性能测试报告 - v2.0 TiDB Sysbench 性能对比测试报告 - v2.0.0 对比 v1.0.0 - 5 - 本文档使用 书栈(BookStack.CN) 构建 致谢 当前文档 《TiDB 中文技术文档》 由 进击的皇虫 使用 书栈(BookStack.CN) 进行构建，生成于 2018- 06-25。 书栈(BookStack.CN) 仅提供文档编写、整理、归类等功能，以及对文档内容的生成和导出工具。 数据库、表、索引、列和别名 关键字和保留字 用户变量 表达式语法 注释语法 字符集和时区 字符集支持 字符集配置 时区 数据类型 数值类型 日期和时间类型 字符串类型 JSON 数据类型 TiDB 中文技术文档 目录 README - 7 - 本文档使用 书栈(BookStack.CN) 构建 枚举类型 集合类型 数据类型默认值 函数和操作符 函数和操作符概述 表达式求值的类型转换 操作符 控制流程函数 Ping++ 乐视云 零氪科技 威锐达测控 盖娅互娱 游族网络 西山居 FUNYOURS JAPAN 万达网络 佐助金融 360金融 中国电信翼支付 某电信运营商 更多资源 常用工具 PingCAP 团队技术博客 知乎专栏 Weekly 英文文档 README - 10 - 本文档使用 书栈(BookStack.CN) 构建 TiDB 是 PingCAP 公司受 Google Spanner / F1

Processing)、OLAP (Online Analytical Processing)、HTAP 解决方案。TiDB 适合高 可用、强一致要求较高、数据规模较大等各种应用场景。 关于 TiDB 的关键技术创新，请观看以下视频。 2.1.1 五大核心特性 • 一键水平扩容或者缩容 得益于 TiDB 存储计算分离的架构的设计，可按需对计算、存储分别进行在线扩容或者缩容，扩容或者 缩容过程中对应用运维人员透明。 作为最佳实践，在实际开发当中，建议在明确知道有更好的等价写法时，尽量避免通过关联子查询来进行查 询。 4.7.3.5 扩展阅读 • 子查询相关的优化 • 关联子查询去关联 • TiDB 中的子查询优化技术 296 4.7.4 分页查询 当查询结果数据量较大时，往往希望以 “分页” 的方式返回所需要的部分。 4.7.4.1 对查询结果进行分页 在 TiDB 当中，可以利用 LIMIT 语句来 语句 • 用 EXPLAIN 查看带视图的 SQL 执行计划 • TiFlink: 使用 TiKV 和 Flink 实现强一致的物化视图 4.7.6 临时表 临时表可以被认为是一种复用查询结果的技术。 假设希望知道Bookshop 应用当中最年长的作家们的一些情况，可能需要编写多个查询，而这些查询都需要使 用到这个最年长作家列表。可以通过下面的 SQL 语句从 authors 表当中找出最年长的前

Processing)、OLAP (Online Analytical Processing)、HTAP 解决方案。TiDB 适合高 可用、强一致要求较高、数据规模较大等各种应用场景。 关于 TiDB 的关键技术创新，请观看以下视频。 2.1.1 五大核心特性 • 一键水平扩缩容 得益于 TiDB 存储计算分离的架构的设计，可按需对计算、存储分别进行在线扩容或者缩容，扩容或者 缩容过程中对应用运维人员透明。 应用于数据中枢场景时，TiDB 作为数据中枢可以无缝连接数据业务层和数据仓库层，满足不 同业务的需求。 如果想了解更多关于 TiDB HTAP 场景信息，请参阅 PingCAP 官网中关于 HTAP 的博客。 当遇到以下技术场景时，建议使用 TiDB HTAP 提升 TiDB 数据库整体表现： • 提升分析性能 你的业务中存在某些复杂的分析查询，如聚合、关联等操作。当这些分析查询涉及大量数据（超过 1000 万行） OLTP 业务 性能，确保系统的整体稳定性。 • 简化 ETL 技术栈 当需要加工的数据量为中等规模（100 TB 以内）、数据加工调度流程相对简单、并发度不高（10 以内） 时，你可能希望简化技术栈，替换原本需要使用多个不同技术栈的 OLTP、ETL 和 OLAP 系统，使用一个数 据库同时满足交易系统以及分析系统的需求，降低技术门槛和运维人员需求。 • 强一致性分析 如果需要对业务数据进

Processing)、OLAP (Online Analytical Processing)、HTAP 解决方案。TiDB 适合高可 用、强一致要求较高、数据规模较大等各种应用场景。 关于 TiDB 的关键技术创新，请观看以下视频。 2.1.1 五大核心特性 • 一键水平扩缩容 得益于 TiDB 存储计算分离的架构的设计，可按需对计算、存储分别进行在线扩容或者缩容，扩容或者 缩容过程中对应用运维人员透明。 TiKV-importer 组件在 v7.5.0 中废弃，建议使用TiDB Lightning 物理导入模式作为替代方案。 • 从 v7.5.0 开始，不再提供TiDB Binlog 数据同步功能的技术支持，强烈建议使用TiCDC 实现高效稳定的数据 同步。尽管 TiDB Binlog 在 v7.5.0 仍支持 Point-in-Time Recovery (PITR) 场景，但是该组件在未来 LTS 以及新增支持从 S3 和 GCS 导入数据，均为实验特性。 6对于 TiDB v4.0，事务 LOAD DATA 不保证原子性。 7从 v7.5.0 开始，不再提供TiDB Binlog 数据同步功能的技术支持，强烈建议使用TiCDC 实现高效稳定的数据同步。尽管 TiDB Binlog 在 v7.5.0 仍支持 Point-in-Time Recovery (PITR) 场景，但是该组件在未来 LTS

Processing)、OLAP (Online Analytical Processing)、HTAP 解决方案。TiDB 适合高 可用、强一致要求较高、数据规模较大等各种应用场景。 关于 TiDB 的关键技术创新，请观看以下视频。 2.1.1 五大核心特性 • 一键水平扩容或者缩容 得益于 TiDB 存储计算分离的架构的设计，可按需对计算、存储分别进行在线扩容或者缩容，扩容或者 缩容过程中对应用运维人员透明。 应用于数据中枢场景时，TiDB 作为数据中枢可以无缝连接数据业务层和数据仓库层，满足不 同业务的需求。 如果想了解更多关于 TiDB HTAP 场景信息，请参阅 PingCAP 官网中关于 HTAP 的博客。 当遇到以下技术场景时，建议使用 TiDB HTAP 提升 TiDB 数据库整体表现： • 提升分析性能 你的业务中存在某些复杂的分析查询，如聚合、关联等操作。当这些分析查询涉及大量数据（超过 1000 万行） OLTP 业务 性能，确保系统的整体稳定性。 • 简化 ETL 技术栈 当需要加工的数据量为中等规模（100 TB 以内）、数据加工调度流程相对简单、并发度不高（10 以内） 时，你可能希望简化技术栈，替换原本需要使用多个不同技术栈的 OLTP、ETL 和 OLAP 系统，使用一个数 据库同时满足交易系统以及分析系统的需求，降低技术门槛和运维人员需求。 • 强一致性分析 如果需要对业务数据进

Processing)、OLAP (Online Analytical Processing)、HTAP 解决方案。TiDB 适合高可 用、强一致要求较高、数据规模较大等各种应用场景。 关于 TiDB 的关键技术创新，请观看以下视频。 2.1.1 五大核心特性 • 一键水平扩缩容 得益于 TiDB 存储计算分离的架构的设计，可按需对计算、存储分别进行在线扩容或者缩容，扩容或者 缩容过程中对应用运维人员透明。 DATA 语句会受 TiDB 事务模式设置（乐观/悲观）影响。 6对于 TiDB v4.0，事务 LOAD DATA 不保证原子性。 7从 v7.5.0 开始，不再提供TiDB Binlog 数据同步功能的技术支持，强烈建议使用TiCDC 实现高效稳定的数据同步。尽管 TiDB Binlog 在 v7.5.0 仍支持 Point-in-Time Recovery (PITR) 场景，但是该组件在未来 LTS 应用于数据中枢场景时，TiDB 作为数据中枢可以无缝连接数据业务层和数据仓库层，满足不 同业务的需求。 如果想了解更多关于 TiDB HTAP 场景信息，请参阅 PingCAP 官网中关于 HTAP 的博客。 当遇到以下技术场景时，建议使用 TiDB HTAP 提升 TiDB 数据库整体表现： 92 • 提升分析性能 你的业务中存在某些复杂的分析查询，如聚合、关联等操作。当这些分析查询涉及大量数据（超过 1000

Processing)、OLAP (Online Analytical Processing)、HTAP 解决方案。TiDB 适合高可 用、强一致要求较高、数据规模较大等各种应用场景。 关于 TiDB 的关键技术创新，请观看以下视频。 2.1.1 五大核心特性 • 一键水平扩缩容 得益于 TiDB 存储计算分离的架构的设计，可按需对计算、存储分别进行在线扩容或者缩容，扩容或者 缩容过程中对应用运维人员透明。 DATA 语句会受 TiDB 事务模式设置（乐观/悲观）影响。 6对于 TiDB v4.0，事务 LOAD DATA 不保证原子性。 7从 v7.5.0 开始，不再提供TiDB Binlog 数据同步功能的技术支持，强烈建议使用TiCDC 实现高效稳定的数据同步。尽管 TiDB Binlog 在 v7.5.0 仍支持 Point-in-Time Recovery (PITR) 场景，但是该组件在未来 LTS 应用于数据中枢场景时，TiDB 作为数据中枢可以无缝连接数据业务层和数据仓库层，满足不 同业务的需求。 如果想了解更多关于 TiDB HTAP 场景信息，请参阅 PingCAP 官网中关于 HTAP 的博客。 当遇到以下技术场景时，建议使用 TiDB HTAP 提升 TiDB 数据库整体表现： • 提升分析性能 你的业务中存在某些复杂的分析查询，如聚合、关联等操作。当这些分析查询涉及大量数据（超过 1000 万行）

Processing)、OLAP (Online Analytical Processing)、HTAP 解决方案。TiDB 适合高可 用、强一致要求较高、数据规模较大等各种应用场景。 关于 TiDB 的关键技术创新，请观看以下视频。 2.1.1 五大核心特性 • 一键水平扩缩容 得益于 TiDB 存储计算分离的架构的设计，可按需对计算、存储分别进行在线扩容或者缩容，扩容或者 缩容过程中对应用运维人员透明。 LOAD DATA 语句可以被显式提交或者回滚。此外，LOAD DATA 语句会受 TiDB 事务模式设置（乐观/悲观）影响。 6从 v7.5.0 开始，不再提供TiDB Binlog 数据同步功能的技术支持，强烈建议使用TiCDC 实现高效稳定的数据同步。尽管 TiDB Binlog 在 v7.5.0 仍支持 Point-in-Time Recovery (PITR) 场景，但是该组件在未来 LTS 应用于数据中枢场景时，TiDB 作为数据中枢可以无缝连接数据业务层和数据仓库层，满足不 同业务的需求。 如果想了解更多关于 TiDB HTAP 场景信息，请参阅 PingCAP 官网中关于 HTAP 的博客。 当遇到以下技术场景时，建议使用 TiDB HTAP 提升 TiDB 数据库整体表现： • 提升分析性能 你的业务中存在某些复杂的分析查询，如聚合、关联等操作。当这些分析查询涉及大量数据（超过 1000 万行）

Processing)、OLAP (Online Analytical Processing)、HTAP 解决方案。TiDB 适合高可 用、强一致要求较高、数据规模较大等各种应用场景。 关于 TiDB 的关键技术创新，请观看以下视频。 2.1.1 五大核心特性 • 一键水平扩缩容 得益于 TiDB 存储计算分离的架构的设计，可按需对计算、存储分别进行在线扩容或者缩容，扩容或者 缩容过程中对应用运维人员透明。 LOAD DATA 语句可以被显式提交或者回滚。此外，LOAD DATA 语句会受 TiDB 事务模式设置（乐观/悲观）影响。 6从 v7.5.0 开始，不再提供TiDB Binlog 数据同步功能的技术支持，强烈建议使用TiCDC 实现高效稳定的数据同步。尽管 TiDB Binlog 在 v7.5.0 仍支持 Point-in-Time Recovery (PITR) 场景，但是该组件在未来 LTS 应用于数据中枢场景时，TiDB 作为数据中枢可以无缝连接数据业务层和数据仓库层，满足不 同业务的需求。 如果想了解更多关于 TiDB HTAP 场景信息，请参阅 PingCAP 官网中关于 HTAP 的博客。 当遇到以下技术场景时，建议使用 TiDB HTAP 提升 TiDB 数据库整体表现： 80 • 提升分析性能 你的业务中存在某些复杂的分析查询，如聚合、关联等操作。当这些分析查询涉及大量数据（超过 1000

Processing)、OLAP (Online Analytical Processing)、HTAP 解决方案。TiDB 适合高可 用、强一致要求较高、数据规模较大等各种应用场景。 关于 TiDB 的关键技术创新，请观看以下视频。 2.1.1 五大核心特性 • 一键水平扩缩容 得益于 TiDB 存储计算分离的架构的设计，可按需对计算、存储分别进行在线扩容或者缩容，扩容或者 缩容过程中对应用运维人员透明。 应用于数据中枢场景时，TiDB 作为数据中枢可以无缝连接数据业务层和数据仓库层，满足不 同业务的需求。 如果想了解更多关于 TiDB HTAP 场景信息，请参阅 PingCAP 官网中关于 HTAP 的博客。 当遇到以下技术场景时，建议使用 TiDB HTAP 提升 TiDB 数据库整体表现： 96 • 提升分析性能 你的业务中存在某些复杂的分析查询，如聚合、关联等操作。当这些分析查询涉及大量数据（超过 1000 OLTP 业务 性能，确保系统的整体稳定性。 • 简化 ETL 技术栈 当需要加工的数据量为中等规模（100 TB 以内）、数据加工调度流程相对简单、并发度不高（10 以内） 时，你可能希望简化技术栈，替换原本需要使用多个不同技术栈的 OLTP、ETL 和 OLAP 系统，使用一个数 据库同时满足交易系统以及分析系统的需求，降低技术门槛和运维人员需求。 • 强一致性分析 如果需要对业务数据进