従来のリレーショナルデータベースに慣れている方は、ClickHouse にもストアドプロシージャやプリペアドステートメントがあると考えるかもしれません。 このガイドでは、これらの概念に対する ClickHouse の考え方を説明し、推奨される代替手段を紹介します。
ClickHouseでのストアドプロシージャの代替手段
ClickHouse は、制御フローロジック (IF/ELSE、ループなど) を含む従来型のストアドプロシージャをサポートしていません。
これは、分析データベースとしての ClickHouse のアーキテクチャに基づく意図的な設計です。
分析データベースでは、単純なクエリを O(n) 回処理するよりも、より複雑なクエリを少ない回数で処理するほうが通常は高速なため、ループは推奨されません。
ClickHouse は、次のような用途に最適化されています。
- 分析ワークロード - 大規模なデータセットに対する複雑な集計
- バッチ処理 - 大量のデータを効率的に処理すること
- 宣言的クエリ - データをどのように処理するかではなく、どのデータを取得するかを記述する SQL クエリ
手続き型ロジックを含むストアドプロシージャは、こうした最適化と相性がよくありません。代わりに、ClickHouse にはその強みを生かせる代替手段が用意されています。
ユーザー定義関数 (UDFs)
ユーザー定義関数 (UDFs) を使うと、制御フローを伴わない再利用可能なロジックをまとめて定義できます。ClickHouse は次の 2 種類をサポートしています。
ラムダベースのUDF
SQL 式とラムダ構文を使用して関数を作成します。
例で使用するサンプルデータ
-- products テーブルを作成
CREATE TABLE products (
product_id UInt32,
product_name String,
price Decimal(10, 2)
)
ENGINE = MergeTree()
ORDER BY product_id;
-- サンプルデータを挿入
INSERT INTO products (product_id, product_name, price) VALUES
(1, 'Laptop', 899.99),
(2, 'Wireless Mouse', 24.99),
(3, 'USB-C Cable', 12.50),
(4, 'Monitor', 299.00),
(5, 'Keyboard', 79.99),
(6, 'Webcam', 54.95),
(7, 'Desk Lamp', 34.99),
(8, 'External Hard Drive', 119.99),
(9, 'Headphones', 149.00),
(10, 'Phone Stand', 15.99);-- シンプルな計算関数
CREATE FUNCTION calculate_tax AS (price, rate) -> price * rate;
SELECT
product_name,
price,
calculate_tax(price, 0.08) AS tax
FROM products;-- if()を使用した条件分岐ロジック
CREATE FUNCTION price_tier AS (price) ->
if(price < 100, 'Budget',
if(price < 500, 'Mid-range', 'Premium'));
SELECT
product_name,
price,
price_tier(price) AS tier
FROM products;-- 文字列操作
CREATE FUNCTION format_phone AS (phone) ->
concat('(', substring(phone, 1, 3), ') ',
substring(phone, 4, 3), '-',
substring(phone, 7, 4));
SELECT format_phone('5551234567');
-- 結果: (555) 123-4567制限事項:
- ループや複雑な制御フローは使用できません
- データは変更できません (
INSERT/UPDATE/DELETE) - 再帰関数は使用できません
完全な構文は CREATE FUNCTION を参照してください。
実行可能 UDF
より複雑なロジックには、外部プログラムを呼び出す実行可能 UDF を使用できます。
<!-- /etc/clickhouse-server/sentiment_analysis_function.xml -->
<functions>
<function>
<type>executable</type>
<name>sentiment_score</name>
<return_type>Float32</return_type>
<argument>
<type>String</type>
</argument>
<format>TabSeparated</format>
<command>python3 /opt/scripts/sentiment.py</command>
</function>
</functions>-- 実行可能UDFを使用する
SELECT
review_text,
sentiment_score(review_text) AS score
FROM customer_reviews;実行可能 UDF では、任意の言語 (Python、Node.js、Go など) を使って任意のロジックを実装できます。
詳細については、実行可能 UDF を参照してください。
パラメーター化ビュー
パラメーター化ビューは、データセットを返す関数のように動作します。 動的なフィルタリングを伴う再利用可能なクエリに最適です。
例で使用するサンプルデータ
-- sales テーブルを作成
CREATE TABLE sales (
date Date,
product_id UInt32,
product_name String,
category String,
quantity UInt32,
revenue Decimal(10, 2),
sales_amount Decimal(10, 2)
)
ENGINE = MergeTree()
ORDER BY (date, product_id);
-- サンプルデータを挿入
INSERT INTO sales VALUES
('2024-01-05', 12345, 'Laptop Pro', 'Electronics', 2, 1799.98, 1799.98),
('2024-01-06', 12345, 'Laptop Pro', 'Electronics', 1, 899.99, 899.99),
('2024-01-10', 12346, 'Wireless Mouse', 'Electronics', 5, 124.95, 124.95),
('2024-01-15', 12347, 'USB-C Cable', 'Accessories', 10, 125.00, 125.00),
('2024-01-20', 12345, 'Laptop Pro', 'Electronics', 3, 2699.97, 2699.97),
('2024-01-25', 12348, 'Monitor 4K', 'Electronics', 2, 598.00, 598.00),
('2024-02-01', 12345, 'Laptop Pro', 'Electronics', 1, 899.99, 899.99),
('2024-02-05', 12349, 'Keyboard Mechanical', 'Accessories', 4, 319.96, 319.96),
('2024-02-10', 12346, 'Wireless Mouse', 'Electronics', 8, 199.92, 199.92),
('2024-02-15', 12350, 'Webcam HD', 'Electronics', 3, 164.85, 164.85);-- パラメーター化ビューを作成する
CREATE VIEW sales_by_date AS
SELECT
date,
product_id,
sum(quantity) AS total_quantity,
sum(revenue) AS total_revenue
FROM sales
WHERE date BETWEEN {start_date:Date} AND {end_date:Date}
GROUP BY date, product_id;-- パラメータを指定してビューをクエリする
SELECT *
FROM sales_by_date(start_date='2024-01-01', end_date='2024-01-31')
WHERE product_id = 12345;一般的なユースケース
- 動的な日付範囲フィルタリング
- ユーザー別のデータの切り分け
- マルチテナントのデータアクセス
- レポートテンプレート
- データマスキング
-- より複雑なパラメーター化ビュー
CREATE VIEW top_products_by_category AS
SELECT
category,
product_name,
revenue,
rank
FROM (
SELECT
category,
product_name,
revenue,
rank() OVER (PARTITION BY category ORDER BY revenue DESC) AS rank
FROM (
SELECT
category,
product_name,
sum(sales_amount) AS revenue
FROM sales
WHERE category = {category:String}
AND date >= {min_date:Date}
GROUP BY category, product_name
)
)
WHERE rank <= {top_n:UInt32};
-- 使用例
SELECT * FROM top_products_by_category(
category='Electronics',
min_date='2024-01-01',
top_n=10
);詳しくは、パラメーター化ビューのセクションをご覧ください。
materialized view
materialized view は、従来であればストアドプロシージャで行っていた高コストな集計を事前計算するのに最適です。従来のデータベースに慣れている場合は、materialized view を、データがソーステーブルに挿入される際に自動的に変換と集計を行う INSERT トリガー のようなものと考えてください。
-- ソーステーブル
CREATE TABLE page_views (
user_id UInt64,
page String,
timestamp DateTime,
session_id String
)
ENGINE = MergeTree()
ORDER BY (user_id, timestamp);
-- 集計統計を保持するmaterialized view
CREATE MATERIALIZED VIEW daily_user_stats
ENGINE = SummingMergeTree()
ORDER BY (date, user_id)
AS SELECT
toDate(timestamp) AS date,
user_id,
count() AS page_views,
uniq(session_id) AS sessions,
uniq(page) AS unique_pages
FROM page_views
GROUP BY date, user_id;
-- ソーステーブルにサンプルデータを挿入
INSERT INTO page_views VALUES
(101, '/home', '2024-01-15 10:00:00', 'session_a1'),
(101, '/products', '2024-01-15 10:05:00', 'session_a1'),
(101, '/checkout', '2024-01-15 10:10:00', 'session_a1'),
(102, '/home', '2024-01-15 11:00:00', 'session_b1'),
(102, '/about', '2024-01-15 11:05:00', 'session_b1'),
(101, '/home', '2024-01-16 09:00:00', 'session_a2'),
(101, '/products', '2024-01-16 09:15:00', 'session_a2'),
(103, '/home', '2024-01-16 14:00:00', 'session_c1'),
(103, '/products', '2024-01-16 14:05:00', 'session_c1'),
(103, '/products', '2024-01-16 14:10:00', 'session_c1'),
(102, '/home', '2024-01-17 10:30:00', 'session_b2'),
(102, '/contact', '2024-01-17 10:35:00', 'session_b2');
-- 事前集計済みデータをクエリ
SELECT
user_id,
sum(page_views) AS total_views,
sum(sessions) AS total_sessions
FROM daily_user_stats
WHERE date BETWEEN '2024-01-01' AND '2024-01-31'
GROUP BY user_id;リフレッシュ可能な materialized view
定期実行するバッチ処理 (夜間実行のストアドプロシージャなど) 向け:
-- 毎日午前2時に自動的にリフレッシュ
CREATE MATERIALIZED VIEW monthly_sales_report
REFRESH EVERY 1 DAY OFFSET 2 HOUR
AS SELECT
toStartOfMonth(order_date) AS month,
region,
product_category,
count() AS order_count,
sum(amount) AS total_revenue,
avg(amount) AS avg_order_value
FROM orders
WHERE order_date >= today() - INTERVAL 13 MONTH
GROUP BY month, region, product_category;
-- クエリは常に最新のデータを参照
SELECT * FROM monthly_sales_report
WHERE month = toStartOfMonth(today());高度な活用パターンについては、カスケード型 materialized viewを参照してください。
外部オーケストレーション
複雑なビジネスロジック、ETL ワークフロー、または複数段階の処理では、言語クライアントを使用して、ClickHouse の外部にロジックを実装することも可能です。
アプリケーションコードを使用する
以下は、MySQL のストアドプロシージャを ClickHouse でアプリケーションコードに置き換える場合の比較を左右に並べて示したものです。
DELIMITER $$
CREATE PROCEDURE process_order(
IN p_order_id INT,
IN p_customer_id INT,
IN p_order_total DECIMAL(10,2),
OUT p_status VARCHAR(50),
OUT p_loyalty_points INT
)
BEGIN
DECLARE v_customer_tier VARCHAR(20);
DECLARE v_previous_orders INT;
DECLARE v_discount DECIMAL(10,2);
-- トランザクションを開始する
START TRANSACTION;
-- 顧客情報を取得する
SELECT tier, total_orders
INTO v_customer_tier, v_previous_orders
FROM customers
WHERE customer_id = p_customer_id;
-- ティアに基づいて割引を計算する
IF v_customer_tier = 'gold' THEN
SET v_discount = p_order_total * 0.15;
ELSEIF v_customer_tier = 'silver' THEN
SET v_discount = p_order_total * 0.10;
ELSE
SET v_discount = 0;
END IF;
-- 注文レコードを挿入する
INSERT INTO orders (order_id, customer_id, order_total, discount, final_amount)
VALUES (p_order_id, p_customer_id, p_order_total, v_discount,
p_order_total - v_discount);
-- 顧客統計を更新する
UPDATE customers
SET total_orders = total_orders + 1,
lifetime_value = lifetime_value + (p_order_total - v_discount),
last_order_date = NOW()
WHERE customer_id = p_customer_id;
-- ロイヤルティポイントを計算する(1ドルにつき1ポイント)
SET p_loyalty_points = FLOOR(p_order_total - v_discount);
-- ロイヤルティポイントのトランザクションを挿入する
INSERT INTO loyalty_points (customer_id, points, transaction_date, description)
VALUES (p_customer_id, p_loyalty_points, NOW(),
CONCAT('Order #', p_order_id));
-- 顧客をアップグレードすべきか確認する
IF v_previous_orders + 1 >= 10 AND v_customer_tier = 'bronze' THEN
UPDATE customers SET tier = 'silver' WHERE customer_id = p_customer_id;
SET p_status = 'ORDER_COMPLETE_TIER_UPGRADED_SILVER';
ELSEIF v_previous_orders + 1 >= 50 AND v_customer_tier = 'silver' THEN
UPDATE customers SET tier = 'gold' WHERE customer_id = p_customer_id;
SET p_status = 'ORDER_COMPLETE_TIER_UPGRADED_GOLD';
ELSE
SET p_status = 'ORDER_COMPLETE';
END IF;
COMMIT;
END$$
DELIMITER ;
-- ストアドプロシージャを呼び出す
CALL process_order(12345, 5678, 250.00, @status, @points);
SELECT @status, @points;# clickhouse-connect を使用した Python の例
import clickhouse_connect
from datetime import datetime
from decimal import Decimal
client = clickhouse_connect.get_client(host='localhost')
def process_order(order_id: int, customer_id: int, order_total: Decimal) -> tuple[str, int]:
"""
Processes an order with business logic that would be in a stored procedure.
Returns: (status_message, loyalty_points)
Note: ClickHouse is optimized for analytics, not OLTP transactions.
For transactional workloads, use an OLTP database (PostgreSQL, MySQL)
and sync analytics data to ClickHouse for reporting.
"""
# ステップ 1: 顧客情報を取得する
result = client.query(
"""
SELECT tier, total_orders
FROM customers
WHERE customer_id = {cid: UInt32}
""",
parameters={'cid': customer_id}
)
if not result.result_rows:
raise ValueError(f"Customer {customer_id} not found")
customer_tier, previous_orders = result.result_rows[0]
# ステップ 2: tier に基づいて割引を計算する(Python のビジネスロジック)
discount_rates = {'gold': 0.15, 'silver': 0.10, 'bronze': 0.0}
discount = order_total * Decimal(str(discount_rates.get(customer_tier, 0.0)))
final_amount = order_total - discount
# ステップ 3: 注文レコードを挿入する
client.command(
"""
INSERT INTO orders (order_id, customer_id, order_total, discount,
final_amount, order_date)
VALUES ({oid: UInt32}, {cid: UInt32}, {total: Decimal64(2)},
{disc: Decimal64(2)}, {final: Decimal64(2)}, now())
""",
parameters={
'oid': order_id,
'cid': customer_id,
'total': float(order_total),
'disc': float(discount),
'final': float(final_amount)
}
)
# ステップ 4: 顧客の統計情報を更新する
new_order_count = previous_orders + 1
# 分析データベースでは UPDATE より INSERT を優先する
# ReplacingMergeTree パターンを使用する
client.command(
"""
INSERT INTO customers (customer_id, tier, total_orders, last_order_date,
update_time)
SELECT
customer_id,
tier,
{new_count: UInt32} AS total_orders,
now() AS last_order_date,
now() AS update_time
FROM customers
WHERE customer_id = {cid: UInt32}
""",
parameters={'cid': customer_id, 'new_count': new_order_count}
)
# ステップ 5: ロイヤルティポイントを計算して記録する
loyalty_points = int(final_amount)
client.command(
"""
INSERT INTO loyalty_points (customer_id, points, transaction_date, description)
VALUES ({cid: UInt32}, {pts: Int32}, now(),
{desc: String})
""",
parameters={
'cid': customer_id,
'pts': loyalty_points,
'desc': f'Order #{order_id}'
}
)
# ステップ 6: tier のアップグレードを確認する(Python のビジネスロジック)
status = 'ORDER_COMPLETE'
if new_order_count >= 10 and customer_tier == 'bronze':
# シルバーにアップグレードする
client.command(
"""
INSERT INTO customers (customer_id, tier, total_orders, last_order_date,
update_time)
SELECT
customer_id, 'silver' AS tier, total_orders, last_order_date,
now() AS update_time
FROM customers
WHERE customer_id = {cid: UInt32}
""",
parameters={'cid': customer_id}
)
status = 'ORDER_COMPLETE_TIER_UPGRADED_SILVER'
elif new_order_count >= 50 and customer_tier == 'silver':
# ゴールドにアップグレードする
client.command(
"""
INSERT INTO customers (customer_id, tier, total_orders, last_order_date,
update_time)
SELECT
customer_id, 'gold' AS tier, total_orders, last_order_date,
now() AS update_time
FROM customers
WHERE customer_id = {cid: UInt32}
""",
parameters={'cid': customer_id}
)
status = 'ORDER_COMPLETE_TIER_UPGRADED_GOLD'
return status, loyalty_points
# 関数を使用する
status, points = process_order(
order_id=12345,
customer_id=5678,
order_total=Decimal('250.00')
)
print(f"Status: {status}, Loyalty Points: {points}")主な違い
- 制御フロー - MySQL のストアドプロシージャでは
IF/ELSEやWHILEループを使用できます。ClickHouse では、このロジックはアプリケーションコード (Python、Java など) に実装します - トランザクション - MySQL は ACID トランザクションのための
BEGIN/COMMIT/ROLLBACKをサポートしています。ClickHouse はトランザクション更新ではなく、追記中心のワークロード向けに最適化された分析データベースです - 更新 - MySQL は
UPDATEステートメントを使用します。ClickHouse では、変更されるデータに対しては ReplacingMergeTree または CollapsingMergeTree を使ったINSERTが推奨されます - 変数と状態 - MySQL のストアドプロシージャでは変数を宣言できます (
DECLARE v_discount) 。ClickHouse では、状態はアプリケーションコードで管理します - エラー処理 - MySQL は
SIGNALと例外ハンドラーをサポートしています。アプリケーションコードでは、使用する言語のネイティブなエラー処理 (try/catch) を使います
ワークフローオーケストレーションツールの活用
- Apache Airflow - ClickHouseクエリの複雑なDAGをスケジュール・監視
- dbt - SQLベースのワークフローでデータを変換
- Prefect/Dagster - モダンなPythonベースのオーケストレーション
- Custom schedulers - Cronジョブ、Kubernetes CronJobs など
外部オーケストレーションの利点:
- プログラミング言語の機能をフル活用できる
- より優れたエラー処理と再試行ロジック
- 外部システムとのインテグレーション (API、他のデータベース)
- バージョン管理とテスト
- 監視とアラート
- より柔軟なスケジュール設定
ClickHouse におけるプリペアドステートメントの代替手段
ClickHouse には、RDBMS における従来型の「プリペアドステートメント」はありませんが、同じ目的を果たす クエリパラメータ が用意されています。これにより、SQL インジェクションを防ぐ安全なパラメータ化クエリを実現できます。
構文
クエリパラメータを定義する方法は2つあります。
方法 1: SET を使用する
例: テーブルとデータ
-- user_events テーブルを作成します(ClickHouse 構文)
CREATE TABLE user_events (
event_id UInt32,
user_id UInt64,
event_name String,
event_date Date,
event_timestamp DateTime
) ENGINE = MergeTree()
ORDER BY (user_id, event_date);
-- 複数のユーザーとイベントのサンプルデータを挿入します
INSERT INTO user_events (event_id, user_id, event_name, event_date, event_timestamp) VALUES
(1, 12345, 'page_view', '2024-01-05', '2024-01-05 10:30:00'),
(2, 12345, 'page_view', '2024-01-05', '2024-01-05 10:35:00'),
(3, 12345, 'add_to_cart', '2024-01-05', '2024-01-05 10:40:00'),
(4, 12345, 'page_view', '2024-01-10', '2024-01-10 14:20:00'),
(5, 12345, 'add_to_cart', '2024-01-10', '2024-01-10 14:25:00'),
(6, 12345, 'purchase', '2024-01-10', '2024-01-10 14:30:00'),
(7, 12345, 'page_view', '2024-01-15', '2024-01-15 09:15:00'),
(8, 12345, 'page_view', '2024-01-15', '2024-01-15 09:20:00'),
(9, 12345, 'page_view', '2024-01-20', '2024-01-20 16:45:00'),
(10, 12345, 'add_to_cart', '2024-01-20', '2024-01-20 16:50:00'),
(11, 12345, 'purchase', '2024-01-25', '2024-01-25 11:10:00'),
(12, 12345, 'page_view', '2024-01-28', '2024-01-28 13:30:00'),
(13, 67890, 'page_view', '2024-01-05', '2024-01-05 11:00:00'),
(14, 67890, 'add_to_cart', '2024-01-05', '2024-01-05 11:05:00'),
(15, 67890, 'purchase', '2024-01-05', '2024-01-05 11:10:00'),
(16, 12345, 'page_view', '2024-02-01', '2024-02-01 10:00:00'),
(17, 12345, 'add_to_cart', '2024-02-01', '2024-02-01 10:05:00');SET param_user_id = 12345;
SET param_start_date = '2024-01-01';
SET param_end_date = '2024-01-31';
SELECT
event_name,
count() AS event_count
FROM user_events
WHERE user_id = {user_id: UInt64}
AND event_date BETWEEN {start_date: Date} AND {end_date: Date}
GROUP BY event_name;方法 2:CLI パラメータを使用する
clickhouse-client \
--param_user_id=12345 \
--param_start_date='2024-01-01' \
--param_end_date='2024-01-31' \
--query="SELECT count() FROM user_events
WHERE user_id = {user_id: UInt64}
AND event_date BETWEEN {start_date: Date} AND {end_date: Date}"パラメータの構文
パラメータは次の形式で参照します:{parameter_name: DataType}
parameter_name- パラメータ名 (param_プレフィックスを除く)DataType- パラメータを CAST する先の ClickHouse のデータ型
データ型の例
例で使用するテーブルとサンプルデータ
-- 1. 文字列と数値のテスト用テーブルを作成
CREATE TABLE IF NOT EXISTS users (
name String,
age UInt8,
salary Float64
) ENGINE = Memory;
INSERT INTO users VALUES
('John Doe', 25, 75000.50),
('Jane Smith', 30, 85000.75),
('Peter Jones', 20, 50000.00);
-- 2. 日付とタイムスタンプのテスト用テーブルを作成
CREATE TABLE IF NOT EXISTS events (
event_date Date,
event_timestamp DateTime
) ENGINE = Memory;
INSERT INTO events VALUES
('2024-01-15', '2024-01-15 14:30:00'),
('2024-01-15', '2024-01-15 15:00:00'),
('2024-01-16', '2024-01-16 10:00:00');
-- 3. Array のテスト用テーブルを作成
CREATE TABLE IF NOT EXISTS products (
id UInt32,
name String
) ENGINE = Memory;
INSERT INTO products VALUES (1, 'Laptop'), (2, 'Monitor'), (3, 'Mouse'), (4, 'Keyboard');
-- 4. Map(構造体風)のテスト用テーブルを作成
CREATE TABLE IF NOT EXISTS accounts (
user_id UInt32,
status String,
type String
) ENGINE = Memory;
INSERT INTO accounts VALUES
(101, 'active', 'premium'),
(102, 'inactive', 'basic'),
(103, 'active', 'basic');
-- 5. Identifier のテスト用テーブルを作成
CREATE TABLE IF NOT EXISTS sales_2024 (
value UInt32
) ENGINE = Memory;
INSERT INTO sales_2024 VALUES (100), (200), (300);SET param_name = 'John Doe';
SET param_age = 25;
SET param_salary = 75000.50;
SELECT name, age, salary FROM users
WHERE name = {name: String}
AND age >= {age: UInt8}
AND salary <= {salary: Float64};SET param_date = '2024-01-15';
SET param_timestamp = '2024-01-15 14:30:00';
SELECT * FROM events
WHERE event_date = {date: Date}
OR event_timestamp > {timestamp: DateTime};SET param_ids = [1, 2, 3, 4, 5];
SELECT * FROM products WHERE id IN {ids: Array(UInt32)};SET param_filters = {'target_status': 'active'};
SELECT user_id, status, type FROM accounts
WHERE status = arrayElement(
mapValues({filters: Map(String, String)}),
indexOf(mapKeys({filters: Map(String, String)}), 'target_status')
);SET param_table = 'sales_2024';
SELECT count() FROM {table: Identifier};language clients でのクエリパラメータの使用については、関心のある 各言語クライアントのドキュメントを参照してください。
クエリパラメータの制限事項
クエリパラメータは汎用的なテキスト置換ではありません。いくつかの明確な制限があります。
- 主にSELECTステートメント向けです - 最も手厚くサポートされているのはSELECTクエリです
- 識別子またはリテラルとして使用できます - 任意のSQLフラグメントを置き換えることはできません
- DDLのサポートは限定的です -
CREATE TABLEではサポートされていますが、ALTER TABLEではサポートされていません
使用できるもの:
-- ✓ WHERE句の値
SELECT * FROM users WHERE id = {user_id: UInt64};
-- ✓ テーブル/データベース名
SELECT * FROM {db: Identifier}.{table: Identifier};
-- ✓ IN句の値
SELECT * FROM products WHERE id IN {ids: Array(UInt32)};
-- ✓ CREATE TABLE
CREATE TABLE {table_name: Identifier} (id UInt64, name String) ENGINE = MergeTree() ORDER BY id;動作しないもの:
-- ✗ SELECT のカラム名(Identifier は慎重に使用すること)
SELECT {column: Identifier} FROM users; -- サポートが限定的
-- ✗ 任意の SQL フラグメント
SELECT * FROM users {where_clause: String}; -- 非サポート
-- ✗ ALTER TABLE ステートメント
ALTER TABLE {table: Identifier} ADD COLUMN new_col String; -- 非サポート
-- ✗ 複数のステートメント
{statements: String}; -- 非サポートセキュリティのベストプラクティス
ユーザー入力には必ずクエリパラメータを使用してください:
# ✓ 安全 - パラメータを使用
user_input = request.get('user_id')
result = client.query(
"SELECT * FROM orders WHERE user_id = {uid: UInt64}",
parameters={'uid': user_input}
)
# ✗ 危険 - SQLインジェクションのリスクあり!
user_input = request.get('user_id')
result = client.query(f"SELECT * FROM orders WHERE user_id = {user_input}")入力タイプを検証する:
def get_user_orders(user_id: int, start_date: str):
# クエリ前に型を検証する
if not isinstance(user_id, int) or user_id <= 0:
raise ValueError("Invalid user_id")
# パラメータで型安全性を確保する
return client.query(
"""
SELECT * FROM orders
WHERE user_id = {uid: UInt64}
AND order_date >= {start: Date}
""",
parameters={'uid': user_id, 'start': start_date}
)MySQL プロトコルのプリペアドステートメント
ClickHouse の MySQL インターフェイス には、プリペアドステートメント (COM_STMT_PREPARE、COM_STMT_EXECUTE、COM_STMT_CLOSE) の最小限のサポートがあります。これは主に、クエリをプリペアドステートメントでラップする Tableau Online のようなツールとの接続を可能にするためのものです。
主な制限事項:
- パラメータのバインドはサポートされていません -
?プレースホルダーにパラメータをバインドして使用することはできません - クエリは保存されますが、
PREPARE時には解析されません - 実装は最小限にとどめられており、特定の BI ツールとの互換性を目的としています
動作しない例:
-- このMySQL形式のパラメータ付きプリペアドステートメントはClickHouseでは動作しません
PREPARE stmt FROM 'SELECT * FROM users WHERE id = ?';
EXECUTE stmt USING @user_id; -- パラメータバインディングはサポートされていません詳細は、MySQL インターフェイスのドキュメントおよびMySQL サポートに関するブログ記事を参照してください。
概要
ストアドプロシージャに代わるClickHouseの選択肢
| 従来のストアドプロシージャのパターン | ClickHouseの代替手段 |
|---|---|
| 単純な計算と変換 | ユーザー定義関数 (UDFs) |
| 再利用可能なパラメーター化クエリ | パラメーター化ビュー |
| 事前計算済みの集計 | materialized view |
| スケジュールされたバッチ処理 | リフレッシュ可能なマテリアライズドビュー |
| 複雑な多段階ETL | materialized viewの連鎖、または外部オーケストレーション (Python、Airflow、dbt) |
| 制御フローを含むビジネスロジック | アプリケーションコード |
クエリパラメータの用途
クエリパラメータは、次のような用途に使用できます。
- SQLインジェクションの防止
- 型安全なパラメータ化クエリ
- アプリケーションでの動的なフィルタリング
- 再利用可能なクエリテンプレート
CREATE FUNCTION- ユーザー定義関数CREATE VIEW- パラメーター化ビューと materialized view- SQL 構文 - クエリパラメータ - パラメータ構文の完全版
- カスケーディング materialized view - 高度な materialized view パターン
- 実行可能 UDF - 外部関数の実行