目前开发者们需要尝鲜 Databend， 可以选择使用 Databend Cloud 或者按官方文档部署 Databend 服务。 由于 Databend 架构有三层，因此部署 Databend 服务一般需要启动 "databend-query", "databend-meta" , "minio" 三个进程，同时需要修改端口等配置项，流程上略显复杂。 有没有更快的方式可以快速尝鲜 Databend 呢？

Python Binding

一种快速的方式是将 Databend 跑在 python 中，借助 rust 优良的生态，我们基于 pyo3 库发布了 python binding，可以在本地 juypter 或者 colab 等在线服务中使用 Databend：

Databend Local 模式

借鉴于 "clickhouse-local" , "duckdb" 等嵌入型数据库的优点，我们在 Databend 中也可以开启 local模式。

"local" 模式 是一个 Databend 的简易版本，用户无需部署 Databend 服务即可在命令中用SQL 和 Databend 交互。它的好处在于简化了开发安装，同时方便开发者们用 SQL 使用Databend 支持的功能进行简单的数据处理。 如果你需要在生产环境使用 Databend，我们建议按官网推荐部署 Databend服务或 Databend Cloud，但如果你是开发人员或测试工程师，你可以使用 "local" 模式 来玩转 Databend。

"local" 模式将启动一个临时的 databend-query 进程，这个进程融合了 客户端和服务端，并且他的存储是在临时目录中，生命周期跟随进程，进程离开后资源也将销毁，你可以在一个服务器中启动多个 "local" 进程，他们的资源是相互隔离的。

下面通过例子介绍一下，每个例子都是简短的几行命令，介绍 local 模式可以实现什么功能。

在这之前，你需要下载 databend-query 二进制，然后将二进制放到 PATH 环境变量中，植入

`  bend-local` 工具别名

• 命令行交互 ( REPL ) 模式

• 直接在终端输入 bend-local 这一行命令后，我们将进入 REPL 模式，这里融合了客户端和服务端，类似 duckdb cli 工具使用。

值得注意的是，bend-local 支持配置文件 "~/.config/databend/config.toml" 来做一些个性化客户端配置，配置文件的格式和 bendsql 是兼容的。

• 一行命令生成一个parquet 文件

• 支持 --query, --output-format 参数 传入查询SQL 和 输出格式

• Shell pipe 模式分析数据,  $STDIN 宏将解析 stdin 流作为一个临时 stage 表

  
  

注意上面的SQL在shell中，使用了 $ 来对shell进行转义

• 读取 stage table （本地文件，外部 s3 等）

• 分析系统进程 ，找出每个用户占用的内存

• 数据清洗，将一个格式转换为其他格式 （支持csv, tsv, parquet, ndjson 等）

• 其他好玩的分析例子，等待你的挖掘