Posts, Users, Votes, Comments, Badges, PostHistory, PostLinks 데이터가 포함되어 있습니다.
2024년 4월까지의 모든 게시물이 포함된 미리 준비된 Parquet 버전의 데이터를 다운로드하거나, 최신 XML 포맷 데이터를 다운로드해 적재할 수 있습니다. Stack Overflow는 이 데이터를 주기적으로 업데이트하며, 지금까지는 3개월마다 업데이트해 왔습니다.
다음 다이어그램은 Parquet 포맷을 기준으로 사용 가능한 테이블의 스키마를 보여줍니다.
이 데이터의 스키마 설명은 여기에서 확인할 수 있습니다.
미리 준비된 데이터
eu-west-2에 위치한 96 GiB, 24 vCPU ClickHouse Cloud 클러스터를 기준으로 합니다. 데이터셋은 eu-west-3에 위치해 있습니다.
Posts
Votes
Comments
Users
Badges
PostLinks
PostHistory
원본 데이터셋
stackoverflow.com*입니다.
다운로드
JSON으로 변환
jq 래퍼인 Linux 도구 xq를 사용하는 것을 권장합니다.
xq와 jq를 설치합니다:
stackoverflow.com-Posts.7z 파일을 예시로 사용합니다. 필요에 따라 수정하십시오.
p7zip을 사용해 파일 압축을 해제합니다. 그러면 단일 XML 파일이 생성되며, 이 경우 Posts.xml입니다.
파일은 약 4.5배 압축되어 있습니다. 압축된 크기가 22GB인 경우, Posts 파일은 압축 해제 시 약 97GB가 필요합니다.
posts.json 파일 하나가 생성됩니다.
다음 명령으로 ClickHouse에 로드하십시오. posts.json 파일의 schema가 지정되어 있다는 점에 유의하십시오. 대상 테이블에 맞도록 데이터 타입별로 이를 조정해야 합니다.
예시 쿼리
답변을 가장 많이 한 사용자(활성 계정)
UserId가 필요합니다.
가장 논란이 된 게시물
출처 표기
cc-by-sa 4.0 라이선스에 따라 이 데이터를 제공한 Stack Overflow에 감사드리며, https://archive.org/details/stackexchange에 있는 원본 데이터 출처와 Stack Overflow의 노고를 밝힙니다.