如何运行TPCH和TPCDS

背景

如何评估大数据的性能？当前主流的性能测试项有TPCH、TPCDS，其中TPCDS逐渐成了业界公认的性能测试标准。对应的工具包可以在官网上下载（http://www.tpc.org/tpc_documents_current_versions/current_specifications.asp），本文记录了从零开始执行tpch和tpcds测试套的过程。

一. 测试前准备

OBS的存储成本要远低于普通磁盘，通常我们先买一台ECS，通过tpch和tpcds上找到的工具生成数据，然后传到obs桶上

    1. 购买1台ecs，由于性能测试需要的数据量较大，需要添加数据盘。而数据盘要格式化之后才能使用。可参考ecs的资料https://support.huaweicloud.com/qs-ecs/zh-cn_topic_0085634797.html

   fdisk -u /dev/vdb  
   p n p ... w  
   mkfs.ext4 /dev/vdb1  
   cp /etc/fstab /etc/fstab.bak  
   echo `blkid /dev/vdb1 | awk '{print $2}' | sed 's/\"//g'` /mnt ext4 defaults 0 0 >> /etc/fstab  
   mount /dev/vdb1 /mnt

    2. 上传数据生成脚本，生成tpch/tpcds数据  

     tpch：nohup ./dbgen -s 1000 > temp.log 2>&1 &       
     tpcds：nohup ./dsdgen -scale 1000 > temp.log 2>&1 &

        由于数据生成工具只能占用单核cpu，整体生成速度会很慢，可以通过分片参数，起多个任务来加速数据生成。

    for((i=1;i<=38;i++));    
    do
        nohup ./dsdgen -scale 1000 -dir /data1/tpcds/tpcds1000x -TERMINATE N -parallel 38 -child $i -force Y -table web_sales &
    done

    3. 将生成的数据传到obs

     wget https://obs-community.obs.cn-east-3.myhuaweicloud.com/obsutil/current/obsutil_linux_amd64.tar.gz
     ./obsutil config -i=***ak****  -k=***sk****-e=obs.cn-east-3.myhuaweicloud.com
     ./obsutil cp obs://dli/metadata_test/a=1/ obs://dli/metadata_test/a=999/ -r -flat -f

二. 在DLI上执行性能测试

     数据准备后，就可以开始准备执行性能测试。这里以DLI数据湖探索（https://console.huaweicloud.com/dli/）为例。

      1. 创建表，建表语句从工具生成的列表拿到后，需要做一些修改：

                    1.1 指定数据格式csv

                    1.2 指定数据位置：path 'obs://bucket-name/tpch/lineitem'

                    1.3 指定分隔符：工具在默认情况下是通过“|”来分隔数据的，指定delimiter="|"

         create table LINEITEM (
              L_ORDERKEY BIGINT,
              L_PARTKEY BIGINT,
              L_SUPPKEY BIGINT,
              L_LINENUMBER INTEGER,
              L_QUANTITY DECIMAL(15, 2),
              L_EXTENDEDPRICE DECIMAL(15, 2),
              L_DISCOUNT DECIMAL(15, 2),
              L_TAX DECIMAL(15, 2),
              L_RETURNFLAG string,
              L_LINESTATUS string,
              L_SHIPDATE DATE,
              L_COMMITDATE DATE,
              L_RECEIPTDATE DATE,
              L_SHIPINSTRUCT string,
              L_SHIPMODE string,
              L_COMMENT string
          ) using csv OPTIONS(path 'obs://bucket-name/tpch/lineitem',delimiter="|");

     2. 使用csv的表，使用成本和计算成本都会比压缩格式高很多，通常需要转换成parquet或者carbon格式

         create table LINEITEM (
              L_ORDERKEY BIGINT,
              L_PARTKEY BIGINT,
              L_SUPPKEY BIGINT,
              L_LINENUMBER INTEGER,
              L_QUANTITY DECIMAL(15, 2),
              L_EXTENDEDPRICE DECIMAL(15, 2),
              L_DISCOUNT DECIMAL(15, 2),
              L_TAX DECIMAL(15, 2),
              L_RETURNFLAG string,
              L_LINESTATUS string,
              L_SHIPDATE DATE,
              L_COMMITDATE DATE,
              L_RECEIPTDATE DATE,
              L_SHIPINSTRUCT string,
              L_SHIPMODE string,
              L_COMMENT string
          ) using parquet

      3. 然后将数据插入压缩格式对应的新表中

                  insert overwrite table lineitem select * from tpch.lineitem;

      4. 然后依次执行tpch、tpcds中的sql语句，可以参考附件tpch_sql.txt，tpcds.rar(由于tpcds的语句较多，打包在压缩包中)。