TPCH匯入資料庫及學習
我們使用TPCH生成測試資料集來進行資料探勘演算法的測試，這是學習記錄
一、TPC-H簡介
TPC-H是TPC提供的一個benchmark，用來模擬一個現實中的商業應用，可以生成一堆虛構的資料，且自帶一些查詢，可以匯入到各種資料庫中來模擬現實需求，檢查效能
二、獲取TPC-H檔案
進入官網 http://www.tpc.org/tpch/ ，最左下邊欄目裡找到Downloads，點選進入，然後找到TPC-H對應的source code下載到本地
三、匯入到資料庫
匯入到Mysql：https://www.cnblogs.com/zyz2085/p/9762878.html
匯入到Hive：https://www.cnblogs.com/zyz2085/p/9806555.html
四、TPC-H學習
1.TPC-H各欄位的含義
圖例:·每個表名後面的括號內為這個表的列名的字首; ·箭頭指出表與表之間的一對多的關係; ·每個表名下方的數字或公式表示表的行數。一些是 SF(Scale Factor)中的因子，用 來獲得資料庫的大小。在 LINEITEM 表中的行數是近似值
2.各表資訊
（1） suplier表——供應商資訊：key + 姓名、地址、電話、國家程式碼、餘貨、評論 。其中國家程式碼需要和 nation 表做 join 以獲得詳細國家資訊。
| suppkey |
供應商序號 |
| name |
供應商名稱 |
| address |
地址 |
| nationkey |
國家程式碼 |
| phone |
電話 |
| acctbal |
餘貨 |
| comment |
備註 |
（2） region表——地區資訊：key + 地區名
| regionkey |
地區程式碼 |
| name |
地區名稱 |
| comment |
備註 |
（3） customer表——使用者表：key + 姓名、地址、國家代號、電話等 。使用者表按照 key 做 64 個 hash 分割槽
| custkey |
主鍵 |
| name |
姓名 |
| address |
地址 |
| nationkey |
|
| phone |
電話 |
| acctbal |
餘額 |
| mktsegment |
|
| comment |
備註 |
（4） part配件表——配件表：key + 配件名、廠商、品牌、型別、大小、包裝、零售價
| PARTKEY |
配件序號 |
| name |
配件名 |
| mfgr |
廠商 |
| brand |
品牌 |
| type |
型別 |
| size |
大小 |
| container |
包裝 |
| retailprice |
零售價 |
| comment |
備註 |
（5） partsupp配件供應表——配件key + 供應商key + 供應數量、批發價、評論
| partkey |
配件序號 |
| suppkey |
供應商序號 |
| availqty |
供應量 |
| supplycost |
批發價 |
| comment |
備註 |
（6） orders零售訂單表——訂單key + 客戶key + 訂單狀態、訂單總價、下單日期、優先順序、收銀員、發貨優先順序
| orderkey |
訂單編號 |
| custkey |
顧客序號 |
| orderstatus |
訂單狀態 |
| totalprice |
總價 |
| orderdate |
下單日期 |
| orderpriority |
訂單優先順序 |
| clerk |
收銀員 |
| shippriority |
發貨優先順序 |
| comment |
備註 |
（7） lineitem訂單明細表——訂單key + 配件key + 供應商key + 流水號、數量、價格、折扣、稅、明細狀態、發貨日期、預計到達日期、實際到達日期、運單處理策略（原返？拒收退回？等）、運輸途徑（火車、汽運、郵寄等）
| orderkey |
訂單編號 |
| partkey |
配件序號 |
| suppkey |
供應商序號 |
| linenumber |
流水號 |
| quantity |
數量 |
| extendedprice |
價格 |
| discount |
折扣 |
| tax |
稅 |
| returnflag |
退回標記 |
| linestatus |
明細狀態 |
| shipdate |
發貨日期 |
| commitdate |
預計到達日期 |
| receiptdate |
實際到達日期 |
| shipinstruct |
運單處理策略 |
| shipmode |
運輸途徑 |
| comment |
備註 |