Agent skill · data analytics · affaan-m
clickhouse-io
ClickHouse database patterns, query optimization, analytics, and data engineering best practices for high-performance analytical workloads.
Why this skill is useful
Provides specific ClickHouse query optimization patterns and data engineering best practices that the AI wouldn't reliably generate on its own.
What it needs
About 4k tokens when loaded. Last updated 2026-08-06. 238,342 stars on the source repository.
What this skill does
ClickHouse 分析パターン 高性能分析とデータエンジニアリングのためのClickHouse固有のパターン。 概要 ClickHouseは、オンライン分析処理（OLAP）用のカラム指向データベース管理システム（DBMS）です。大規模データセットに対する高速分析クエリに最適化されています。 主な機能: カラム指向ストレージ 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） ReplacingMergeTree（重複排除） AggregatingMergeTree（事前集計） クエリ最適化パターン 効率的なフィルタリング 集計 ウィンドウ関数 データ挿入パターン 一括挿入（推奨） ストリーミング挿入 マテリアライズドビュー リアルタイム集計 パフォーマンスモニタリング クエリパフォーマンス テーブル統計 一般的な分析クエリ 時系列分析 ファネル分析 コホート分析 データパイプラインパターン ETLパターン 変更データキャプチャ（CDC） 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化（通常は月または日） パーティションが多すぎないようにする（パフォーマンスへの影響） パーティションキーにはDATEタイプを使用 2. ソートキー 最も頻繁にフィルタリングされる列を最初に配置 カーディナリティを考慮（高カーディナリティを最初に） 順序は圧縮に影響 3. データタイプ 最小の適切なタイプを使用（UInt32 vs UInt64） 繰り返される文字列にはLowCardinalityを使用 カテゴリカルデータにはEnumを使用 4. 避けるべき SELECT （列を指定） FINAL（代わりにクエリ前にデータをマージ） JOINが多すぎる（分析用に非正規化） 小さな頻繁な挿入（代わりにバッチ処理） 5. モニタリング クエリパフォーマンスを追跡 ディスク使用量を監視 マージ操作をチェック 低速クエリログをレビュー 注意: ClickHouseは分析ワークロードに優れています。クエリパターンに合わせてテーブルを設計し、挿入をバッチ化し、リアルタイム集計にはマテリアライズドビューを活用します。
How to use it
Reference it in AdaL, Claude Code, Cursor or any coding agent — nothing to install:
@skills affaan-m/clickhouse-io--1ef8fc