ゼロから学ぶ！ClickHouse で始める リアルタイムデータウェアハウス入門

[2026年10月22日開催]
ゼロから学ぶ！ClickHouseで始めるリアルタイムデータウェアハウス入門
なぜ爆速なのか？ビッグデータ分析・DWHのコスト改善と高速化を実現する基礎講座

ビジネスデータの爆発的な増加に伴い、データ分析基盤（DWH）の集計スピードや運用コストに課題を感じる企業が増えています。

「DWHのクエリ実行に時間がかかり、ダッシュボードの表示が遅い…」
「データ量の増加に伴い、クラウドDWHの利用コストが跳ね上がっている…」
「列指向DBやリアルタイム分析に興味があるが、何から始めればいいか分からない…」
こんな悩みを抱えていませんか？

本ウェビナーでは、世界中で大規模データ分析・リアルタイムDWHの「救世主」として注目を集めるオープンソースの列指向DB「ClickHouse」を基礎からご紹介します。

ClickHouseをまだ触ったことがないデータエンジニアやインフラ担当者、分析基盤の構築・運用を検討中の方に向けて、「なぜClickHouseが圧倒的に高速でコストパフォーマンスに優れているのか」を分かりやすく解説。アーキテクチャの基本から、他の主要DWH（BigQueryやSnowflakeなど）との概念の違い、代表的な事例までご紹介します。

ご質問はウェビナー中にチャットで受け付け、その場でClickHouseメンバーが回答します！
---
開催概要
日時： 2026年10月22日（木） 17:30 〜 18:00
形式： オンライン配信（Zoomウェビナー）
参加費： 無料（事前登録制）
主催： ClickHouse株式会社

このような方におすすめ
・データ分析やDWHのクエリ実行スピード・パフォーマンスに限界を感じている方
・データ基盤・DWHの運用コスト高騰に頭を痛めているシステムアーキテクト／データエンジニア
・初心者向けにClickHouseの基礎や活用事例をイチから学びたい方

Hosted by
Junpei Ozono
Solution Architect

Agenda
17:30 - 17:40 ClickHouseの基礎知識：なぜ大規模データの集計クエリが「爆速」なのか？

17:40 - 17:50 DWHとしてのClickHouse：従来のDWH/RDBとの違いとアーキテクチャの特徴

17:50 - 18:00 コスト・パフォーマンス改善：導入効果と事例紹介／Q&A

Transcript

1. ゼロから学ぶ！ ClickHouse で始める リアルタイムデータウェアハウス入門 なぜ爆速なのか？ ビッグデータ分析・DWH のコスト改善と高速化を実現する基礎講座 ClickHouse 株式会社 ⼤薗 純平 2026.10.22 ©2026 CLICKHOUSE INC., CONFIDENTIAL & PROPRIETARY
2. 自己紹介 大薗 純平 Junpei Ozono) Solutions Architect, ClickHouse 外資系 IT ベンダーにて、長らく Data & AI 領域の ソリューションアーキテクトとして従事 さまざまな列指向データベース、分散処理エンジン、データと AI の統合基盤 などを活用したお客様のシステム構築を支援 現在は ClickHouse で AI 時代に求められる次世代リアルタイムデータ基盤の普及 を推進するため活動中 2 ©2026 CLICKHOUSE INC., CONFIDENTIAL & PROPRIETARY
3. アジェンダ 3 01 ClickHouse の基礎知識 02 DWH としての ClickHouse 03 コスト・パフォーマンス改善 なぜ大規模データの集計クエリが「爆速」なのか？ 従来の DWH / RDB との違いとアーキテクチャの特徴 導入効果と事例紹介 ©2026 CLICKHOUSE INC., CONFIDENTIAL & PROPRIETARY
4. データウェアハウスにおける課題 データが増え、 AI エージェントがつながるほど、速さ・鮮度・コストの悩みは大きくなる 1 遅い・古い クエリは待たされ、 データはバッチ時点のまま 4 ©2026 CLICKHOUSE INC., CONFIDENTIAL & PROPRIETARY 2 AI からの問い合わせ 3 コストが上がり続ける 来るクエリが読めず、 アクセス数も跳ね上がる データもクエリも増え、 利用料が増え続ける
5. 5 ©2026 CLICKHOUSE INC., CONFIDENTIAL & PROPRIETARY
6. ClickHouse 2009 プロトタイプ 2016 オープン ソース 2021 ClickHouse Inc. 2022 ClickHouse Cloud 2024 AWS Tokyo Regionオープン 2025 GCP Tokyo Regionオープン 世界で最も人気のある分析データベース DBEngines における 分析OSSデータベースランキング #1 6 ©2026 CLICKHOUSE INC., CONFIDENTIAL & PROPRIETARY ©2025 GitHubスター数 50,400 以上 Cloudを利用している企業数 4,000 以上
7. ClickHouse Cloud 利用状況の推移 わずか4年で4,000社以上の企業が利用。直近 3ヶ月で1,000件増加。 Tesla 7 ©2026 CLICKHOUSE INC., CONFIDENTIAL & PROPRIETARY
8. ClickHouse の主要ユースケース リアルタイム分析 • 顧客向けアプリケーション • インタラクティブな操作 • 既存データベースからのリアルタイムレプ リケーション AI / 機械学習 • LLMオブザーバビリティ • フィーチャストア • RAG / ベクトルDB 8 ©2026 CLICKHOUSE INC., CONFIDENTIAL & PROPRIETARY データウェアハウス • 社内向けビジネスデータ分析 • 大規模でもコスト効率が高い BIツール連携 • オープンデータフォーマットサポート およびカタログ連携機能 オブザーバビリティ • ログ、メトリクス、トレース、アラート • OpenTelemetryのサポート • モニタリングダッシュボード連携 • AIオブザーバビリティ
9. なぜ ClickHouse は速いのか？ 読む前も、読んだ後も、書くときも、速さのために作り込まれている 1 9 読む量を減らす 2 読んだ後を速く 3 仕事を前に倒す 列だけを、 必要な範囲だけ読む CPU を使い切り、 実装を作り分ける 書き込みは軽く、 集計は先に 集計に使う列だけを読み、 条件に合わない範囲は 読む前に外す 全コアで並列に計算し、 処理ごとに合った実装を 選んで使う INSERT はすぐ返し、 集計は取り込み時に。 整理は裏で進める ©2026 CLICKHOUSE INC., CONFIDENTIAL & PROPRIETARY
10. 列だけを、必要な範囲だけ読む 1 つのクエリが触るのは、テーブルの必要な部分のみ。全体を走査しない 1 テーブル定義 CREATE TABLE events ( user_id UInt32, ts DateTime, value Float64 ) ENGINE  MergeTree ORDER BY user_id 2 INSERT 10 ©2026 CLICKHOUSE INC., CONFIDENTIAL & PROPRIETARY パーツ 1 列ごとに保存 パーツ 1 user_id INSERT パーツ 2 ts INSERT のたびに、 パーツが 1 つできる グラニュール value user_id 1 5 9 98 パーツ 3 4 パーツ 1 黄色 = インデックス 1 INSERT まずデータの並び順 (主キー )をテーブル 定義で決める 3 パーツ 120 205 パーツの中は列ごとの ファイル。定義した順 (user_id の順) に並ぶ ts value 1 5 9 9 98 120 120 205 8,192 行ごとに区切り 先頭の値をインデックスに
11. 列だけを、必要な範囲だけ読む 1 つのクエリが触るのは、テーブルの必要な部分のみ。全体を走査しない 1 テーブル定義 CREATE TABLE events ( user_id UInt32, ts DateTime, value Float64 ) ENGINE  MergeTree ORDER BY user_id 2 3 パーツ INSERT パーツ 1 列ごとに保存 パーツ 1 user_id ts value 1 11 ©2026 CLICKHOUSE INC., CONFIDENTIAL & PROPRIETARY INSERT のたびに、 パーツが 1 つできる グラニュール パーツ 1 黄色 = インデックス 5 INSERT パーツ 2 user_id=80 のデータがある(可能性がある)、 9 主キーインデックス9 のグラニュール 98 120 INSERT のみを読み込む パーツ 3 205 まずデータの並び順 (主キー )をテーブル 定義で決める 4 パーツの中は列ごとの ファイル。定義した順 (user_id の順) に並ぶ user_id 1 ts value 1 5 9 9 98 120 120 205 SELECT sum(value) FROM events WHERE user_id = 80
12. CPU を使い切る工夫 1 本のクエリを全コアで並列に流し、最適化された実装で効率的に処理 並列に、使い切る 全コアで、並列に 1 本のクエリを全コアに分ける 値をまとめて計算 処理によって実装を最適化 ハッシュテーブル JOIN アルゴリズム 30 種類以上から キーで選ぶ 6 種類から データ量で選ぶ データ型 列ごとの圧縮 値を必要な 大きさで持つ Codec を 列ごとに重ねる ベクトル化実行と SIMD 専用コードを生成 JIT で式・集計・ソートを高速化 少ないリソースで 1 本が早く終われば、同じ CPU でより多くのクエリを流せる 12 ©2026 CLICKHOUSE INC., CONFIDENTIAL & PROPRIETARY
13. 書き込みは軽く INSERT 1 回が、ディスク上の 1 つのパーツになる。まとめる仕事は裏のマージが続ける INSERT パーツ INSERT パーツ INSERT パーツ 小さな INSERT 小さな INSERT INSERT バッファ 受けたレプリカがデータを書き、メタ データを Keeper に記録 パーツ マージ後の パーツ 束ねてから書く 小さな INSERT はサーバ側で まとめて書く (既定) パーツ マージで整える パーツ マージ済み 13 確定は軽い ©2026 CLICKHOUSE INC., CONFIDENTIAL & PROPRIETARY 更新も版の追記で受け、 古い版の整理・集計・TTL も マージの中で進む ディスク上のテーブル クエリが読む マージ
14. 集計は先に INSERT のたびに Materialized View MV が集計し、クエリは集計済みの結果を読むだけ ソース Kafka S3 / レイク Bronze Silver Gold 生データ 洗浄済み 業務向け MergeTree 増分 MV Replacing MergeTree 定期 MV MergeTree 外部 DB 古い行は自動削除 TTL を設定) 重複は自動で統合 アプリが読む 増分 MV : ベーステーブルへの INSERT をトリガーに、変換した結果を後段テーブルにも INSERT するための定義 定期 MV : 決めた間隔でクエリを実行し直し、後段のテーブルを置き換える定義 14 ©2026 CLICKHOUSE INC., CONFIDENTIAL & PROPRIETARY
15. デモ環境 : Postgres と ClickHouse の比較 TPCH SF1000 の公式データを両方に入れ、クエリを同時に実行する 15 ©2026 CLICKHOUSE INC., CONFIDENTIAL & PROPRIETARY
16. 16 ©2026 CLICKHOUSE INC., CONFIDENTIAL & PROPRIETARY
17. 17 ©2026 CLICKHOUSE INC., CONFIDENTIAL & PROPRIETARY
18. RDB・従来の DWH・ClickHouse の違い 同じ SQL でも、得意な処理とデータの持ち方が違う RDB (業務 DB 18 従来の DWH ClickHouse ワークロード OLTP (キー検索・更新 ) OLAP (定型集計) リアルタイム OLAP ストレージ 行指向 列指向 列指向 取り込み 行単位の DML バッチ ETL / ELT 中心 バッチ / ストリーム / CDC 更新・削除 行をその場で Update Update / Delete /Merge でブロックを書き直す 版の追記 + Lightweight Update / Delete レイテンシ ms (キー検索) 秒〜分 ms〜秒 同時実行 短いクエリを多数 重い集計を少数ずつ 集計クエリでも多数 利用者 業務アプリ BI / アナリスト BI / API / エージェント ©2026 CLICKHOUSE INC., CONFIDENTIAL & PROPRIETARY
19. ClickHouse Cloud のアーキテクチャ 接続はどのレプリカでも アプリケーション ClickHouse Cloud アカウント 結果 接続はいずれかのレプリカに振り分け マスターレプリカは存在しない クエリ エンドポイント HTTP / TCP レプリカ単位でスケール 1 台の最小は 2vCPU / 8GiB Memory 垂直 / 水平でのスケールが可能 プロキシ / ロードバランサ Keeper サービスコンピュート 共有 メタデータ レプリカ#1 レプリカ#2 レプリカ#3 マルチレイヤーキャッシュ ストレージとカタログ サービスから共有アクセス 19 認証・計画・調整 ©2026 CLICKHOUSE INC., CONFIDENTIAL & PROPRIETARY + 台数を追加 データは 1か所に書く 共有ストレージに1回だけ書く 別の場所に複製はしない Keeper が全体を束ねる 全レプリカが同じメタデータを参照 レプリカ同士は直接やりとりしない
20. Compute-Compute 分離: 同じデータに、別々のコンピュート ワークロード 書き込み・変換 顧客向け分析 エージェント分析 ワークロード毎にサービス分離 エンドポイントはサービス毎に分かれる が、データ・ユーザー・権限は共通 ウェアハウス サービス 1 読み書き エンドポイント 1 レプリカ#1 レプリカ#2 サービス 2 読み取り専用 エンドポイント 2 レプリカ#1 レプリカ#2 サービスごとにスケール 台数・サイズ・自動アイドルを 別々に決める レプリカ#3 書き込みと読み取りを分ける オブジェクトストレージ (共有) 同じテーブル、同じデータ 20 ©2026 CLICKHOUSE INC., CONFIDENTIAL & PROPRIETARY 読み取り専用のサービスは リソースを全部読み取りに使う
21. アーキテクチャパターン 1 ClickHouse 中心構成 業務 DB とストリームは CDC で、ファイルはオブジェクトストレージから ClickHouse へ 21 ©2026 CLICKHOUSE INC., CONFIDENTIAL & PROPRIETARY
22. アーキテクチャパターン 2 既存の DWH / レイクとの共存 既存 DWH / レイクは残し、 ClickHouse をサービングレイヤーとして活用 22 ©2026 CLICKHOUSE INC., CONFIDENTIAL & PROPRIETARY
23. 導入効果の例 既存 DWH の置き換えでも、共存でも効果が出ている 事例 23 構成 速さ・鮮度 費用・運用 Visa 置き換え レポート: 2〜3 日 → 秒単位 1 人週 8〜10 時間の工数減 Suprema Gaming 置き換え 鮮度: 4 時間 → 約 1 分 DWH 費用 約 62% 減 Fountain 置き換え 分析の更新: 3 時間 → 2 分未満 コスト 約 66% 減 Ridgeline 共存 バッチレポート : 数時間 → 数分 顧客規模 約 10 倍 Chartmetric 共存 クエリ: 約 20 秒 → 約 1.5 秒 時系列の RDB 容量 36% 減 ヴァリューズ 共存 集計の待ち: 最大 1 分 → 数秒 速度起因のアラートがほぼ解消 ©2026 CLICKHOUSE INC., CONFIDENTIAL & PROPRIETARY
24. ユーザ事例 : Visa 数日かかったレポートが、チャットで聞けば秒単位で返る 業務 DB SQL DB・数百の表 暗号化ファイル オブジェクトストレージ PGP 生データの受け渡し レポート基盤を作り直す 日次・週次・月次で 2〜3 日 かかっていたレポートを ClickHouse Cloud 上に移す 取り込み ClickHouse Cloud MV分析ごとに挿入時に集計) LibreChat + MCP 自然言語で質問 生データの表 受け渡しのまま 売上分析 承認分析 加盟店リスク プロダクトマネージャー 閲覧範囲はフェデレーテッドなアクセス制御で統制。 BI ツールからも使える "生データを有用なインサイトに変える 数日がかりのプロセスが、ミリ秒に圧縮されました。" — Rafeeq Abdul, Visa ©2026 CLICKHOUSE INC., CONFIDENTIAL & PROPRIETARY 分析ごとの集計を挿入時に 更新しておき、チャットからの 質問にもすぐ返せる 経営層 プロダクトの機能 24 集計は MV で先に MCP で会話型 BI LibreChat から MCP 経由で、 PM や経営層が自然言語で質問。 分析担当を待つ数日が無くなる https://clickhouse.com/ja/blog/visa-conversational-agents-jp
25. ユーザ事例 : Ridgeline 従来の約 10 倍の規模の顧客を受け入れ、バッチレポートは数時間から数分に 顧客にレポートを提供 資産運用会社向けの SaaS。 顧客ごとにサービスを分け、 レポートを画面と API で提供 履歴は Iceberg から読む 直近 2〜4 年は ClickHouse に、 古い履歴は Iceberg を直接読む。 上乗せは約 40 ミリ秒 MV が集計の中心 "最大のブレイクスルーは、以前なら不可能だった 顧客を本番稼働させられたことです。" — Hayden Hudgins, Ridgeline 25 ©2026 CLICKHOUSE INC., CONFIDENTIAL & PROPRIETARY 変更は約 1 分で反映。 新しい MV は 1 日以内に作れる https://clickhouse.com/ja/blog/ridgeline-iceberg-clickhouse-cloud-jp
26. まとめ 読む量を減らし、 CPU を使い切る 列だけを、必要な範囲だけ読む。少ないリソースで速く終える 分けた構成で、常に最新の集計を サービスを分け、MV は取り込み時に集計。入れた直後から最新 速さの仕組みが、そのまま費用を下げる 保存量と計算時間が減る。置き換えでも、共存でも効果が出ている 26 ©2026 CLICKHOUSE INC., CONFIDENTIAL & PROPRIETARY
27. 今日から、始められる すぐに試して、聞いて、つなげられます 試す 聞く つなぐ・組み込む Cloud 無料トライアル Docs を AI に質問する MCP と Agent Skills アカウント作成だけで 30 日間の 無料トライアルを実施中 Docs の Ask AI に日本語で聞ける 設定名も SQL もその場で エージェントから ClickHouse に つなぎ、定石も組み込む MCP clickhouse.cloud/signUp 27 ©2026 CLICKHOUSE INC., CONFIDENTIAL & PROPRIETARY clickhouse.com/docs Agent Skills