《大规模分布式计算深入解析》14.3 TPC-H:原查询、数据规模与调优证据

TPC-H 是包含 8 张表、22 个查询及相应规则的决策支持基准。Q1 含 l_shipdate 日期谓词,不能称无谓词纯聚合;Q3 的原始 shipdate 条件方向也必须与规范一致,不能为了配排序键而悄悄改查询语义。

TPC-H:原查询、数据规模与调优证据

TPC-H 是包含 8 张表、22 个查询及相应规则的决策支持基准。Q1 含 l_shipdate 日期谓词,不能称无谓词纯聚合;Q3 的原始 shipdate 条件方向也必须与规范一致,不能为了配排序键而悄悄改查询语义。

机制与确认边界

复现实验要保存规范版本、SF、dbgen/qgen、数据类型、SQL 改写、硬件、并发、冷热缓存和完整输出。未按官方流程执行并审核的结果,不应称为合规 TPC-H 成绩;单个类似查询也不能代表全套排名。

实现与验证范围

本包没有运行 TPC-H,不提供所谓改键后固定十倍收益。用 EXPLAIN 和 query_log 学诊断的方法可以复用,但应把示意数据和真实基准结果分开。每次优化先核对结果不变,再解释裁剪、连接与内存的变化。

本章共享图解见 14.1 的机制图 ,其中的状态与确认点需和本节一起阅读。

复现与资料

下载本卷实验包 ,按 README 运行 Java 8 lab.RunAll。单节点原生运行 clickhouse-probe.sh,多分片与复制实验运行 clickhouse_cluster.py;每个脚本仅把实际执行并断言的场景记为实测。外部源、真实 Kafka、TTL 介质、TPC-H 和未测版本的功能不包含在这些结果中。

卷十二目录 · 系列导读

继续阅读

探索更多技术文章

浏览归档,发现更多关于系统设计、工具链和工程实践的内容。

全部文章 返回首页

「books」更多文章

  1. 《大规模分布式计算深入解析·向量数据库与 AI 检索内核》 · 目录与学习路径(45 篇)
  2. 《大规模分布式计算深入解析》15.3 自研向量引擎:可执行骨架与工程缺口
  3. 《大规模分布式计算深入解析》14.1 Milvus:组件架构、段管理与检索链路