   | Имя таблицы      |
| `user`     | str | *required*   | Имя пользователя |
| `password` | str | *required*   | Пароль           |
| `port`     | int | `3306`       | Номер порта      |

**Примеры:**

```python theme={null}
ds = DataStore.from_mysql(
    host="localhost",
    database="mydb",
    table="users",
    user="root",
    password="password"
)

# Использование URI
ds = DataStore.uri("mysql://root:password@localhost:3306/mydb/users")
```

<div id="from-postgresql">
  ### `from_postgresql`
</div>

Создать DataStore из базы данных PostgreSQL.

```python theme={null}
DataStore.from_postgresql(host, database, table, user, password, port=5432, **kwargs)
```

**Примеры:**

```python theme={null}
ds = DataStore.from_postgresql(
    host="localhost",
    database="mydb",
    table="users",
    user="postgres",
    password="password"
)

# Использование URI
ds = DataStore.uri("postgresql://postgres:password@localhost:5432/mydb/users")
```

<div id="from-clickhouse">
  ### `from_clickhouse`
</div>

Создает DataStore на основе сервера ClickHouse.

```python theme={null}
DataStore.from_clickhouse(host, database, table, user=None, password=None, port=9000, **kwargs)
```

**Примеры:**

```python theme={null}
ds = DataStore.from_clickhouse(
    host="localhost",
    database="default",
    table="hits",
    user="default",
    password=""
)

# Режим на уровне подключения (просмотр баз данных)
ds = DataStore.from_clickhouse(
    host="analytics.company.com",
    user="analyst",
    password="secret"
)
ds.databases()                  # Список баз данных
ds.tables("production")         # Список таблиц
result = ds.sql("SELECT * FROM production.users LIMIT 10")
```

<div id="from-mongodb">
  ### `from_mongodb`
</div>

Создание DataStore из MongoDB.

```python theme={null}
DataStore.from_mongodb(uri, database, collection, **kwargs)
```

**Примеры:**

```python theme={null}
ds = DataStore.from_mongodb(
    uri="mongodb://localhost:27017",
    database="mydb",
    collection="users"
)
```

<div id="from-sqlite">
  ### `from_sqlite`
</div>

Создает DataStore из базы данных SQLite.

```python theme={null}
DataStore.from_sqlite(database_path, table, **kwargs)
```

**Примеры:**

```python theme={null}
ds = DataStore.from_sqlite("data.db", table="users")

# Использование URI
ds = DataStore.uri("sqlite:///data.db?table=users")
```

***

<div id="data-lakes">
  ## Озера данных
</div>

<div id="from-iceberg">
  ### `from_iceberg`
</div>

Создаёт DataStore на основе таблицы Apache Iceberg.

```python theme={null}
DataStore.from_iceberg(path, **kwargs)
```

**Примеры:**

```python theme={null}
ds = DataStore.from_iceberg("/path/to/iceberg_table")
ds = DataStore.uri("iceberg://catalog/namespace/table")
```

<div id="from-delta">
  ### `from_delta`
</div>

Создает DataStore из таблицы Delta Lake.

```python theme={null}
DataStore.from_delta(path, **kwargs)
```

**Примеры:**

```python theme={null}
ds = DataStore.from_delta("/path/to/delta_table")
ds = DataStore.uri("deltalake:///path/to/delta_table")
```

<div id="from-hudi">
  ### `from_hudi`
</div>

Создает DataStore на основе таблицы Apache Hudi.

```python theme={null}
DataStore.from_hudi(path, **kwargs)
```

**Примеры:**

```python theme={null}
ds = DataStore.from_hudi("/path/to/hudi_table")
ds = DataStore.uri("hudi:///path/to/hudi_table")
```

***

<div id="in-memory">
  ## Источники в памяти
</div>

<div id="from-df">
  ### `from_df` / `from_dataframe`
</div>

Создаёт DataStore из pandas DataFrame.

```python theme={null}
DataStore.from_df(df, name=None)
DataStore.from_dataframe(df, name=None)  # псевдоним
```

**Примеры:**

```python theme={null}
import pandas
from chdb.datastore import DataStore

pdf = pandas.DataFrame({'a': [1, 2, 3], 'b': ['x', 'y', 'z']})
ds = DataStore.from_df(pdf)
```

<div id="dataframe-constructor">
  ### Конструктор `DataFrame`
</div>

Создайте DataStore с помощью конструктора, аналогичного pandas.

```python theme={null}
from chdb import datastore as pd

# Из словаря
ds = pd.DataFrame({
    'name': ['Alice', 'Bob'],
    'age': [25, 30]
})

# Из pandas DataFrame
import pandas
pdf = pandas.DataFrame({'a': [1, 2, 3]})
ds = pd.DataFrame(pdf)
```

***

<div id="special-sources">
  ## Специальные источники
</div>

<div id="from-numbers">
  ### `from_numbers`
</div>

Создаёт DataStore с последовательными числами (полезно для тестирования).

```python theme={null}
DataStore.from_numbers(count, **kwargs)
```

**Примеры:**

```python theme={null}
ds = DataStore.from_numbers(1000000)  # 1M строк со столбцом 'number'
result = ds.filter(ds['number'] % 2 == 0).head(10)  # Чётные числа
```

<div id="from-random">
  ### `from_random`
</div>

Создаёт DataStore со случайными данными.

```python theme={null}
DataStore.from_random(rows, columns, **kwargs)
```

**Примеры:**

```python theme={null}
ds = DataStore.from_random(rows=1000, columns=5)
```

<div id="run-sql">
  ### `run_sql`
</div>

Создает DataStore из SQL-запроса Raw SQL.

```python theme={null}
DataStore.run_sql(query)
```

**Примеры:**

```python theme={null}
ds = DataStore.run_sql("""
    SELECT number, number * 2 as doubled
    FROM numbers(100)
    WHERE number % 10 = 0
""")
```

***

<div id="summary">
  ## Сводная таблица
</div>

| Метод               | Тип источника             | Пример                                                   |
| ------------------- | ------------------------- | -------------------------------------------------------- |
| `uri()`             | Универсальный             | `DataStore.uri("s3://bucket/data.parquet")`              |
| `from_file()`       | Локальные/удалённые файлы | `DataStore.from_file("data.csv")`                        |
| `read_csv()`        | CSV-файлы                 | `pd.read_csv("data.csv")`                                |
| `read_parquet()`    | Файлы Parquet             | `pd.read_parquet("data.parquet")`                        |
| `from_s3()`         | Amazon S3                 | `DataStore.from_s3("s3://bucket/path")`                  |
| `from_gcs()`        | Google Cloud Storage      | `DataStore.from_gcs("gs://bucket/path")`                 |
| `from_azure()`      | Azure Blob                | `DataStore.from_azure("az://container/path")`            |
| `from_hdfs()`       | HDFS                      | `DataStore.from_hdfs("hdfs://host/path")`                |
| `from_url()`        | HTTP/HTTPS                | `DataStore.from_url("https://example.com/data.csv")`     |
| `from_mysql()`      | MySQL                     | `DataStore.from_mysql(host, db, table, user, pass)`      |
| `from_postgresql()` | PostgreSQL                | `DataStore.from_postgresql(host, db, table, user, pass)` |
| `from_clickhouse()` | ClickHouse                | `DataStore.from_clickhouse(host, db, table)`             |
| `from_mongodb()`    | MongoDB                   | `DataStore.from_mongodb(uri, db, collection)`            |
| `from_sqlite()`     | SQLite                    | `DataStore.from_sqlite("data.db", table)`                |
| `from_iceberg()`    | Apache Iceberg            | `DataStore.from_iceberg("/path/to/table")`               |
| `from_delta()`      | Delta Lake                | `DataStore.from_delta("/path/to/table")`                 |
| `from_hudi()`       | Apache Hudi               | `DataStore.from_hudi("/path/to/table")`                  |
| `from_df()`         | pandas DataFrame          | `DataStore.from_df(pandas_df)`                           |
| `DataFrame()`       | словарь / DataFrame       | `pd.DataFrame({'a': [1, 2, 3]})`                         |
| `from_numbers()`    | Последовательные числа    | `DataStore.from_numbers(1000000)`                        |
| `from_random()`     | Случайные данные          | `DataStore.from_random(rows=1000, columns=5)`            |
| `run_sql()`         | Raw SQL                   | `DataStore.run_sql("SELECT * FROM ...")`                 |