Чему вы научитесь
- - Понимать архитектуру ClickHouse, принципы колоночного хранения и различия между OLAP и OLTP.
- - Устанавливать и настраивать ClickHouse с помощью Docker, работать через SQL, CLI и HTTP.
- - Проектировать аналитические таблицы и выбирать подходящие Table Engines и Database Engines.
- - Разбираться в MergeTree, Parts, Merges, Granules, индексах и физической организации данных.
- - Правильно использовать ORDER BY, PRIMARY KEY, PARTITION BY, TTL и механизмы сжатия.
- - Писать сложные аналитические SQL-запросы с JOIN, оконными функциями, агрегациями и EXPLAIN.
- - Загружать данные из PostgreSQL, CSV, JSON, Parquet, S3 и Apache Kafka.
- - Создавать Materialized Views и аналитические витрины на SummingMergeTree и AggregatingMergeTree.
- - Работать с ReplacingMergeTree, дедупликацией, обновлениями и удалением данных.
- - Оптимизировать запросы, индексы и использование памяти, находить узкие места производительности.
- - Настраивать репликацию, шардирование, ClickHouse Keeper и распределённые запросы.
- - Управлять доступами, мониторингом, резервным копированием и восстановлением данных.
- - Самостоятельно построить аналитическую платформу маркетплейса на ClickHouse.
О курсе
Для кого этот курс
Начальные требования
Для прохождения курса не требуется предварительный опыт работы с ClickHouse. Мы начнём с основ и постепенно перейдём к продвинутым инженерным задачам.
Желательно иметь:
-
Базовые знания SQL: SELECT, WHERE, GROUP BY, JOIN и агрегатные функции.
-
Общее представление о реляционных базах данных, таблицах и типах данных.
-
Базовые навыки работы с командной строкой (Terminal, Bash или PowerShell).
-
Компьютер с Windows, macOS или Linux и возможностью установки Docker.
-
Готовность самостоятельно выполнять практические задания и экспериментировать с SQL-запросами.
Знание Python, Kafka, Kubernetes и распределённых систем не является обязательным.
Для выполнения практических заданий рекомендуется компьютер с 8 ГБ оперативной памяти или больше. Для лабораторных работ с распределённым кластером желательно 16 ГБ.
Главное требование - желание разобраться не только в SQL, но и в архитектуре современных аналитических систем.
Преподаватели курса
Как проходит обучение
Курс состоит из 7 модулей и 33 уроков, которые последовательно проводят вас от знакомства с ClickHouse до проектирования и эксплуатации аналитической платформы.
Обучение построено по принципу «теория → практический пример → самостоятельное применение».
Каждый содержательный урок включает объяснение инженерных концепций, реальные SQL-запросы, примеры конфигураций и разбор особенностей работы ClickHouse. Для закрепления материала предусмотрены контрольные вопросы и практические задания.
Главная особенность курса - единый сквозной проект Marketplace Analytics Platform.
На протяжении обучения вы будете создавать аналитическую платформу маркетплейса:
-
Развернёте ClickHouse с помощью Docker.
-
Спроектируете таблицы и структуры хранения данных.
-
Настроите загрузку данных из PostgreSQL, файлов и Kafka.
-
Создадите аналитические витрины продаж, товаров и клиентов.
-
Научитесь оптимизировать запросы и анализировать производительность.
-
Изучите репликацию, шардирование, мониторинг и резервное копирование.
Для практики будут предоставляться SQL-скрипты, конфигурации Docker и дополнительные учебные материалы.
Проходить курс можно в удобном темпе. Рекомендуемая нагрузка - 4-5 часов в неделю.
В результате вы не просто изучите отдельные возможности ClickHouse, а последовательно построите собственное аналитическое решение.
Что вы получите
- **По завершении курса у вас будут не только теоретические знания, но и практический опыт разработки аналитических систем на ClickHouse.**
- Вы получите:
- - Системное понимание архитектуры ClickHouse, колоночного хранения данных и принципов работы аналитических СУБД.
- - Практические навыки работы с SQL, MergeTree и другими движками таблиц.
- - Опыт проектирования таблиц, индексов, партиций и аналитических витрин.
- - Навыки построения процессов загрузки данных из PostgreSQL, файлов, S3 и Kafka.
- - Понимание Materialized Views, инкрементальных агрегаций и механизмов дедупликации.
- - Опыт оптимизации производительности SQL-запросов и диагностики проблем ClickHouse.
- - Знания о репликации, шардировании, безопасности, мониторинге и резервном копировании.
- - Готовые примеры SQL-запросов, конфигураций и инженерных решений, которые можно адаптировать под собственные проекты.
- - Практический проект Marketplace Analytics Platform, который можно использовать для демонстрации приобретённых навыков.
- **Главный результат - способность самостоятельно проектировать, разрабатывать, оптимизировать и сопровождать аналитические решения на ClickHouse.**
- Полученные знания пригодятся Data Engineers, Analytics Engineers, DWH-разработчикам, BI-специалистам и SQL-аналитикам, работающим с современными платформами данных.