GreenPlum6.x之测试数据

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档

---

前言

提示：这里可以添加本文要记录的大概内容：

分布式关系型数据库集群搭建好了，试下是否如网上所述处理的数据具有高性能的优势，所以导入500万条测试数据进行简单的试下

---

提示：以下是本篇文章正文内容，下面案例可供参考

一、generate_series是什么？

GreenPlum是基于PostgreSQL - 使用generate_series函数生成大量测试数据。
generate_series(start, stop, step)函数
生成一个数值型序列，从 start 到 stop，步进为 step。

列: select * from generate_series(2,4); 结果为 2，3，4

二、使用步骤

1.建张测试表

代码如下（示例）：

create table gpdb.test1

(uid varchar(10),gnd varchar(4),

name varchar(100),phone varchar(11)

)distributed by (uid);

2.插入简单的测试数据

代码如下（示例）：

insert into test1

(uid,gnd,name,phone)

select

floor(random()*10000000000)

,(array['男','女','其他'])[floor(random()*3)::int+1]

,(array['小四','小花','小凡'])[floor(random()*3)::int+1] 

,floor(random()*(10000000000-13899999999)+13899999999) 

from generate_series(1,5000000);

3.查看数据分散情况

代码如下（示例）：

select  gp_segment_id,count(*) from test1 group by 1

我搭建的环境部署了3个segment数据节点
500万数据分布在3个数据节点

4.通过SQL测试性能

代码如下（示例）：

select phone ,count(*) from test1 group by 1
select gnd,count(*) from test1 group by 1
select phone,gnd ,count(*) from test1 group by phone,gnd

select gnd,count() from test1 group by 1
500万数据执行时间2秒不到

select phone ,count() from test1 group by 1
500万数据执行时间5秒不到

select phone,gnd ,count(*) from test1 group by phone,gnd
500万数据执行时间5.1秒左右

总结

在普通数据库里500万数据使用group by统计确实比较慢，但在GreenPlum下测试觉的确实性能高