Treinamento ClickHouse

Sobre o Treinamento

O treinamento ClickHouse apresenta os conceitos, arquitetura e operação do ClickHouse, o banco de dados analítico colunar open source mais rápido do mundo, voltado para analytics em tempo real, observabilidade, séries temporais e processamento de grandes volumes de dados.
Durante o treinamento, os participantes aprenderão na prática como instalar, configurar e administrar ambientes ClickHouse on-premise, modelar tabelas otimizadas para cargas OLAP, construir pipelines de ingestão e integrar o ClickHouse com ferramentas modernas de dados como Apache Airflow, dbt e Apache Superset.
O treinamento aborda desde os fundamentos do modelo colunar e da engine MergeTree até a construção de pipelines analíticos completos, explorando integração com tecnologias como Airbyte, Apache Kafka e Apache Iceberg, passando por replicação, alta disponibilidade, segurança e monitoramento em ambientes de produção.

Turmas

Somente no modelo corporativo no momento.

Dificuldade:Intermediário

Aplicabilidade.

Este treinamento foi desenvolvido utilizando ClickHouse 26.3 LTS e foi atualizado pela última vez em 25 de Maio de 2026.

Conteúdo Programático

Introdução ao ClickHouse.

• O que é ClickHouse e por que é o banco analítico mais rápido do mundo.
• Arquitetura colunar: diferenças de bancos OLTP e OLAP.
• ClickHouse OSS vs ClickHouse Cloud.
• Casos de uso: observabilidade, analytics, logs, time series, BI.
• Comparativo: ClickHouse x DuckDB x Druid x StarRocks x BigQuery.
• Ecossistema e comunidade.

Instalação e Configuração.

• Instalação via pacote (Linux/Debian/RPM).
• Instalação via Docker e Docker Compose.
• Deploy em Kubernetes com Helm Chart.
• Estrutura de diretórios e arquivos de configuração (config.xml, users.xml).
• Primeiro acesso: cliente clickhouse-client e Play UI.

Arquitetura Interna.

• MergeTree Engine: o coração do ClickHouse.
• Famílias de engines: ReplacingMergeTree, AggregatingMergeTree, CollapsingMergeTree, SummingMergeTree.
• Parts, granules e compressão de dados.
• Mutations e merges em background.
• Shards e réplicas.
• ZooKeeper e ClickHouse Keeper.

Modelagem de Dados.

• Tipos de dados disponíveis (Int, Float, String, DateTime, Array, Map, Nested, JSON).
• Criando tabelas otimizadas para OLAP.
• Chaves de ordenação (ORDER BY) e chaves de partição (PARTITION BY).
• Primary key vs sorting key.
• Índices secundários (data skipping indexes).
• Materialized Views: conceito e uso.
• Dicionários (Dictionaries).

Ingestão de Dados.

• Inserção via clickhouse-client e HTTP API.
• Integração com Apache Kafka (Kafka Engine).
• Integração com Airbyte (destination ClickHouse).
• Leitura de arquivos CSV, Parquet, JSON, ORC direto no ClickHouse.
• Table Engines externos: S3/MinIO, PostgreSQL.
• Batch insert vs streaming insert: boas práticas.

SQL no ClickHouse.

• Dialeto SQL do ClickHouse: compatibilidades e diferenças.
• Funções de agregação: sum, count, uniq, quantile, topK.
• Funções de array e manipulação de JSON.
• Window functions.
• CTEs e subqueries.
• JOINS: tipos suportados e limitações.
• EXPLAIN e análise de plano de execução.

Replicação e Alta Disponibilidade

• Conceito de sharding e replicação no ClickHouse.
• ReplicatedMergeTree: configuração e funcionamento.
• ClickHouse Keeper: substituindo o ZooKeeper.
• Distributed Engine: consultas em múltiplos shards.
• Failover e recuperação de réplicas.

Administração e Operação.

• Gerenciamento de usuários e permissões (RBAC).
• Quotas e limites de recursos por usuário/perfil.
• Monitoramento com system tables.
• Integração com Prometheus e Grafana.
• Backup e restore (clickhouse-backup, disk S3/MinIO).
• Tuning de performance: memória, threads, compressão.
• Manutenção: OPTIMIZE, TTL, limpeza de parts.

ClickHouse com BI e Ferramentas.

• Integração com Apache Superset.
• Integração com Grafana (datasource ClickHouse).
• Integração com dbt (dbt-clickhouse).
• Conectores JDBC/ODBC para ferramentas externas.
• Pipelines Airbyte - ClickHouse - dbt - Superset.

Melhores Práticas e Troubleshooting.

• Anti-patterns mais comuns.
• Diagnóstico de queries lentas.
• Gestão de TTL e expiração de dados.
• Atualização de versão em produção.
• Contribuindo com a comunidade ClickHouse.

Carga Horária:

• 24 Horas.

Pré-requisitos dos Participantes:

• Conhecimentos básicos de Linux.
• Conhecimentos de Banco de Dados e SQL.
• Noções de Engenharia de Dados e analytics (OLAP/BI).
• Familiaridade com conceitos de Big Data é recomendada, mas não obrigatória.
• Todos os participantes devem trazer um notebook para realizar as atividades práticas.
• O Computador deve estar com acesso de administrador para possibilitar instalações de aplicativos e acesso a Internet.
• Para turmas In-Company não trabalhamos com limite de participantes para os treinamentos, orientamos que as turmas sejam de até 12 alunos para um melhor desempenho.

Requisitos mínimos de hardware:

• Memória RAM : 12 GB.
• Espaço em Disco: 50GB.
• Processador: 6 Cores.
• Sistemas Operacionais: Qualquer um com suporte e Virtualização com VirtualBox. Deve estar ativo a Virtualização na BIOS do equipamento.
• Oracle VM VirtualBox ( https://www.virtualbox.org/ ).

Material

Serão disponibilizados os seguintes materiais aos alunos do treinamento:

• Todos os softwares ClickHouse e acessórios na sua última versão estável.
• Material próprio em Português do Brasil.
• Apresentações ( slides do treinamento ) desenvolvidas pela equipe Ambiente Livre.
• Apostilas digitais dos softwares desenvolvidas pela Ambiente Livre.
• Apostilas com exercícios práticos desenvolvidos no treinamento.
• Materiais e documentações complementares desenvolvido pela Comunidade Open Source Mundial.

Metodologia

• Todos os dias serão apresentados novos recursos e conceitos e avaliados através de exercícios práticos em todas as aulas

Inscrições, Informações e Valores

Instrutor