生成TPC-H数据集

Posted 2021-01-13 lavezhang

下载tpc-h tool 版本有点老，2.14.3，够用了。

 

在解压的文件夹下面cd到dbgen下，找到makefile.suite。

~/tpch_2_14_3$ cd dbgen
~/tpch_2_14_3/dbgen$ vim makefile.suite

-----------------------------

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

---------------------------------

• 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……

改好之后保存为makefile，这样才好用make命令。

 

修改tpcd.h

#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

开始构建

~/tpch_2_14_3/dbgen$ make

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

-s 1 表示生成1G的数据 （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）

生成之后可以用head命令检查一下tbl们，会看到每一行都有一些用“|”隔开的字段。

 

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。