ClickHouse でランダムなテストデータを生成する
ランダムなデータの生成は、新しいユースケースを試したり実装のベンチマークを行ったりする際に役立ちます。
ClickHouse には、外部のデータジェネレーターを用意する必要がない場合も多い、ランダムデータ生成のための多様な関数 が用意されています。
このガイドでは、異なるランダム性要件に応じて、ClickHouse でランダムなデータセットを生成する方法の例をいくつか紹介します。
ユースケース: ランダムなタイムスタンプとイベント種別を持つユーザーイベントのデータセットを手早く生成する。
CREATE TABLE user_events (
event_id UUID,
user_id UInt32,
event_type LowCardinality(String),
event_time DateTime
) ENGINE = MergeTree
ORDER BY event_time;
INSERT INTO user_events
SELECT
generateUUIDv4() AS event_id,
rand() % 10000 AS user_id,
arrayJoin(['click','view','purchase']) AS event_type,
now() - INTERVAL rand() % 3600*24 SECOND AS event_time
FROM numbers(1000000);
rand() % 10000: 一様分布で 1 万人のユーザーarrayJoin(...): 3 種類のイベントタイプのうち 1 つをランダムに選択- タイムスタンプは過去 24 時間にわたって分布
指数分布
ユースケース: 多くの値は小さいが、一部は大きくなるような購入金額をシミュレートする。
CREATE TABLE purchases (
dt DateTime,
customer_id UInt32,
total_spent Float32
) ENGINE = MergeTree
ORDER BY dt;
INSERT INTO purchases
SELECT
now() - INTERVAL randUniform(1,1_000_000) SECOND AS dt,
number AS customer_id,
15 + round(randExponential(1/10), 2) AS total_spent
FROM numbers(500000);
- 直近の一定期間にわたる一様なタイムスタンプ
randExponential(1/10) — 合計値のほとんどが 0 付近となり、最小値を 15 としてオフセットされる（[ClickHouse][1], [ClickHouse][2], [Atlantic.Net][3], [GitHub][4]）
時間分布イベント（ポアソン）
ユースケース: 特定の時間帯（例: ピーク時間帯）に集中して発生するイベントをシミュレートする。
CREATE TABLE events (
dt DateTime,
event_type String
) ENGINE = MergeTree
ORDER BY dt;
INSERT INTO events
SELECT
toDateTime('2022-12-12 12:00:00')
- ((12 + randPoisson(12)) * 3600) AS dt,
'click' AS event_type
FROM numbers(200000);
- イベントは正午頃にピークを迎え、ばらつきはポアソン分布に従う形になります
時間とともに変化する正規分布
ユースケース: 時間とともに変化するシステムメトリクス（例：CPU 使用率）を模擬します。
CREATE TABLE cpu_metrics (
host String,
ts DateTime,
usage Float32
) ENGINE = MergeTree
ORDER BY (host, ts);
INSERT INTO cpu_metrics
SELECT
arrayJoin(['host1','host2','host3']) AS host,
now() - INTERVAL number SECOND AS ts,
greatest(0.0, least(100.0,
randNormal(50 + 30*sin(toUInt32(ts)%86400/86400*2*pi()), 10)
)) AS usage
FROM numbers(10000);
usage は日周期の正弦波 + ランダム性に従う- 値は [0,100] の範囲に収まる
カテゴリカルおよびネストされたデータ
ユースケース: 複数の興味・関心を持つユーザープロファイルを作成する場合。
CREATE TABLE user_profiles (
user_id UInt32,
interests Array(String),
scores Array(UInt8)
) ENGINE = MergeTree
ORDER BY user_id;
INSERT INTO user_profiles
SELECT
number AS user_id,
arrayShuffle(['sports','music','tech'])[1 + rand() % 3 : 1 + rand() % 3] AS interests,
[rand() % 100, rand() % 100, rand() % 100] AS scores
FROM numbers(20000);
- 長さ 1～3 のランダムな配列
- 各インタレストごとのユーザー別スコアが 3 つ
ランダムなテーブルの生成
generateRandomStructure 関数は、テストやベンチマーク、任意のスキーマを持つモックデータの作成のために、generateRandom テーブルエンジンと組み合わせて使用することで特に有用です。
まずは generateRandomStructure 関数を使って、ランダムな構造がどのようなものかを確認してみましょう。
SELECT generateRandomStructure(5);
次のような表示になることがあります：
c1 UInt32, c2 Array(String), c3 DateTime, c4 Nullable(Float64), c5 Map(String, Int16)
毎回同じ構造を得るために、シードを使用することもできます。
SELECT generateRandomStructure(3, 42);
c1 String, c2 Array(Nullable(Int32)), c3 Tuple(UInt8, Date)
それでは、実際にテーブルを作成し、ランダムなデータを投入してみましょう。
CREATE TABLE my_test_table
ENGINE = MergeTree
ORDER BY tuple()
AS SELECT *
FROM generateRandom(
'col1 UInt32, col2 String, col3 Float64, col4 DateTime',
1, -- データ生成用のシード値
10 -- 生成する異なるランダム値の数
)
LIMIT 100; -- 100行
-- ステップ2: 新しいテーブルにクエリを実行する
SELECT * FROM my_test_table LIMIT 5;
┌───────col1─┬─col2──────┬─────────────────────col3─┬────────────────col4─┐
│ 4107652264 │ &b!M-e;7 │ 1.0013455832230728e-158 │ 2059-08-14 19:03:26 │
│ 652895061 │ Dj7peUH{T │ -1.032074207667996e112 │ 2079-10-06 04:18:16 │
│ 2319105779 │ =D[ │ -2.066555415720528e88 │ 2015-04-26 11:44:13 │
│ 1835960063 │ _@}a │ -1.4998020545039013e110 │ 2063-03-03 20:36:55 │
│ 730412674 │ _}! │ -1.3578492992094465e-275 │ 2098-08-23 18:23:37 │
└────────────┴───────────┴──────────────────────────┴─────────────────────┘
両方の関数を組み合わせて、完全にランダムなテーブルを作成してみましょう。
まず、どのような構造になるか確認しましょう。
SELECT generateRandomStructure(7, 123) AS structure FORMAT vertical;
┌─structure──────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────┐
│ c1 Decimal64(7), c2 Enum16('c2V0' = -21744, 'c2V1' = 5380), c3 Int8, c4 UUID, c5 UUID, c6 FixedString(190), c7 Map(Enum16('c7V0' = -19581, 'c7V1' = -10024, 'c7V2' = 27615, 'c7V3' = -10177, 'c7V4' = -19644, 'c7V5' = 3554, 'c7V6' = 29073, 'c7V7' = 28800, 'c7V8' = -11512), Float64) │
└────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────┘
では、その構造でテーブルを作成し、DESCRIBE ステートメントで作成された内容を確認します。
CREATE TABLE fully_random_table
ENGINE = MergeTree
ORDER BY tuple()
AS SELECT *
FROM generateRandom(generateRandomStructure(7, 123), 1, 10)
LIMIT 1000;
DESCRIBE TABLE fully_random_table;
┌─name─┬─type─────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────┬─default_type─┬─default_expression─┬─comment─┬─codec_expression─┬─ttl_expression─┐
1. │ c1 │ Decimal(18, 7) │ │ │ │ │ │
2. │ c2 │ Enum16('c2V0' = -21744, 'c2V1' = 5380) │ │ │ │ │ │
3. │ c3 │ Int8 │ │ │ │ │ │
4. │ c4 │ UUID │ │ │ │ │ │
5. │ c5 │ UUID │ │ │ │ │ │
6. │ c6 │ FixedString(190) │ │ │ │ │ │
7. │ c7 │ Map(Enum16('c7V4' = -19644, 'c7V0' = -19581, 'c7V8' = -11512, 'c7V3' = -10177, 'c7V1' = -10024, 'c7V5' = 3554, 'c7V2' = 27615, 'c7V7' = 28800, 'c7V6' = 29073), Float64) │ │ │ │ │ │
└──────┴──────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────┴──────────────┴────────────────────┴─────────┴──────────────────┴────────────────┘
生成されたデータのサンプルとして、先頭行を確認します：
SELECT * FROM fully_random_table LIMIT 1 FORMAT vertical;
行 1:
──────
c1: 80416293882.257732 -- 804.2億
c2: c2V1
c3: -84
c4: 1a9429b3-fd8b-1d72-502f-c051aeb7018e
c5: 7407421a-031f-eb3b-8571-44ff279ddd36
c6: g̅b�&��rҵ���5C�\�|��H�>���l'V3��R�[��=3�G�LwVMR*s緾/2�J.���6#��(�h>�lە��L^�M�:�R�9%d�ž�zv��W����Y�S��_no��BP+��u��.0��UZ!x�@7:�nj%3�Λd�S�k>���w��|�&��~
c7: {'c7V8':-1.160941256852442}
