Agent skill · data analytics · affaan-m
clickhouse-io
ClickHouse数据库模式、查询优化、分析以及高性能分析工作负载的数据工程最佳实践。
Why this skill is useful
Provides specific ClickHouse data engineering patterns and optimization techniques that the AI wouldn't reliably generate on its own.
What it needs
Requires @clickhouse/client installed locally. 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 用于高性能分析和数据工程的 ClickHouse 特定模式。 何时激活 设计 ClickHouse 表架构（MergeTree 引擎选择） 编写分析查询（聚合、窗口函数、连接） 优化查询性能（分区裁剪、投影、物化视图） 摄取大量数据（批量插入、Kafka 集成） 为分析目的从 PostgreSQL/MySQL 迁移到 ClickHouse 实现实时仪表板或时间序列分析 概述 ClickHouse 是一个用于在线分析处理 (OLAP) 的列式数据库管理系统 (DBMS)。它针对大型数据集上的快速分析查询进行了优化。 关键特性: 列式存储 数据压缩 并行查询执行 分布式查询 实时分析 表设计模式 MergeTree 引擎 (最常用) ReplacingMergeTree (去重) AggregatingMergeTree (预聚合) 查询优化模式 高效过滤 聚合 窗口函数 数据插入模式 批量插入 (推荐) 流式插入 物化视图 实时聚合 性能监控 查询性能 表统计信息 常见分析查询 时间序列分析 漏斗分析 队列分析 数据流水线模式 ETL 模式 变更数据捕获 (CDC) 最佳实践 1. 分区策略 按时间分区 (通常是月或日) 避免过多分区 (影响性能) 对分区键使用 DATE 类型 2. 排序键 将最常过滤的列放在前面 考虑基数 (高基数优先) 排序影响压缩 3. 数据类型 使用最合适的较小类型 (UInt32 对比 UInt64) 对重复字符串使用 LowCardinality 对分类数据使用 Enum 4. 避免 SELECT \ (指定列) FINAL (改为在查询前合并数据) 过多的 JOIN (分析场景下进行反规范化) 频繁的小批量插入 (改为批量) 5. 监控 跟踪查询性能 监控磁盘使用情况 检查合并操作 查看慢查询日志 记住: ClickHouse 擅长分析工作负载。根据查询模式设计表，批量插入，并利用物化视图进行实时聚合。
How to use it
Reference it in AdaL, Claude Code, Cursor or any coding agent — nothing to install:
@skills affaan-m/clickhouse-io--628c01