TPC-H数据导入Mysql数据方案

本文主要参考了以下几篇博文，以下内容主要来源于这些博文，并在此基础上做了相应的归纳整理。感谢他们！

鉴于原博客github打不开，所以相关源码看不到，我当时也费了很多劲，本文将需要修改的代码以文本的形式展示出来，供大家参考。

我的操作系统为 -------centos7

参考文章：http://www.cnblogs.com/joyeecheung/p/3599698.html                    https://testerhome.com/topics/14409

                    https://blog.csdn.net/qq_33560172/article/details/78453812?utm_source=copy

好啦请看正文：

0：TPC-H简介：

       TPC-H是TPC提供的一个benchmark，用来模拟一个现实中的商业应用，可以生成一堆虚构的数据，且自带一些查询，可以导入到各种数据库中来模拟现实需求，检查性能。

1：获取TPC-H文件

      首先进入官网 http://www.tpc.org/tpch/ ，在最左下边栏目里找到Downloads，点击进入，然后找到TPC-H那一栏对应的source code（是一个zip格式的文件），点击下载到本地，随便放个好找的地方就OK啦啦啦啦啦。

2：准备MySql数据库

    由于是使用mysql数据库，所以需要安装mysql数据库。怎么安装就下去自己准备吧。

3：修改makefile文件

     首先将咱们在第1步中下载的zip文件解压出来。在解压的文件夹下面cd到dbgen目录下，找到makefile.suite文件。

~/tpch_2_16_1$ cd dbgen
~/tpch_2_16_1/dbgen$ vi makefile.suite

     然后修改把103~112行左右这个样子

CC      = gcc
# Current values for DATABASE are: INFORMIX, DB2, TDAT (Teradata)
#                                  SQLSERVER, SYBASE, ORACLE, VECTORWISE
# Current values for MACHINE are:  ATT, DOS, HP, IBM, ICL, MVS, 
#                                  SGI, SUN, U2200, VMS, LINUX, WIN32 
# Current values for WORKLOAD are:  TPCH
DATABASE = MYSQL
MACHINE  = LINUX
WORKLOAD = TPCH
#

  
注意：请确保你的系统上已有gcc编译器！！！若不确定是否有，请输入以下代码测试或安装

yum install gcc

改动的地方分别是：

• 设定C语言编译器为gcc（如果你用的是其他的编译器就改成其他对应名字）
• DATABASE设为MYSQL（注意注释里写的提供的数据库格式没有mysql，所以等一下要自己写一个格式，见步骤3）
• MACHINE = LINUX 和 WORKLOAD = TPCH 就不用说啥意思了……

改好之后保存，将makefile.suite的文件后缀去掉，保存为makefile，这样后面使用make命令时，才能正确应用。代码如下：

mv makefile.suite makefile

 

4：修改tpcd.h

// 其实这一步好像没什么用 = =

// 不过你上面把DATABASE设成了MYSQL的话就不要跳过这一步，不然编译不了。

// 或者上面那步也可以设成SQLSERVER这步就不用管了

//之前说了官方的生成程序没有mysql的格式，所以我们要自己写一个

打开tpcd.h，在开头找一个空白的地方写上下面的宏定义

#ifdef MYSQL
#define GEN_QUERY_PLAN  ""
#define START_TRAN      "START TRANSACTION"
#define END_TRAN        "COMMIT"
#define SET_OUTPUT      ""
#define SET_ROWCOUNT    "limit %d;
"
#define SET_DBASE       "use %s;
"
#endif

 这样就定义了一个MYSQL的脚本格式可以用了。

5：生成dbgen

直接输入make命令，之后会在dbgen文件夹里面看到有许多.o格式的文件和一个dbgen文件被输出。

~/tpch_2_16_1/dbgen$ make

 6：生成.tbl数据文件

接下来要用dbgen生成数据，一共会生成8个表（.tbl）。

查看README里面有命令行参数解说，这里我们在dbgen目录下用

 ./dbgen -s 1

 其中1表示生成1G数据。如果你想生成10G。直接将1改为10就OK啦啦啦啦啦啦啦。

ps：（如果你之前曾经尝试过生成数据，最好先make clean，再重新make，接着到这步加上-f覆盖掉）。

如：

./dbgen -s -f 1

 

7：修改初始化脚本使mySQL可用

压缩包里自带两个脚本：

• dss.ddl：用来建表
• dss.ri   ：关联表中primary key和foreign key。

不过这些脚本不能直接在mySQL里用（看README就知道人家根本没考虑过mySQL……），要修改。

7.1--->修改dss.ddl

dss.ddl的开头需要加上一些给MySQL建立数据库连接用的指令。在最前面加上如下代码：

DROP DATABASE tpch;
CREATE DATABASE tpch;
USE tpch;

 鉴于tpch自带的测试用的表名是小写的，而dss.ddl里面的表名是大写的，我们最好也改成小写，方法如下：

 用vim打开dss.ddl

vi dss.ddl

 在普通模式下输入如下命令并执行：

:%s/TABLE(.*)/TABLEL1

7.2--->修改dss.ri(用vim打开dss.ri，然后全部复制、替换掉初始版本就能用)

注意：若上述八个表的名字为小写字母，则下面的表名全部改为小写。如：tpch.REGION ---->tpch.region

-- Sccsid:     @(#)dss.ri	2.1.8.1
-- tpch Benchmark Version 8.0

USE tpch;

-- ALTER TABLE tpch.REGION DROP PRIMARY KEY;
-- ALTER TABLE tpch.NATION DROP PRIMARY KEY;
-- ALTER TABLE tpch.PART DROP PRIMARY KEY;
-- ALTER TABLE tpch.SUPPLIER DROP PRIMARY KEY;
-- ALTER TABLE tpch.PARTSUPP DROP PRIMARY KEY;
-- ALTER TABLE tpch.ORDERS DROP PRIMARY KEY;
-- ALTER TABLE tpch.LINEITEM DROP PRIMARY KEY;
-- ALTER TABLE tpch.CUSTOMER DROP PRIMARY KEY;


-- For table REGION
ALTER TABLE tpch.REGION
ADD PRIMARY KEY (R_REGIONKEY);

-- For table NATION
ALTER TABLE tpch.NATION
ADD PRIMARY KEY (N_NATIONKEY);

ALTER TABLE tpch.NATION
ADD FOREIGN KEY NATION_FK1 (N_REGIONKEY) references 
tpch.REGION(R_REGIONKEY);

COMMIT WORK;

-- For table PART
ALTER TABLE tpch.PART
ADD PRIMARY KEY (P_PARTKEY);

COMMIT WORK;

-- For table SUPPLIER
ALTER TABLE tpch.SUPPLIER
ADD PRIMARY KEY (S_SUPPKEY);

ALTER TABLE tpch.SUPPLIER
ADD FOREIGN KEY SUPPLIER_FK1 (S_NATIONKEY) references 
tpch.NATION(N_NATIONKEY);

COMMIT WORK;

-- For table PARTSUPP
ALTER TABLE tpch.PARTSUPP
ADD PRIMARY KEY (PS_PARTKEY,PS_SUPPKEY);

COMMIT WORK;

-- For table CUSTOMER
ALTER TABLE tpch.CUSTOMER
ADD PRIMARY KEY (C_CUSTKEY);

ALTER TABLE tpch.CUSTOMER
ADD FOREIGN KEY CUSTOMER_FK1 (C_NATIONKEY) references 
tpch.NATION(N_NATIONKEY);

COMMIT WORK;

-- For table LINEITEM
ALTER TABLE tpch.LINEITEM
ADD PRIMARY KEY (L_ORDERKEY,L_LINENUMBER);

COMMIT WORK;

-- For table ORDERS
ALTER TABLE tpch.ORDERS
ADD PRIMARY KEY (O_ORDERKEY);

COMMIT WORK;

-- For table PARTSUPP
ALTER TABLE tpch.PARTSUPP
ADD FOREIGN KEY PARTSUPP_FK1 (PS_SUPPKEY) references 
tpch.SUPPLIER(S_SUPPKEY);

COMMIT WORK;

ALTER TABLE tpch.PARTSUPP
ADD FOREIGN KEY PARTSUPP_FK2 (PS_PARTKEY) references 
tpch.PART(P_PARTKEY);

COMMIT WORK;

-- For table ORDERS
ALTER TABLE tpch.ORDERS
ADD FOREIGN KEY ORDERS_FK1 (O_CUSTKEY) references 
tpch.CUSTOMER(C_CUSTKEY);

COMMIT WORK;

-- For table LINEITEM
ALTER TABLE tpch.LINEITEM
ADD FOREIGN KEY LINEITEM_FK1 (L_ORDERKEY) references 
tpch.ORDERS(O_ORDERKEY);

COMMIT WORK;

ALTER TABLE tpch.LINEITEM
ADD FOREIGN KEY LINEITEM_FK2 (L_PARTKEY,L_SUPPKEY) references 
        tpch.PARTSUPP(PS_PARTKEY,PS_SUPPKEY);

COMMIT WORK;

ALTER TABLE CUSTOMER rename to customer;
ALTER TABLE LINEITEM rename to lineitem;
ALTER TABLE NATION rename to nation;
ALTER TABLE ORDERS rename to orders;
ALTER TABLE PART rename to part;
ALTER TABLE PARTSUPP rename to partsupp;
ALTER TABLE REGION rename to region;
ALTER TABLE SUPPLIER rename to supplier;

下一步执行如下 命令，添加外键等约束条件

mysql> . 路径/dss.ri

 8：建tpch数据库及表

启动mysql，键入如下命令：

mysql> . ~/tpch_2_16_1/dbgen/dss.ddl

代码中的 “/tpch_2_16_1” 应被替换为你电脑上，dss.ddl文件的实际位置。

接下来我们使用如下语句查询是否创建成功，一般都没啥问题的。

SHOW DATABASES;

可以看到多了一个tpch名字的数据库，这就是第七步里，我们在dss.ddl开头添加的代码起作用了。

到此我们得到了数据库以及8个空表。接下来开始导入数据。

9：导入数据

低配版：

通过mysql语句，导入数据。比较麻烦，适合我这种渣渣使用：

LOAD DATA LOCAL INFILE '/root/tpc-h/dbgen/customer.tbl' INTO TABLE customer FIELDS TERMINATED BY '|'  LINES TERMINATED BY '|
';
LOAD DATA LOCAL INFILE '/root/tpc-h/dbgen/orders.tbl'   INTO TABLE orders   FIELDS TERMINATED BY '|'  LINES TERMINATED BY '|
';
LOAD DATA LOCAL INFILE '/root/tpc-h/dbgen/lineitem.tbl' INTO TABLE lineitem FIELDS TERMINATED BY '|'  LINES TERMINATED BY '|
';
LOAD DATA LOCAL INFILE '/root/tpc-h/dbgen/nation.tbl'   INTO TABLE nation   FIELDS TERMINATED BY '|'  LINES TERMINATED BY '|
';
LOAD DATA LOCAL INFILE '/root/tpc-h/dbgen/partsupp.tbl' INTO TABLE partsupp FIELDS TERMINATED BY '|'  LINES TERMINATED BY '|
';
LOAD DATA LOCAL INFILE '/root/tpc-h/dbgen/part.tbl'     INTO TABLE part     FIELDS TERMINATED BY '|'   LINES TERMINATED BY '|
';
LOAD DATA LOCAL INFILE '/root/tpc-h/dbgen/region.tbl'   INTO TABLE region   FIELDS TERMINATED BY '|'  LINES TERMINATED BY '|
';
LOAD DATA LOCAL INFILE '/root/tpc-h/dbgen/supplier.tbl' INTO TABLE supplier FIELDS TERMINATED BY '|'  LINES TERMINATED BY '|
';

高配版：

8个表就需要输入执行8条命令，这里joyee写了一个脚本，可以方便的生成sql命令，脚本如下。

在dbgen目录下创建一个load.sh脚本文件：

vi load.sh
 

将以下代码输入并保存

#!/bin/bash

write_to_file()
{
    file="loaddata.sql"

    if [ ! -f "$file" ] ; then
        touch "$file"
    fi

    echo 'USE tpch;' >> $file
    echo 'SET FOREIGN_KEY_CHECKS=0;' >> $file

    DIR=`pwd`
    for tbl in `ls *.tbl`; do
        table=$(echo "${tbl%.*}")
        echo "LOAD DATA LOCAL INFILE '$DIR/$tbl' INTO TABLE $table" >> $file
        echo "FIELDS TERMINATED BY '|' LINES TERMINATED BY '|
';" >> $file
    done
    echo 'SET FOREIGN_KEY_CHECKS=1;' >> $file
 }

write_to_file

开始执行：

sh  load.sh

同目录下就会生成一个loaddata.sql，里面是从8个tbl里导入数据的sql指令。

在dbgen目录下运行

mysql -u root -p < loaddata.sql即可。

(这里如果运行有问题看看试试joyee说的加上 –local-infile。mysql --local-infile -u root -p < loaddata.sql)

然后就等等等等等等等.........................................

 

 完毕~以上。

感谢各位大佬的文章。