> ## 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.

# Модель выполнения DataStore

> Понимание отложенного вычисления, триггеров выполнения и кэширования в DataStore

Чтобы эффективно использовать DataStore и добиться оптимальной производительности, важно понимать его модель отложенного вычисления.

## Отложенное вычисление

DataStore использует **отложенное вычисление** — операции не выполняются сразу, а фиксируются и компилируются в оптимизированные SQL-запросы. Выполнение происходит только тогда, когда результаты действительно нужны.

### Пример: отложенное и немедленное вычисление

```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
```

### Преимущества отложенного вычисления

1. **Оптимизация запросов**: Несколько операций компилируются в один оптимизированный SQL-запрос
2. **Pushdown фильтров**: Фильтры применяются на уровне источника данных
3. **Исключение лишних столбцов**: Считываются только нужные столбцы
4. **Отложенные решения**: Движок выполнения можно выбрать при выполнении
5. **Просмотр плана**: Перед выполнением запроса можно просмотреть план и отладить его

***

## Триггеры выполнения

Выполнение автоматически запускается, когда требуются фактические значения:

### Автоматические триггеры

| Триггер | Пример | Описание |
| - | - | - |
| `print()` / `repr()` | `print(ds)` | Показать результаты |
| `len()` | `len(ds)` | Получить число строк |
| `.columns` | `ds.columns` | Получить имена столбцов |
| `.dtypes` | `ds.dtypes` | Получить типы столбцов |
| `.shape` | `ds.shape` | Получить размеры |
| `.index` | `ds.index` | Получить индекс строк |
| `.values` | `ds.values` | Получить массив NumPy |
| Iteration | `for row in ds` | Перебирать строки |
| `to_df()` | `ds.to_df()` | Преобразовать в pandas |
| `to_pandas()` | `ds.to_pandas()` | Псевдоним для to\_df |
| `to_dict()` | `ds.to_dict()` | Преобразовать в словарь |
| `to_numpy()` | `ds.to_numpy()` | Преобразовать в массив |
| `.equals()` | `ds.equals(other)` | Сравнить объекты DataStore |

**Примеры:**

```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
```

### Операции, которые остаются отложенными

| Operation | Returns | Description |
| - | - | - |
| `filter()` | DataStore | Добавляет предложение WHERE |
| `select()` | DataStore | Добавляет выбор столбцов |
| `sort()` | DataStore | Добавляет ORDER BY |
| `groupby()` | LazyGroupBy | Подготавливает GROUP BY |
| `join()` | DataStore | Добавляет JOIN |
| `ds['col']` | ColumnExpr | Ссылка на столбец |
| `ds[['col1', 'col2']]` | DataStore | Выбор столбцов |

**Примеры:**

```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
```

***

## Трёхфазное выполнение

Операции DataStore используют трёхфазную модель выполнения:

### Фаза 1: Отложенное построение SQL-запроса

Операции, которые можно представить в виде SQL-запроса, накапливаются:

```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
```

### Фаза 2: Момент выполнения

Когда срабатывает триггер, выполняется накопленный SQL:

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

### Фаза 3: Операции с DataFrame (если есть)

Если после выполнения вы применяете цепочку операций, доступных только в pandas:

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

***

## Просмотр Execution Plan

Используйте `explain()`, чтобы увидеть, что будет выполнено:

```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
```

Используйте `verbose=True` для получения более подробной информации:

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

Полную документацию см. в разделе [Отладка: explain()](https://clickhouse.com/docs/ru/chdb/debugging/explain.md).

***

## Кэширование

DataStore кэширует результаты выполнения, чтобы избежать лишних запросов.

### Как работает кэширование

```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
```

### Инвалидация кэша

Кэш сбрасывается, когда операции изменяют 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)
```

### Управление кэшем вручную

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

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

***

## Сочетание SQL и операций Pandas

DataStore эффективно обрабатывает операции, сочетающие SQL и Pandas:

### SQL-совместимые операции

Они преобразуются в SQL:

* `filter()`, `where()`
* `select()`
* `groupby()`, `agg()`
* `sort()`, `orderby()`
* `limit()`, `offset()`
* `join()`, `union()`
* `distinct()`
* Операции со столбцами (математика, сравнение, строковые методы)

### Операции только в Pandas

Они запускают выполнение и используют pandas:

* `apply()` с пользовательскими функциями
* `pivot_table()` со сложными агрегациями
* `stack()`, `unstack()`
* операции над уже выполненными DataFrames

### Гибридные конвейеры

```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
)
```

***

## Выбор движка выполнения

DataStore может выполнять операции на разных движках:

### Автоматический режим (по умолчанию)

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

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

### Принудительное использование движка chDB

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

### Принудительно использовать движок pandas

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

Подробнее см. в разделе [Конфигурация: движок выполнения](https://clickhouse.com/docs/ru/chdb/configuration/execution-engine.md).

***

## Влияние на производительность

### Хорошо: фильтруйте как можно раньше

```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'})
)
```

### Плохо: поздняя фильтрация

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

### Хорошо: выбирайте столбцы заранее

```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'})
)
```

### Хорошо: доверьте SQL эту работу

```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
```

***

## Краткая сводка лучших практик

1. **Выстраивайте Operations в цепочку перед выполнением** - Сначала сформируйте полный запрос, затем запускайте его один раз
2. **Фильтруйте как можно раньше** - Уменьшайте объём данных как можно ближе к источнику
3. **Выбирайте только нужные столбцы** - Отсечение столбцов повышает производительность
4. **Используйте `explain()`, чтобы понять выполнение** - Выполните Debug перед запуском
5. **Поручите SQL агрегации** - ClickHouse оптимизирован для этого
6. **Помните о триггерах выполнения** - Избегайте случайного преждевременного запуска
7. **Используйте кэширование с умом** - Понимайте, когда кэш сбрасывается