成都网站建设与网站制作,WordPress表白墙主题,京东的网站建设,网站参考页面设计基于openGauss5.0.0简单使用DBMind 一、环境说明二、初始化tpch测试数据三、使用DBMind索引推荐功能四、使用DBMind实现SQL优化功能 一、环境说明
虚拟机#xff1a;virtualbox操作系统#xff1a;openEuler 20.03 TLS数据库#xff1a;openGauss-5.0.0DBMind#xff1a;d… 基于openGauss5.0.0简单使用DBMind 一、环境说明二、初始化tpch测试数据三、使用DBMind索引推荐功能四、使用DBMind实现SQL优化功能 一、环境说明
虚拟机virtualbox操作系统openEuler 20.03 TLS数据库openGauss-5.0.0DBMinddbmind-5.0.0 注意环境是基于x86架构
二、初始化tpch测试数据 使用普通用户如omm登录服务器 执行如下命令下载测试数据库 git clone https://gitee.com/xzp-blog/tpch-kit.git进入dbgen目录下生成makefile文件 cd /opt/software/tpch-kit/dbgen/
make -f Makefile连接openGauss数据库创建tpch的database gsql -d postgres -p 15432 -r
openGauss# CREATE DATABASE tpch;
openGauss# \q创建8张测试表执行如下命令 cd /opt/software/tpch-kit/dbgen
gsql -d tpch -f dss.ddl执行完成后登录数据库查看会看到如下8张表 List of relationsSchema | Name | Type | Owner | Storage
------------------------------------------------------------------public | customer | table | omm | {orientationrow,compressionno}public | lineitem | table | omm | {orientationrow,compressionno}public | nation | table | omm | {orientationrow,compressionno}public | orders | table | omm | {orientationrow,compressionno}public | part | table | omm | {orientationrow,compressionno}public | partsupp | table | omm | {orientationrow,compressionno}public | region | table | omm | {orientationrow,compressionno}public | supplier | table | omm | {orientationrow,compressionno}生成8张表测试数据执行如下命令 cd /opt/software/tpch-kit/dbgen
./dbgen -vf -s 1执行结果如下 [ommopengauss01 dbgen]$ ./dbgen -vf -s 1
TPC-H Population Generator (Version 2.17.3)
Copyright Transaction Processing Performance Council 1994 - 2010
Generating data for suppliers table/
Preloading text ... 100%
done.
Generating data for customers tabledone.
Generating data for orders/lineitem tablesdone.
Generating data for part/partsupplier tablesdone.
Generating data for nation tabledone.
Generating data for region tabledone.编写导入数据脚本LoadData.sh for i in ls *.tbl; dotable${i/.tbl/}echo Loading $table...sed s/|$// $i /opt/software/tmp/$igsql tpch -p 15432 -q -c TRUNCATE $tablegsql tpch -p 15432 -c \\copy $table FROM /opt/software/tmp/$i CSV DELIMITER |
done注意当前数据库端口为15432 授予执行权限 [ommopengauss01 dbgen]$ chmod x LoadData.sh导入数据到8张表中执行导入脚本LoadData.sh [ommopengauss01 dbgen]$ sh LoadData.sh执行结果如下 Loading customer...
Loading lineitem...
Loading nation...
Loading orders...
Loading partsupp...
Loading part...
Loading region...
Loading supplier...检验数据是否已完成导入: gsql -d tpch -p 15432 -r
tpch# select count(*) from supplier;查看了supplier表的总记录数为10000条。 感兴趣可以全部查看8张表各自的总记录数如下所示 至此已完后TPCH测试数据的导入工作。 生成相关查询语句为避免对原有查询语句脚本产生污染将其复制到queries目录下 cd /opt/software/tpch-kit/dbgen
cp dists.dss queries/
cp qgen queries/
cd queries/编写生成查询语句脚本genda.sh内容如下 cd /opt/software/tpch-kit/dbgen/queries
vim genda.sh添加如下内容 for i in {1..22}; do./qgen -d $i$i_new.sql./qgen -d $i_new | sed s/limit -1// | sed s/limit 100// | sed s/limit 10// | sed s/limit 20// | sed s/day (3)/day/ queries.sql
done执行脚本genda.sh cd /opt/software/tpch-kit/dbgen
sh genda.sh验证生成的查询语句 cd /opt/software/tpch-kit/dbgen/queries
ls -l queries.sql结果如下 [ommopengauss01 queries]$ ls -l queries.sql
-rw-r--r-- 1 omm dbgrp 12K Aug 29 23:49 queries.sql感兴趣可以查看下queries.sql内容看下生成了哪些SQL语句 至此已完成了查询语句的生成。 为了测试AP性能以omm用户上传tpch_ap_data.sql可点击下载到/opt/software目录下然后执行如下命令执行该sql文件 gsql -d tpch -p 15432 -r -f /opt/software/tpch_ap_data.sql /opt/software/tpch_ap_data.sql执行完成后整个tpch数据库中相关表如下 tpch# \dList of relationsSchema | Name | Type | Owner | Storage
----------------------------------------------------------------------------------------------public | address_dimension | table | omm | {orientationrow,compressionno}public | address_dimension_address_key_seq | sequence | omm |public | customer | table | omm | {orientationrow,compressionno}public | date_dimension | table | omm | {orientationrow,compressionno}public | lineitem | table | omm | {orientationrow,compressionno}public | litemall_orders | table | omm | {orientationrow,compressionno}public | nation | table | omm | {orientationrow,compressionno}public | orders | table | omm | {orientationrow,compressionno}public | part | table | omm | {orientationrow,compressionno}public | partsupp | table | omm | {orientationrow,compressionno}public | region | table | omm | {orientationrow,compressionno}public | supplier | table | omm | {orientationrow,compressionno}public | user_dimension | table | omm | {orientationrow,compressionno}public | user_dimension_user_key_seq | sequence | omm |三、使用DBMind索引推荐功能
第一种使用方式 以gsql登录到数据库中gsql -d tpch -p 15432 -r执行如下命令查看索引推荐select * from gs_index_advise(
SELECT ad.province AS province, SUM(o.actual_price) AS GMVFROM litemall_orders o,address_dimension ad,date_dimension ddWHERE o.address_key ad.address_keyAND o.add_date dd.date_keyAND dd.year 2020AND dd.month 3GROUP BY ad.provinceORDER BY SUM(o.actual_price) DESC);结果如下 schema | table | column | indextype
------------------------------------------------------------public | litemall_orders | address_key,add_date |public | address_dimension | |public | date_dimension | year |
(3 rows)第二种使用方式 登录到DBMind的管理界面中输入相关SQL语句 select * from customer where c_acctbal 6819.74 order by c_acctbal desc limit 10;点击【Advise Index】按钮正常情况下会看到如下内容
四、使用DBMind实现SQL优化功能
登录到DBMind的管理界面中输入相关SQL语句
其他的有关DBMind的功能大家感兴趣可自行测试希望对您有所帮助~~~~~
