Compétences clickhouse-io
📦

clickhouse-io

Sûr

Domine Análise e Otimização de Consultas com ClickHouse

Construa sistemas analíticos de alta performance com o banco de dados column-oriented ClickHouse. Aprenda padrões comprovados para otimização de consultas, visões materializadas e pipelines de dados em tempo real.

Prend en charge: Claude Codex Code(CC)
🥉 74 Bronze
1

Télécharger le ZIP du skill

2

Importer dans Claude

Allez dans Paramètres → Capacités → Skills → Importer un skill

3

Activez et commencez à utiliser

Tester

Utilisation de "clickhouse-io". Crie uma tabela para analytics de mercado com date, market_id, volume e trades

Résultat attendu:

Cria uma tabela MergeTree com particionamento mensal, ordenação apropriada por date e market_id, e tipos de dados apropriados (Date, String, UInt64, UInt32) para compressão e desempenho de consulta otimizados.

Utilisation de "clickhouse-io". Otimize uma consulta filtrando por volume depois date em uma tabela grande

Résultat attendu:

Reordena a cláusula WHERE para filtrar por colunas indexadas primeiro (date, market_id), sugere usar quantile() para cálculos de percentis e recomenda adicionar projeções apropriadas para padrões de filtro comuns.

Utilisation de "clickhouse-io". Configure agregação em tempo real para métricas horárias

Résultat attendu:

Cria uma tabela alvo AggregatingMergeTree com colunas AggregateFunction, define uma visão materializada com funções sumState/countState/uniqState e fornece o padrão de consulta usando sumMerge/countMerge/uniqMerge.

Audit de sécurité

Sûr
v1 • 2/25/2026

This 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.

1
Fichiers analysés
431
Lignes analysées
0
résultats
1
Total des audits
Aucun problème de sécurité trouvé
Audité par: claude

Score de qualité

38
Architecture
90
Maintenabilité
87
Contenu
50
Communauté
100
Sécurité
100
Conformité aux spécifications

Ce que vous pouvez construire

Engenheiro de Dados Construindo Plataforma de Analytics

Projete schemas de tabelas escaláveis e implemente pipelines de ingestão de dados eficientes para rastreamento de eventos de alto volume e analytics de usuários.

Desenvolvedor Backend Otimizando Consultas

Aprenda padrões de consulta específicos do ClickHouse para reduzir latência em grandes conjuntos de dados e implementar estratégias de indexação adequadas.

Analista Criando Dashboards em Tempo Real

Use visões materializadas e padrões de pré-agregação para alimentar consultas de dashboard sub-segundo em bilhões de linhas.

Essayez ces prompts

Design Básico de Tabela 
Crie um schema de tabela ClickHouse para armazenar eventos de atividade de usuário com colunas para user_id, event_type, timestamp e properties. Use o engine apropriado para deduplicação e particione por mês.
Otimização de Consulta 
Revise esta consulta ClickHouse que está lenta em 100M+ linhas. Sugira otimizações para a cláusula WHERE, índices e funções de agregação: [cole a consulta]
Configuração de Visão Materializada 
Crie uma visão materializada que pré-agrega usuários ativos diários e total de eventos por hora de uma tabela de eventos. Inclua o schema da tabela alvo e a definição da MV.
Design de Pipeline ETL 
Projete um pipeline ETL para sincronizar dados do PostgreSQL para o ClickHouse por hora. Inclua extração, lógica de transformação e padrões de insert em lote com tratamento de erros.

Bonnes pratiques

  • Particione tabelas por tempo (mês ou dia), mas evite partições excessivas que impactam o desempenho
  • Ordene chaves primárias pelas colunas mais frequentemente filtradas com maior cardinalidade primeiro
  • Use inserts em lote em vez de inserts de linha individual para ingestão de dados eficiente
  • Aproveite visões materializadas para métricas pré-agregadas para alcançar latência de consulta sub-segundo

Éviter

  • Usar SELECT * em vez de especificar colunas necessárias - aumenta I/O e uso de memória
  • Realizar inserts pequenos e frequentes em vez de em lote - causa criação excessiva de partes
  • Confiar no modificador FINAL em consultas - força mesclagem de dados cara no tempo de consulta
  • Criar muitos JOINs em consultas analíticas - desnormalize dados para melhor desempenho

Foire aux questions

Para que o ClickHouse é mais adequado?
ClickHouse se destaca em cargas de trabalho OLAP (Online Analytical Processing) com grandes conjuntos de dados que requerem agregações rápidas e análise de séries temporais. Não é projetado para cargas de trabalho transacionais (OLTP) com atualizações frequentes.
Como o ClickHouse alcança desempenho rápido de consultas?
ClickHouse usa armazenamento column-oriented para compressão eficiente, execução de consultas vectorized, processamento paralelo em núcleos de CPU e estruturas de índice especializadas como chaves primárias esparsas e índices de跳过 de dados.
Qual é a diferença entre MergeTree e ReplacingMergeTree?
MergeTree é o engine de propósito geral para a maioria dos casos de uso. ReplacingMergeTree adicionalmente deduplica linhas com a mesma chave primária durante mesclagens, útil ao ingerir dados de múltiplas fontes que podem produzir duplicatas.
Com que frequência devo inserir dados no ClickHouse?
Inserts em lote são fortemente recomendados. Insira milhares de linhas de cada vez em vez de linhas individuais. Almeje pelo menos 1000 linhas por insert ou agrupe por intervalos de tempo (por exemplo, a cada poucos segundos) para desempenho ideal.
O que são visões materializadas e quando devo usá-las?
Visões materializadas pré-agregam dados automaticamente conforme são inseridos. Use-as para dashboards em tempo real, agregações frequentemente acessadas ou quando a latência de consulta deve ser sub-segundo em grandes conjuntos de dados.
Como monitoro o desempenho de consultas do ClickHouse?
Consulte a tabela system.query_log para analisar consultas lentas, verifique system.parts para estatísticas de tabela e atividade de mesclagem, e monitore system.metrics para contadores de desempenho em tempo real.

Détails du développeur

Auteur

affaan-m

Licence

MIT

Dépôt

https://github.com/sickn33/antigravity-awesome-skills/tree/main/web-app/public/skills/cc-skill-clickhouse-io

Réf

main

Structure de fichiers

📄 SKILL.md