样本数据集介绍 - OB Cloud 云数据库 master

样本数据集介绍

更新时间：2026-06-28 17:14:50

为方便您评估 OB Cloud 的性能，OB Cloud 提供了以下数据集：

TPC-H

TPC-H 是一个针对在线分析处理（OLAP）数据库系统的基准测试。它主要用于评估一个系统处理复杂查询和执行数据分析的能力。TPC-H 通过一套定义好的查询和并发数据修改操作，模拟了一个典型的数据仓库应用。

数据模型 TPC-H 定义了一个标准化的数据模型，模拟了供应商和采购商之间的交易行为，包含针对 8 张表的 22 条分析型查询。

表名	描述
REGION	包含地区信息，每个地区包括一个唯一的地区编码和名称。
NATION	包含国家的信息，每个国家有一个唯一的国家代码，国家名，以及该国所属的地区 ID。
PART	描述零件信息，包括零件 ID、名称、描述、大小和类型等。
SUPPLIER	包含供应商的相关信息，如供应商 ID、名称、地址和国家代码等。
PARTSUPP	是零件供应商关系表，记录了哪个供应商提供哪个零件，包括供应商 ID、零件 ID、供应量和价格等信息。
CUSTOMER	描述客户信息，包括客户 ID、姓名、地址、电话和市场细分等。
ORDERS	记录订单信息，包括订单 ID、下单日期、货运详情、订单状态和客户 ID 等。
LINEITEM	描述在售商品信息，记录了使订单成本和发货日期等详细信息。

查询 TPC-H 包含 22 个复杂的分析型 SQL 查询，覆盖了广泛的数据库操作，如联合查询、分组、排序、聚合等。 数据规模 OB Cloud 提供 25MB、128MB 和 1GB 的数据量，以适应不同数据规模的测试需求。TPC-H 模型是典型的雪花模型，一共有 8 张表，其中 NATION（国家）和 REGION（区域）两张表的数据量是固定的，其余 6 张表的数据量跟比例因子 SF（Scale Factor）相关，根据指定的 SF 确定每张表的数据量。

TPC-DS

TPC-DS 模拟决策支持系统（DSS）中常见的各种业务决策场景。与 TPC-H 相比，TPC-DS 的测试更为全面和复杂，它不仅评估查询性能，还评估数据维护操作（如数据加载、删除）的性能。 TPC-DS 采用星型和雪花型等多维数据模式。它包含 7 张事实表，17 张维度表。TPC-DS 是与真实场景非常接近的一个测试集，也是难度较大的一个测试集。

数据模型 TPC-DS 定义了一个更复杂的数据模型，包含 24 个表格，涵盖了销售、库存和客户关系等多个业务领域。

表名	描述
CALL_CENTER	包含呼叫中心的信息，如呼叫中心 ID、名称和类别等。
CATALOG_PAGE	关于目录页面的详细信息，包括页面 ID、类型和部门等。
CUSTOMER	描述客户信息，包括客户 ID、姓名和地址等。
CUSTOMER_ADDRESS	客户地址的详细信息，包括地址 ID、城市和邮编等。
CUSTOMER_DEMOGRAPHICS	客户的人口统计信息，如教育水平和收入等级等。
DATE_DIM	日期维度表，提供日期、节假日和周末信息等。
HOUSEHOLD_DEMOGRAPHICS	家庭人口统计数据，记录了家庭成员数量和家庭收入等信息。
INCOME_BAND	收入区间表，定义了不同的收入区间。
INVENTORY	库存表，记录了商品的库存量。
ITEM	商品信息表，包括商品 ID、名称和品类等。
PROMOTION	促销活动信息，包括促销 ID、促销类型、开始和结束日期等。
REASON	客户退货或退款的原因。
SHIP_MODE	货运方式，如快递和标准邮件等。
STORE	实体店铺信息，包括店铺 ID、名称和地址等。
STORE_SALES	实体店铺销售记录，包括销售时间和销售金额等。
TIME_DIM	时间维度表，记录小时、分钟和秒等时间信息。
WAREHOUSE	仓库信息，包括仓库 ID、仓库名和仓库地址等。
WEB_PAGE	网页信息，包括网页 ID、URL和创建时间等。
WEB_SALES	网页销售记录，记录了在线销售的详细信息。
WEB_SITE	网站信息，包括网站 ID、名称和 URL 等。

查询与任务 TPC-DS 包括了 99 个查询和一些数据维护任务，这些查询覆盖了报告、联机分析处理、数据挖掘等多种应用场景。

数据规模 OB Cloud 提供 25MB、128MB 和 1GB 的数据量，以适应不同数据规模的测试需求。

航班延误和取消数据集（2019-2023）

航班数据集包含 2019 年至 2023 年之间的航班延误和取消信息，包括航空公司、出发地、目的地、延误时间和取消原因等信息。这个数据集可以帮助研究人员和航空公司分析航班延误和取消的原因和趋势，并提出相应的解决方案，提高航班的准时率和乘客满意度。

员工数据集

员工数据集是一个仿真的雇员信息数据库，可用于展示数据库的基本操作。此数据集含有员工信息、部门信息、薪资信息等六张表格。

Open University 学习分析数据集

包含有关学生参与在线课程的各种信息，包括学生参与课程的时间、学生的学习成绩、学生在课程中的互动行为等。该数据集可用于研究在线学习的行为和趋势，并帮助教育机构优化课程设计和教学方法。