Перейти к основному содержимому
Перейти к основному содержимому

Метод explain()

Метод explain() показывает план выполнения запроса к DataStore, помогая понять, какие операции будут выполнены и какой SQL-код будет сгенерирован.

Основы использования​

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()

Синтаксис​

explain(verbose=False) -> None

Параметры:

ПараметрТипЗначение по умолчаниюОписание
verboseboolFalseОтображать дополнительные метаданные

Формат вывода​

Стандартный вывод​

================================================================================
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

================================================================================

Условные обозначения значков​

ЗначокЗначение
📊Источник данных
🚀Операция chDB (SQL)
🐼Операция pandas

Подробный режим вывода​

query.explain(verbose=True)

Подробный режим показывает дополнительную информацию для каждой операции, включая полный SQL‑запрос с механизмами внутреннего отслеживания порядка строк.

Три этапа выполнения​

Вывод explain показывает операции, разбитые на три этапа:

Этап 1: построение SQL-запроса (отложенное)​

Операции, которые транслируются в SQL:

  1. Source: file('sales.csv', 'CSVWithNames')
  2. Filter: amount > 1000      
  3. GroupBy: region
  4. Aggregate: sum(amount)

Фаза 2: Точка выполнения​

Когда срабатывает триггер:

  5. Execute SQL -> DataFrame
     Trigger: to_df() called

Этап 3: операции над DataFrame​

Операции после выполнения:

  6. [pandas] pivot_table(...)
  7. [pandas] apply(custom_func)

Разбор плана​

Информация об источнике данных​

Source: file('sales.csv', 'CSVWithNames')
  • file() - табличная функция ClickHouse file()
  • 'CSVWithNames' - файловый формат с заголовком

Другие типы источников данных:

Source: s3('bucket/data.parquet', ...)
Source: mysql('host', 'db', 'table', ...)
Source: __dataframe__  (pandas DataFrame input)

Операции фильтрации​

Filter: amount > 1000 AND status = 'active'

Показывает условие WHERE, которое будет применено.

GROUP BY и агрегация​

GroupBy: region, category
Aggregate: sum(amount), avg(amount), count(id)

Показывает столбцы GROUP BY и функции агрегации.

Операции сортировки​

Sort: sum DESC, region ASC

Показывает предложение ORDER BY.

Операции с LIMIT​

Limit: 10
Offset: 100

Отображает LIMIT и OFFSET.

Информация о движке​

В режиме подробного вывода можно увидеть, какой движок будет использоваться:

Filter: amount > 1000
  - Engine: chdb
  - Pushdown: Yes

Apply: custom_function
  - Engine: pandas
  - Pushdown: No

Pushdown​

  • Да: Операция будет выполняться на стороне источника данных (SQL)
  • Нет: Операция требует выполнения средствами pandas

Примеры​

Простой запрос​

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

================================================================================

Сложная агрегация​

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

================================================================================

Смешанное использование SQL и pandas​

Когда операции нельзя полностью выполнить на стороне SQL, в плане отображается несколько сегментов:

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

================================================================================

Отладка с помощью explain()​

Проверьте логику фильтрации​

# Verify your filter is correct
query = ds.filter((ds['age'] > 25) & (ds['city'] == 'NYC'))
query.explain()
# Output shows: Filter: age > 25 AND city = 'NYC'

Проверьте выбор столбцов​

# Check column pruning
query = ds.select('name', 'age').filter(ds['age'] > 25)
query.explain()
# Output shows: SELECT name, age FROM ... WHERE age > 25

Понимание агрегации​

# Check aggregation functions
query = ds.groupby('dept').agg({'salary': ['sum', 'mean', 'std']})
query.explain()
# Output shows: SELECT dept, SUM(salary), AVG(salary), stddevPop(salary)

Рекомендуемые практики​

1. Проверяйте большие запросы перед выполнением​

# Always explain first for large data
query = ds.complex_pipeline()
query.explain()  # Check plan

# If plan looks correct
result = query.to_df()  # Execute

2. Используйте режим verbose для отладки​

# When something seems wrong
query.explain(verbose=True)
# Shows engine selection and pushdown info

3. Сравнить с to_sql()​

# explain() shows the plan
query.explain()

# to_sql() shows just the SQL
print(query.to_sql())

# Both useful for different purposes

4. Проверьте статус pushdown​

# 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