名門フェラーリのエースとして、世界最高峰のF1を戦うシャルル・ルクレール。2018年にF1デビューを果たし、翌2019年にはフェラーリへ加入。これまでにキャリア通算9勝、54度の表彰台、27回のポールポジションを記録してきた。2026年シーズンもここまで14戦で4度の表彰台に立ち、イギリスGPでは今季初優勝。現在、ドライバーズランキング5位につけている。特に一発の速さには定評があり、F1屈指のスピードスターのひとりだ。 しかし、その魅力は速さだけではない。モナコ出身の端正なルックス、ピアノで自ら楽曲を発表する芸術的な一面、ファッション界での存在感、そしてウイスキーのプロデュースまで――。“F1界の貴公子”とも呼びたくなるルクレールは、いったいどんな男なのか。 ルーキーでの快進撃と「モナコの呪い」を破った歓喜 1997年、モータースポーツの聖地であり、世界中のセレブリティが集うモナコ公国に生を受け、2016年にはGP3（現FIA F3）で、翌2017年にはFIA F2というF1直下のカテゴリーにおいて、それぞれデビューイヤーにしてチャンピオンを獲得。ルーキーとしての連続戴冠という極めて稀有な偉業を成し遂げた。 同年、ザウバーF1のリザーブ・ドライバーを務めると、18年には名称が変更されたアルファロメオ・ザウバーF1から最高峰の舞台へデビュー。そして2019年、21歳にして名門フェラーリのレギュラーシートを託される。第2戦バーレーンGPで早くも自身初のポールポジションを奪取。第13戦ベルギーGPでは、直前のレース事故で他界した親友アントワーヌ・ユベールへ捧ぐ涙のキャリア初優勝を遂げた。続く第14戦イタリアGP（モンツァ）では、フェラーリの母国で熱狂的なファン“ティフォシ”の大歓声を背に受け、重圧を跳ね除け優勝をもたらした。 一発の速さには定評があり、マシンパフォーマンスが劣るシーズンでも、予選では神がかったタイムを叩き出す。これまでに獲得したポールポジションは27回（2026年8月現在）。象徴的なのは2024年5月、第8戦のモナコGPでPPから悲願の母国優勝を飾った。F1世界選手権となって以降、モナコ出身・モナコ国籍のドライバーとしてモナコで優勝を飾ったのはルクレールのみ（モナコで3勝を挙げたニコ・ロズベルグはモナコ育ちだがドイツ国籍）。地元開催のプレッシャーに長年苦しめられ「モナコの呪い」とさえ囁かれた時期を乗り越え、表彰台の頂点に立ったその姿は、多くのファンの胸を打った。 Photo by Bryn Lennon - Formula 1/Formula 1 via Getty Images ルクレールの魅力は、サーキットの内に留まらない。 その端正なルックスと洗練された振る舞いから、ジョルジオ・アルマーニ、リシャール・ミル、APMモナコ、ロレアル・パリといった世界的なファッションブランドやラグジュアリーブランドからのオファーが絶えず、アンバサダーとしても引く手あまたの存在だ。さらには、独学で学んだピアノを駆使し、自ら作曲したインストゥルメンタル楽曲を配信リリースする芸術的な一面も併せ持つ。レースの極限のプレッシャーから心を解放するかのように奏でられる美しい旋律は、内省的な思慮深さを物語っている。 これほど華やかな肩書きと才能を持ちながら、生で接したルクレールには、メディアや関係者を小馬鹿にするような傲慢さは微塵もない。物腰は常に柔らかく、言葉の端々には深い知性と品格を感じさせる。それでいて、一度バイザーを下ろしコンマ一秒を争う世界へ身を投じれば、他ドライバーを凌駕する獰猛なまでの闘争心をむき出しにする。静と動、優雅さと獰猛さ…「貴公子」と呼ぶにふさわしい。 こうしたルクレールの美学や本質は、意外な場所でも発揮されている。 老舗スコッチ・ブランド、シーバスリーガルと共同開発し、自身のカーナンバーである“16”を冠した、16年熟成のリミテッドエディション・ウイスキーが10月にリリースされるニュースだ。有名人が自らの名前を冠した商品をプロデュースする事例は珍しくない。しかし興味深いのは、この一本のウイスキーを通してルクレール自身が語った言葉の端々に、F1ドライバーとしての哲学、いや、一人の人間としての生き方そのものが色濃く滲み出ている点だ。 ©松永裕司 “16”は数字ではなく、歩んできた時間そのもの ルクレールは今回のコラボレーションについて、こう語っている。 「16という数字は、私にとって単なる数字以上の意味を持っています。それは私のキャリアを通じて、共に歩んできたものです」 モナコを駆け抜け、世界の頂点を目指した少年時代から、レッドのレーシングスーツを身に纏い、フェラーリのコックピットに座る現在に至るまでの軌跡、ルクレールにとって“16”とは、自らが紡いできた歴史の象徴に他ならない。ウイスキーが16年という長い歳月をかけて樽の中で熟成され、深い風味を獲得していくように、自身もまた、栄光と挫折、友との別れ、そして数え切れないほどの試練を経て成熟を重ねた。 自分のキャリアを単なる勝敗の記録としてではなく、意味のあるストーリーとして捉える。勝利やポールポジションといった表面的な結果だけでなく、そこに至るまでの過程や積み重ねてきた時間そのものに価値を見出す姿勢は、結果至上主義に陥りがちなトップアスリートの中でも稀有な感性と言える。 さらに注目すべきは、このプロジェクトに対するルクレールの「当事者としての本気度」。 単に企画書にサインをして名義を貸すのではなく、自らスコットランドの蒸留所へと足を運んだ。そこで樽ひとつひとつに込められた職人たちの息遣いを体感し、そこから得たインスピレーションをもとに、マスターブレンダー、サンディ・ヒスロップに対して新たなブレンドへの挑戦を提案した。 ルクレールは「スコットランドを訪れ、蒸留所を見学し、樽ひとつひとつに込められた徹底したこだわりを理解したことで、自分自身のブレンドを作り出そうというインスピレーションを得ました。シーバスリーガルと私は『今日設定した基準は、あくまで出発点に過ぎない』という同じ信念を共有しています。そのため私はサンディに、さらに可能性を追求するよう求めました。そして彼もまた、私に異なる視点で考えるよう刺激をくれました。『シーバスリーガル 16年 シャルル・ルクレール リミテッドエディション』は、私たちのパートナーシップにおける自然な一歩であり、共に真の素晴らしいものを作り上げることができたと感じています」と語った。 ©松永裕司 与えられた環境や完成品に甘んじるのではなく、対等な立場で対話を重ね、互いを高め合おうとする姿勢。これは、ルクレールがフェラーリのガレージで見せる姿と重なる。ルクレールは単なる「マシンを操るドライバー」の枠に収まらず、エンジニアやメカニックと徹底的に意見を交わし、時にはセットアップや戦略の方向性について無線で激しく自らの主張をぶつけることで知られている。自ら環境を作り上げる側に立ち、関わるからには最後まで本気で向き合う。ウイスキー造りにおける姿勢も、F1ドライバーとしての在り方の延長線上にある。 ルクレールの人間としての魅力の核心にあるのは、常に高みを目指しながらも、決して独りよがりにならないバランス感覚だろう。自分の理想を強く貫きつつも、他者の視点や専門知識を積極的に取り入れ、対話を通じより良いものを構築する。この柔軟さと頑固さの絶妙なバランスこそが、周囲の人間を巻き込み、多くのファンを惹きつけてやまない理由なのだろう。 「超えるべきは、常に自分自身」。今回のウイスキーのコンセプトに掲げられたこの言葉は、モナコのプレッシャーの中で己と戦い続け、数々の試練を乗り越えてきた自身の哲学だ。一見するとF1とは無関係な異業種コラボレーションの言葉の端々に、サーキットの内外で決してブレることのないシャルル・ルクレールという人間の奥行きが表れている。 ルクレールに必要な称号はもはや「貴公子」ではない。それは間違いなく、名門・跳ね馬に再び栄冠をもたらすF1の「王者」だ。フェラーリとともにF1世界王者を目指すルクレールが、この先どんな走りを見せてくれるのか。2026年シーズン後半戦にも注目したい。 文＝松永裕司 Photo by Bryn Lennon - Formula 1/Formula 1 via Getty Images 2026 F1世界選手権グランプリ｜直近3戦の開催日程 放送・配信：フジテレビNEXT ライブ・プレミアム、フジテレビNEXTsmart、FOD F1™プラン 【第16戦 バーレーンGP in マレーシア（セパン）】 FORMULA 1 GULF AIR BAHRAIN GRAND PRIX IN MA ※2026年はバーレーンGPをマレーシア・セパンインターナショナルサーキットで開催。 10月2日（金）13:30～ フリー走行1回目 10月2日（金）17:00～ フリー走行2回目 10月3日（土）13:30～ フリー走行3回目 10月3日（土）17:00～ 予選 10月4日（日）16:00～ 決勝 【第17戦シンガポールGP】 FORMULA 1 SINGAPORE AIRLINES SINGAPORE GRAND PRIX 2026 10月9日（金）17:30～ フリー走行 10月9日（金）21:30～ スプリント予選 10月10日（土）18:00～ スプリント 10月10日（土）22:00～ 予選 10月11日（日）21:00～ 決勝 【第18戦 アメリカGP】 FORMULA 1 MSC CRUISES UNITED STATES GRAND PRIX 2026 10月24日（土）2:30～ フリー走行1回目 10月24日（土）6:00～ フリー走行2回目 10月25日（日）2:30～ フリー走行3回目 10月25日（日）6:00～ 予選 10月26日（月）5:00～ 決勝 ※日時は日本時間。最新の開催・放送情報は各公式サイトをご確認ください。

Após oitavo lugar no GP do Azerbaijão, Esteban Ocon reforçou confiança no próprio talento, recordou vitórias na carreira e garantiu que pode bater de frente com melhores pilotos da Fórmula 1

Anthoine Hubert, who has died following a crash in today's Formula 2 feature race at Spa-Francorchamps, was on an upward trajectory which promised to make him France's next Formula 1 driver.

## The Bill That Started It Run ClickHouse on EC2 long enough and you'll hit the same moment everyone does. The queries are fast, the ingestion pipeline is humming, and then someone opens the AWS bill and asks why storage alone costs more than the instance. The math isn't complicated. gp3 EBS costs about $0.08 per GB-month. Keep 3 TB of history and you're paying roughly $245 a month just to store it. That's before headroom, and you pay for provisioned size, not used size. EBS volumes can grow but never shrink, so every "let's give it some buffer" decision stays on the bill forever. We can find one of the obvious fix is S3, at $0.023 per GB-month, about 71% cheaper per gigabyte. The obvious objection is that S3 is object storage. It's slow on first byte, charges per request, and wasn't designed to back a database. So which one is the right architecture? Neither. There's no perfect ClickHouse architecture, only trade-offs you pick on purpose. But there is a design that removes most of the cost while keeping most of the speed, and ClickHouse supports it natively. We built a lab to find out what it actually costs in latency and requests. **Repo:** clickhouse-tiered-storage-lab ## The Two Bad Defaults Every design here sits between two extremes. **Everything on EBS.** It's fast and simple, and you pay premium prices to store data nobody has queried in 18 months(but you can't erase them). In most analytics workloads, dashboards hit the last 30–90 days. The long tail of history sits on the most expensive storage you own, doing nothing. **Everything on S3.** It's cheap, and every query pays the object-storage tax: network round-trips, per-request charges, and cold-read latency that shows up on interactive dashboards. What you actually want is recent data on local disk and old data on S3, in one table, with no application code stitching them together. The key to that is how ClickHouse stores data in the first place. ## Dissecting the Machinery: Parts, Disks, Volumes, Policies **Parts are the unit of storage.** A MergeTree table is a collection of immutable _parts_. Each insert creates a new part, and background merges combine small parts into bigger ones. ClickHouse tracks _where each part lives_ individually, not per table. That single design decision is what makes tiering possible. Nothing forces a table's parts to live on the same disk. **Disks** are storage backends. `default` is your local EBS volume. A disk of `type: s3` stores column data as objects in a bucket. A disk of `type: cache` wraps another disk with a local read-through cache. <disks> <s3_raw> <type>s3</type> <endpoint from_env="S3_ENDPOINT"/> <use_environment_credentials>true</use_environment_credentials> <metadata_path>/var/lib/clickhouse/disks/s3_raw/</metadata_path> </s3_raw> <s3_cached> <type>cache</type> <disk>s3_raw</disk> <max_size>2Gi</max_size> </s3_cached> </disks> **Volumes and policies** group disks into ordered tiers: <tiered> <volumes> <hot> <disk>default</disk> <move_factor>0.2</move_factor> </hot> <cold> <disk>s3_cached</disk> </cold> </volumes> </tiered> A table opts in with one setting, and a TTL rule ages data down automatically: CREATE TABLE events_tiered (...) ENGINE = MergeTree PARTITION BY toYYYYMM(event_date) ORDER BY (tenant_id, event_type, event_date) SETTINGS storage_policy = 'tiered'; ALTER TABLE events_tiered MODIFY TTL event_date + INTERVAL 12 MONTH TO VOLUME 'cold'; Parts older than 12 months migrate to S3 on their own. `move_factor` is a second trigger: once the hot volume passes about 80% full, the oldest parts get pushed down regardless of age, so local disk can't fill up. One rule matters more than any config: **a part never spans disks.** The tier boundary sits at partition granularity, so you have to partition on the column you age by. Partition by month and TTL on the date, and whole months move cleanly. Clients can't tell the difference. The SQL, drivers, and dashboards all stay the same. ## What Actually Lives on Local Disk When a part moves to S3, the local disk keeps a small metadata stub. In the lab, a part's local `data.bin` was 52 bytes: 3 1 4113 4113 pat/tmowignbdvqjwafqsosesyyxhfdsb 0 That's a pointer: "this file is 4,113 bytes and lives at this object key." The object in S3 was exactly 4,113 bytes. In the 1M-row run, the entire local footprint for the S3-backed table was **1.3 MB of metadata against 58 MB of data** , about 2%. Keep this in mind for later, because it's the most dangerous 2% in the whole setup. ## The Lab MinIO stands in for S3, so the lab runs offline and costs nothing. Pointing it at real S3 is a one-line `.env` change. Everything is reproducible with `make`: make up # minio + clickhouse make load # 1M rows over 24 months, force merges make verify # prove data is on S3 and survives restart make bench # local vs s3-cold vs s3-warm make costs # storage + request extrapolation **Proof, not trust.** I didn't take the config's word for it. `system.parts` showed 100% of the S3 table's bytes on the `s3_raw` disk and zero on local disk. The object store independently agreed (289 objects, within 0.04% of the reported size). A full-column hash confirmed the local and S3 tables held byte-identical data, not just matching row counts. **One query, two tiers.** With 12 months on S3 and 12 on local disk, a single `SELECT` spanning a 13-month range across the boundary returned one result set in 168 ms, with 21 S3 GETs. That confirms it read S3 for the older months and local disk for the newer ones in the same query pipeline. ## Benchmark This is 1M rows in 24 parts, median of 3 runs, with all caches dropped before every cold run. Query | Local | S3 cold | S3 warm | GETs ---|---|---|---|--- Q1 point lookup, 1 tenant, 1 month | 2 ms | 27 ms (13.5×) | 3 ms | 2 Q2 aggregate by category, 1 month | 5 ms | 11 ms (2.2×) | 3 ms | 2 Q3 aggregate by month, 24 months | 16 ms | 136 ms (8.5×) | 6 ms | 48 Q4 full scan | 5 ms | 83 ms (16.6×) | 5 ms | 48 Q5 top 20 IDs, 6 months | 27 ms | 62 ms (2.3×) | 22 ms | 12 Two things stand out. **Partition pruning is the lever.** Queries that pruned to one partition paid a small cold penalty (2.2× on Q2). Queries that touched every partition paid the most. Cold-read cost follows how much of the table you touch, so the less a query touches, the less S3 hurts. **A warm cache erases the penalty.** Once the cache held the working set, S3-backed queries ran at parity with local disk. The cache disk is doing the real work here. Size it to your working set, not to your total data. ## The Cost That Replaces Storage: Requests This is the part most people get wrong. The worry is usually _egress_ , but S3-to-EC2 traffic in the same region is **free**. The $0.07–0.09/GB figure people quote is for transfer out to the internet. What you pay instead is **GET requests** , at $0.0004 per 1,000. In this lab, every part cost about 2 GETs regardless of row count: Q1 read 8K rows and Q4 read 1M rows, but that was 2 GETs versus 48. There's an important caveat. The lab's parts were small enough (~2.4 MB) that ClickHouse stored them in **compact** format, with all columns in a single file. Production-sized parts are stored in **wide** format, with one file per column. There, GETs scale with _parts touched × columns read_ , and large column files take multiple ranged reads. The lever is the same, but at scale bytes and columns matter too, not just parts. Merge policy matters even more: Parts scanned | GETs | $/month @ 100k queries ---|---|--- 24 (merged) | 48 | $1.92 1,000 | 2,000 | $80.00 5,000 (unmerged) | 10,000 | $400.00 The same bytes cost 200× more in requests if they're left unmerged. **On S3-backed storage, merge policy is a cost control.** > **Watch for NAT Gateway.** If your EC2 instance reaches S3 through a NAT Gateway instead of an S3 Gateway VPC Endpoint, you pay $0.045/GB in NAT data processing. That charge looks exactly like the egress you thought you were avoiding. Gateway endpoints are free. This is the single most common avoidable cost in S3-heavy setups. ## The Savings Here's a worked example: 2 TB of event data over 24 months, us-east-1 list prices, with gp3 provisioned at 1.3× for headroom. **Before:** 2,000 GB × 1.3 × $0.08 = **$208/month** Months kept hot | gp3 GB | S3 GB | After/month | Saving ---|---|---|---|--- 12 | 1,000 | 1,000 | $127.00 | 39% 6 | 500 | 1,500 | $86.50 | 58% 3 | 250 | 1,750 | $66.25 | **68%** 1 | 83 | 1,917 | $52.75 | 75% Both tiers are linear in GB, so the percentages hold at any scale. At 10 TB, keeping 3 months hot takes the bill from $1,040 to about $331 a month. ## The Trade-Offs Nobody Puts in the Blog Post Remember, this is not a perfect architecture. Here's where it hurts. **Cold full scans.** A cold scan of the whole table was 16.6× slower than local in the lab, and that's against MinIO on loopback (~0.1 ms). Real S3 first-byte latency is 20–50 ms, so a cold scan issuing 48 GETs would add roughly a second. Don't put an interactive dashboard on an unpruned scan of cold data. **Point lookups on cold data.** Q1 was 13.5× slower and pulled 2.1 MB to answer with 237 KB. Key-value access patterns are the wrong fit for this design. **Many small parts.** Cost and latency scale with part count. A table with poor insert batching will make this design expensive in exactly the way it was supposed to save money. **Late-arriving data.** Plenty of real-world data doesn't arrive on time. A mobile app queues analytics events while the phone is offline and syncs them days later. IoT sensors in the field buffer readings until they reconnect. An insert for a date already past the TTL goes _straight to the cold volume_ and then merges there, which means download, rewrite, and re-upload to S3. Either keep the hot window longer than the window in which your data still arrives, or set `prefer_not_to_merge` on the cold volume and run scheduled `OPTIMIZE` off-hours. **That 2% of metadata.** Those 52-byte stubs are the only map from parts to S3 objects. Restarts are fine, since they live on a persistent volume. But lose the EBS volume and your S3 bucket becomes a pile of randomly named, unrecoverable blobs. Back up with `BACKUP ... TO S3` or clickhouse-backup, and actually test the restore. EBS snapshots alone aren't enough. **Honest lab caveats.** This was a single node (zero-copy replication disabled), 1M rows because the 100M run exhausted the dev machine's disk, and MinIO latency rather than real S3. The storage mechanics and cost model transfer. Absolute cold latency doesn't, and the numbers above are optimistic on that front. ## So What's the Answer? There's no perfect ClickHouse architecture. All-EBS wastes money on data nobody reads. All-S3 makes every query pay for data it didn't need. Tiered storage gets you most of both, as long as you follow its one rule: **On S3-backed storage, the amount of data a query touches is the unit of cost and latency.** Partition so queries prune. Merge so parts stay large. Size the cache to the working set. Keep the hot window longer than the window in which your data still changes. Do that, and one `storage_policy` setting takes a ~70% bite out of your storage bill, with the latency penalty paid only by queries that were going to be slow anyway. _The full lab, including configs, benchmark scripts, and the configuration problems I hit along the way, is on GitHub: clickhouse-tiered-storage-lab. Clone it, run`make up`, and see the numbers for yourself._