関数レベルの設定

関数レベルで実行エンジンと Dtype 補正を設定する

DataStore では、エンジンの選択や Dtype の補正など、関数単位で実行をきめ細かく制御できます。

​

関数エンジンの設定

特定の関数について、実行エンジンを上書きします。

​

関数エンジンの設定

from chdb.datastore.config import function_config

# 特定の関数をchdbで使用するよう強制する
function_config.use_chdb('length', 'substring', 'concat')

# 特定の関数をpandasで使用するよう強制する
function_config.use_pandas('upper', 'lower', 'capitalize')

# デフォルトの優先設定を行う
function_config.prefer_chdb()    # デフォルトをchdbにする
function_config.prefer_pandas()  # デフォルトをpandasにする

# 自動にリセットする
function_config.reset()

​

使い分けの目安

以下の場合は chdb を強制します。

• ClickHouse のほうが高いパフォーマンスを発揮する関数
• SQL の最適化を活用できる関数
• 大規模な文字列/日時処理

以下の場合は pandas を強制します。

• pandas 固有の動作をする関数
• pandas との厳密な互換性が必要な場合
• カスタム文字列処理

​

例

from chdb import datastore as pd
from chdb.datastore.config import function_config

# 関数エンジンを設定する
function_config.use_chdb('length', 'substring')
function_config.use_pandas('upper')

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

# length() は chdb を使用する
ds['name_len'] = ds['name'].str.len()

# substring() は chdb を使用する  
ds['prefix'] = ds['name'].str.slice(0, 3)

# upper() は pandas を使用する
ds['name_upper'] = ds['name'].str.upper()

---

​

共通の関数

159 個以上の関数が chdb と pandas の両方のエンジンで利用できます。

カテゴリ	関数
文字列	length, upper, lower, trim, ltrim, rtrim, concat, substring, replace, reverse, contains, startswith, endswith
数学	abs, round, floor, ceil, exp, log, log10, sqrt, pow, sin, cos, tan
DateTime	year, month, day, hour, minute, second, dayofweek, dayofyear, quarter
集約	sum, avg, min, max, count, std, var, median

共通の関数では、エンジンは次の順で選択されます。

1. 明示的な関数設定 (設定されている場合)
2. グローバルの execution_engine 設定
3. コンテキストに基づく自動選択

---

​

chdb専用の関数

一部の関数は、ClickHouse でのみ利用できます。

カテゴリ	関数
Array	arraySum, arrayAvg, arraySort, arrayDistinct, groupArray, arrayElement
JSON	JSONExtractString, JSONExtractInt, JSONExtractFloat, JSONHas
URL	domain, path, protocol, extractURLParameter
IP	IPv4StringToNum, IPv4NumToString, isIPv4String
Geo	greatCircleDistance, geoDistance, geoToH3
Hash	cityHash64, xxHash64, sipHash64, MD5, SHA256
Conditional	sumIf, countIf, avgIf, minIf, maxIf

これらの関数は、設定にかかわらず自動的に chdb エンジンを使用します。

---

​

pandas専用の関数

一部の関数は、pandas でのみ利用できます。

カテゴリ	関数
Apply	カスタムのラムダ関数、ユーザー定義関数
Complex Pivot	カスタム集計を使用するピボットテーブル
Stack/Unstack	複雑な再構成操作
Interpolate	時系列の補間メソッド

これらの関数は、設定にかかわらず自動的に pandas エンジンを使用します。

---

​

Dtype補正

DataStore がエンジン間でデータ型をどのように補正するかを設定します。

​

補正レベル

from chdb.datastore.dtype_correction.config import CorrectionLevel
from chdb.datastore.config import config

# 補正なし
config.set_correction_level(CorrectionLevel.NONE)

# クリティカルな型のみ（NULLの処理、ブール値）
config.set_correction_level(CorrectionLevel.CRITICAL)

# 高優先度（デフォルト）- 一般的な型の不一致
config.set_correction_level(CorrectionLevel.HIGH)

# 中程度 - より積極的な補正
config.set_correction_level(CorrectionLevel.MEDIUM)

# すべて - 可能なすべての型を補正
config.set_correction_level(CorrectionLevel.ALL)

​

修正レベルの詳細

レベル	説明	修正対象の型
NONE	自動修正なし	なし
CRITICAL	必須の修正	NULL の処理、真偽値変換
HIGH (デフォルト)	一般的な修正	整数/浮動小数点の精度、日時、文字列エンコーディング
MEDIUM	より多くの修正	Decimal の精度、タイムゾーンの処理
ALL	最大限の修正	すべての型の差異

​

型の修正が必要な場合

次のような場合に、型の違いが生じることがあります。

1. ClickHouse → pandas: 整数サイズの違い (Int64 と int64)
2. pandas → ClickHouse: Python の object 型から SQL 型への変換
3. NULL の処理: pandas の NA と ClickHouse の NULL
4. ブール値: ブール値の表現の違い
5. DateTime: タイムゾーンの違い

​

例

from chdb.datastore.dtype_correction.config import CorrectionLevel
from chdb.datastore.config import config

# 厳格モード - 型の完全一致を期待する
config.set_correction_level(CorrectionLevel.NONE)

# 緩和モード - 型の問題を自動修正する
config.set_correction_level(CorrectionLevel.ALL)

---

​

Function Configuration API

​

function_config オブジェクト

from chdb.datastore.config import function_config

# 関数のエンジンを強制指定
function_config.use_chdb(*function_names)
function_config.use_pandas(*function_names)

# デフォルトの優先設定
function_config.prefer_chdb()
function_config.prefer_pandas()

# デフォルト（自動）にリセット
function_config.reset()

# 設定を確認
function_config.get_engine('length')  # 'chdb'、'pandas'、または 'auto' を返す

​

呼び出し単位のオーバーライド

一部のメソッドでは、呼び出し単位でエンジンをオーバーライドできます。

# engineパラメータを使用する（サポートされている場合）
ds['result'] = ds['col'].str.upper(engine='pandas')

---

​

ベストプラクティス

​

1. まずはデフォルト設定で始める

# 自動モードを使用し、DataStore に決定させる
config.use_auto()

​

2. 特定のワークロード用に設定する

# ClickHouse最適化文字列処理用
function_config.use_chdb('length', 'substring', 'concat')

# pandas互換の文字列動作用
function_config.use_pandas('upper', 'lower')

​

3. 適切な補正レベルを使用する

# 開発環境: より緩やか
config.set_correction_level(CorrectionLevel.ALL)

# 本番環境: より厳格
config.set_correction_level(CorrectionLevel.HIGH)

​

4. 両方のエンジンをテストする

# chdbでテスト
config.use_chdb()
result_chdb = process_data()

# pandasでテスト
config.use_pandas()
result_pandas = process_data()

# 結果を比較
assert result_chdb.equals(result_pandas)