> ## Documentation Index
> Fetch the complete documentation index at: https://private-7c7dfe99-mintlify-8c05c8a2.mintlify.site/llms.txt
> Use this file to discover all available pages before exploring further.
# Créez votre première projection
> Apprenez à utiliser les projections dans ClickHouse pour stocker une copie supplémentaire triée de vos données dans la même table, afin de permettre des recherches rapides sur des colonnes non couvertes par votre clé primaire.
Tous les guides de démarrage rapide
Analytique en temps réel
Data warehousing
Observability
IA/ML
Cloud
Oss
## Prérequis
To successfully follow this guide, you'll need the following:
* A running ClickHouse Cloud service. If you don't have one yet, complete the [Create your first Cloud service](/get-started/quickstarts/create-your-first-service-on-cloud) quickstart first.
Vous devez également avoir suivi les guides de démarrage rapide suivants, car ce guide s’appuie directement sur la table `uk_price_paid` et sur les concepts qui y sont présentés :
* [Créer votre première table MergeTree](/fr/get-started/quickstarts/create-your-first-mergetree-table)
* [Créer votre première vue matérialisée](/fr/get-started/quickstarts/create-your-first-materialized-view)
## Ce que vous allez créer
Dans le guide de démarrage rapide sur MergeTree, vous avez vu qu'effectuer des requêtes sur `uk_price_paid` selon `town` ou `county` nécessite un scan complet de la table, car celle-ci est triée par `(postcode, addr1, addr2)`.
Dans ce guide de démarrage rapide, vous allez résoudre ce problème en créant une **projection** — une représentation triée supplémentaire de vos données, stockée *dans* la même table. Contrairement aux vues matérialisées, les projections ne nécessitent pas de table de destination distincte, restent synchronisées avec les mutations (suppressions et mises à jour) et sont utilisées de manière transparente par l'optimiseur de requêtes — vous continuez à interroger la même table.
À la fin, vous saurez comment ajouter et matérialiser une projection, comment ClickHouse la sélectionne automatiquement et dans quels cas privilégier les projections aux vues matérialisées.
### Comprendre pourquoi vous avez besoin d’une projection
Votre table `uk_price_paid` est triée selon `(postcode, addr1, addr2)`. Cela signifie que ClickHouse peut ignorer de grands blocs de données lorsque vous filtrez sur `postcode`, `addr1` ou `addr2`, mais les requêtes qui filtrent sur `town` doivent parcourir chaque ligne - soit la totalité des 30 millions.
Une **projection** stocke une copie triée supplémentaire de (certaines ou de toutes les) colonnes *dans la même table*. Lorsque vous interrogez la table, l’optimiseur de requêtes vérifie automatiquement si la lecture depuis la projection nécessiterait moins de granules que les données de base, et l’utilise de façon transparente si c’est le cas.
Principales différences par rapport aux vues matérialisées :
* **Pas de table distincte** - la projection se trouve dans `uk_price_paid` elle-même
* **Optimisation transparente des requêtes** - vous interrogez `uk_price_paid` normalement ; ClickHouse choisit automatiquement la projection
* **Reste synchronisée avec les mutations** - les suppressions et les mises à jour appliquées à la table sont répercutées dans la projection
Pour en savoir plus, consultez la [documentation de référence sur les projections](/fr/reference/statements/alter/projection).
### Ajouter une projection à votre table
Définissez une projection sur `uk_price_paid` qui stocke `town`, `date`, `price` et `type`, triés selon `(town, date)` :
```sql theme={null}
ALTER TABLE uk_price_paid
ADD PROJECTION uk_price_paid_by_town
(
SELECT town, date, price, type
ORDER BY (town, date)
);
```
Cela enregistre la projection dans les métadonnées de la table, mais ne la matérialise **pas** pour les données existantes : seules les insertions futures l’alimenteront.
Vérifiez que la projection apparaît dans la définition de la table :
```sql theme={null}
SHOW CREATE TABLE uk_price_paid;
```
Vous devriez voir le bloc `PROJECTION uk_price_paid_by_town` dans le résultat.
### Matérialiser la projection pour les données existantes
Comme les vues matérialisées, une projection ajoutée récemment ne s'applique qu'aux futures insertions. Pour l'alimenter avec les 30 millions de lignes déjà présentes dans la table, matérialisez-la explicitement :
```sql theme={null}
ALTER TABLE uk_price_paid
MATERIALIZE PROJECTION uk_price_paid_by_town;
```
Cela s’exécute en arrière-plan, sous forme de mutation. Vous pouvez en suivre la progression :
```sql theme={null}
SELECT
mutation_id,
command,
is_done
FROM system.mutations
WHERE table = 'uk_price_paid'
ORDER BY create_time DESC
LIMIT 5;
```
Une fois `is_done = 1`, la projection est entièrement matérialisée. Vous pouvez aussi le vérifier en consultant `system.projection_parts` :
```sql theme={null}
SELECT
name,
count() AS parts,
sum(rows) AS total_rows,
formatReadableSize(sum(bytes_on_disk)) AS size
FROM system.projection_parts
WHERE table = 'uk_price_paid'
AND active = true
GROUP BY name;
```
### Interroger la table et observer l’utilisation automatique des projections
Exécutez maintenant une requête en filtrant sur `town` — sur la **même table** que précédemment :
```sql theme={null}
SELECT
toYear(date) AS year,
round(avg(price)) AS avg_price,
count() AS sales
FROM uk_price_paid
WHERE town = 'LONDON'
GROUP BY year
ORDER BY year DESC;
```
Vérifiez les statistiques de la requête : beaucoup moins de lignes sont lues qu’avant la création de la projection, car ClickHouse a automatiquement choisi de lire à partir de la projection `uk_price_paid_by_town` au lieu de parcourir les données de base.
Vous pouvez confirmer que la projection a bien été utilisée avec `EXPLAIN` :
```sql theme={null}
EXPLAIN
SELECT
toYear(date) AS year,
round(avg(price)) AS avg_price,
count() AS sales
FROM uk_price_paid
WHERE town = 'LONDON'
GROUP BY year
ORDER BY year DESC;
```
Recherchez `ReadFromMergeTree` dans le résultat, avec une référence au nom de la projection. Si vous souhaitez comparer explicitement les performances, vous pouvez désactiver l’optimisation des projections pour une seule requête :
```sql theme={null}
SELECT
toYear(date) AS year,
round(avg(price)) AS avg_price,
count() AS sales
FROM uk_price_paid
WHERE town = 'LONDON'
GROUP BY year
ORDER BY year DESC
SETTINGS optimize_use_projections = 0;
```
Cela force un parcours complet de la table, ce qui vous permet de voir la différence du nombre de lignes lues.
### Comparer les projections et les vues matérialisées
Les projections et les vues matérialisées résolvent toutes deux le même problème — accélérer les lectures pour d’autres modes d’accès — mais elles impliquent des compromis différents. En bref, les projections sont les mieux adaptées lorsque vous avez simplement besoin d’un ordre de tri différent sur les mêmes données ; les vues matérialisées sont plus flexibles lorsque vous devez transformer, agréger ou acheminer des données vers un schéma différent. Pour une comparaison détaillée, consultez [Vues matérialisées et projections](/fr/concepts/features/projections/materialized-views-versus-projections).
### Observez le surcoût de stockage
Les projections stockent une seconde copie des colonnes sélectionnées dans la même table, ce qui augmente l’espace disque utilisé. Interrogez `system.parts` pour voir la taille totale de `uk_price_paid` (qui inclut désormais les données des projections) :
```sql theme={null}
SELECT
table,
count() AS parts,
sum(rows) AS total_rows,
formatReadableSize(sum(bytes_on_disk)) AS compressed_size
FROM system.parts
WHERE table = 'uk_price_paid'
AND active = true
GROUP BY table;
```
Vous pouvez également consulter l’espace de stockage propre aux projections :
```sql theme={null}
SELECT
name,
count() AS parts,
sum(rows) AS total_rows,
formatReadableSize(sum(bytes_on_disk)) AS projection_size
FROM system.projection_parts
WHERE table = 'uk_price_paid'
AND active = true
GROUP BY name;
```
Il s’agit du même compromis fondamental que pour les vues matérialisées : plus d’espace disque pour des lectures plus rapides. La projection peut être plus petite qu’une copie complète, car elle n’inclut que les quatre colonnes sélectionnées et la compression varie selon l’ordre de tri.
## Étapes suivantes
Dans ce guide de démarrage rapide, vous avez ajouté une projection à `uk_price_paid` qui stocke les données triées par `(town, date)`, ce qui permet d’effectuer rapidement des recherches par ville sans créer de table distincte. Vous avez appris que les projections sont sélectionnées de manière transparente par l’optimiseur de requêtes, restent synchronisées avec les mutations et utilisent davantage d’espace disque pour améliorer les performances en lecture.
Poursuivez avec les guides de démarrage rapide suivants :
Ou approfondissez avec la documentation de référence :
* [Vues matérialisées versus projections](/fr/concepts/features/projections/materialized-views-versus-projections)
* [Référence sur les projections](/fr/reference/statements/alter/projection)
* [Moteur de table MergeTree](/fr/reference/engines/table-engines/mergetree-family/mergetree)
