[论文解读] A Review of Star Schema Benchmark

Jimi Sanchez|arXiv (Cornell University)|Jun 1, 2016

Advanced Database Systems and Queries参考文献 7被引用 4

一句话总结

本文提出星型模式基准（Star Schema Benchmark, SSB）作为评估决策支持系统时优于TPC-H的替代方案，认为SSB的星型模式设计——符合Ralph Kimball的数据仓库原则——能够更真实地测试现代数据库管理系统（DBMS）的特性，如列式压缩和优化查询执行。研究显示，SSB在MySQL、PostgreSQL和SQLite中显著降低了查询执行时间，尤其在结合索引使用时效果更明显，并强调了在列式系统中需考虑CPU开销的代价模型的重要性。

ABSTRACT

This paper examines the Star Schema Benchmark, an alternative to the flawed TPC-H decision support system and presents reasons why this benchmark should be adopted over the industry standard for decision support systems.

研究动机与目标

• 为解决TPC-H存在的局限性（如使用3NF模式、限制索引和分区），提出一种更贴近现实的决策支持系统基准测试方案。
• 评估现代DBMS在处理星型模式查询时的表现，尤其关注压缩与查询优化能力。
• 通过契合业界标准的数据仓库设计原则，证明SSB相较于TPC-H能提供更公平、更具代表性的基准测试。
• 研究列式压缩与索引策略对星型模式环境中查询执行性能的影响。
• 倡导将SSB作为评估DBMS在数据仓库工作负载下性能的首选基准。

提出的方法

• 通过将LINEITEM与ORDERS表合并为单一的事实表（LINEORDER），将TPC-H模式转换为规范化星型模式，移除如PARTSUPP等非规范化或冗余表。
• 从事实表中移除不可聚合属性（如备注、运输说明等），以符合数据仓库最佳实践。
• 引入专用的DATE维度表，并重构模式以支持上卷层次结构与星型连接模式。
• 使用SSB-DBGEN生成数据，设定比例因子，确保表的大小随比例因子成比例增长，同时对PARTS表应用对数缩放。
• 使用SSB-QGEN执行查询，并将TPC-H查询映射为等效的SSB查询计划，以实现直接的性能对比。
• 在三种DBMS（MySQL、PostgreSQL、SQLite）上测量执行时间，分别在“开箱即用”和启用索引的配置下进行，以评估性能差异。

实验结果

研究问题

• RQ1 在多个DBMS中，TPC-H与SSB在查询执行时间上的表现差异如何？
• RQ2 与TPC-H的3NF模式相比，SSB的星型模式设计在查询优化与压缩效率方面提升了多少？
• RQ3 索引策略在TPC-H与SSB之间的查询性能差异中起到何种作用？
• RQ4 列式压缩在星型模式工作负载中如何通过减少I/O并提升执行时间来发挥作用？
• RQ5 在处理压缩数据与复杂谓词时，基于代价的查询优化器在SSB与TPC-H上的表现如何，尤其在列式系统中？

主要发现

• 在所有DBMS（MySQL、PostgreSQL、SQLite）中，SSB即使在未启用索引的情况下，也显著降低了平均查询执行时间，相较于TPC-H。
• 在启用索引后，MySQL在SSB工作负载中表现最快，表明其在合理利用索引时具备卓越性能。
• DBMS之间的性能比值在TPC-H与SSB之间保持一致，表明SSB在提升绝对性能的同时，保留了相对性能排名。
• 列式压缩（尤其是RLE与空值抑制）显著提升了性能，通过减少I/O并支持对压缩数据的直接操作。
• 研究证实，在列式系统中，CPU开销成为主导因素，因此必须设计能考虑解压缩开销的代价模型。
• SSB的星型模式设计有利于星型连接的优化，减少了对复杂子查询或自连接的需求，从而生成更简单、更快速的执行计划。