- Debugging
- explain()
explain() メソッド
explain() メソッドは DataStore のクエリに対する実行計画を表示し、どのような処理が行われ、どのような SQL が生成されるかを把握するのに役立ちます。
基本的な使い方
from chdb import datastore as pd
ds = pd.read_csv("sales.csv")
query = (ds
.filter(ds['amount'] > 1000)
.groupby('region')
.agg({'amount': ['sum', 'mean']})
.sort('sum', ascending=False)
)
# View execution plan
query.explain()
構文
explain(verbose=False) -> None
パラメーター:
| パラメーター | 型 | デフォルト | 説明 |
|---|---|---|---|
verbose | bool | False | 追加のメタデータを表示します |
出力フォーマット
標準出力
================================================================================
Execution Plan (in execution order)
================================================================================
[1] 📊 Data Source: file('sales.csv', 'csv')
Operations:
────────────────────────────────────────────────────────────────────────────────
️ Segment 1 [chDB] (from source): Operations 2-5
️ Note: SQL operations after Pandas ops use Python() table function
[2] 🚀 [chDB] WHERE: "amount" > 1000
[3] 🚀 [chDB] GROUP BY: region
[4] 🚀 [chDB] AGGREGATE: sum(amount), avg(amount)
[5] 🚀 [chDB] ORDER BY: sum DESC
────────────────────────────────────────────────────────────────────────────────
Final State: 📊 Pending (lazy, not yet executed)
└─> Will execute when print(), .to_df(), .execute() is called
────────────────────────────────────────────────────────────────────────────────
Generated SQL Query:
────────────────────────────────────────────────────────────────────────────────
SELECT region, SUM(amount) AS sum, AVG(amount) AS mean
FROM file('sales.csv', 'csv')
WHERE "amount" > 1000
GROUP BY region
ORDER BY sum DESC
================================================================================
アイコンの凡例
| アイコン | 意味 |
|---|---|
| 📊 | データソース |
| 🚀 | chDB (SQL) 操作 |
| 🐼 | pandas 操作 |
詳細な出力
query.explain(verbose=True)
Verbose モードでは、各オペレーションごとに、内部の行順序トラッキング機構を含む完全な SQL クエリなど、追加の詳細が表示されます。
3 つの実行フェーズ
explain の出力では、処理が次の 3 つのフェーズに分けて示されます。
フェーズ1: SQL クエリ構築(遅延評価)
SQL にコンパイルされる操作:
1. Source: file('sales.csv', 'CSVWithNames')
2. Filter: amount > 1000
3. GroupBy: region
4. Aggregate: sum(amount)
フェーズ 2: 実行ポイント
トリガーが発生したとき:
5. Execute SQL -> DataFrame
Trigger: to_df() called
フェーズ 3: DataFrame の操作
実行後に行う操作:
6. [pandas] pivot_table(...)
7. [pandas] apply(custom_func)
プランを理解する
ソース情報
Source: file('sales.csv', 'CSVWithNames')
file()- ClickHouse の file() テーブル関数'CSVWithNames'- ヘッダー行付きのファイル形式
その他のソースタイプ:
Source: s3('bucket/data.parquet', ...)
Source: mysql('host', 'db', 'table', ...)
Source: __dataframe__ (pandas DataFrame input)
フィルタ処理
Filter: amount > 1000 AND status = 'active'
適用される WHERE 句を表示します。
GROUP BY と集約
GroupBy: region, category
Aggregate: sum(amount), avg(amount), count(id)
GROUP BY のカラムと集約関数を表示します。
ソート操作
Sort: sum DESC, region ASC
ORDER BY 句を示します。
LIMIT 操作
Limit: 10
Offset: 100
LIMIT および OFFSET を示します。
エンジン情報
verbose モードを使用すると、どのエンジンが使われるかを確認できます。
Filter: amount > 1000
- Engine: chdb
- Pushdown: Yes
Apply: custom_function
- Engine: pandas
- Pushdown: No
プッシュダウン
- はい: 処理はデータソース(SQL)側で実行されます
- いいえ: 処理は pandas 側での実行が必要です
例
単純なクエリ
ds = pd.read_csv("data.csv")
ds.filter(ds['age'] > 25).explain()
================================================================================
Execution Plan (in execution order)
================================================================================
[1] 📊 Data Source: file('data.csv', 'csv')
Operations:
────────────────────────────────────────────────────────────────────────────────
️ Segment 1 [chDB] (from source): Operations 2-2
[2] 🚀 [chDB] WHERE: "age" > 25
────────────────────────────────────────────────────────────────────────────────
Generated SQL Query:
────────────────────────────────────────────────────────────────────────────────
SELECT * FROM file('data.csv', 'csv') WHERE "age" > 25
================================================================================
高度な集約
query = (ds
.filter(ds['date'] >= '2024-01-01')
.filter(ds['amount'] > 100)
.select('region', 'category', 'amount')
.groupby('region', 'category')
.agg({
'amount': ['sum', 'mean', 'count']
})
.sort('sum', ascending=False)
.limit(20)
)
query.explain()
================================================================================
Execution Plan (in execution order)
================================================================================
[1] 📊 Data Source: file('sales.csv', 'csv')
Operations:
────────────────────────────────────────────────────────────────────────────────
️ Segment 1 [chDB] (from source): Operations 2-8
[2] 🚀 [chDB] WHERE: "date" >= '2024-01-01'
[3] 🚀 [chDB] WHERE: "amount" > 100
[4] 🚀 [chDB] SELECT: region, category, amount
[5] 🚀 [chDB] GROUP BY: region, category
[6] 🚀 [chDB] AGGREGATE: sum(amount), avg(amount), count(amount)
[7] 🚀 [chDB] ORDER BY: sum DESC
[8] 🚀 [chDB] LIMIT: 20
────────────────────────────────────────────────────────────────────────────────
Generated SQL Query:
────────────────────────────────────────────────────────────────────────────────
SELECT region, category,
SUM(amount) AS sum,
AVG(amount) AS mean,
COUNT(amount) AS count
FROM file('sales.csv', 'csv')
WHERE "date" >= '2024-01-01' AND "amount" > 100
GROUP BY region, category
ORDER BY sum DESC
LIMIT 20
================================================================================
SQL と pandas の混在
処理をすべて SQL 側に委譲できない場合、実行プランには複数のセグメントが表示されます。
query = (ds
.filter(ds['age'] > 25) # SQL
.groupby('city') # SQL
.agg({'salary': 'mean'}) # SQL
.apply(lambda x: x * 1.1) # pandas (triggers segment split)
.filter(ds['mean'] > 50000) # SQL (new segment)
)
query.explain()
================================================================================
Execution Plan (in execution order)
================================================================================
[1] 📊 Data Source: file('data.csv', 'csv')
Operations:
────────────────────────────────────────────────────────────────────────────────
️ Segment 1 [chDB] (from source): Operations 2-4
️ Segment 2 [Pandas] (on DataFrame): Operation 5
️ Segment 3 [chDB] (on DataFrame): Operation 6
️ Note: SQL operations after Pandas ops use Python() table function
[2] 🚀 [chDB] WHERE: "age" > 25
[3] 🚀 [chDB] GROUP BY: city
[4] 🚀 [chDB] AGGREGATE: avg(salary)
[5] 🐼 [Pandas] APPLY: lambda
[6] 🚀 [chDB] WHERE: "mean" > 50000
================================================================================
explain() を使ったデバッグ
フィルター条件のロジックを確認する
# Verify your filter is correct
query = ds.filter((ds['age'] > 25) & (ds['city'] == 'NYC'))
query.explain()
# Output shows: Filter: age > 25 AND city = 'NYC'
カラム選択を検証する
# Check column pruning
query = ds.select('name', 'age').filter(ds['age'] > 25)
query.explain()
# Output shows: SELECT name, age FROM ... WHERE age > 25
集約を理解する
# Check aggregation functions
query = ds.groupby('dept').agg({'salary': ['sum', 'mean', 'std']})
query.explain()
# Output shows: SELECT dept, SUM(salary), AVG(salary), stddevPop(salary)
ベストプラクティス
1. 大規模クエリ実行前の確認
# Always explain first for large data
query = ds.complex_pipeline()
query.explain() # Check plan
# If plan looks correct
result = query.to_df() # Execute
2. デバッグ時は VERBOSE を使用する
# When something seems wrong
query.explain(verbose=True)
# Shows engine selection and pushdown info
3. to_sql() との比較
# explain() shows the plan
query.explain()
# to_sql() shows just the SQL
print(query.to_sql())
# Both useful for different purposes
4. プッシュダウンの状態を確認する
# Verbose mode shows if operations are pushed down
query.explain(verbose=True)
# If Pushdown: No, operation runs in pandas
# Consider restructuring query for better performance