oracle_tpch导数据,TPCH导入数据库及学习

我们使用TPCH生成测试数据集来进行数据挖掘算法的测试，这是学习记录

一、TPC-H简介

TPC-H是TPC提供的一个benchmark，用来模拟一个现实中的商业应用，可以生成一堆虚构的数据，且自带一些查询，可以导入到各种数据库中来模拟现实需求，检查性能

二、获取TPC-H文件

进入官网 http://www.tpc.org/tpch/ ，最左下边栏目里找到Downloads，点击进入，然后找到TPC-H对应的source code下载到本地

三、导入到数据库

导入到Mysql：https://www.cnblogs.com/zyz2085/p/9762878.html

导入到Hive：https://www.cnblogs.com/zyz2085/p/9806555.html

四、TPC-H学习

1.TPC-H各字段的含义

图例:·每个表名后面的括号内为这个表的列名的前缀; ·箭头指出表与表之间的一对多的关系; ·每个表名下方的数字或公式表示表的行数。一些是SF(Scale Factor)中的因子，用 来获得数据库的大小。在LINEITEM 表中的行数是近似值

2.各表信息

(1)     suplier表——供应商信息：key + 姓名、地址、电话、国家代码、余货、评论 。其中国家代码需要和 nation 表做 join 以获得详细国家信息。

suppkey

供应商序号

name

供应商名称

address

地址

nationkey

国家代码

phone

电话

acctbal

余货

comment

备注

(2)     region表——地区信息：key + 地区名

regionkey

地区代码

name

地区名称

comment

备注

(3)     customer表——用户表：key + 姓名、地址、国家代号、电话等 。用户表按照 key 做 64 个 hash 分区

custkey

主键

name

姓名

address

地址

nationkey

phone

电话

acctbal

余额

mktsegment

comment

备注

(4)     part配件表——配件表：key + 配件名、厂商、品牌、类型、大小、包装、零售价

PARTKEY

配件序号

name

配件名

mfgr

厂商

brand

品牌

type

类型

size

大小

container

包装

retailprice

零售价

comment

备注

(5)     partsupp配件供应表——配件key + 供应商key + 供应数量、批发价、评论

partkey

配件序号

suppkey

供应商序号

availqty

供应量

supplycost

批发价

comment

备注

(6)     orders零售订单表——订单key + 客户key + 订单状态、订单总价、下单日期、优先级、收银员、发货优先级

orderkey

订单编号

custkey

顾客序号

orderstatus

订单状态

totalprice

总价

orderdate

下单日期

orderpriority

订单优先级

clerk

收银员

shippriority

发货优先级

comment

备注

(7)     lineitem订单明细表——订单key + 配件key + 供应商key + 流水号、数量、价格、折扣、税、明细状态、发货日期、预计到达日期、实际到达日期、运单处理策略(原返？拒收退回？等)、运输途径(火车、汽运、邮寄等)

orderkey

订单编号

partkey

配件序号

suppkey

供应商序号

linenumber

流水号

quantity

数量

extendedprice

价格

discount

折扣

tax

税

returnflag

退回标记

linestatus

明细状态

shipdate

发货日期

commitdate

预计到达日期

receiptdate

实际到达日期

shipinstruct

运单处理策略

shipmode

运输途径

comment

备注