作者 | 叶正盛
随着数据量爆炸性的增长，数据库类产品创新层出不穷，为了更好的做技术选型参考，笔者对国内主流 8 种数据库进行了 TPC-H（数据分析）性能评测，被测试的数据库包括：MySQL、PostgreSQL、Oracle、达梦、ClickHouse、Doris、Starrocks、DuckDB。
测试方法
TPC-H：国际数据库标准测试组织 TPC 推出的面向决策支持系统的数据库方法，主要用于数据分析场景性能评测，TPC-H 总共需要运行 22 条数据分析型 SQL。本次测试属于 TPC-H 自由测试，仅测试查询 SQL，没有执行更新和事务。
数据集：TPC-H v3.0.1 测试数据集，200GB（非报告标准 size）。
计时方法：统计每条 SQL 执行时间，全部累加。设置 SQL 最长执行时间为 300 秒 (5 分钟)，如果执行出错或者超时，则本条 SQL 时间按 600 秒计算。
测试硬件
为了公平起见，本次 TPC-H 测试使用了完全相同的硬件，所有产品都是单机部署，重点是测试各个产品的单机处理能力。
1 台阿里云 ECSi4r.4xlarge
处理器：16 核 2.7 GHz 主频的 Intel () Xeon () 可扩展处理器（Ice Lake ），
内存：128GB
硬盘：1 块本地 Nvme SSD，空间 894GB
操作系统：CentOS7.9
测试结论
接下来详细描述 TPC-H 测试方法和 8 种数据库的测试成绩
TPC-H 数据模型简介
TPC-H 主要模拟供应商和采购商之间的订单交易，模型总共 8 张表
region：区域表，固定 5 条记录
nation：国家表，固定 25 条记录
supplier：供应商表，数据量因子 *10000 条记录
customer：客户表，数据量因子 *150000 条记录
part：商品表，数据量因子 *200000 条记录
partsupp：供应商物件表：数据量因子 *800000 条记录
orders：订单表，数据量因子 *1500000 条记录
lineitem：订单明细表，数据量因子 *6000000 条记录（最大的表，占总数据率 70%）
region：区域表，固定 5 条记录
nation：国家表，固定 25 条记录
supplier：供应商表，数据量因子 *10000 条记录
customer：客户表，数据量因子 *150000 条记录
part：商品表，数据量因子 *200000 条记录
partsupp：供应商物件表：数据量因子 *800000 条记录
orders：订单表，数据量因子 *1500000 条记录
lineitem：订单明细表，数据量因子 *6000000 条记录（最大的表，占总数据率 70%）
TPC-H 测试的数据量大小可以任意指定，本次测试采用了 200GB 的规模，最大的 lineitem 表数据量约 12 亿条 (200*6000000)。
模型建表
以下是 MySQL 语法参考，其他数据库可以根据语法修改