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 分析模式 用於高效能分析和資料工程的 ClickHouse 特定模式。 概述 ClickHouse 是一個列式資料庫管理系統（DBMS），用於線上分析處理（OLAP）。它針對大型資料集的快速分析查詢進行了優化。 關鍵特性： 列式儲存 資料壓縮 平行查詢執行 分散式查詢 即時分析 表格設計模式 MergeTree 引擎（最常見） ReplacingMergeTree（去重） AggregatingMergeTree（預聚合） 查詢優化模式 高效過濾 聚合 視窗函式 資料插入模式 批量插入（推薦） 串流插入 物化視圖 即時聚合 效能監控 查詢效能 表格統計 常見分析查詢 時間序列分析 漏斗分析 世代分析 資料管線模式 ETL 模式 變更資料捕獲（CDC） 最佳實務 1. 分區策略 按時間分區（通常按月或日） 避免太多分區（效能影響） 分區鍵使用 DATE 類型 2. 排序鍵 最常過濾的欄位放在最前面 考慮基數（高基數優先） 排序影響壓縮 3. 資料類型 使用最小的適當類型（UInt32 vs UInt64） 重複字串使用 LowCardinality 分類資料使用 Enum 4. 避免 SELECT （指定欄位） FINAL（改為在查詢前合併資料） 太多 JOINs（為分析反正規化） 小量頻繁插入（改用批量） 5. 監控 追蹤查詢效能 監控磁碟使用 檢查合併操作 審查慢查詢日誌 記住：ClickHouse 擅長分析工作負載。為你的查詢模式設計表格，批量插入，並利用物化視圖進行即時聚合。
How to use it
Reference it in AdaL, Claude Code, Cursor or any coding agent — nothing to install:
@skills affaan-m/clickhouse-io--21300b