DataStore offre une gamme complète d’outils de débogage pour comprendre et optimiser vos pipelines de données.
Aperçu des outils de débogage
| Outil | Objectif | Quand l’utiliser |
|---|
explain() | Afficher le plan d’exécution | Comprendre quelles instructions SQL seront exécutées |
| Profiler | Mesurer les performances | Identifier les opérations lentes |
| journalisation | Afficher les détails d’exécution | Déboguer un comportement inattendu |
Matrice de décision rapide
| Besoin | Outil | Commande |
|---|
| Voir le plan d’exécution | explain() | ds.explain() |
| Mesurer les performances | Profiler | config.enable_profiling() |
| Déboguer les requêtes SQL | journalisation | config.enable_debug() |
| Tout ce qui précède | Combinaison | Voir ci-dessous |
Activer le débogage complet
from chdb import datastore as pd
from chdb.datastore.config import config
# Enable all debugging
config.enable_debug() # Verbose logging
config.enable_profiling() # Performance tracking
ds = pd.read_csv("data.csv")
result = ds.filter(ds['age'] > 25).groupby('city').agg({'salary': 'mean'})
# View execution plan
result.explain()
# Get profiler report
from chdb.datastore.config import get_profiler
profiler = get_profiler()
profiler.report()
Consultez le plan d’exécution avant d’exécuter une requête.
ds = pd.read_csv("data.csv")
query = (ds
.filter(ds['amount'] > 1000)
.groupby('region')
.agg({'amount': ['sum', 'mean']})
)
# View plan
query.explain()
Pipeline:
Source: file('data.csv', 'CSVWithNames')
Filter: amount > 1000
GroupBy: region
Aggregate: sum(amount), avg(amount)
Generated SQL:
SELECT region, SUM(amount) AS sum, AVG(amount) AS mean
FROM file('data.csv', 'CSVWithNames')
WHERE amount > 1000
GROUP BY region
Mesurez le temps d’exécution de chaque opération.
from chdb.datastore.config import config, get_profiler
# Enable profiling
config.enable_profiling()
# Run operations
ds = pd.read_csv("large_data.csv")
result = (ds
.filter(ds['amount'] > 100)
.groupby('category')
.agg({'amount': 'sum'})
.sort('sum', ascending=False)
.head(10)
.to_df()
)
# View report
profiler = get_profiler()
profiler.report(min_duration_ms=0.1)
Performance Report
==================
Step Duration Calls
---- -------- -----
read_csv 1.234s 1
filter 0.002s 1
groupby 0.001s 1
agg 0.089s 1
sort 0.045s 1
head 0.001s 1
to_df (SQL execution) 0.567s 1
---- -------- -----
Total 1.939s 7
Consultez les journaux d’exécution détaillés.
from chdb.datastore.config import config
# Enable debug logging
config.enable_debug()
# Run operations - logs will show:
# - SQL queries generated
# - Execution engine used
# - Cache hits/misses
# - Timing information
DEBUG - DataStore: Creating from file 'data.csv'
DEBUG - Query: SELECT region, SUM(amount) FROM ... WHERE amount > 1000 GROUP BY region
DEBUG - Engine: Using chdb for aggregation
DEBUG - Execution time: 0.089s
DEBUG - Cache: Storing result (key: abc123)
Scénarios courants de débogage
1. La requête ne renvoie pas les résultats attendus
# Step 1: View the execution plan
query = ds.filter(ds['age'] > 25).groupby('city').sum()
query.explain(verbose=True)
# Step 2: Enable logging to see SQL
config.enable_debug()
# Step 3: Run and check logs
result = query.to_df()
# Step 1: Enable profiling
config.enable_profiling()
# Step 2: Run your query
result = process_data()
# Step 3: Check profiler report
profiler = get_profiler()
profiler.report()
# Step 4: Identify slow operations and optimize
3. Comprendre le choix du moteur
# Enable verbose logging
config.enable_debug()
# Run operations
result = ds.filter(ds['x'] > 10).apply(custom_func)
# Logs will show which engine was used for each operation:
# DEBUG - filter: Using chdb engine
# DEBUG - apply: Using pandas engine (custom function)
4. Débogage des problèmes de cache
# Enable debug to see cache operations
config.enable_debug()
# First run
result1 = ds.filter(ds['x'] > 10).to_df()
# LOG: Cache miss, executing query
# Second run (should use cache)
result2 = ds.filter(ds['x'] > 10).to_df()
# LOG: Cache hit, returning cached result
# If not caching when expected, check:
# - Are operations identical?
# - Is cache enabled? config.cache_enabled
1. Déboguez en environnement de développement, pas en production
# Development
config.enable_debug()
config.enable_profiling()
# Production
config.set_log_level(logging.WARNING)
config.set_profiling_enabled(False)
2. Utilisez explain() avant d’exécuter des requêtes volumineuses
# Build query
query = ds.filter(...).groupby(...).agg(...)
# Check plan first
query.explain()
# If plan looks good, execute
result = query.to_df()
3. Mesurez avant d’optimiser
# Don't guess what's slow - measure it
config.enable_profiling()
result = your_pipeline()
get_profiler().report()
4. Vérifiez la requête SQL lorsque les résultats sont erronés
# View generated SQL
print(query.to_sql())
# Compare with expected SQL
# Run SQL directly in ClickHouse to verify
Résumé des outils de débogage
| Outil | Commande | Sortie |
|---|
| Plan d’exécution | ds.explain() | Étapes d’exécution + SQL |
| Explain détaillé | ds.explain(verbose=True) | + Métadonnées |
| Afficher la requête SQL | ds.to_sql() | Texte de la requête SQL |
| Activer le débogage | config.enable_debug() | Logs détaillés |
| Activer le profilage | config.enable_profiling() | Mesures de temps |
| Rapport du Profiler | get_profiler().report() | Résumé des performances |
| Réinitialiser le Profiler | get_profiler().reset() | Réinitialiser les mesures de temps |
Dernière modification le 29 juin 2026
