AgentSkillsCN

clickhouse-io

ClickHouse 数据库的使用模式、查询优化、数据分析与数据工程最佳实践（尤其适用于高性能分析工作负载）。

SKILL.md
--- frontmatter
name: clickhouse-io
description: ClickHouse のパターン、クエリ最適化、分析、データエンジニアリングのベストプラクティス（高性能分析ワークロード向け）。

ClickHouse 分析パターン

高性能アナリティクスとデータエンジニアリングのための ClickHouse 特有パターン。

概要

ClickHouse はオンライン分析処理（OLAP）向けの列指向 DBMS。大規模データに対する高速分析クエリに最適化されている。

主な特徴:

  • •列指向ストレージ
  • •データ圧縮
  • •並列クエリ実行
  • •分散クエリ
  • •リアルタイム分析

テーブル設計パターン

MergeTree エンジン（最も一般的）

sql
CREATE TABLE markets_analytics (
    date Date,
    market_id String,
    market_name String,
    volume UInt64,
    trades UInt32,
    unique_traders UInt32,
    avg_trade_size Float64,
    created_at DateTime
) ENGINE = MergeTree()
PARTITION BY toYYYYMM(date)
ORDER BY (date, market_id)
SETTINGS index_granularity = 8192;

ReplacingMergeTree（重複排除）

sql
-- 重複しうるデータ向け（複数ソース等）
CREATE TABLE user_events (
    event_id String,
    user_id String,
    event_type String,
    timestamp DateTime,
    properties String
) ENGINE = ReplacingMergeTree()
PARTITION BY toYYYYMM(timestamp)
ORDER BY (user_id, event_id, timestamp)
PRIMARY KEY (user_id, event_id);

AggregatingMergeTree（事前集計）

sql
-- 集計指標の保持
CREATE TABLE market_stats_hourly (
    hour DateTime,
    market_id String,
    total_volume AggregateFunction(sum, UInt64),
    total_trades AggregateFunction(count, UInt32),
    unique_users AggregateFunction(uniq, String)
) ENGINE = AggregatingMergeTree()
PARTITION BY toYYYYMM(hour)
ORDER BY (hour, market_id);

-- 集計データのクエリ
SELECT
    hour,
    market_id,
    sumMerge(total_volume) AS volume,
    countMerge(total_trades) AS trades,
    uniqMerge(unique_users) AS users
FROM market_stats_hourly
WHERE hour >= toStartOfHour(now() - INTERVAL 24 HOUR)
GROUP BY hour, market_id
ORDER BY hour DESC;

クエリ最適化パターン

効率的なフィルタリング

sql
-- ✅ GOOD: インデックス列を優先
SELECT *
FROM markets_analytics
WHERE date >= '2025-01-01'
  AND market_id = 'market-123'
  AND volume > 1000
ORDER BY date DESC
LIMIT 100;

-- ❌ BAD: 非インデックス列から絞る
SELECT *
FROM markets_analytics
WHERE volume > 1000
  AND market_name LIKE '%election%'
  AND date >= '2025-01-01';

集計

sql
-- ✅ GOOD: ClickHouse 固有の集計関数を使用
SELECT
    toStartOfDay(created_at) AS day,
    market_id,
    sum(volume) AS total_volume,
    count() AS total_trades,
    uniq(trader_id) AS unique_traders,
    avg(trade_size) AS avg_size
FROM trades
WHERE created_at >= today() - INTERVAL 7 DAY
GROUP BY day, market_id
ORDER BY day DESC, total_volume DESC;

-- ✅ パーセンタイルは quantile を使用（percentile より効率）
SELECT
    quantile(0.50)(trade_size) AS median,
    quantile(0.95)(trade_size) AS p95,
    quantile(0.99)(trade_size) AS p99
FROM trades
WHERE created_at >= now() - INTERVAL 1 HOUR;

ウィンドウ関数

sql
-- 累積合計
SELECT
    date,
    market_id,
    volume,
    sum(volume) OVER (
        PARTITION BY market_id
        ORDER BY date
        ROWS BETWEEN UNBOUNDED PRECEDING AND CURRENT ROW
    ) AS cumulative_volume
FROM markets_analytics
WHERE date >= today() - INTERVAL 30 DAY
ORDER BY market_id, date;

データ投入パターン

バルクインサート（推奨）

typescript
import { ClickHouse } from "clickhouse";

const clickhouse = new ClickHouse({
  url: process.env.CLICKHOUSE_URL,
  port: 8123,
  basicAuth: {
    username: process.env.CLICKHOUSE_USER,
    password: process.env.CLICKHOUSE_PASSWORD,
  },
});

// ✅ バッチ挿入（効率的）
async function bulkInsertTrades(trades: Trade[]) {
  const values = trades
    .map(
      (trade) => `(
    '${trade.id}',
    '${trade.market_id}',
    '${trade.user_id}',
    ${trade.amount},
    '${trade.timestamp.toISOString()}'
  )`,
    )
    .join(",");

  await clickhouse
    .query(
      `
    INSERT INTO trades (id, market_id, user_id, amount, timestamp)
    VALUES ${values}
  `,
    )
    .toPromise();
}

// ❌ 個別挿入（遅い）
async function insertTrade(trade: Trade) {
  // ループでやらないこと！
  await clickhouse
    .query(
      `
    INSERT INTO trades VALUES ('${trade.id}', ...)
  `,
    )
    .toPromise();
}

ストリーミングインサート

typescript
// 継続的なデータ取り込み
import { createWriteStream } from "fs";
import { pipeline } from "stream/promises";

async function streamInserts() {
  const stream = clickhouse.insert("trades").stream();

  for await (const batch of dataSource) {
    stream.write(batch);
  }

  await stream.end();
}

マテリアライズドビュー

リアルタイム集計

sql
-- 1 時間集計のマテビュー
CREATE MATERIALIZED VIEW market_stats_hourly_mv
TO market_stats_hourly
AS SELECT
    toStartOfHour(timestamp) AS hour,
    market_id,
    sumState(amount) AS total_volume,
    countState() AS total_trades,
    uniqState(user_id) AS unique_users
FROM trades
GROUP BY hour, market_id;

-- マテビューのクエリ
SELECT
    hour,
    market_id,
    sumMerge(total_volume) AS volume,
    countMerge(total_trades) AS trades,
    uniqMerge(unique_users) AS users
FROM market_stats_hourly
WHERE hour >= now() - INTERVAL 24 HOUR
GROUP BY hour, market_id;

パフォーマンス監視

クエリ性能

sql
-- 遅いクエリの確認
SELECT
    query_id,
    user,
    query,
    query_duration_ms,
    read_rows,
    read_bytes,
    memory_usage
FROM system.query_log
WHERE type = 'QueryFinish'
  AND query_duration_ms > 1000
  AND event_time >= now() - INTERVAL 1 HOUR
ORDER BY query_duration_ms DESC
LIMIT 10;

テーブル統計

sql
-- テーブルサイズ確認
SELECT
    database,
    table,
    formatReadableSize(sum(bytes)) AS size,
    sum(rows) AS rows,
    max(modification_time) AS latest_modification
FROM system.parts
WHERE active
GROUP BY database, table
ORDER BY sum(bytes) DESC;

代表的な分析クエリ

時系列分析

sql
-- Daily active users
SELECT
    toDate(timestamp) AS date,
    uniq(user_id) AS daily_active_users
FROM events
WHERE timestamp >= today() - INTERVAL 30 DAY
GROUP BY date
ORDER BY date;

-- リテンション分析
SELECT
    signup_date,
    countIf(days_since_signup = 0) AS day_0,
    countIf(days_since_signup = 1) AS day_1,
    countIf(days_since_signup = 7) AS day_7,
    countIf(days_since_signup = 30) AS day_30
FROM (
    SELECT
        user_id,
        min(toDate(timestamp)) AS signup_date,
        toDate(timestamp) AS activity_date,
        dateDiff('day', signup_date, activity_date) AS days_since_signup
    FROM events
    GROUP BY user_id, activity_date
)
GROUP BY signup_date
ORDER BY signup_date DESC;

ファネル分析

sql
-- コンバージョンファネル
SELECT
    countIf(step = 'viewed_market') AS viewed,
    countIf(step = 'clicked_trade') AS clicked,
    countIf(step = 'completed_trade') AS completed,
    round(clicked / viewed * 100, 2) AS view_to_click_rate,
    round(completed / clicked * 100, 2) AS click_to_completion_rate
FROM (
    SELECT
        user_id,
        session_id,
        event_type AS step
    FROM events
    WHERE event_date = today()
)
GROUP BY session_id;

コホート分析

sql
-- 登録月別コホート
SELECT
    toStartOfMonth(signup_date) AS cohort,
    toStartOfMonth(activity_date) AS month,
    dateDiff('month', cohort, month) AS months_since_signup,
    count(DISTINCT user_id) AS active_users
FROM (
    SELECT
        user_id,
        min(toDate(timestamp)) OVER (PARTITION BY user_id) AS signup_date,
        toDate(timestamp) AS activity_date
    FROM events
)
GROUP BY cohort, month, months_since_signup
ORDER BY cohort, months_since_signup;

データパイプラインパターン

ETL パターン

typescript
// Extract, Transform, Load
async function etlPipeline() {
  // 1. ソースから抽出
  const rawData = await extractFromPostgres();

  // 2. 変換
  const transformed = rawData.map((row) => ({
    date: new Date(row.created_at).toISOString().split("T")[0],
    market_id: row.market_slug,
    volume: parseFloat(row.total_volume),
    trades: parseInt(row.trade_count),
  }));

  // 3. ClickHouse にロード
  await bulkInsertToClickHouse(transformed);
}

// 定期実行
setInterval(etlPipeline, 60 * 60 * 1000); // 毎時

変更データキャプチャ（CDC）

typescript
// PostgreSQL の変更を ClickHouse へ同期
import { Client } from "pg";

const pgClient = new Client({ connectionString: process.env.DATABASE_URL });

pgClient.query("LISTEN market_updates");

pgClient.on("notification", async (msg) => {
  const update = JSON.parse(msg.payload);

  await clickhouse.insert("market_updates", [
    {
      market_id: update.id,
      event_type: update.operation, // INSERT, UPDATE, DELETE
      timestamp: new Date(),
      data: JSON.stringify(update.new_data),
    },
  ]);
});

ベストプラクティス

1. パーティショニング戦略

  • •時間でパーティション（通常は月/日）
  • •パーティションが多すぎると性能低下
  • •DATE 型をパーティションキーに使う

2. ソートキー

  • •よく絞り込む列を先に
  • •カーディナリティ（高いほど先）
  • •順序は圧縮効率に影響

3. データ型

  • •適切に小さい型を使う（UInt32 vs UInt64）
  • •文字列の繰り返しには LowCardinality
  • •カテゴリには Enum

4. 避けること

  • •SELECT *（必要列だけ）
  • •FINAL（事前にマージ）
  • •JOIN の多用（分析は非正規化）
  • •小さい頻繁な挿入（バッチ化）

5. 監視

  • •クエリ性能を追跡
  • •ディスク使用量を監視
  • •マージ操作を確認
  • •スロークエリログをレビュー

覚えておくこと: ClickHouse は分析ワークロードに強い。 クエリパターンに合わせてテーブル設計し、挿入はバッチ、マテビューで リアルタイム集計を活用する。