> ## Documentation Index
> Fetch the complete documentation index at: https://private-7c7dfe99-parallel-read-in-order-multi-part.mintlify.site/llms.txt
> Use this file to discover all available pages before exploring further.

> استكشف ClickHouse من خلال بيانات أسعار العقارات في المملكة المتحدة

# استعلامات تحليلية على بيانات أسعار العقارات في المملكة المتحدة

في هذا الدليل العملي، ستستكشف ClickHouse باستخدام <Tooltip headline="مجموعة بيانات UK Property Price" tip="تحتوي على بيانات HM Land Registry © حقوق التاج (Crown copyright) وحقوق قاعدة البيانات 2021. هذه البيانات مرخّصة بموجب Open Government Licence v3.0." cta="زيارة المصدر" href="https://www.gov.uk/government/statistical-data-sets/price-paid-data-downloads">مجموعة بيانات UK Property Price</Tooltip>، التي تضم بيانات أسعار بيع العقارات في إنجلترا وويلز منذ عام 1995.

<h2 id="prerequisites">
  المتطلبات الأساسية
</h2>

لإكمال هذا الدليل العملي، ستحتاج إلى ما يلي:

* [حساب ClickHouse Cloud](https://clickhouse.cloud/signUp?loc=docs-sample-datasets-uk-property-price) (تحصل على رصيد مجاني بقيمة 300 دولار عند التسجيل)
* [خدمة ClickHouse Cloud](/ar/get-started/setup/cloud#1-create-a-clickhouse-service)

<Steps titleSize="h2">
  <Step title="أنشئ الجدول">
    1. اختر **SQL console** من القائمة الجانبية اليسرى
    2. انقر على علامة التبويب **+** بجوار أيقونة الصفحة الرئيسية لإنشاء استعلام جديد
    3. في محرر SQL، اكتب الاستعلام التالي، ثم انقر على **Run**:

    ```sql theme={null}
    CREATE DATABASE uk;

    CREATE TABLE uk.uk_price_paid
    (
      price UInt32,
      date Date,
      postcode1 LowCardinality(String),
      postcode2 LowCardinality(String),
      type Enum8('terraced' = 1, 'semi-detached' = 2, 'detached' = 3, 'flat' = 4, 'other' = 0),
      is_new UInt8,
      duration Enum8('freehold' = 1, 'leasehold' = 2, 'unknown' = 0),
      addr1 String,
      addr2 String,
      street LowCardinality(String),
      locality LowCardinality(String),
      town LowCardinality(String),
      district LowCardinality(String),
      county LowCardinality(String)
    )
    ENGINE = MergeTree
    ORDER BY (postcode1, postcode2, addr1, addr2);
    ```

    <Tip>
      انتبه إلى `ORDER BY (postcode1, postcode2, addr1, addr2)` الذي يحدد كيفية ترتيب ClickHouse
      للبيانات على القرص. إن اختيار مفتاح أساسي فعّال في ClickHouse يتوافق مع أنماط الوصول لديك أمر بالغ الأهمية لأداء الاستعلامات وكفاءة التخزين.
      راجع ["اختيار مفتاح أساسي"](/ar/concepts/best-practices/choosing-a-primary-key) لمزيد من التفاصيل.
    </Tip>

    راجع [https://www.gov.uk](https://www.gov.uk/guidance/about-the-price-paid-data) للاطلاع على وصف الحقول.
  </Step>

  <Step title="عالِج البيانات مسبقًا ثم أدرِجها" id="preprocess-import-data">
    يمكنك استخدام الدالة `url` لتدفق البيانات إلى ClickHouse، لكن يلزم إجراء بعض المعالجة المسبقة أولاً.
    يُدرج الاستعلام أدناه أكثر من 25 مليون صف في الجدول `uk_price_paid`، وينفّذ خطوات المعالجة المسبقة التالية:

    * يقسّم الحقل `postcode` إلى عمودين منفصلين هما `postcode1` و`postcode2`، وهو الأنسب للتخزين والاستعلامات
    * يحوّل الحقل `time` إلى تاريخ لأنه لا يحتوي إلا على الوقت `00:00`
    * يتجاهل حقل [UUID](/ar/reference/data-types/uuid) لأنه لا حاجة إليه في التحليل
    * يحوّل الحقلين `type` و`duration` إلى حقلين من النوع `Enum` أسهل قراءةً باستخدام الدالة [transform](/ar/reference/functions/regular-functions/other-functions#transform)
    * يحوّل الحقل `is_new` من سلسلة نصية مكوّنة من حرف واحد (`Y`/`N`) إلى حقل من النوع [UInt8](/ar/reference/data-types/int-uint) قيمته 0 أو 1
    * يحذف العمودين الأخيرين لأن جميع قيمهما متطابقة (وهي 0)

    ```sql theme={null}
    INSERT INTO uk.uk_price_paid
    SELECT
      toUInt32(price_string) AS price,
      parseDateTimeBestEffortUS(time) AS date,
      splitByChar(' ', postcode)[1] AS postcode1,
      splitByChar(' ', postcode)[2] AS postcode2,
      transform(a, ['T', 'S', 'D', 'F', 'O'], ['terraced', 'semi-detached', 'detached', 'flat', 'other']) AS type,
      b = 'Y' AS is_new,
      transform(c, ['F', 'L', 'U'], ['freehold', 'leasehold', 'unknown']) AS duration,
      addr1,
      addr2,
      street,
      locality,
      town,
      district,
      county
    FROM url(
      'http://prod1.publicdata.landregistry.gov.uk.s3-website-eu-west-1.amazonaws.com/pp-complete.csv',
      'CSV',
      'uuid_string String,
      price_string String,
      time String,
      postcode String,
      a String,
      b String,
      c String,
      addr1 String,
      addr2 String,
      street String,
      locality String,
      town String,
      district String,
      county String,
      d String,
      e String'
    ) SETTINGS max_http_get_redirects=10;
    ```

    انتظر حتى يكتمل إدراج البيانات، وقد يستغرق ذلك دقيقة أو دقيقتين تبعًا لسرعة الشبكة.
  </Step>

  <Step title="تحقّق من صحة البيانات" id="validate-data">
    لنتحقق من نجاح العملية بالاطلاع على عدد الصفوف التي أُدرجت:

    ```sql theme={null}
    SELECT count()
    FROM uk.uk_price_paid
    ```

    في وقت تشغيل هذا الاستعلام، كانت مجموعة البيانات تضم 27,450,499 صفًا. لنتحقق الآن من حجم التخزين الذي يشغله الجدول في ClickHouse:

    ```sql theme={null}
    SELECT formatReadableSize(total_bytes)
    FROM system.tables
    WHERE name = 'uk_price_paid'
    ```

    لاحظ أن حجم الجدول لا يتجاوز 221.43 MiB، في حين يبلغ حجم مجموعة البيانات الأصلية قبل ضغطها نحو 4 GiB.
    يوفّر ClickHouse ضغطًا ممتازًا للبيانات دون أي إعداد مسبق، كما يتيح لك [ضبط الضغط بدقة أكبر لكل عمود](/ar/reference/statements/create/table#column_compression_codec) عند الحاجة.
  </Step>

  <Step title="نفّذ بعض الاستعلامات" id="run-queries">
    بعد تحميل البيانات، جرّب الاستعلامات التالية لتلمس مدى السرعة التي تُعيد بها الاستعلامات التحليلية نتائجها.
    يحسب الاستعلام أدناه متوسط السعر لكل سنة على مستوى البيانات كاملةً:

    ```sql theme={null}
    SELECT
      toYear(date) AS year,
      round(avg(price)) AS price,
      bar(price, 0, 1000000, 80
    )
    FROM uk.uk_price_paid
    GROUP BY year
    ORDER BY year
    ```

    يطبّق الاستعلام التالي عامل تصفية لحساب متوسط السعر لكل سنة في لندن:

    ```sql theme={null}
    SELECT
      toYear(date) AS year,
      round(avg(price)) AS price,
      bar(price, 0, 2000000, 100
    )
    FROM uk.uk_price_paid
    WHERE town = 'LONDON'
    GROUP BY year
    ORDER BY year
    ```

    يبدو أن أمرًا ما قد طرأ على أسعار المنازل في عام 2020! لكن هذا على الأرجح ليس مفاجئًا...

    يُظهر الاستعلام التالي الأحياء الأعلى سعرًا:

    ```sql theme={null}
    SELECT
      town,
      district,
      count() AS c,
      round(avg(price)) AS price,
      bar(price, 0, 5000000, 100)
    FROM uk.uk_price_paid
    WHERE date >= '2020-01-01'
    GROUP BY
      town,
      district
    HAVING c >= 100
    ORDER BY price DESC
    LIMIT 100
    ```
  </Step>
</Steps>

<h2 id="next-steps">
  الخطوات التالية
</h2>

في هذا الدليل العملي، أنشأت جدولًا، وأجريت معالجة مسبقة لبيانات أسعار العقارات في المملكة المتحدة ثم حمّلتها إلى ClickHouse، وبعد ذلك
نفّذت بعض الاستعلامات التحليلية على تلك البيانات.

يمكنك الآن:

* التعرّف على كيفية تسريع هذه الاستعلامات باستخدام الإسقاطات. راجع ["الإسقاطات"](/ar/concepts/features/projections/projections) للاطلاع على أمثلة تستخدم مجموعة البيانات نفسها.
* التعمّق أكثر في [المفاهيم الأساسية](/ar/concepts/core-concepts) في ClickHouse
* استكشاف [أفضل الممارسات](/ar/concepts/best-practices) في ClickHouse
* استكشاف [مجموعات بيانات نموذجية](/ar/get-started/sample-datasets) أخرى