> ## Documentation Index
> Fetch the complete documentation index at: https://clickhouse.com/docs/llms.txt
> Use this file to discover all available pages before exploring further.

# DataStoreの実行モデル

> DataStoreにおける遅延評価、実行のトリガー、キャッシュを理解する

DataStoreの遅延評価モデルを理解することは、DataStoreを効果的に活用し、最適なパフォーマンスを引き出すうえで重要です。

<div id="lazy-evaluation">
  ## 遅延評価
</div>

DataStore は **遅延評価** を採用しています。つまり、操作はすぐには実行されず、いったん記録された後、最適化された SQL クエリへコンパイルされます。実行されるのは、結果が実際に必要になったときだけです。

<div id="lazy-vs-eager">
  ### 例: 遅延評価と即時評価
</div>

```python theme={null}
from pathlib import Path
Path("sales.csv").write_text("""\
region,product,category,amount,quantity,price,date,order_id
East,Widget,Electronics,5200,10,120,2024-01-15,1001
West,Gadget,Electronics,800,5,160,2024-02-20,1002
East,Gizmo,Home,6500,3,100,2024-03-10,1003
North,Widget,Electronics,4500,6,150,2024-06-18,1004
West,Gadget,Electronics,2000,8,250,2024-09-14,1005
""")

from chdb import datastore as pd

ds = pd.read_csv("sales.csv")

# These operations are NOT executed yet
result = (ds
    .filter(ds['amount'] > 1000)    # Recorded, not executed
    .select('region', 'amount')      # Recorded, not executed
    .groupby('region')               # Recorded, not executed
    .agg({'amount': 'sum'})          # Recorded, not executed
    .sort('sum', ascending=False)    # Recorded, not executed
)

# Still no execution - just building the query plan
print(result.to_sql())
# SELECT region, SUM(amount) AS sum
# FROM file('sales.csv', 'CSVWithNames')
# WHERE amount > 1000
# GROUP BY region
# ORDER BY sum DESC

# NOW execution happens
df = result.to_df()  # <-- Triggers execution
```

<div id="benefits">
  ### 遅延評価の利点
</div>

1. **クエリ最適化**: 複数の操作が、最適化された単一のSQLクエリにまとめてコンパイルされます
2. **フィルタのプッシュダウン**: フィルタはデータソースレベルで適用されます
3. **カラムプルーニング**: 必要なカラムだけが読み込まれます
4. **実行時の判断**: 実行エンジンは実行時に選択できます
5. **プランの確認**: 実行前にクエリを確認したりデバッグしたりできます

***

<div id="triggers">
  ## 実行のトリガー
</div>

実際の値が必要になると、自動的に実行がトリガーされます:

<div id="automatic-triggers">
  ### 自動トリガー
</div>

| トリガー                 | 例                  | 説明            |
| -------------------- | ------------------ | ------------- |
| `print()` / `repr()` | `print(ds)`        | 結果を表示         |
| `len()`              | `len(ds)`          | 行数を取得         |
| `.columns`           | `ds.columns`       | カラム名を取得       |
| `.dtypes`            | `ds.dtypes`        | カラム型を取得       |
| `.shape`             | `ds.shape`         | 形状を取得         |
| `.index`             | `ds.index`         | 行インデックスを取得    |
| `.values`            | `ds.values`        | NumPy配列を取得    |
| Iteration            | `for row in ds`    | 行を順に処理        |
| `to_df()`            | `ds.to_df()`       | pandasに変換     |
| `to_pandas()`        | `ds.to_pandas()`   | to\_df のエイリアス |
| `to_dict()`          | `ds.to_dict()`     | dictに変換       |
| `to_numpy()`         | `ds.to_numpy()`    | 配列に変換         |
| `.equals()`          | `ds.equals(other)` | DataStoresを比較 |

**例:**

```python theme={null}
# All these trigger execution
print(ds)              # Display
len(ds)                # 1000
ds.columns             # Index(['name', 'age', 'city'])
ds.shape               # (1000, 3)
list(ds)               # List of values
ds.to_df()             # pandas DataFrame
```

<div id="stay-lazy">
  ### 遅延実行のまま維持される操作
</div>

| Operation              | Returns     | Description  |
| ---------------------- | ----------- | ------------ |
| `filter()`             | DataStore   | WHERE 句を追加   |
| `select()`             | DataStore   | 選択するカラムを追加   |
| `sort()`               | DataStore   | ORDER BY を追加 |
| `groupby()`            | LazyGroupBy | GROUP BY を設定 |
| `join()`               | DataStore   | JOIN を追加     |
| `ds['col']`            | ColumnExpr  | カラム参照        |
| `ds[['col1', 'col2']]` | DataStore   | カラムの選択       |

**例:**

```python theme={null}
# These do NOT trigger execution - they stay lazy
result = ds.filter(ds['age'] > 25)      # Returns DataStore
result = ds.select('name', 'age')        # Returns DataStore
result = ds['name']                      # Returns ColumnExpr
result = ds.groupby('city')              # Returns LazyGroupBy
```

***

<div id="three-phase">
  ## 3 段階の実行
</div>

DataStore の操作は、3 段階の実行モデルに沿って進行します。

<div id="phase-1">
  ### フェーズ 1: SQLクエリの構築 (遅延実行)
</div>

SQLで表現できる操作が蓄積されます：

```python theme={null}
result = (ds
    .filter(ds['status'] == 'active')   # WHERE
    .select('user_id', 'amount')         # SELECT
    .groupby('user_id')                  # GROUP BY
    .agg({'amount': 'sum'})              # SUM()
    .sort('sum', ascending=False)        # ORDER BY
    .limit(10)                           # LIMIT
)
# All compiled into one SQL query
```

<div id="phase-2">
  ### フェーズ2: 実行ポイント
</div>

トリガーが発生すると、それまでに蓄積されたSQLが実行されます。

```python theme={null}
# Execution triggered here
df = result.to_df()  
# The single optimized SQL query runs now
```

<div id="phase-3">
  ### フェーズ 3: DataFrame の操作 (ある場合)
</div>

実行後に pandas 固有の操作を続けて適用する場合:

```python theme={null}
# Mixed operations
result = (ds
    .filter(ds['amount'] > 100)          # Phase 1: SQL
    .to_df()                             # Phase 2: Execute
    .pivot_table(...)                    # Phase 3: pandas
)
```

***

<div id="explain">
  ## 実行計画を表示する
</div>

`explain()` を使用すると、実行される内容を確認できます。

```python title="Query" theme={null}
ds = pd.read_csv("sales.csv")

query = (ds
    .filter(ds['amount'] > 1000)
    .groupby('region')
    .agg({'amount': ['sum', 'mean']})
)

# View execution plan
query.explain()
```

```text title="Response" theme={null}
Pipeline:
  1. Source: file('sales.csv', 'CSVWithNames')
  2. Filter: amount > 1000
  3. GroupBy: region
  4. Aggregate: sum(amount), avg(amount)

Generated SQL:
SELECT region, SUM(amount) AS sum, AVG(amount) AS mean
FROM file('sales.csv', 'CSVWithNames')
WHERE amount > 1000
GROUP BY region
```

詳細情報を表示するには `verbose=True` を使用します:

```python theme={null}
query.explain(verbose=True)
```

詳しいドキュメントについては、[Debugging: explain()](/docs/ja/chdb/debugging/explain)を参照してください。

***

<div id="caching">
  ## キャッシュ
</div>

DataStore は、重複するクエリの実行を避けるために、実行結果をキャッシュします。

<div id="how-caching">
  ### キャッシュの仕組み
</div>

```python theme={null}
from pathlib import Path
Path("data.csv").write_text("""\
name,age,city,salary,department
Alice,25,NYC,55000,Engineering
Bob,30,LA,65000,Product
Charlie,35,NYC,80000,Engineering
Diana,28,SF,70000,Design
Eve,42,NYC,95000,Product
""")

ds = pd.read_csv("data.csv")
result = ds.filter(ds['age'] > 25)

# First access - executes query
print(result.shape)  # Executes and caches

# Second access - uses cache
print(result.columns)  # Uses cached result

# Third access - uses cache
df = result.to_df()  # Uses cached result
```

<div id="cache-invalidation">
  ### キャッシュの無効化
</div>

DataStore に変更を加える操作が行われると、キャッシュは無効化されます：

```python theme={null}
result = ds.filter(ds['age'] > 25)
print(result.shape)  # Executes, caches

# New operation invalidates cache
result2 = result.filter(result['city'] == 'NYC')
print(result2.shape)  # Re-executes (different query)
```

<div id="cache-control">
  ### キャッシュの手動制御
</div>

```python theme={null}
# Clear cache
ds.clear_cache()

# Disable caching
from chdb.datastore.config import config
config.set_cache_enabled(False)
```

***

<div id="mixing">
  ## SQL と Pandas の操作を組み合わせる
</div>

DataStore は、SQL と pandas を組み合わせた操作を適切に処理します。

<div id="sql-ops">
  ### SQL互換の操作
</div>

以下はSQLに変換されます：

* `filter()`, `where()`
* `select()`
* `groupby()`, `agg()`
* `sort()`, `orderby()`
* `limit()`, `offset()`
* `join()`, `union()`
* `distinct()`
* カラム操作 (算術演算、比較、文字列メソッド)

<div id="pandas-ops">
  ### Pandas のみの操作
</div>

以下は実行がトリガーされ、pandas が使用されます。

* カスタム関数を使った `apply()`
* 複雑な集計を行う `pivot_table()`
* `stack()`、`unstack()`
* 実行済みの DataFrame に対する操作

<div id="hybrid">
  ### ハイブリッドパイプライン
</div>

```python theme={null}
# SQL phase
result = (ds
    .filter(ds['amount'] > 100)      # SQL
    .groupby('category')              # SQL
    .agg({'amount': 'sum'})           # SQL
)

# Execution + pandas phase
result = (result
    .to_df()                          # Execute SQL
    .pivot_table(...)                 # pandas operation
)
```

***

<div id="engine-selection">
  ## 実行エンジンの選択
</div>

DataStore では、異なるエンジンを使って操作を実行できます。

<div id="auto-mode">
  ### 自動モード (既定)
</div>

```python theme={null}
from chdb.datastore.config import config

config.set_execution_engine('auto')  # Default
# Automatically selects best engine per operation
```

<div id="chdb-engine">
  ### chDB エンジンを強制的に使用する
</div>

```python theme={null}
config.set_execution_engine('chdb')
# All operations use ClickHouse SQL
```

<div id="pandas-engine">
  ### pandas Engineの使用を強制する
</div>

```python theme={null}
config.set_execution_engine('pandas')
# All operations use pandas
```

詳しくは、[設定: 実行エンジン](/docs/ja/chdb/configuration/execution-engine)を参照してください。

***

<div id="performance">
  ## パフォーマンスへの影響
</div>

<div id="filter-early">
  ### 良い例: 早い段階でフィルタする
</div>

```python theme={null}
# Good: Filter in SQL, then aggregate
result = (ds
    .filter(ds['date'] >= '2024-01-01')  # Reduces data early
    .groupby('category')
    .agg({'amount': 'sum'})
)
```

<div id="filter-late">
  ### 悪い例: フィルタを後で適用する
</div>

```python theme={null}
# Bad: Aggregate all, then filter
result = (ds
    .groupby('category')
    .agg({'amount': 'sum'})
    .to_df()
    .query('sum > 1000')  # Pandas filter after aggregation
)
```

<div id="select-early">
  ### 良い例: 早い段階でカラムを絞り込む
</div>

```python theme={null}
# Good: Select columns in SQL
result = (ds
    .select('user_id', 'amount', 'date')
    .filter(ds['date'] >= '2024-01-01')
    .groupby('user_id')
    .agg({'amount': 'sum'})
)
```

<div id="sql-work">
  ### 良い例: SQLに任せる
</div>

```python theme={null}
# Good: Complex aggregation in SQL
result = (ds
    .groupby('category')
    .agg({
        'amount': ['sum', 'mean', 'count'],
        'quantity': 'sum'
    })
    .sort('sum', ascending=False)
    .limit(10)
)
# One SQL query does everything

# Bad: Multiple separate queries
sums = ds.groupby('category')['amount'].sum().to_df()
means = ds.groupby('category')['amount'].mean().to_df()
# Two queries instead of one
```

***

<div id="best-practices">
  ## ベストプラクティスのまとめ
</div>

1. **実行前に一連の操作を組み立てる** - クエリ全体を構築してから、一度だけトリガーします
2. **早い段階で絞り込む** - データの発生元でデータ量を減らします
3. **必要なカラムだけを選択する** - カラムプルーニングによりパフォーマンスが向上します
4. **実行内容を理解するために `explain()` を使う** - 実行前にデバッグします
5. **集計は SQL に任せる** - ClickHouse はこの処理に最適化されています
6. **実行のトリガーを意識する** - 意図しない早期実行を避けます
7. **キャッシュを適切に使う** - cache が無効になるタイミングを理解します