作者 | 葉正盛
隨著數據量爆炸性的增長，資料庫類產品創新層出不窮，為了更好的做技術選型參考，筆者對國內主流 8 種資料庫進行了 TPC-H（數據分析）性能評測，被測試的資料庫包括：MySQL、PostgreSQL、Oracle、達夢、ClickHouse、Doris、Starrocks、DuckDB。
測試方法
TPC-H：國際資料庫標準測試組織 TPC 推出的面向決策支持系統的資料庫方法，主要用於數據分析場景性能評測，TPC-H 總共需要運行 22 條數據分析型 SQL。本次測試屬於 TPC-H 自由測試，僅測試查詢 SQL，沒有執行更新和事務。
數據集：TPC-H v3.0.1 測試數據集，200GB（非報告標準 size）。
計時方法：統計每條 SQL 執行時間，全部累加。設置 SQL 最長執行時間為 300 秒 (5 分鐘)，如果執行出錯或者超時，則本條 SQL 時間按 600 秒計算。
測試硬體
為了公平起見，本次 TPC-H 測試使用了完全相同的硬體，所有產品都是單機部署，重點是測試各個產品的單機處理能力。
1 台阿里雲 ECSi4r.4xlarge
處理器：16 核 2.7 GHz 主頻的 Intel () Xeon () 可擴展處理器（Ice Lake ），
內存：128GB
硬碟：1 塊本地 Nvme SSD，空間 894GB
作業系統：CentOS7.9
測試結論
接下來詳細描述 TPC-H 測試方法和 8 種資料庫的測試成績
TPC-H 數據模型簡介
TPC-H 主要模擬供應商和採購商之間的訂單交易，模型總共 8 張表
region：區域表，固定 5 條記錄
nation：國家表，固定 25 條記錄
supplier：供應商表，數據量因子 *10000 條記錄
customer：客戶表，數據量因子 *150000 條記錄
part：商品表，數據量因子 *200000 條記錄
partsupp：供應商物件表：數據量因子 *800000 條記錄
orders：訂單表，數據量因子 *1500000 條記錄
lineitem：訂單明細表，數據量因子 *6000000 條記錄（最大的表，占總數據率 70%）
region：區域表，固定 5 條記錄
nation：國家表，固定 25 條記錄
supplier：供應商表，數據量因子 *10000 條記錄
customer：客戶表，數據量因子 *150000 條記錄
part：商品表，數據量因子 *200000 條記錄
partsupp：供應商物件表：數據量因子 *800000 條記錄
orders：訂單表，數據量因子 *1500000 條記錄
lineitem：訂單明細表，數據量因子 *6000000 條記錄（最大的表，占總數據率 70%）
TPC-H 測試的數據量大小可以任意指定，本次測試採用了 200GB 的規模，最大的 lineitem 表數據量約 12 億條 (200*6000000)。
模型建表
以下是 MySQL 語法參考，其他資料庫可以根據語法修改