> ## Documentation Index
> Fetch the complete documentation index at: https://private-7c7dfe99-fix-nav-issues.mintlify.site/llms.txt
> Use this file to discover all available pages before exploring further.

# Perfilado de DataStore

> Mide el rendimiento de DataStore con el perfilador integrado

El perfilador de DataStore ayuda a medir el tiempo de ejecución e identificar cuellos de botella en el rendimiento.

<div id="quick-start">
  ## Inicio rápido
</div>

```python theme={null}
from chdb import datastore as pd
from chdb.datastore.config import config, get_profiler

# Habilitar el perfilado
config.enable_profiling()

# Ejecutar las operaciones
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()
)

# Ver el informe
profiler = get_profiler()
print(profiler.report())
```

<div id="enabling">
  ## Habilitar el perfilado
</div>

```python theme={null}
from chdb.datastore.config import config

# Habilitar el perfilado
config.enable_profiling()

# Deshabilitar el perfilado
config.disable_profiling()

# Comprobar si el perfilado está habilitado
print(config.profiling_enabled)  # True or False
```

***

<div id="api">
  ## API del perfilador
</div>

<div id="get-profiler">
  ### Obtener el perfilador
</div>

```python theme={null}
from chdb.datastore.config import get_profiler

profiler = get_profiler()
```

<div id="report">
  ### report()
</div>

Muestra un informe de rendimiento.

```python theme={null}
profiler.report(min_duration_ms=0.1)
```

**Parámetros:**

| Parámetro         | Tipo  | Predeterminado | Descripción                                 |
| ----------------- | ----- | -------------- | ------------------------------------------- |
| `min_duration_ms` | float | `0.1`          | Muestra solo pasos con una duración >= esta |

**Salida de ejemplo:**

```text theme={null}
======================================================================
EXECUTION PROFILE
======================================================================
   45.79ms (100.0%) Total Execution
     23.25ms ( 50.8%) Query Planning [ops_count=2]
     22.29ms ( 48.7%) SQL Segment 1 [ops=2]
       20.48ms ( 91.9%) SQL Execution
        1.74ms (  7.8%) Result to DataFrame
----------------------------------------------------------------------
      TOTAL:    45.79ms
======================================================================
```

El informe muestra:

* Duración en milisegundos de cada paso
* Porcentaje del tiempo con respecto al padre/al total
* Anidamiento jerárquico de operaciones
* Metadatos de cada paso (p. ej., `ops_count`, `ops`)

<div id="step">
  ### step()
</div>

Mide manualmente el tiempo de ejecución de un bloque de código.

```python theme={null}
with profiler.step("custom_operation"):
    # Tu código aquí
    expensive_operation()
```

<div id="clear">
  ### clear()
</div>

Elimina todos los datos de perfilado.

```python theme={null}
profiler.clear()
```

<div id="summary">
  ### summary()
</div>

Obtenga un diccionario con los nombres de los pasos y sus duraciones (ms).

```python theme={null}
summary = profiler.summary()
for name, duration in summary.items():
    print(f"{name}: {duration:.2f}ms")
```

Salida de ejemplo:

```text theme={null}
Total Execution: 45.79ms
Total Execution.Cache Check: 0.00ms
Total Execution.Query Planning: 23.25ms
Total Execution.SQL Segment 1: 22.29ms
Total Execution.SQL Segment 1.SQL Execution: 20.48ms
Total Execution.SQL Segment 1.Result to DataFrame: 1.74ms
```

***

<div id="understanding">
  ## Comprender el informe
</div>

<div id="step-names">
  ### Nombres de los pasos
</div>

| Nombre del paso       | Descripción                                           |
| --------------------- | ----------------------------------------------------- |
| `Total Execution`     | Tiempo total de ejecución                             |
| `Query Planning`      | Tiempo dedicado a planificar la consulta              |
| `SQL Segment N`       | Ejecución del segmento SQL N                          |
| `SQL Execution`       | Ejecución real de la consulta SQL                     |
| `Result to DataFrame` | Conversión de los resultados a un DataFrame de pandas |
| `Cache Check`         | Verificación de la caché de consultas                 |
| `Cache Write`         | Escritura de los resultados en la caché               |

<div id="duration">
  ### Duración
</div>

* **Pasos de planificación** (Planificación de consultas): Suelen ser rápidos
* **Pasos de ejecución** (Ejecución de SQL): Donde se realiza el trabajo real
* **Pasos de transferencia** (Resultado a DataFrame): Conversión de datos a pandas

<div id="bottlenecks">
  ### Identificación de cuellos de botella
</div>

```text theme={null}
======================================================================
EXECUTION PROFILE
======================================================================
  200.50ms (100.0%) Total Execution
    10.25ms (  5.1%) Query Planning [ops_count=4]
   190.00ms ( 94.8%) SQL Segment 1 [ops=4]
     185.00ms ( 97.4%) SQL Execution    <- Main bottleneck
       5.00ms (  2.6%) Result to DataFrame
----------------------------------------------------------------------
      TOTAL:   200.50ms
======================================================================
```

***

<div id="patterns">
  ## Patrones de perfilado
</div>

<div id="single-query">
  ### Perfilar una sola consulta
</div>

```python theme={null}
config.enable_profiling()
profiler = get_profiler()
profiler.clear()  # Limpiar datos anteriores

# Ejecutar consulta
result = ds.filter(...).groupby(...).agg(...).to_df()

# Ver el perfil de esta consulta
print(profiler.report())
```

<div id="multiple-queries">
  ### Perfilar varias consultas
</div>

```python theme={null}
config.enable_profiling()
profiler = get_profiler()
profiler.clear()

# Consulta 1
with profiler.step("Query 1"):
    result1 = query1.to_df()

# Consulta 2
with profiler.step("Query 2"):
    result2 = query2.to_df()

print(profiler.report())
```

<div id="compare">
  ### Comparar enfoques
</div>

```python theme={null}
profiler = get_profiler()

# Enfoque 1: Filtrar y luego agrupar
profiler.clear()
with profiler.step("filter_then_groupby"):
    result1 = ds.filter(ds['x'] > 10).groupby('y').sum().to_df()
summary1 = profiler.summary()
time1 = summary1.get('filter_then_groupby', 0)

# Enfoque 2: Agrupar y luego filtrar
profiler.clear()
with profiler.step("groupby_then_filter"):
    result2 = ds.groupby('y').sum().filter(ds['x'] > 10).to_df()
summary2 = profiler.summary()
time2 = summary2.get('groupby_then_filter', 0)

print(f"Approach 1: {time1:.2f}ms")
print(f"Approach 2: {time2:.2f}ms")
print(f"Winner: {'Approach 1' if time1 < time2 else 'Approach 2'}")
```

***

<div id="optimization">
  ## Consejos para la optimización
</div>

<div id="check-sql">
  ### 1. Compruebe el tiempo de ejecución de SQL
</div>

Si `SQL execution` es el cuello de botella:

* Añada más filtros para reducir los datos
* Use Parquet en lugar de CSV
* Compruebe que haya índices adecuados (para fuentes de datos de bases de datos)

<div id="check-io">
  ### 2. Verifique el tiempo de E/S
</div>

Si `read_csv` o `read_parquet` es el cuello de botella:

* Use Parquet (columnar, comprimido)
* Lea solo las columnas necesarias
* Filtre en origen si es posible

<div id="check-transfer">
  ### 3. Comprobar la transferencia de datos
</div>

Si `to_df` es lento:

* El conjunto de resultados puede ser demasiado grande
* Añade más filtros o un límite
* Usa `head()` para obtener una vista previa

<div id="compare-engines">
  ### 4. Compare los motores
</div>

```python theme={null}
from chdb.datastore.config import config

# Perfilar con chdb
config.use_chdb()
profiler.clear()
result_chdb = query.to_df()
time_chdb = profiler.total_duration_ms

# Perfilar con pandas
config.use_pandas()
profiler.clear()
result_pandas = query.to_df()
time_pandas = profiler.total_duration_ms

print(f"chdb: {time_chdb:.2f}ms")
print(f"pandas: {time_pandas:.2f}ms")
```

***

<div id="best-practices">
  ## Buenas prácticas
</div>

<div id="best-practice-1">
  ### 1. Perfila antes de optimizar
</div>

```python theme={null}
# ¡No adivines, mide!
config.enable_profiling()
result = your_query.to_df()
print(get_profiler().report())
```

<div id="best-practice-2">
  ### 2. Limpiar entre cada prueba
</div>

```python theme={null}
profiler.clear()  # Limpiar datos anteriores
# Ejecutar prueba
print(profiler.report())
```

<div id="best-practice-3">
  ### 3. Usa min\_duration\_ms para enfocarte
</div>

```python theme={null}
# Mostrar solo operaciones >= 100ms
profiler.report(min_duration_ms=100)
```

<div id="best-practice-4">
  ### 4. Perfila datos representativos
</div>

```python theme={null}
# Perfila con tamaños de datos reales
# Los datos de prueba pequeños pueden no mostrar los verdaderos cuellos de botella
```

<div id="best-practice-5">
  ### 5. Deshabilitar en producción
</div>

```python theme={null}
# Desarrollo
config.enable_profiling()

# Producción
config.set_profiling_enabled(False)  # Evitar sobrecarga
```

***

<div id="example">
  ## Ejemplo: sesión de perfilado completa
</div>

```python theme={null}
from chdb import datastore as pd
from chdb.datastore.config import config, get_profiler

# Configuración inicial
config.enable_profiling()
config.enable_debug()  # Vea también qué está pasando
profiler = get_profiler()

# Cargar datos
profiler.clear()
print("=== Loading Data ===")
ds = pd.read_csv("sales_2024.csv")  # 10 M de filas
print(profiler.report())

# Consulta 1: Filtro simple
profiler.clear()
print("\n=== Query 1: Simple Filter ===")
result1 = ds.filter(ds['amount'] > 1000).to_df()
print(profiler.report())

# Consulta 2: Agregación compleja
profiler.clear()
print("\n=== Query 2: Complex Aggregation ===")
result2 = (ds
    .filter(ds['amount'] > 100)
    .groupby('region', 'category')
    .agg({
        'amount': ['sum', 'mean', 'count'],
        'quantity': 'sum'
    })
    .sort('sum', ascending=False)
    .head(20)
    .to_df()
)
print(profiler.report())

# Resumen
print("\n=== Summary ===")
print(f"Query 1: {len(result1)} rows")
print(f"Query 2: {len(result2)} rows")
```