【基于openGauss5.0.0简单使用DBMind】

一、环境说明

1. 虚拟机：virtualbox
2. 操作系统：openEuler 20.03 TLS
3. 数据库：openGauss-5.0.0
4. DBMind：dbmind-5.0.0
   注意：环境是基于x86架构

二、初始化tpch测试数据

1. 使用普通用户如omm登录服务器

2. 执行如下命令下载测试数据库：

   git clone https://gitee.com/xzp-blog/tpch-kit.git
   

3. 进入dbgen目录下，生成makefile文件：

   cd /opt/software/tpch-kit/dbgen/
   make -f Makefile
   

4. 连接openGauss数据库，创建tpch的database：

   gsql -d postgres -p 15432 -r
   openGauss=# CREATE DATABASE tpch; 
   openGauss=# \q
   

5. 创建8张测试表，执行如下命令：

   cd /opt/software/tpch-kit/dbgen
   gsql -d tpch -f dss.ddl
   

   执行完成后，登录数据库查看，会看到如下8张表：

   					List of relations
    Schema |   Name   | Type  | Owner |             Storage
   --------+----------+-------+-------+----------------------------------
    public | customer | table | omm   | {orientation=row,compression=no}
    public | lineitem | table | omm   | {orientation=row,compression=no}
    public | nation   | table | omm   | {orientation=row,compression=no}
    public | orders   | table | omm   | {orientation=row,compression=no}
    public | part     | table | omm   | {orientation=row,compression=no}
    public | partsupp | table | omm   | {orientation=row,compression=no}
    public | region   | table | omm   | {orientation=row,compression=no}
    public | supplier | table | omm   | {orientation=row,compression=no}
   

6. 生成8张表测试数据，执行如下命令：

   cd /opt/software/tpch-kit/dbgen
   ./dbgen -vf -s 1
   

   执行结果如下：

   [omm@opengauss01 dbgen]$ ./dbgen -vf -s 1
   TPC-H Population Generator (Version 2.17.3)
   Copyright Transaction Processing Performance Council 1994 - 2010
   Generating data for suppliers table/
   Preloading text ... 100%
   done.
   Generating data for customers tabledone.
   Generating data for orders/lineitem tablesdone.
   Generating data for part/partsupplier tablesdone.
   Generating data for nation tabledone.
   Generating data for region tabledone.
   

7. 编写导入数据脚本LoadData.sh：

   for i in `ls *.tbl`; do
     table=${i/.tbl/}
     echo "Loading $table..."
     sed 's/|$//' $i > /opt/software/tmp/$i
     gsql tpch -p 15432 -q -c "TRUNCATE $table"
     gsql tpch -p 15432 -c "\\copy $table FROM '/opt/software/tmp/$i' CSV DELIMITER '|'"
   done
   

   注意：当前数据库端口为15432
   授予执行权限：

   [omm@opengauss01 dbgen]$ chmod +x LoadData.sh
   

8. 导入数据到8张表中，执行导入脚本LoadData.sh：

   [omm@opengauss01 dbgen]$ sh LoadData.sh
   

   执行结果如下：

   Loading customer...
   Loading lineitem...
   Loading nation...
   Loading orders...
   Loading partsupp...
   Loading part...
   Loading region...
   Loading supplier...
   

9. 检验数据是否已完成导入:

   gsql -d tpch -p 15432 -r
   tpch=# select count(*) from supplier;
   

   查看了supplier表的总记录数为：10000条。
   感兴趣可以全部查看8张表各自的总记录数，如下所示：

   至此，已完后TPCH测试数据的导入工作。

10. 生成相关查询语句，为避免对原有查询语句脚本产生污染，将其复制到queries目录下：

    cd /opt/software/tpch-kit/dbgen
    cp dists.dss queries/
    cp qgen queries/
    cd queries/
    

11. 编写生成查询语句脚本genda.sh，内容如下：

    cd /opt/software/tpch-kit/dbgen/queries
    vim genda.sh
    

    添加如下内容：

    for i in {1..22}; do
        ./qgen -d $i>$i_new.sql
     ./qgen -d $i_new | sed 's/limit -1//' | sed 's/limit 100//' | sed 's/limit 10//' | sed 's/limit 20//' | sed 's/day (3)/day/' > queries.sql
    done
    

12. 执行脚本genda.sh：

    cd /opt/software/tpch-kit/dbgen
    sh genda.sh
    

13. 验证生成的查询语句：

    cd /opt/software/tpch-kit/dbgen/queries
    ls -l queries.sql
    

    结果如下：

    [omm@opengauss01 queries]$ ls -l queries.sql
    -rw-r--r-- 1 omm dbgrp  12K Aug 29 23:49 queries.sql
    

    感兴趣可以查看下queries.sql内容，看下生成了哪些SQL语句
    至此，已完成了查询语句的生成。

14. 为了测试AP性能，以omm用户上传tpch_ap_data.sql（可点击下载）到/opt/software目录下，然后执行如下命令执行该sql文件：

    gsql -d tpch -p 15432 -r -f /opt/software/tpch_ap_data.sql > /opt/software/tpch_ap_data.sql
    

    执行完成后，整个tpch数据库中相关表如下：

    tpch=# \d
                                            List of relations
     Schema |               Name                |   Type   | Owner |             Storage
    --------+-----------------------------------+----------+-------+----------------------------------
     public | address_dimension                 | table    | omm   | {orientation=row,compression=no}
     public | address_dimension_address_key_seq | sequence | omm   |
     public | customer                          | table    | omm   | {orientation=row,compression=no}
     public | date_dimension                    | table    | omm   | {orientation=row,compression=no}
     public | lineitem                          | table    | omm   | {orientation=row,compression=no}
     public | litemall_orders                   | table    | omm   | {orientation=row,compression=no}
     public | nation                            | table    | omm   | {orientation=row,compression=no}
     public | orders                            | table    | omm   | {orientation=row,compression=no}
     public | part                              | table    | omm   | {orientation=row,compression=no}
     public | partsupp                          | table    | omm   | {orientation=row,compression=no}
     public | region                            | table    | omm   | {orientation=row,compression=no}
     public | supplier                          | table    | omm   | {orientation=row,compression=no}
     public | user_dimension                    | table    | omm   | {orientation=row,compression=no}
     public | user_dimension_user_key_seq       | sequence | omm   |
    

三、使用DBMind索引推荐功能

1. 第一种使用方式：
   • 以gsql登录到数据库中

     gsql -d tpch -p 15432 -r
     

   • 执行如下命令查看索引推荐

     select * from gs_index_advise('
     SELECT ad.province AS province, SUM(o.actual_price) AS GMV
       FROM litemall_orders o,
            address_dimension ad,
            date_dimension dd
      WHERE o.address_key = ad.address_key
        AND o.add_date = dd.date_key
        AND dd.year = 2020
        AND dd.month = 3
      GROUP BY ad.province
      ORDER BY SUM(o.actual_price) DESC');
     

     结果如下：

      schema |       table       |        column        | indextype
     --------+-------------------+----------------------+-----------
      public | litemall_orders   | address_key,add_date |
      public | address_dimension |                      |
      public | date_dimension    | year                 |
     (3 rows)
     

2. 第二种使用方式：

   • 登录到DBMind的管理界面中，输入相关SQL语句：

     select * from customer where c_acctbal > 6819.74 order by c_acctbal desc limit 10;
     

     

   • 点击【Advise Index】按钮，正常情况下会看到如下内容：
     

四、使用DBMind实现SQL优化功能

1. 登录到DBMind的管理界面中，输入相关SQL语句：
   

其他的有关DBMind的功能，大家感兴趣，可自行测试，希望对您有所帮助~~~~~