本文分享自华为云社区《DWS之TPCD-DS&TPC-H与查询性能的那些事儿》，作者：一剑战八荒 。
1、综述
本文目标在于，详细讲述使用GaussDB(DWS)时，如何使用TPC-DS/TPC-H等标准数据模型，获取DWS的查询性能数据。主要包括，整体流程概述，DWS集群和ECS弹性云服务器环境准备，TPC-DS/TPC-H造数，建表与数据导入，执行查询与结果收集四个章节。
受限于编辑器的显示，为了更好地阅读效果，烦请下载附件的原版文档查看，获取相关脚本。
其中涉及的很多操作细节无法一一展开叙述，以梳理和展示整体的逻辑为主。其中主要涉及的工具OBS/GDS/JDBC copy后续会单独开篇叙述。若有无法解决的疑问，欢迎评论留言。
2、整体流程概述
3、DWS集群和ECS弹性云服务器环境准备
3.1 创建ECS弹性云服务器
| 计费模式 | 按需计费 |
|---|---|
| 区域 | 华北-北京4 |
| 可用区 | 可用区1 |
| CPU架构 | 鲲鹏计算 |
| 规格 | 鲲鹏内存优化型 | km1.2xlarge.8 8vCPUs|64 GiB |
| 镜像 | EulerOS 2.8 64bit with ARM（40GB） |
| 数据盘 | 系统盘通用型SSD 40GB，额外增加一块 超高IO 1200GB 数据盘 |
3.2 创建DWS数据仓库
| 区域 | 华北-北京四 |
|---|---|
| 产品类型 | 云数仓 |
| CPU架构 | 鲲鹏 |
| 节点规格 | Dwsk2.2xlarge | 8 vCPUs | 64GB |
| 每节点可用存储 | 100GB |
| 节点数 | 12 |
4、TPC-DS/TPC-H造数
4.1准备数据生成工具
- 远程连接ECS弹性云；
- 执行
yum install git，安装git； - 执行
yum install gcc，安装gcc； - 执行
mkdir –p /data1/script/tpcds-kit/tpcds1000X ; mkdir –p /data1/script/tpch-kit/tpch100X创建tpc-ds或者tpc-h的存放目录； - TPC-DS造数工具dsdgen请从官网获取最新版本。
通过FTP或者OBS服务上传到ECS的 /data1/script/tpcds-kit；(OBS使用方法详见附录1)
TPC-H造数工具可直接git clone下载。
cd /data1/script/tpch-kit;
git clone <https://github.com/gregrahn/tpch-kit.git>
复制代码- 解压tpch的包，进入dbgen目录，make 编译对应的造数工具dbgen
- 解压tpcds的包，进入tools目录，make 编译对应的造数工具dsdgen
4.2生成数据文件
1、生成TPCH数据文件
进入dbgen目录后，执行./dbgen –s 100 > ./dbgen_100.log 2>&1 &，下发生成100Xtpch数据的命令到后台执行；
可以通过du –sh dbgen/*.tbl判断数据文件的生成进度。100Xtpch数据文件总大小约107GB；
也可以通过ps ux|grep dbgen，查看生成数据文件的进程是否退出。
2、生成TPCDS数据文件
因为tpcds1000X的数据，单个标的数据文件较大，我们采取分片生成的策略。
进入tools目录后，执行
for c in {1..10};do (./dsdgen –sc 1000 –parallel 10 –child ${c} –dir /data1/script/tpcdsk-kit/tpcds1000X > /dev/null 2>&1 &);done
复制代码其中，
-sc 指定数据规模
-parallel 指定分片数
-child 指定当前是生成分片中的第几片
-dir 指定生成数据文件存放的目录
可以通过du –sh tpcds100X/*.dat判断数据文件的生成进度。1000Xtpcds数据文件总大小约920GB，也可以通过ps ux|grep dsdgen，查看生成数据文件的进程是否退出。
5、建表与数据导入
5.1GDS方式导入
1、从数据仓库服务的连接管理页面下载ECS对应版本的gsql客户端，通过ftp或obs上传到ECS上；(OBS使用方法详见附录1)
2、在ECS上部署GDS，详见华为云官方资料support.huaweicloud.com/tg-dws/dws_…
3、在ECS上通过gsql工具连接集群，连接群集群所需的ip和端口号信息，可以从数据仓库服务的连接管理页面获取
4、在ECS上使用gsql连接集群，创建tpch/tpcds的内表和gds外表。建表语句详见如下sql文件，
5、在ECS使用gsql连接集群，通过GDS外表，使用insert into [目标表] select * from [目标表外表]的方式导入数据到集群内。
5.2 JDBC copy方式导入
1、从数据仓库服务的连接管理页面下载ECS对应版本的JDBC驱动，通过ftp或obs上传到ECS上；(OBS使用方法详见附录1)
2、上传JDBC驱动和copy的java脚本到ECS，此处提供dws_copy.java源码
3、在ECS上javac编译java文件，然后生成copy编译后源码和JDBC驱动的jar包,Copy.jar。编译和生成jar包详细流程如下图，
4、在ECS上java –jar Copy.jar通过JDBC copy数据到集群内。
可执行源码和二次封装的shell JDBC导数执行脚本详见如下压缩包。
6、执行查询与结果收集
6.1通过编写shell脚本自动化执行查询和结果收集。
脚本压缩包如下，其中包含query.conf和run_query.sh两个文件。
query.conf为集群信息配置文件，包含如下四个变量
db_name=tpcds_test 数据库名称
db_port=6000 数据库端口号
db_user=tpcds_user 数据库用户
user_passwd=Gauss_234 数据库用户密码
编辑query.conf为集群对应的信息后，执行sh run_query.sh即可开始查询执行和结果收集。
注意事项：
- gsql客户端的使用需要每次连接后，source gsql_env，执行查询脚本前请确认gsql可执行；
- 每个查询会跑6次，一次收集执行计划，两次预热，三次正式查询，最终结果取后三次查询的平均值；
- 查询脚本执行后会立即生成query_log_yymmdd_hhmmss名称的目录，其中
exlain_log子目录存放查询计划，
pre_warm子目录存放预热执行结果，
real_test子目录存放正式查询执行结果,
query_result.csv文件，csv格式汇总所有查询的执行结果,csv中结果实例如下图
7附录
7.1华为云OBS官方使用指导
support.huaweicloud.com/browsertg-o…
附原版文档以及附件下载链接：bbs.huaweicloud.com/blogs/attac…