Clickhouse Best Practices

与 ClickHouse 性能兼容的即插即用 pandas 替代品。使用 `import chdb.datastore as pd`（或 `from datastore import DataStore`）并编写标准的 pandas 代码 — API 相同，在大数据集上速度提升 10-100 倍。支持 16 种以上数据源（MySQL、PostgreSQL、S3、MongoDB、ClickHouse、Iceberg、Delta Lake 等）和 10 种以上文件格式（Parquet、CSV、JSON、Arrow、ORC 等）以及跨源连接。当用户希望使用 pandas 风格的语法分析数据、加速缓慢的 pandas 代码、将远程数据库或云存储作为 DataFrame 查询，或连接不同来源的数据时，请使用此技能 — 即使他们没有明确提及 chdb 或 DataStore。请勿用于原始 SQL 查询、ClickHouse 服务器管理或非 Python 语言。

Python 的进程内 ClickHouse SQL 引擎 — 无需服务器即可直接在本地文件、远程数据库和云存储上运行 ClickHouse SQL 查询。当用户希望针对 Parquet/CSV/JSON 文件编写 SQL 查询、使用 ClickHouse 表函数（如 mysql()、s3()、postgresql()、iceberg()、deltaLake() 等）、使用 Session 构建有状态的分析管道、使用参数化查询、窗口函数或其他高级 ClickHouse SQL 功能时使用。当用户明确提及 chdb.query()、ClickHouse SQL 语法或希望进行跨源 SQL 连接时也请使用。请勿用于 pandas 风格的 DataFrame 操作 — 请改用 chdb-datastore。

设计 ClickHouse 架构、在摄入或建模模式之间进行选择，或将最佳实践转化为工作负载特定的系统设计时必须使用。它通过决策框架和显式来源标签来补充 clickhouse-best-practices。

审阅 ClickHouse 架构、查询或配置时**必须使用**。包含 31 条规则，在提供建议前**必须**进行检查。始终阅读相关规则文件并在回复中引用具体规则。

当用户想要将 ClickHouse 部署到云端、投入生产、使用 ClickHouse Cloud、托管托管 ClickHouse 服务或从本地 ClickHouse 设置迁移到 ClickHouse Cloud 时使用。

当用户想要使用 ClickHouse 构建应用程序、设置本地 ClickHouse 开发环境、安装 ClickHouse、创建本地服务器、创建表或开始使用 ClickHouse 进行开发时使用。涵盖了从零开始到运行中的本地 ClickHouse 设置的完整流程。