达梦数据库tpcc的测试

最新推荐文章于 2024-03-24 23:08:34 发布
最新推荐文章于 2024-03-24 23:08:34 发布
阅读量643 收藏 3
点赞数
分类专栏： 达梦数据库
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_43071646/article/details/109716340
版权

达梦数据库tpcc的测试

1.tpcc简介

  • 事务处理性能委员会（ Transaction Processing Performance Council ），简称TPC，它的功能是制定商务应用基准程序（Benchmark）的标准规范、性能和价格度量，并管理测试结果的发布。
  • TPC－C是在线事务处理(OLTP)的基准程序，用于衡量数据库系统OLTP性能的指标。

2.测试软件的按章

  1. 下载软件
    benchmarksql-5.0.zip

  2. 解压

    unzip benchmarksql-4.1.1.zip /root/benchmarksql-4.1.1/lib/

  3. 复制驱动文件到lib 下

    cp /dm8/drivers/jdbc/DmJdbcDriver18.jar

  4. 编辑配置文件

    [root@oracle run]# pwd
/root/benchmarksql-4.1.1/run
[root@oracle run]# cat props.dm 
driver=dm.jdbc.driver.DmDriver
conn=jdbc:dm://localhost:8881
user=benchmarksql
password=Dameng123@

warehouses=2
terminals=1
//To run specified transactions per terminal- runMins must equal zero
runTxnsPerTerminal=0
//To run for specified minutes- runTxnsPerTerminal must equal zero
runMins=5
//Number of total transactions per minute
limitTxnsPerMin=0

//The following five values must add up to 100
newOrderWeight=45
paymentWeight=43
orderStatusWeight=4
deliveryWeight=4
stockLevelWeight=4

  5. 创建用户

    create user benchmarksql identified by "Dameng123@";
grant dba to benchmarksql;

  6. 创建测试用得表

    create
        table benchmarksql.warehouse
        (
                w_id int not null ,
                w_ytd float       ,
                w_tax float       ,
                w_name     varchar(10),
                w_street_1 varchar(20),
                w_street_2 varchar(20),
                w_city     varchar(20),
                w_state    char(2)    ,
                w_zip      char(9)    ,
                cluster primary key(w_id)
        )
        storage
        (
                fillfactor 2,
                without counter
        );

create
        table benchmarksql.district
        (
                d_w_id int not null    ,
                d_id   int not null    ,
                d_ytd float            ,
                d_tax float            ,
                d_next_o_id int        ,
                d_name      varchar(10),
                d_street_1  varchar(20),
                d_street_2  varchar(20),
                d_city      varchar(20),
                d_state     char(2)    ,
                d_zip       char(9)    ,
                cluster primary key(d_w_id, d_id)
        )
        storage
        (
                fillfactor 3,
                without counter
        );

create
        table benchmarksql.customer
        (
                c_w_id int not null       ,
                c_d_id int not null       ,
                c_id   int not null       ,
                c_discount float          ,
                c_credit char(2)          ,
                c_last   varchar(16)      ,
                c_first  varchar(16)      ,
                c_credit_lim float        ,
                c_balance float           ,
                c_ytd_payment float       ,
                c_payment_cnt  int        ,
                c_delivery_cnt int        ,
                c_street_1     varchar(20),
                c_street_2     varchar(20),
                c_city         varchar(20),
                c_state        char(2)    ,
                c_zip          char(9)    ,
                c_phone        char(16)   ,
                c_since timestamp         ,
                c_middle char(2)          ,
                c_data   varchar(500)     ,
                cluster primary key(c_w_id, c_d_id, c_id)
        )
        storage
        (
                without counter
        );

create sequence benchmarksql.hist_id_seq;


create
        table benchmarksql.history
        (
                hist_id  int default benchmarksql.hist_id_seq.NEXTVAL,
                h_c_id   int                                         ,
                h_c_d_id int                                         ,
                h_c_w_id int                                         ,
                h_d_id   int                                         ,
                h_w_id   int                                         ,
                h_date timestamp                                     ,
                h_amount float                                       ,
                h_data varchar(24)
        )
        storage
        (
                branch(16, 16),
                without counter
        );

create
        table benchmarksql.oorder
        (
                o_w_id       int not null,
                o_d_id       int not null,
                o_id         int not null,
                o_c_id       int         ,
                o_carrier_id int         ,
                o_ol_cnt float           ,
                o_all_local float        ,
                o_entry_d timestamp      ,
                cluster primary key(o_w_id, o_d_id, o_id)
        )
        storage
        (
                without counter
        );


create
        table benchmarksql.new_order
        (
                no_w_id int not null,
                no_d_id int not null,
                no_o_id int not null,
                cluster primary key(no_w_id, no_d_id, no_o_id)
        )
        storage
        (
                without counter
        );


create
        table benchmarksql.order_line
        (
                ol_w_id   int not null ,
                ol_d_id   int not null ,
                ol_o_id   int not null ,
                ol_number int not null ,
                ol_i_id   int not null ,
                ol_delivery_d timestamp,
                ol_amount float        ,
                ol_supply_w_id int     ,
                ol_quantity float      ,
                ol_dist_info char(24)  ,
                cluster primary key(ol_w_id, ol_d_id, ol_o_id, ol_number)
        )
        storage
        (
                without counter
        );


create
        table benchmarksql.stock
        (
                s_w_id int not null     ,
                s_i_id int not null     ,
                s_quantity float        ,
                s_ytd float             ,
                s_order_cnt  int        ,
                s_remote_cnt int        ,
                s_data       varchar(50),
                s_dist_01    char(24)   ,
                s_dist_02    char(24)   ,
                s_dist_03    char(24)   ,
                s_dist_04    char(24)   ,
                s_dist_05    char(24)   ,
                s_dist_06    char(24)   ,
                s_dist_07    char(24)   ,
                s_dist_08    char(24)   ,
                s_dist_09    char(24)   ,
                s_dist_10    char(24)   ,
                cluster primary key(s_i_id, s_w_id)
        )
        storage
        (
                without counter
        );


create
        table benchmarksql.item
        (
                i_id   int not null,
                i_name varchar(24) ,
                i_price float      ,
                i_data  varchar(50) ,
                i_im_id int         ,
                cluster primary key(i_id)
        )
        storage
        (
                without counter
        );




create
        index ndx_customer_name on benchmarksql.customer
        (
                c_w_id,
                c_d_id,
                c_last,
                c_first
        );

  7. 装载数据

    [root@oracle run]# pwd
/root/benchmarksql-4.1.1/run
[root@oracle run]# ./runLoader.sh props.dm numWAREHOUSES 1
Starting BenchmarkSQL LoadData
----------------- Initialization -------------------
numWAREHOUSES
1
driver=dm.jdbc.driver.DmDriver
conn=jdbc:dm://localhost:8881
user=benchmarksql
password=******

------------- LoadData StartTime = Thu Nov 19 16:57:02 CST 2020-------------
..................
..................

------------- LoadJDBC Statistics --------------------
     Start Time = Thu Nov 19 16:57:02 CST 2020
       End Time = Thu Nov 19 16:57:04 CST 2020
       Run Time = 1 Seconds
    Rows Loaded = 40002 Rows
Rows Per Second = 40002 Rows/Sec
------------------------------------------------------

  8. 创建索引

    create
        index ndx_customer_name on benchmarksql.customer
        (
                c_w_id,
                c_d_id,
                c_last,
                c_first
        );

  9. 创建存储过程

    create or replace
procedure benchmarksql.createsequence
as
        n    int;
        stmt varchar(100);
begin
        stmt:='drop sequence benchmarksql.hist_id_seq';
        EXECUTE IMMEDIATE stmt;
        select max(hist_id) + 1 into n from benchmarksql.history ;
        
        stmt:='create sequence benchmarksql.hist_id_seq start with '||n;
        EXECUTE IMMEDIATE stmt;
end;

  10. 预热数据让测试更加准确

	select count(*) from "BENCHMARKSQL"."CUSTOMER"
		
		union all
		
		select count(*) from "BENCHMARKSQL"."DISTRICT"
		
		union all
		
		select count(*) from "BENCHMARKSQL"."ITEM"
		
		union all
		
		select count(*) from "BENCHMARKSQL"."NEW_ORDER"
		
		union all
		
		select count(*) from "BENCHMARKSQL"."OORDER"
		
		union all
		
		select count(*) from "BENCHMARKSQL"."ORDER_LINE"
		
		union all
		
		select count(*) from "BENCHMARKSQL"."STOCK"
		
		union all
		
		select count(*) from "BENCHMARKSQL"."WAREHOUSE"
		
		union all
		
		select count(*) from "BENCHMARKSQL"."HISTORY"
		
		union all
		
		select count("C_PAYMENT_CNT") from "BENCHMARKSQL"."CUSTOMER";
		commit;

  1. 开始测试

    [root@oracle run]# ./runBenchmark.sh props.dm 
2020-11-19 17:01:40,369  INFO - Term-00, 
2020-11-19 17:01:40,369  INFO - Term-00, +-------------------------------------------------------------+
2020-11-19 17:01:40,369  INFO - Term-00,      BenchmarkSQL v4.1.1
2020-11-19 17:01:40,370  INFO - Term-00, +-------------------------------------------------------------+
2020-11-19 17:01:40,370  INFO - Term-00,  (c) 2003, Raul Barbosa
2020-11-19 17:01:40,370  INFO - Term-00,  (c) 2004-2016, Denis Lussier
2020-11-19 17:01:40,370  INFO - Term-00,  (c) 2016, Jan Wieck
2020-11-19 17:01:40,370  INFO - Term-00, +-------------------------------------------------------------+
2020-11-19 17:01:40,370  INFO - Term-00, 
2020-11-19 17:01:40,370  INFO - Term-00, driver=dm.jdbc.driver.DmDriver
2020-11-19 17:01:40,370  INFO - Term-00, conn=jdbc:dm://localhost:8881
2020-11-19 17:01:40,370  INFO - Term-00, user=benchmarksql
2020-11-19 17:01:40,370  INFO - Term-00, 
2020-11-19 17:01:40,370  INFO - Term-00, warehouses=2
2020-11-19 17:01:40,371  INFO - Term-00, terminals=1
2020-11-19 17:01:40,371  INFO - Term-00, runMins=5
2020-11-19 17:01:40,371  INFO - Term-00, limitTxnsPerMin=0
2020-11-19 17:01:40,371  INFO - Term-00, 
2020-11-19 17:01:40,371  INFO - Term-00, newOrderWeight=45
2020-11-19 17:01:40,371  INFO - Term-00, paymentWeight=43
2020-11-19 17:01:40,371  INFO - Term-00, orderStatusWeight=4
2020-11-19 17:01:40,371  INFO - Term-00, deliveryWeight=4
2020-11-19 17:01:40,371  INFO - Term-00, stockLevelWeight=4
2020-11-19 17:01:40,371  INFO - Term-00,   
...............

  2. 测试日志

    [root@oracle log]# pwd
/root/benchmarksql-4.1.1/run/log
[root@oracle log]# ls
BenchmarkSQLError.log  benchmarksql.log

3. 总结

本文章是简单配置一下进行数据库得测试。如果想要更加了解benchmarksql，请参考benchmarksql简介

链接文章为转载

perter 杨
关注
  • 0
    点赞
  • 踩
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
达梦数据库的TPCC测试记录
jiaworld的博客
12-31 2247
达梦数据库的TPCC测试记录 测试环境 本文主要目的是介绍使用 benchmarksql工具进行 TPCC 测试的步骤 使用工具版本：benchmarksql-4.1.1 服务器：华为泰山v1 CPU：海思1616 32核x2; 内存：192G; 硬盘：1.2Tx5 系统：中标麒麟 release V7Update6/(Chromium)-aarch64 1.上传数据库的驱动包jar文件 ...
发布几款性能测试工具
IOMark
11-03 3249
在存储性能测试方面做了几年，接触了很多测试工具，从IOMeter到SPC，从IOZone到Simmark，一路走来可谓艰辛。在做性能测试的过程中也发现了很多测试工具的不足之处，于是自己就开发了若干个工具，下面几个是比较好的三个，我已经上传到sourceforge上了，有需要的可以到sourceforge上面下载。 1. IOMeterCLI https://sourceforge.
TPCCRunner-1.2数据库TPCC测试工具
04-03
TPCCRunner-1.2数据库TPCC测试工具 数据库TPC-M性能测试工具
数据库TPCC测试.ppt
06-17
数据库TPCC测试.ppt该文档详细且完整，值得借鉴下载使用，欢迎下载使用，有问题可以第一时间联系作者~
数据库性能压测之TPC-C基准测试
最新发布
qq_53286237的博客
03-24 852
本文作为学习笔记记录。
达梦数据库tpcc测试
qian__jing的博客
05-29 629
目录 1、将BENCHMARKSQL工具拷贝到机器上 2、在数据库中创建BENCHMARKSQL表空间以及BENCHMARKSQL用户（只能是BENCHMARKSQL用户）BENCHMARKSQL用户的默认表空间为BENCHMARKSQL表空间 3、按照数据库测试需要更改配置信息 4、创建测试要用的初始表 5）装载数据 6）开始测试 1、将BENCHMARKSQL工具拷贝到机器上 2、在数据库中创建BENCHMARKSQL表空间以及BENCHMARKSQL用户（只能是BENCHMARKS
基于BenchmarkSQL的达梦数据库TPCC性能测试
Sebastien23的博客
04-18 1583
中的用户和密码在达梦数据库中创建测试用户，并保证其表空间足够容纳生成的测试数据。如果开启了归档，还要考虑归档日志占用的空间。BenchmarkSQL默认不支持达梦数据库。这里我们让BenchmarkSQL把达梦数据库当作Oracle即可。Oracle数据库对应的测试配置文件为。是使用BenchmarkSQL进行性能测试的主要配置文件。是生成的测试报告，png文件是报告中包含的图片。拷贝达梦数据库驱动到BenchmarkSQL的。测试结束后，会在当前路径下生成一个以。规则命名的结果目录。
mysql tpcc 测试结果分析_tpcc-mysql运行结果解读
weixin_39890452的博客
01-19 1035
前言首先我们需要知道tpcc-mysql是干什么的。TPC-C是专门针对联机交易处理系统(OLTP系统)的规范，一般情况下我们也把这类系统称为业务处理系统。tpcc-mysql是percona基于TPC-C(下面简写成TPCC)衍生出来的产品，专用于MySQL基准测试。Tpcc工具结构create_table.sql：创建所需的数据库表，共9个表add_fkey_idx.sql：创建索引和外键dr...
使用TPC-H benchmark测试达梦数据库Q22的执行时间。
qq_43071646的博客
11-26 891
使用TPC-H benchmark测试DM8 TPCH的简介 TPC Benchmark H测试由一系列商业查询组成，这些查询在某种意义上代表复杂的商业分析应用。这些查询给出了一个实际的环境，描绘了批发商的活动以帮助读者将该基准的组件联系起来。 TPC-H不代表任何特定商业领域里的活动，而是可以被应用到任何需要管理，销售或在全球范围销售某种商品的行业。（比如汽车租赁，食品销售，供应商等）。但TPC-H并不是如何构建实际信息分析系统的模型。 测试的目的是减少在信息分析应用中出现的操作的多样性，同时又保留应用
TPCCRuner:类似于TPC-C的工作负载生成器-开源
05-13
TPCCRunner是类似于TPC-C的工作负载生成器，用于测试在线事务处理数据库系统。 TPCCRunner支持大多数流行的RDBMS：Oracle，DB2，SQL Server，MySQL，Informix，Sybase等。
学习使用TPC-H测试达梦数据库流程
lushanglou的博客
08-15 760
关于TPC-H TPCH是由TPC(Transaction Processing Performance Council)事务处理性能委员会公布的一套针对数据库决策支持能力的测试基准，通过模拟数据库中与业务相关的复杂查询考察数据库的综合处理能力，获取数据库操作的响应时间。 TPCH基准模型中定义了一个数据库模型，容量可以在1GB~10000GB的8个级别中进行选择。数据库模型包括CUSTOMER、LINEITEM、NATION、ORDERS、PART、PARTSUPP、R...
基于OceanBase的tpcc测试
01-25
基于OceanBase的tpcc测试
tpcc-mysql 数据库压力测试标准
12-29
tpcc-mysql 数据库压力测试标准tpcc
【数据库】Kylin V10/ARM平台TiDB v5.3.0 sysbench&TPCC测试
专注分布式数据库
12-17 1614
一、环境&配置 鲲鹏服务器 128c 512G *6 每台主机普通SSD *5 Kylin V10（arm） 主机 TiDB PD TiKV ecs001 4 node 1node 4 node ecs002 4 node 1node 4 node ecs003 4 node 1node 4 node ecs004 4 node 4 node ecs005 4 node
Tpcc测试工具详解
qq_51010919的博客
07-20 3380
TPCC-MYSQL 专门针对 MySQL 数据库进行性能测试，它使用标准的 TPCC 基准测试规范，并提供一系列工具和脚本来准备测试数据、运行测试和分析测试结果。: 指定生成测试报告的时间间隔。如果需要更详细的测试结果，建议查阅生成的日志文件和报告文件，它们通常包含更全面的测试结果和详细的性能指标分析。在进行 TPCC 基准测试之前，需要加载适当的测试数据，以模拟真实的数据库工作负载。部分列出了使用的测试参数，包括服务器地址、端口、数据库名称、用户名、密码、仓库数量、并发连接数、热身时间和测试时间。
TPCC性能测试
justlpf的专栏
10-25 1808
TPC-C 是一种衡量 OLTP 系统性能和可伸缩性的基准测试项目。它由一系列的 OLTP 工作流组成，包括查询，更新及队列式小批量事务在内的广泛数据库功能。它模拟了一个典型的 OLTP 应用环境中的活动，这些活动由一系列复杂的事务组成。适当复杂的 OLTP 事务在线和延迟事务执行模型多用户适当的系统和应用执行时间大量的磁盘输入和输出事务完整性（ACID）随机的数据访问数据库由各种大小，属性和关系的表组成。
Tpcc-mysql 结果解读
justlpf的专栏
10-25 682
TPC-C 模拟了一个比较有代表意义的 OLTP 应用环境：在线订单处理系统。假设有一个大型商品批发商，拥有 N 个位于不同区域的仓库，每个仓库负责为 10 个销售点供货，每个销售点有 3000 个客户，每个客户平均一个订单有 10 项产品。由于一个仓库中不可能 存储公司所有的货物，有一些请求必须发往其它仓库，因此，数据库在逻辑上是 分布的。N 是一个可变参数，测试者可以随意改变 N，以获得最佳测试效果。tpcc有5种事务，测试完成后会输出这5种事务的吞吐量和延迟。
达梦数据库TPCC测试记录
xufei_9527的博客
06-04 959
TPC-C是专门针对联机交易处理系统（OLTP系统）的规范，一般情况下我们也把这类系统称为业务处理系统。 TPC-C测试的结果主要有两个指标，即流量指标（Throughput,简称tpmC)和性价比（Price/Performance,简称Price/tpmC)。 流量指标(Throughput,简称tpmC)：按照TPC组织的定义，流量指标描述了系统在执行支付操作、订单状态查询、发货和库存状态查询这4种交易的同时，每分钟可以处理多少个新订单交易。所有交易的响应时间必须满足TPC
达梦数据库影响tpcc结果的因素
08-17
达梦数据库在TPC-C基准测试中的性能结果受多个因素影响。以下是一些可能影响TPC-C结果的关键因素： 1. 硬件配置：数据库服务器的硬件配置，包括处理器、内存、磁盘和网络等方面，对性能结果有直接影响。更高性能的...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值