关于数据库:GreatSQL-TPCH-性能测试报告正式发布

GreatSQL TPC-H 性能测试报告 – （2024 年 2 月28日）

残缺性能测试报告：https://greatsql.cn/docs/8032-25/user-manual/10-optimze/3-3-b…

1、概述

本次测试针对GreatSQL数据库基于规范 TPC-H 场景的测试。

TPC-H（商业智能计算测试）是美国交易解决效力委员会（TPC，TransactionProcessing Performance Council）组织制订的用来模仿决策反对类利用的一个测试集。目前，学术界和工业界广泛采纳 TPC-H 来评估决策反对技术方面利用的性能。这种商业测试能够全方位评测零碎的整体商业计算综合能力，对厂商的要求更高，同时也具备广泛的商业实用意义，目前在银行信贷剖析和信用卡剖析、电信经营剖析、税收剖析、烟草行业决策分析中都有宽泛的利用，TPC-H 查问蕴含八张数据表和 22 条简单 SQL 查问，大多数查问蕴含多表联接（JOIN）、子查问和聚合查问等。

GreatSQL数据库是一款开源收费数据库，可在一般硬件上满足金融级利用场景，具备高可用、高性能、高兼容、高平安等个性，可作为MySQL或Percona Server for MySQL的现实可选替换。

2、测试环境

提醒：在上面运行TPC-H测试时，设置了Rapid引擎最大可应用的内存及线程数。

greatsql> SET GLOBAL rapid_memory_limit = 68719476736;
greatsql> SET GLOBAL rapid_worker_threads = 32;

3、测试表构造和数据量

各表数据量比照：

Rapid引擎表空间压缩率：

各表构造关系如下图所示：

4、测试后果

GreatSQL 8.0.32-25中，采纳全新的Rapid存储引擎，使得其在TPC-H性能测试中体现大大优于此前的其余版本，也大大优于MySQL社区版、Percona Server MySQL、MariaDB等数据库。

在TPC-H SF100场景下，运行齐全部22个TPC-H查问SQL总耗时为79.28秒。在TPC-H SF300场景下，运行齐全部22个TPC-H查问SQL总耗时为386.195秒。

每条SQL具体耗时如下：

GreatSQL SF100 vs SF300（32C64G）比照示意图如下

5、测试步骤

5.1 装置 GreatSQL

请参考GreatSQL手册内容：装置指南 ➥https://greatsql.cn/docs/8032-25/user-manual/4-install-guide/… 实现GreatSQL装置。

5.2 生成 TPC-H 测试数据

请参考GreatSQL手册内容：TPC-H性能测试 ➥https://greatsql.cn/docs/8032-25/user-manual/10-optimze/3-2-b… 实现TPC-H工具编译装置。

运行 TPC-H dbgen 工具，生成数据文件，一共会生成 8 个表对应的 tbl 数据文件，例如：

$ ./dbgen -vf -s 100
...

$ ls -l *tbl
-rw-r--r-- 1 root root  2463490271 Sep 26 09:20 customer.tbl
-rw-r--r-- 1 root root 79579694556 Sep 26 09:20 lineitem.tbl
-rw-r--r-- 1 root root        2224 Sep 26 09:20 nation.tbl
-rw-r--r-- 1 root root 17793116301 Sep 26 09:20 orders.tbl
-rw-r--r-- 1 root root 12209211160 Sep 26 09:20 partsupp.tbl
-rw-r--r-- 1 root root  2453234158 Sep 26 09:20 part.tbl
-rw-r--r-- 1 root root         389 Sep 26 09:20 region.tbl
-rw-r--r-- 1 root root   142869803 Sep 26 09:20 supplier.tbl

也能够参考 duckdb_dbgen.py ➥ https://gitee.com/GreatSQL/GreatSQL-Doc/blob/master/tpch/3.0…. 脚本做法，利用duckdb并行生成测试数据。

5.3 创立 TPC-H 测试数据库表并导入数据

参考GreatSQL社区提供的TPC-H数据库表初始化脚本：tpch-create-table.sql ➥ https://gitee.com/GreatSQL/GreatSQL-Doc/blob/master/tpch/3.0…. 实现TPC-H测试数据库表创立。

$ mysql -f < tpch-create-table.sql
$ mysqlshow tpch100
Database: tpch100
+----------+
|  Tables  |
+----------+
| customer |
| lineitem |
| nation   |
| orders   |
| part     |
| partsupp |
| region   |
| revenue0 |
| supplier |
+----------+

利用GreatSQL的 parallel load data个性 ➥ https://greatsql.cn/docs/8032-25/user-manual/5-enhance/5-1-hi… 并行导入TPC-H测试数据。

须要先批改GreatSQL选项secure_file_priv设置，指向上述 workdir 所在目录，重启GreatSQL使之失效。

参考GreatSQL社区提供的并发导入脚本：load-data-parallel.sh ➥ https://gitee.com/GreatSQL/GreatSQL-Doc/blob/master/tpch/3.0…. 实现数据导入。

提醒：运行LOAD DATA导入数据时，可能会在 tmpdir 产生临时文件，因而要保障 tmpdir 有足够的残余可用磁盘空间。

5.4 确认Rapid引擎设置，并加载数据到secondary engine

数据导入实现后，在开始运行TPC-H测试前，须要先将测试数据加载到secondary engine引擎中。

先执行上面命令，动静批改Rapid引擎最大可应用内存，其余相干选项均为默认值：

greatsql> SET GLOBAL rapid_memory_limit = 68719476736;
greatsql> SET GLOBAL rapid_worker_threads = 32;

之后，执行以下命令加载测试数据到secondary engine：

greatsql> alter table customer secondary_load;
alter table lineitem secondary_load;
alter table nation secondary_load;
alter table orders secondary_load;
alter table part secondary_load;
alter table partsupp secondary_load;
alter table region secondary_load;
alter table supplier secondary_load;

这个过程须要肯定工夫，请急躁期待。

5.5 执行 TPC-H 测试

参考GreatSQL社区提供的TPC-H性能测试脚本，实现测试，并记录各个SQL的耗时。

该测试脚本大略工作模式如下：

1. 先执行22个查问SQL，进行数据预热，每条SQL各执行2次。
2. 再别离执行22个查问SQL，每个SQL各执行3次。
3. 每次执行SQL都会记录其起止工夫，及其耗时，如上面例所示：

[2023-09-27 01:38:45] BEGIN RUN TPC-H Q1 1 times
[2023-09-27 01:38:46] TPC-H Q1 END, COST: 1.301s


[2023-09-27 01:38:46] BEGIN RUN TPC-H Q1 2 times
[2023-09-27 01:38:47] TPC-H Q1 END, COST: 0.787s

上述后果中的 COST: 1.301s ，即为本SQL的运行耗时：1.301秒。

残缺性能测试报告：https://greatsql.cn/docs/8032-25/user-manual/10-optimze/3-3-b…

Enjoy GreatSQL 🙂

## 对于 GreatSQL

GreatSQL是实用于金融级利用的国内自主开源数据库，具备高性能、高牢靠、高易用性、高平安等多个外围个性，能够作为MySQL或Percona Server的可选替换，用于线上生产环境，且完全免费并兼容MySQL或Percona Server。

相干链接： GreatSQL社区 Gitee GitHub Bilibili

GreatSQL社区：

社区博客有奖征稿详情：https://greatsql.cn/thread-100-1-1.html

技术交换群：

微信：扫码增加GreatSQL社区助手微信好友，发送验证信息加群。