> ## 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. # ClickHouse でランダムなテストデータを生成する > ClickHouse でランダムなテストデータを生成する方法を紹介します 新しいユースケースの検証や実装のベンチマークでは、ランダムデータの生成が役立ちます。 ClickHouse には、[ランダムデータを生成するための幅広い関数](/ja/reference/functions/regular-functions/random-functions) が用意されており、多くの場合、外部のデータ生成ツールは不要です。 このガイドでは、求めるランダム性が異なるさまざまなケースに応じて、ClickHouse でランダムなデータセットを生成する方法をいくつかの例で紹介します。
## シンプルな一様分布のデータセット
**用途**: ランダムなタイムスタンプとイベントタイプを持つユーザーイベントのデータセットを手早く生成します。 ```sql theme={null} 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, arrayElement(['click','view','purchase'], toUInt32(rand()) % 3 + 1) AS event_type, now() - INTERVAL rand() % 3600*24 SECOND AS event_time FROM numbers(1000000); ``` * `rand() % 10000`: 1万人のユーザーに対する一様分布 * `arrayElement(...)`: 3種類のイベントタイプのうち1つをランダムに選択 * タイムスタンプは過去24時間にわたって分散 ***
## 指数分布
**ユースケース**: 多くは少額で、ごく一部だけが高額になる購入金額をシミュレートします。 ```sql theme={null} 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); ``` * 直近の期間全体に均等に分布したタイムスタンプ * `randExponential(1/10)` — 値の大半は 0 付近で、最小値が 15 になるようにオフセット (\[ClickHouse]\[1], \[ClickHouse]\[2], \[Atlantic.Net]\[3], \[GitHub]\[4]) ***
## 時間帯に偏りのあるイベント (ポアソン)
**ユースケース**: 特定の時間帯 (例: ピーク時間帯) に集中して発生するイベントの到着をシミュレートします。 ```sql theme={null} 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); ``` * イベントは正午ごろにピークを迎え、ばらつきはポアソン分布に従います ***
## 時間とともに変化する正規分布
**ユースケース**: 時間とともに変化するシステムメトリクス (例: CPU 使用率) を再現します。 ```sql theme={null} CREATE TABLE IF NOT EXISTS 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, (50 + 30 * sin(toUInt32(number) % 86400 / 86400.0 * 2 * pi())) + randNormal(0, 10) )) AS usage FROM numbers(10000); ``` * `usage` は日周の正弦波＋ランダムな変動に従います * 値は \[0,100] の範囲に収まります ***
## カテゴリカルデータとネストデータ
**ユースケース**: 複数の興味・関心を持てるユーザープロファイルを作成します。 ```sql theme={null} 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); ``` * 配列の長さは1〜3のランダムな値 * 各関心項目に対して、ユーザーごとのスコアを3つ さらに多くの例については、[ClickHouse でランダムデータを生成する](https://clickhouse.com/blog/generating-random-test-distribution-data-for-clickhouse)ブログをお読みください。
## ランダムなテーブルの生成
[`generateRandomStructure`](/ja/reference/functions/regular-functions/other-functions#generateRandomStructure) 関数は、[`generateRandom`](/ja/reference/functions/table-functions/generate) テーブルエンジンと組み合わせることで、テストやベンチマーク、あるいは任意のスキーマを持つモックデータの作成に特に役立ちます。 まずは、`generateRandomStructure` 関数を使って、ランダムな構造がどのようなものかを見てみましょう。 ```sql theme={null} SELECT generateRandomStructure(5); ``` 次のように表示されることがあります: ```response theme={null} c1 UInt32, c2 Array(String), c3 DateTime, c4 Nullable(Float64), c5 Map(String, Int16) ``` シードを使うことで、毎回同じ構造を得ることもできます: ```sql theme={null} SELECT generateRandomStructure(3, 42); ``` ```response theme={null} c1 String, c2 Array(Nullable(Int32)), c3 Tuple(UInt8, Date) ``` では、実際にテーブルを作成し、ランダムなデータを投入してみましょう。 ```sql theme={null} CREATE TABLE my_test_table ENGINE = MergeTree ORDER BY tuple() AS SELECT * FROM generateRandom( 'col1 UInt32, col2 String, col3 Float64, col4 DateTime', 1, -- データ生成のシード 10 -- 異なるランダム値の数 ) LIMIT 100; -- 100行 -- ステップ2: 新しいテーブルにクエリを実行する SELECT * FROM my_test_table LIMIT 5; ``` ```response theme={null} ┌───────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 │ └────────────┴───────────┴──────────────────────────┴─────────────────────┘ ``` 両方の関数を組み合わせて、完全にランダムなテーブルを作りましょう。 まず、どのような構造になるかを見てみましょう。 ```sql theme={null} SELECT generateRandomStructure(7, 123) AS structure FORMAT vertical; ``` ```response theme={null} ┌─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) │ └────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────┘ ``` 次に、その構造でテーブルを作成し、`DESCRIBE`ステートメントを使って作成結果を確認します。 ```sql theme={null} 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; ``` ```response theme={null} ┌─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) │ │ │ │ │ │ └──────┴──────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────┴──────────────┴────────────────────┴─────────┴──────────────────┴────────────────┘ ``` 生成されたデータのサンプルとして、最初の行を確認します。 ```sql theme={null} SELECT * FROM fully_random_table LIMIT 1 FORMAT vertical; ``` ```response theme={null} Row 1: ────── c1: 80416293882.257732 -- 約804億2000万 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} ```