Optimización de Consultas

El Analytics Warehouse corre sobre ClickHouse, una base de datos columnar. Las consultas se comportan distinto que en una base de datos relacional tradicional — unos pocos hábitos las hacen dramáticamente más rápidas.

Principios clave

1. Filtra siempre por fecha

Los datos están organizados físicamente por tiempo. Un filtro de fecha le permite a ClickHouse saltarse bloques enteros de historia sin leerlos — y como el warehouse ahora sirve historia completa (no solo 3 meses), los filtros de fecha importan más que nunca. Cada tabla tiene una columna de tiempo principal por la cual filtrar:

Tabla	Filtra por
`fact_treble_sessions`, `fact_treble_session_messages`, `fact_treble_session_variables`, `fact_ad_sessions`	`created_at`
`fact_treble_session_nodes`	`entered_at`
`fact_campaign_sends`	`scheduled_at`
`fact_campaign_daily`, `fact_agent_daily`	`day`
`fact_agent_conversations`, `fact_agent_conversation_messages`, `fact_agent_conversation_transfers`, `fact_agent_status_changes`, `fact_whatsapp_link_events`, `fact_target_events`	`created_at`
`fact_hsm_responses`	`responded_at`

-- Bien: lee solo el segmento relevante de la historia
SELECT count() FROM fact_treble_sessions
WHERE created_at >= '2026-07-01' AND created_at < '2026-08-01'

-- Mal: escanea la historia completa de la tabla
SELECT count() FROM fact_treble_sessions
WHERE poll_name = 'Welcome flow'

2. No necesitas filtrar por company_id

Tu usuario tiene una row policy que filtra por tu empresa automáticamente, y los datos están ordenados primero por empresa — todas las consultas se benefician de esto sin que agregues nada.

3. Selecciona solo las columnas que necesitas

ClickHouse lee únicamente las columnas que mencionas. Esto importa sobre todo en las columnas de texto anchas (text, content, ai_automator_instructions): dejarlas fuera de un SELECT puede reducir el costo de una consulta en un orden de magnitud.

-- Bien: 3 columnas angostas
SELECT session_id, created_at, status
FROM fact_treble_sessions
WHERE created_at >= now() - INTERVAL 7 DAY

-- Evita: SELECT * arrastra todas las columnas anchas
SELECT * FROM fact_treble_session_messages
WHERE created_at >= now() - INTERVAL 7 DAY

4. Agrega en la base de datos, no en tu herramienta

Trae respuestas, no filas crudas. Un GROUP BY sobre millones de filas responde en bastante menos de un segundo; descargar esos millones de filas a una herramienta de BI, no.

5. Usa los agregados diarios cuando encajen

fact_campaign_daily y fact_agent_daily precalculan las métricas de dashboard más comunes. Un dashboard sobre un agregado lee miles de filas en lugar de millones.

6. Usa LIMIT cuando explores

SELECT * FROM fact_treble_session_messages
WHERE created_at >= now() - INTERVAL 1 DAY
ORDER BY created_at DESC
LIMIT 100

Consejos para JOINs

Une por ids, no por nombres: session_id, agent_conversation_id, hsm_id — los nombres son para mostrar.
Pon la tabla pequeña en el lado derecho del JOIN — ClickHouse carga el lado derecho en memoria. Las dimensiones siempre son pequeñas; unir dos tablas de hechos grandes funciona mejor cuando ambos lados traen un filtro de fecha.
Incluye company_id en la clave del join al unir hechos con dimensiones (como hacen los ejemplos de esta documentación).

-- Sesiones enriquecidas con el nombre visible del canal
SELECT s.poll_name, c.display_name, count() AS sessions
FROM fact_treble_sessions AS s
LEFT JOIN dim_channels AS c
    ON c.company_id = s.company_id AND c.channel_id = s.channel_id
WHERE s.created_at >= today() - 30
GROUP BY s.poll_name, c.display_name

Límites del sistema

Tu usuario corre con límites de protección que mantienen la plataforma estable para todos:

Límite	Valor
Tiempo máximo de ejecución	30 segundos
Máximo de filas leídas	50 millones
Máximo de bytes leídos	5 GB
Máximo de filas en el resultado	500,000
Memoria máxima por consulta	2 GB
Máximo de columnas leídas por consulta	50

Si un límite cancela una consulta:

Agrega o ajusta el filtro de fecha (la solución en casi todos los casos)
Elimina columnas innecesarias — especialmente las columnas de texto anchas
Agrega con GROUP BY en lugar de traer filas crudas
Divide las extracciones muy grandes en bloques de un mes (mira Sincronización Incremental para el patrón que evita las extracciones grandes por completo)

Empezar

Meta

Construye con Treble

Plataforma Principal

Plataforma de Agentes

Integraciones

Analytics Warehouse

Data Warehouse (Legacy)

Optimización de Consultas

Optimización de Consultas

Principios clave

1. Filtra siempre por fecha

2. No necesitas filtrar por company_id

3. Selecciona solo las columnas que necesitas

4. Agrega en la base de datos, no en tu herramienta

5. Usa los agregados diarios cuando encajen

6. Usa LIMIT cuando explores

Consejos para JOINs

Límites del sistema

​Optimización de Consultas

​Principios clave

​1. Filtra siempre por fecha

​2. No necesitas filtrar por company_id

​3. Selecciona solo las columnas que necesitas

​4. Agrega en la base de datos, no en tu herramienta

​5. Usa los agregados diarios cuando encajen

​6. Usa LIMIT cuando explores

​Consejos para JOINs

​Límites del sistema

Optimización de Consultas

Principios clave

1. Filtra siempre por fecha

2. No necesitas filtrar por company_id

3. Selecciona solo las columnas que necesitas

4. Agrega en la base de datos, no en tu herramienta

5. Usa los agregados diarios cuando encajen

6. Usa LIMIT cuando explores

Consejos para JOINs

Límites del sistema