Генерация случайных тестовых данных в ClickHouse
Генерация случайных данных полезна при тестировании новых сценариев использования или бенчмаркинге вашей реализации.
В ClickHouse есть широкий набор функций для генерации случайных данных, которые во многих случаях устраняют необходимость во внешнем генераторе данных.
В этом руководстве приведено несколько примеров того, как генерировать случайные наборы данных в ClickHouse с разными требованиями к случайности.
Сценарий использования: Быстрая генерация набора данных пользовательских событий со случайными метками времени и типами событий.
CREATE TABLE user_events (
event_id UUID,
user_id UInt32,
event_type LowCardinality(String),
event_time DateTime
) ENGINE = MergeTree
ORDER BY event_time;
INSERT INTO user_events
SELECT
generateUUIDv4() AS event_id,
rand() % 10000 AS user_id,
arrayJoin(['click','view','purchase']) AS event_type,
now() - INTERVAL rand() % 3600*24 SECOND AS event_time
FROM numbers(1000000);
rand() % 10000: равномерное распределение по 10 000 пользователямarrayJoin(...): случайный выбор одного из трёх типов событий- Метки времени распределены в пределах последних 24 часов
Экспоненциальное распределение
Вариант использования: имитация сумм покупок, при которой большинство значений невелики, но некоторые — очень большие.
CREATE TABLE purchases (
dt DateTime,
customer_id UInt32,
total_spent Float32
) ENGINE = MergeTree
ORDER BY dt;
INSERT INTO purchases
SELECT
now() - INTERVAL randUniform(1,1_000_000) SECOND AS dt,
number AS customer_id,
15 + round(randExponential(1/10), 2) AS total_spent
FROM numbers(500000);
- Равномерные временные метки за недавний период
randExponential(1/10) — большинство суммарных значений около 0, со смещением не менее чем на 15 ([ClickHouse][1], [ClickHouse][2], [Atlantic.Net][3], [GitHub][4])
События, распределённые во времени (Пуассон)
Сценарий использования: моделирование поступления событий, сосредоточенных в определённый период (например, в час пик).
CREATE TABLE events (
dt DateTime,
event_type String
) ENGINE = MergeTree
ORDER BY dt;
INSERT INTO events
SELECT
toDateTime('2022-12-12 12:00:00')
- ((12 + randPoisson(12)) * 3600) AS dt,
'click' AS event_type
FROM numbers(200000);
- Пик числа событий приходится на полдень, отклонения имеют пуассоновское распределение
Нормальное распределение, зависящее от времени
Сценарий использования: Имитировать системные метрики (например, загрузку процессора), которые изменяются со временем.
CREATE TABLE cpu_metrics (
host String,
ts DateTime,
usage Float32
) ENGINE = MergeTree
ORDER BY (host, ts);
INSERT INTO cpu_metrics
SELECT
arrayJoin(['host1','host2','host3']) AS host,
now() - INTERVAL number SECOND AS ts,
greatest(0.0, least(100.0,
randNormal(50 + 30*sin(toUInt32(ts)%86400/86400*2*pi()), 10)
)) AS usage
FROM numbers(10000);
usage подчиняется суточной синусоидальной кривой с добавлением случайной компоненты- Значения ограничены интервалом [0,100]
Категориальные и вложенные данные
Пример использования: создание пользовательских профилей с несколькими интересами.
CREATE TABLE user_profiles (
user_id UInt32,
interests Array(String),
scores Array(UInt8)
) ENGINE = MergeTree
ORDER BY user_id;
INSERT INTO user_profiles
SELECT
number AS user_id,
arrayShuffle(['sports','music','tech'])[1 + rand() % 3 : 1 + rand() % 3] AS interests,
[rand() % 100, rand() % 100, rand() % 100] AS scores
FROM numbers(20000);
- Случайная длина массива от 1 до 3
- Три оценки пользователя для каждого интереса
Генерация случайных таблиц
Функция generateRandomStructure особенно полезна в сочетании с табличным движком generateRandom для тестирования, бенчмаркинга или создания тестовых данных с произвольными схемами.
Для начала просто посмотрим, как выглядит случайная структура с помощью функции generateRandomStructure:
SELECT generateRandomStructure(5);
Вы можете увидеть примерно следующее:
c1 UInt32, c2 Array(String), c3 DateTime, c4 Nullable(Float64), c5 Map(String, Int16)
Вы также можете задать начальное значение (seed), чтобы каждый раз получать одну и ту же структуру:
SELECT generateRandomStructure(3, 42);
c1 String, c2 Array(Nullable(Int32)), c3 Tuple(UInt8, Date)
Теперь давайте создадим настоящую таблицу и заполним её случайными данными:
CREATE TABLE my_test_table
ENGINE = MergeTree
ORDER BY tuple()
AS SELECT *
FROM generateRandom(
'col1 UInt32, col2 String, col3 Float64, col4 DateTime',
1, -- начальное значение для генерации данных
10 -- количество различных случайных значений
)
LIMIT 100; -- 100 строк
-- Шаг 2: Выполните запрос к новой таблице
SELECT * FROM my_test_table LIMIT 5;
┌───────col1─┬─col2──────┬─────────────────────col3─┬────────────────col4─┐
│ 4107652264 │ &b!M-e;7 │ 1.0013455832230728e-158 │ 2059-08-14 19:03:26 │
│ 652895061 │ Dj7peUH{T │ -1.032074207667996e112 │ 2079-10-06 04:18:16 │
│ 2319105779 │ =D[ │ -2.066555415720528e88 │ 2015-04-26 11:44:13 │
│ 1835960063 │ _@}a │ -1.4998020545039013e110 │ 2063-03-03 20:36:55 │
│ 730412674 │ _}! │ -1.3578492992094465e-275 │ 2098-08-23 18:23:37 │
└────────────┴───────────┴──────────────────────────┴─────────────────────┘
Давайте объединим обе функции для полностью случайной таблицы.
Сначала посмотрим, какую структуру мы получим:
SELECT generateRandomStructure(7, 123) AS structure FORMAT vertical;
┌─structure──────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────┐
│ c1 Decimal64(7), c2 Enum16('c2V0' = -21744, 'c2V1' = 5380), c3 Int8, c4 UUID, c5 UUID, c6 FixedString(190), c7 Map(Enum16('c7V0' = -19581, 'c7V1' = -10024, 'c7V2' = 27615, 'c7V3' = -10177, 'c7V4' = -19644, 'c7V5' = 3554, 'c7V6' = 29073, 'c7V7' = 28800, 'c7V8' = -11512), Float64) │
└────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────┘
Теперь создайте таблицу с указанной структурой и используйте оператор DESCRIBE, чтобы увидеть, что именно было создано:
CREATE TABLE fully_random_table
ENGINE = MergeTree
ORDER BY tuple()
AS SELECT *
FROM generateRandom(generateRandomStructure(7, 123), 1, 10)
LIMIT 1000;
DESCRIBE TABLE fully_random_table;
┌─name─┬─type─────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────┬─default_type─┬─default_expression─┬─comment─┬─codec_expression─┬─ttl_expression─┐
1. │ c1 │ Decimal(18, 7) │ │ │ │ │ │
2. │ c2 │ Enum16('c2V0' = -21744, 'c2V1' = 5380) │ │ │ │ │ │
3. │ c3 │ Int8 │ │ │ │ │ │
4. │ c4 │ UUID │ │ │ │ │ │
5. │ c5 │ UUID │ │ │ │ │ │
6. │ c6 │ FixedString(190) │ │ │ │ │ │
7. │ c7 │ Map(Enum16('c7V4' = -19644, 'c7V0' = -19581, 'c7V8' = -11512, 'c7V3' = -10177, 'c7V1' = -10024, 'c7V5' = 3554, 'c7V2' = 27615, 'c7V7' = 28800, 'c7V6' = 29073), Float64) │ │ │ │ │ │
└──────┴──────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────┴──────────────┴────────────────────┴─────────┴──────────────────┴────────────────┘
Просмотрите первую строку как пример сгенерированных данных:
SELECT * FROM fully_random_table LIMIT 1 FORMAT vertical;
Строка 1:
──────
c1: 80416293882.257732 -- 80,42 миллиарда
c2: c2V1
c3: -84
c4: 1a9429b3-fd8b-1d72-502f-c051aeb7018e
c5: 7407421a-031f-eb3b-8571-44ff279ddd36
c6: g̅b�&��rҵ���5C�\�|��H�>���l'V3��R�[��=3�G�LwVMR*s緾/2�J.���6#��(�h>�lە��L^�M�:�R�9%d�ž�zv��W����Y�S��_no��BP+��u��.0��UZ!x�@7:�nj%3�Λd�S�k>���w��|�&��~
c7: {'c7V8':-1.160941256852442}
