Set up docs MCPUtilisation de la table system.query_log
La requête suivante, très utile, montre lesquelles de vos requêtes exécutées ont consommé le plus de mémoire.
Quelques remarques à propos de cette requête :
- les résultats sont calculés sur les dernières 24 heures (
now() - toIntervalDay(1))), mais vous pouvez facilement modifier l'intervalle de temps - elle suppose que vous disposez d'un cluster nommé
default, qui est le nom de votre cluster dans ClickHouse Cloud. Remplacezdefaultpar le nom de votre cluster - si vous n'avez pas de cluster, consultez la requête indiquée à la fin de cet article
SELECT
count() as nb_query,
user,
query,
sum(memory_usage) AS memory,
normalized_query_hash
FROM
clusterAllReplicas(default, system.query_log)
WHERE
(event_time >= (now() - toIntervalDay(1)))
AND is_initial_query = 1
AND query_kind = 'Select'
AND type = 'QueryFinish'
and user != 'monitoring-internal'
GROUP BY
normalized_query_hash,
query,
user
ORDER BY
memory DESC;La réponse ressemble à ceci :
┌─nb_query─┬─user────┬─query─────────────────────────────────────────────────────────┬───memory─┬─normalized_query_hash─┐
│ 11 │ default │ select version() │ 46178924 │ 7202516440347714159 │
│ 2 │ default │ SELECT * FROM "system"."table_functions" LIMIT 31 OFFSET 0 │ 8391544 │ 12830067173062987695 │
└──────────┴─────────┴───────────────────────────────────────────────────────────────┴──────────┴───────────────────────┘Si vous n’avez pas de cluster, vous pouvez interroger directement votre unique table system.query_log :
SELECT
count() as nb_query,
user,
query,
sum(memory_usage) AS memory,
normalized_query_hash
FROM
system.query_log
WHERE
(event_time >= (now() - toIntervalDay(1)))
AND is_initial_query = 1
AND query_kind = 'Select'
AND type = 'QueryFinish'
and user != 'monitoring-internal'
GROUP BY
normalized_query_hash,
query,
user
ORDER BY
memory DESC;