三分钟用一瓶水的代价体验TPC-H 100G性能测试

TPC-H 是由事务处理性能委员会 (TPC) 开发的决策支持基准。它由一套面向业务的临时查询和并发数据修改组成。TPC-H 可以根据真实的生产环境建立模型，模拟销售系统的数据仓库。本次测试使用 8 张表，数据大小为 100 GB。总共测试了 22 个查询，主要性能指标是每个查询的响应时间，即从提交查询到返回结果之间的持续时间。 TPC-H 性能测试是一个费时、费钱的过程。为了完成测试，需要准备机器、准备数据、生成报告等，往往需要数天时间以及高昂的费用。基于云器 Lakehouse 秒级弹性伸缩的虚拟集群以及共享的 TPC-H 数据集，免去了资源和数据的准备过程。基于本文提供的方法，您可以在 3 分钟内体验云器 Lakehouse 的完整性能测试并查看对比报告。本文代码运行在Zeppelin。如果您想运行本文代码，请按照文档说明安装Zeppelin。

创建测试用AP VC


-- 创建分析型虚拟计算资源
create vcluster if not exists VC_TPCH_100GB vcluster_size='Large' vcluster_type='Analytics'  AUTO_RESUME=TRUE AUTO_SUSPEND_IN_SECOND=300 min_replicas=1 max_replicas=1 comment 'TPCH 100GB TEST';

use vcluster VC_TPCH_100GB;

了解待测试数据

本测试使用TPC-H 100 GB dataset。基于云器Lakehouse天生的存算分离架构，共享了该数据集（clickzetta_sample_data.tpch_100g），用户可以直接访问，从而免去了数据准备过程。


select "customer" as tablename, count(*) as row_count from clickzetta_sample_data.tpch_100g.customer
union all select "lineitem" as tablename, count(*) as row_count from clickzetta_sample_data.tpch_100g.lineitem
union all select "nation" as tablename, count(*) as row_count from clickzetta_sample_data.tpch_100g.nation
union all select "orders" as tablename, count(*) as row_count from clickzetta_sample_data.tpch_100g.orders
union all select "part" as tablename, count(*) as row_count from clickzetta_sample_data.tpch_100g.part
union all select "partsupp" as tablename, count(*) as row_count from clickzetta_sample_data.tpch_100g.partsupp
union all select "region" as tablename, count(*) as row_count from clickzetta_sample_data.tpch_100g.region
union all select "supplier" as tablename, count(*) as row_count from clickzetta_sample_data.tpch_100g.supplier;

运行上述代码，得到测试数据集每张表的行数：

测试过程

整个过程耗时不到 3 分钟，其中 22 个 SQL 查询运行总计耗时 16.718 秒。费用方面，本次测试采用的是 Large 规格的虚拟计算集群，3 分钟的费用约为 1.38 元，相当于用一瓶水的代价完成了本次测试。

恭喜，任务完成！

请享受过程并深入学习！

附录

下载Zeppelin Notebook源文件

02.Quick Start ClickZetta Lakehouse Benchmark with TPCH Sample Data..ipynb 02.Quick Start ClickZetta Lakehouse Benchmark with TPCH Sample Data_2JH4XMBUG.zpln

联系我们