> ## 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.

# Modelo de execução do DataStore

> Entendendo o modelo de avaliação preguiçosa, os gatilhos de execução e o cache no DataStore

Entender o modelo de avaliação preguiçosa do DataStore é essencial para usá-lo com eficiência e obter o melhor desempenho.

<div id="lazy-evaluation">
  ## Avaliação preguiçosa
</div>

O DataStore usa **avaliação preguiçosa** - as operações não são executadas imediatamente, mas são registradas e compiladas em consultas SQL otimizadas. A execução só ocorre quando os resultados são realmente necessários.

<div id="lazy-vs-eager">
  ### Exemplo: Lazy vs Imediato
</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">
  ### Benefícios da avaliação preguiçosa
</div>

1. **Otimização de consultas**: várias operações são compiladas em uma única consulta SQL otimizada
2. **Pushdown de filtros**: os filtros são aplicados no nível da fonte de dados
3. **Poda de colunas**: apenas as colunas necessárias são lidas
4. **Decisões adiadas**: o mecanismo de execução pode ser escolhido em tempo de execução
5. **Inspeção do plano**: você pode visualizar/depurar a consulta antes de executá-la

***

<div id="triggers">
  ## Gatilhos de execução
</div>

A execução é iniciada automaticamente quando você precisa de valores reais:

<div id="automatic-triggers">
  ### Gatilhos automáticos
</div>

| Gatilho              | Exemplo            | Descrição                  |
| -------------------- | ------------------ | -------------------------- |
| `print()` / `repr()` | `print(ds)`        | Exibe os resultados        |
| `len()`              | `len(ds)`          | Obtém a contagem de linhas |
| `.columns`           | `ds.columns`       | Obtém os nomes das colunas |
| `.dtypes`            | `ds.dtypes`        | Obtém os tipos das colunas |
| `.shape`             | `ds.shape`         | Obtém as dimensões         |
| `.index`             | `ds.index`         | Obtém o índice das linhas  |
| `.values`            | `ds.values`        | Obtém um array NumPy       |
| Iteração             | `for row in ds`    | Itera sobre as linhas      |
| `to_df()`            | `ds.to_df()`       | Converte para pandas       |
| `to_pandas()`        | `ds.to_pandas()`   | Alias de to\_df            |
| `to_dict()`          | `ds.to_dict()`     | Converte para dict         |
| `to_numpy()`         | `ds.to_numpy()`    | Converte para array        |
| `.equals()`          | `ds.equals(other)` | Compara DataStores         |

**Exemplos:**

```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">
  ### Operações que permanecem lazy
</div>

| Operação               | Retorna     | Descrição                   |
| ---------------------- | ----------- | --------------------------- |
| `filter()`             | DataStore   | Adiciona cláusula WHERE     |
| `select()`             | DataStore   | Adiciona seleção de colunas |
| `sort()`               | DataStore   | Adiciona ORDER BY           |
| `groupby()`            | LazyGroupBy | Prepara GROUP BY            |
| `join()`               | DataStore   | Adiciona JOIN               |
| `ds['col']`            | ColumnExpr  | Referência de coluna        |
| `ds[['col1', 'col2']]` | DataStore   | Seleção de colunas          |

**Exemplos:**

```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">
  ## Execução em três fases
</div>

As operações do DataStore seguem um modelo de execução em três fases:

<div id="phase-1">
  ### Fase 1: Construção da consulta SQL (lazy)
</div>

As operações que podem ser expressas em SQL são acumuladas:

```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">
  ### Fase 2: Momento da execução
</div>

Quando ocorre um disparo, o SQL acumulado é executado:

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

<div id="phase-3">
  ### Fase 3: Operações com DataFrame (se houver)
</div>

Se você encadear operações específicas do pandas após a execução:

```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">
  ## Visualizando planos de execução
</div>

Use `explain()` para ver o que será executado:

```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
```

Use `verbose=True` para obter mais detalhes:

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

Consulte [Depuração: explain()](/docs/pt-BR/chdb/debugging/explain) para ver a documentação completa.

***

<div id="caching">
  ## Cache
</div>

O DataStore armazena em cache os resultados da execução para evitar consultas redundantes.

<div id="how-caching">
  ### Como o cache funciona
</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">
  ### Invalidação do cache
</div>

O cache é invalidado quando operações modificam o DataStore:

```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">
  ### Controle manual do cache
</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">
  ## Combinando operações SQL e do Pandas
</div>

O DataStore lida de forma inteligente com operações que combinam SQL e Pandas:

<div id="sql-ops">
  ### Operações compatíveis com SQL
</div>

Estas operações são compiladas em SQL:

* `filter()`, `where()`
* `select()`
* `groupby()`, `agg()`
* `sort()`, `orderby()`
* `limit()`, `offset()`
* `join()`, `union()`
* `distinct()`
* Operações em colunas (matemática, comparação, métodos de texto)

<div id="pandas-ops">
  ### Operações exclusivas do Pandas
</div>

Estas operações disparam a execução e usam o Pandas:

* `apply()` com funções personalizadas
* `pivot_table()` com agregações complexas
* `stack()`, `unstack()`
* Operações em DataFrames já executados

<div id="hybrid">
  ### Pipelines híbridos
</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">
  ## Seleção do mecanismo de execução
</div>

O DataStore pode executar operações usando diferentes motores:

<div id="auto-mode">
  ### Modo Automático (Padrão)
</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">
  ### Forçar o engine chDB
</div>

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

<div id="pandas-engine">
  ### Forçar o engine do pandas
</div>

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

Consulte [Configuração: mecanismo de execução](/docs/pt-BR/chdb/configuration/execution-engine) para mais detalhes.

***

<div id="performance">
  ## Implicações no desempenho
</div>

<div id="filter-early">
  ### Bom: Filtrar logo no início
</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">
  ### Ruim: filtrar tarde
</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">
  ### Bom: selecione as colunas logo no início
</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">
  ### Bom: deixe o SQL fazer o trabalho
</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">
  ## Resumo de boas práticas
</div>

1. **Encadeie as operações antes de executar** - Monte a consulta completa e só então a execute uma vez
2. **Filtre o quanto antes** - Reduza os dados na origem
3. **Selecione apenas as colunas necessárias** - A poda de colunas melhora o desempenho
4. **Use `explain()` para entender a execução** - Faça a depuração antes de executar
5. **Deixe o SQL cuidar das agregações** - O ClickHouse é otimizado para isso
6. **Fique atento aos gatilhos de execução** - Evite execuções antecipadas acidentais
7. **Use o cache com critério** - Entenda quando o cache é invalidado