实时数仓Hologres：一键导入公共数据集

背景信息

HoloWeb支持一键导入tpch_10g、tpch_100g和github_event三个公共数据集，会占用10~100 GB存储空间。其中：

• tpch_10g和tpch_100g公共数据集：模拟零售场景的公开数据集，两个数据集数据量分别为10 GB和100 GB，详情请参见测试方案介绍。

• github_event公共数据集：GitHub官方公开事件数据集，详情请参见业务与数据认知。

前提条件

• Hologres实例版本为 V1.3.13及以上版本。

• HoloWeb中已登录实例，详情请参见登录实例。

注意事项

• 仅华北2（北京）、华东2（上海）、华东1（杭州）、华南1（深圳）、华北3（张家口）地域的Hologres实例支持一键导入公共数据集功能。

• 执行一键导入公共数据集的用户需要有新建Schema、新建表、写入数据等权限，授权操作请参见Hologres权限模型概述。

• 公共数据集导入任务执行时长预计3~20分钟，具体受实例规格等因素影响。请您提前规划计算资源，避免影响线上业务。

• 公共数据集导入任务会自动创建两个Schema及若干外部表和内部表，请检查数据库中已有的Schema、外部表和内部表，避免名称相同，以免数据误删。

新建公共数据集导入任务

1. 进入HoloWeb开发页面，详情请参见连接HoloWeb。

2. 在HoloWeb开发页面的顶部菜单栏，单击数据方案。

3. 在数据方案页面，单击左侧导航栏的一键导入公共数据集。

4. 在一键导入公共数据集页面，单击新建公共数据集导入任务。

5. 在新建公共数据集导入任务页面，选择实例名、数据库和公共数据集名后，单击提交。

   

查看公共数据集导入任务信息

1. 在一键导入公共数据集页面，选择实例名、数据库后，单击查询，查看公共数据集任务列表。

   

   任务列表包含如下信息和操作：

   • 信息：序号、实例名、数据库、公共数据集名、状态、执行进度（指已完成SQL数/总SQL数）、创建时间、结束时间。

   • 操作：详情、停止、重新运行、删除、执行历史。

2. 任务状态为执行成功时，公共数据集导入任务即完成，可以进一步进行数据分析。

删除公共数据集

执行如下SQL，删除公共数据集所在Shema以及所有依赖项（以tpch_100g数据集为例），请谨慎使用，以防数据误删。

DROP SCHEMA hologres_dataset_tpch_100g, hologres_foreign_dataset_tpch_100g CASCADE;