> ## Documentation Index
> Fetch the complete documentation index at: https://private-7c7dfe99-revert-104359-revert-104251-parquet-single.mintlify.site/llms.txt
> Use this file to discover all available pages before exploring further.

> 영국 부동산 가격 데이터로 ClickHouse 살펴보기

# 영국 부동산 가격 데이터 분석 쿼리

이 튜토리얼에서는 1995년 이후 잉글랜드와 웨일스에서 거래된 부동산의 매매 가격 데이터를 담고 있는 <Tooltip headline="UK Property Price dataset" tip="HM Land Registry 데이터(© Crown copyright and database right 2021)를 포함합니다. 이 데이터는 Open Government Licence v3.0에 따라 라이선스가 부여됩니다." cta="출처 방문하기" href="https://www.gov.uk/government/statistical-data-sets/price-paid-data-downloads">UK Property Price dataset</Tooltip>을 사용하여 ClickHouse를 살펴봅니다.

<h2 id="prerequisites">
  사전 요구 사항
</h2>

이 튜토리얼을 진행하려면 다음이 필요합니다.

* [ClickHouse Cloud 계정](https://clickhouse.cloud/signUp?loc=docs-sample-datasets-uk-property-price) (가입 시 \$300 상당의 무료 크레딧 제공)
* [ClickHouse Cloud 서비스](/ko/get-started/setup/cloud#1-create-a-clickhouse-service)

<Steps titleSize="h2">
  <Step title="테이블을 생성하세요">
    1. 왼쪽 메뉴에서 **SQL 콘솔**을 선택하세요
    2. 홈 아이콘 옆의 **+** 탭을 클릭하여 새 쿼리를 생성하세요
    3. SQL 편집기에 다음 쿼리를 입력한 후 **Run**을 클릭하세요:

    ```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>
      ClickHouse가 디스크에 데이터를 정렬하는 방식을 정의하는 `ORDER BY (postcode1, postcode2, addr1, addr2)`에 주목하십시오.
      액세스 패턴에 맞는 효과적인 기본 키(primary key)를 선택하는 것은 ClickHouse의 쿼리 성능과 스토리지 효율성을 높이는 데 매우 중요합니다.
      자세한 내용은 ["기본 키 선택"](/ko/concepts/best-practices/choosing-a-primary-key)을 참조하십시오.
    </Tip>

    각 필드에 대한 설명은 [https://www.gov.uk](https://www.gov.uk/guidance/about-the-price-paid-data)를 참조하십시오.
  </Step>

  <Step title="데이터를 전처리하고 삽입하세요" id="preprocess-import-data">
    `url` 함수를 사용하여 데이터를 ClickHouse로 스트리밍할 수 있습니다. 단, 먼저 몇 가지 전처리가 필요합니다.
    아래 쿼리는 2,500만 개 이상의 행을 `uk_price_paid` 테이블에 삽입하면서 다음 전처리 단계를 수행합니다.

    * `postcode`를 `postcode1`과 `postcode2`라는 두 개의 컬럼으로 분할합니다. 이렇게 하면 저장소 및 쿼리 측면에서 더 효율적입니다.
    * `time` 필드는 `00:00` 시각만 포함하므로 날짜로 변환합니다.
    * [UUID](/ko/reference/data-types/uuid) 필드는 분석에 필요하지 않으므로 무시합니다.
    * [transform](/ko/reference/functions/regular-functions/other-functions#transform) 함수를 사용하여 `type`과 `duration`을 더 읽기 쉬운 `Enum` 필드로 변환합니다.
    * `is_new` 필드를 단일 문자 문자열(`Y`/`N`)에서 0 또는 1 값을 갖는 [UInt8](/ko/reference/data-types/int-uint) 필드로 변환합니다.
    * 마지막 두 컬럼은 모든 값이 동일(0)하므로 삭제합니다.

    ```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;
    ```

    데이터 삽입이 완료될 때까지 기다리십시오. 네트워크 속도에 따라 1\~2분 정도 걸립니다.
  </Step>

  <Step title="데이터를 검사하세요" id="validate-data">
    삽입된 행 수를 조회하여 정상적으로 처리되었는지 확인해 보겠습니다:

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

    이 쿼리를 실행한 시점에 데이터셋에는 27,450,499개의 행이 있었습니다. ClickHouse에서 이 테이블의 저장소 크기가 얼마인지 확인해 보겠습니다:

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

    테이블 크기는 221.43 MiB에 불과하지만, 원본 데이터셋은 압축되지 않은 상태로 약 4 GiB라는 점을 확인할 수 있습니다.
    ClickHouse는 별도 설정 없이도 뛰어난 데이터 압축 성능을 제공하며, 필요한 경우 [컬럼별로 압축을 세부 조정](/ko/reference/statements/create/table#column_compression_codec)할 수도 있습니다.
  </Step>

  <Step title="몇 가지 쿼리를 실행하세요" id="run-queries">
    데이터 로드가 완료되면 다음 쿼리를 실행하여 분석 쿼리의 결과가 얼마나 빠르게 반환되는지 직접 확인해 보십시오.
    아래 쿼리는 전체 데이터를 대상으로 연도별 평균 가격을 구합니다.

    ```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
    ```

    다음 쿼리는 필터를 적용하여 런던의 연도별 평균 가격을 구합니다:

    ```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
    ```

    2020년에 주택 가격에 무언가 변화가 있었던 것으로 보입니다! 하지만 그리 놀라운 일은 아닐 것입니다...

    다음 쿼리는 가장 비싼 지역을 찾습니다:

    ```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">
  다음 단계
</h2>

이 튜토리얼에서는 테이블을 생성하고, 영국 부동산 가격 데이터를 전처리하여 ClickHouse에 적재한 다음,
해당 데이터에 대해 몇 가지 분석 쿼리를 실행했습니다.

이제 다음 내용을 진행해 볼 수 있습니다.

* 프로젝션을 사용하여 이러한 쿼리의 속도를 높이는 방법을 알아보십시오. 동일한 데이터셋을 사용하는 예시는 ["프로젝션"](/ko/concepts/features/projections/projections)을 참조하십시오.
* ClickHouse [핵심 개념](/ko/concepts/core-concepts)에 대해 자세히 알아보십시오.
* ClickHouse [모범 사례](/ko/concepts/best-practices)를 살펴보십시오.
* 다른 [샘플 데이터셋](/ko/get-started/sample-datasets)을 살펴보십시오.