clickhouse-io
Domine ClickHouse Analytics y Optimización de Consultas
Construya sistemas analíticos de alto rendimiento con la base de datos orientada a columnas ClickHouse. Aprenda patrones probados para optimización de consultas, vistas materializadas y pipelines de datos en tiempo real.
Télécharger le ZIP du skill
Importer dans Claude
Allez dans Paramètres → Capacités → Skills → Importer un skill
Activez et commencez à utiliser
Tester
Utilisation de "clickhouse-io". Create a table for market analytics with date, market_id, volume, and trades
Résultat attendu:
Crea una tabla MergeTree con particionamiento mensual, ordenamiento adecuado por date y market_id, y tipos de datos apropiados (Date, String, UInt64, UInt32) para compresión óptima y rendimiento de consultas.
Utilisation de "clickhouse-io". Optimize a query filtering by volume then date on a large table
Résultat attendu:
Reordena la cláusula WHERE para filtrar primero por columnas indexadas (date, market_id), sugiere usar quantile() para cálculos de percentiles y recomienda agregar proyecciones apropiadas para patrones de filtro comunes.
Utilisation de "clickhouse-io". Set up real-time aggregation for hourly metrics
Résultat attendu:
Crea una tabla objetivo AggregatingMergeTree con columnas AggregateFunction, define una vista materializada con funciones sumState/countState/uniqState y proporciona el patrón de consulta usando sumMerge/countMerge/uniqMerge.
Audit de sécurité
SûrThis skill contains documentation and code examples for ClickHouse database usage. Static analyzer flagged 86 patterns that are all false positives: backticks in markdown denote SQL code blocks (not shell execution), environment variable references are configuration examples, and system table queries are legitimate ClickHouse monitoring features. No executable code or security risks present.
Score de qualité
Ce que vous pouvez construire
Ingeniero de Datos Construyendo Plataforma de Analítica
Diseñe esquemas de tablas escalables e implemente pipelines de ingestión de datos eficientes para seguimiento de eventos de alto volumen y analítica de usuarios.
Desarrollador Backend Optimizando Consultas
Aprenda patrones de consultas específicos de ClickHouse para reducir latencia en grandes conjuntos de datos e implemente estrategias de indexación apropiadas.
Analista Creando Dashboards en Tiempo Real
Use vistas materializadas y patrones de pre-agregación para impulsar consultas de dashboards de subsegundo en miles de millones de filas.
Essayez ces prompts
Create a ClickHouse table schema for storing user activity events with columns for user_id, event_type, timestamp, and properties. Use the appropriate engine for deduplication and partition by month.
Review this ClickHouse query that's running slowly on 100M+ rows. Suggest optimizations for the WHERE clause, indexes, and aggregation functions: [paste query]
Create a materialized view that pre-aggregates daily active users and total events per hour from an events table. Include the target table schema and the MV definition.
Design an ETL pipeline to sync data from PostgreSQL to ClickHouse hourly. Include extraction, transformation logic, and batch insert patterns with error handling.
Bonnes pratiques
- Particione tablas por tiempo (mes o día) pero evite particiones excesivas que impacten el rendimiento
- Ordene las claves primarias por las columnas más frecuentemente filtradas con mayor cardinalidad primero
- Use inserciones por lotes en lugar de inserciones individuales de filas para ingestión eficiente de datos
- Aproveche las vistas materializadas para métricas pre-agregadas para lograr latencia de consultas de subsegundo
Éviter
- Usar SELECT * en lugar de especificar columnas requeridas - aumenta I/O y uso de memoria
- Realizar inserciones pequeñas frecuentes en lugar de lotes - causa creación excesiva de partes
- Confiar en el modificador FINAL en consultas - fuerza fusión costosa de datos en tiempo de consulta
- Crear demasiados JOINs en consultas analíticas - desnormalice datos para mejor rendimiento