# ColumnStore部署实战

# 案例1：单节点部署
# 1. 安装ColumnStore
[root@fgedu.localhost ~]# yum install -y mariadb-columnstore-engine

# 2. 配置ColumnStore
[root@fgedu.localhost ~]# vi /etc/columnstore/storagemanager.cnf
[UM]
UM1=fgedu.localhost

[PM]
PM1=fgedu.localhost

# 3. 启动ColumnStore服务
[root@fgedu.localhost ~]# systemctl start mariadb-columnstore
[root@fgedu.localhost ~]# systemctl enable mariadb-columnstore

# 4. 验证ColumnStore安装
[root@fgedu.localhost ~]# mysql -u root -p
MariaDB [(none)]> SHOW ENGINES;
+————+———+—————————————+
| Engine | Support | Comment |
+————+———+—————————————+
| ColumnStore| YES | ColumnStore storage engine |
+————+———+—————————————+

# 案例2：多节点部署
# 1. 配置UM节点
[root@um-node ~]# vi /etc/columnstore/storagemanager.cnf
[UM]
UM1=192.168.1.10

[PM]
PM1=192.168.1.11
PM2=192.168.1.12
PM3=192.168.1.13

# 2. 配置PM节点
# PM1节点
[root@pm1-node ~]# vi /etc/columnstore/storagemanager.cnf
[UM]
UM1=192.168.1.10

[PM]
PM1=192.168.1.11

# PM2节点
[root@pm2-node ~]# vi /etc/columnstore/storagemanager.cnf
[UM]
UM1=192.168.1.10

[PM]
PM2=192.168.1.12

# PM3节点
[root@pm3-node ~]# vi /etc/columnstore/storagemanager.cnf
[UM]
UM1=192.168.1.10

[PM]
PM3=192.168.1.13

# 3. 启动ColumnStore服务
# 在UM节点启动
[root@um-node ~]# systemctl start mariadb-columnstore
[root@um-node ~]# systemctl enable mariadb-columnstore

# 在各PM节点启动
[root@pm1-node ~]# systemctl start mariadb-columnstore
[root@pm1-node ~]# systemctl enable mariadb-columnstore
[root@pm2-node ~]# systemctl start mariadb-columnstore
[root@pm2-node ~]# systemctl enable mariadb-columnstore
[root@pm3-node ~]# systemctl start mariadb-columnstore
[root@pm3-node ~]# systemctl enable mariadb-columnstore

# 4. 验证集群状态
[root@um-node ~]# mcsadmin getClusterInfo
Cluster: fgedu-cluster
State: Active
UM: 192.168.1.10 (Active)
PM1: 192.168.1.11 (Active)
PM2: 192.168.1.12 (Active)
PM3: 192.168.1.13 (Active)

执行结果：

● mariadb-columnstore.service – MariaDB ColumnStore
Loaded: loaded (/usr/lib/systemd/system/mariadb-columnstore.service; enabled; vendor preset: disabled)
Active: active (running) since Sun 2026-04-08 00:00:04 UTC; 1min ago
Main PID: 1234 (columnstore)
Status: “ColumnStore is running”
Query OK, 0 rows affected (0.01 sec)

Cluster: fgedu-cluster
State: Active
UM: 192.168.1.10 (Active)
PM1: 192.168.1.11 (Active)
PM2: 192.168.1.12 (Active)
PM3: 192.168.1.13 (Active)

# 数据分析实战

# 案例1：销售数据分析
# 1. 插入测试数据
MariaDB [fgedu_analytics]> INSERT INTO fgedu_sales (id, product_id, customer_id, amount, sale_date, region, category) VALUES
(1, 101, 201, 100.00, ‘2026-01-01’, ‘North’, ‘Electronics’),
(2, 102, 202, 200.00, ‘2026-01-01’, ‘South’, ‘Clothing’),
(3, 101, 203, 150.00, ‘2026-01-02’, ‘East’, ‘Electronics’),
(4, 103, 204, 300.00, ‘2026-01-02’, ‘West’, ‘Food’),
(5, 102, 205, 250.00, ‘2026-01-03’, ‘North’, ‘Clothing’),
(6, 104, 206, 400.00, ‘2026-01-03’, ‘South’, ‘Books’),
(7, 101, 207, 350.00, ‘2026-01-04’, ‘East’, ‘Electronics’),
(8, 103, 208, 450.00, ‘2026-01-04’, ‘West’, ‘Food’),
(9, 102, 209, 500.00, ‘2026-01-05’, ‘North’, ‘Clothing’),
(10, 104, 210, 550.00, ‘2026-01-05’, ‘South’, ‘Books’);
Query OK, 10 rows affected (0.01 sec)
Records: 10 Duplicates: 0 Warnings: 0

# 2. 按地区统计销售额
MariaDB [fgedu_analytics]> SELECT region, SUM(amount) AS total_sales, COUNT(*) AS sales_count, AVG(amount) AS avg_sales
FROM fgedu_sales
GROUP BY region
ORDER BY total_sales DESC;
+——–+————-+————-+———–+
| region | total_sales | sales_count | avg_sales |
+——–+————-+————-+———–+
| North | 850.00 | 3 | 283.33 |
| South | 1150.00 | 3 | 383.33 |
| West | 750.00 | 2 | 375.00 |
| East | 500.00 | 2 | 250.00 |
+——–+————-+————-+———–+

# 3. 按产品类别统计销售额
MariaDB [fgedu_analytics]> SELECT category, SUM(amount) AS total_sales, COUNT(*) AS sales_count, AVG(amount) AS avg_sales
FROM fgedu_sales
GROUP BY category
ORDER BY total_sales DESC;
+————+————-+————-+———–+
| category | total_sales | sales_count | avg_sales |
+————+————-+————-+———–+
| Electronics | 600.00 | 3 | 200.00 |
| Clothing | 950.00 | 3 | 316.67 |
| Food | 750.00 | 2 | 375.00 |
| Books | 950.00 | 2 | 475.00 |
+————+————-+————-+———–+

# 4. 按日期统计销售额
MariaDB [fgedu_analytics]> SELECT sale_date, SUM(amount) AS total_sales, COUNT(*) AS sales_count, AVG(amount) AS avg_sales
FROM fgedu_sales
GROUP BY sale_date
ORDER BY sale_date;
+————+————-+————-+———–+
| sale_date | total_sales | sales_count | avg_sales |
+————+————-+————-+———–+
| 2026-01-01 | 300.00 | 2 | 150.00 |
| 2026-01-02 | 450.00 | 2 | 225.00 |
| 2026-01-03 | 650.00 | 2 | 325.00 |
| 2026-01-04 | 800.00 | 2 | 400.00 |
| 2026-01-05 | 1050.00 | 2 | 525.00 |
+————+————-+————-+———–+

# 案例2：趋势分析
# 1. 计算日销售额增长率
MariaDB [fgedu_analytics]> WITH daily_sales AS (
SELECT sale_date, SUM(amount) AS total_sales
FROM fgedu_sales
GROUP BY sale_date
)
SELECT
sale_date,
total_sales,
LAG(total_sales) OVER (ORDER BY sale_date) AS prev_sales,
(total_sales – LAG(total_sales) OVER (ORDER BY sale_date)) / LAG(total_sales) OVER (ORDER BY sale_date) * 100 AS growth_rate
FROM daily_sales
ORDER BY sale_date;
+————+————-+————+————-+
| sale_date | total_sales | prev_sales | growth_rate |
+————+————-+————+————-+
| 2026-01-01 | 300.00 | NULL | NULL |
| 2026-01-02 | 450.00 | 300.00 | 50.00 |
| 2026-01-03 | 650.00 | 450.00 | 44.44 |
| 2026-01-04 | 800.00 | 650.00 | 23.08 |
| 2026-01-05 | 1050.00 | 800.00 | 31.25 |
+————+————-+————+————-+

# 2. 计算移动平均
MariaDB [fgedu_analytics]> WITH daily_sales AS (
SELECT sale_date, SUM(amount) AS total_sales
FROM fgedu_sales
GROUP BY sale_date
)
SELECT
sale_date,
total_sales,
AVG(total_sales) OVER (ORDER BY sale_date ROWS BETWEEN 2 PRECEDING AND CURRENT ROW) AS moving_avg
FROM daily_sales
ORDER BY sale_date;
+————+————-+————+
| sale_date | total_sales | moving_avg |
+————+————-+————+
| 2026-01-01 | 300.00 | 300.00 |
| 2026-01-02 | 450.00 | 375.00 |
| 2026-01-03 | 650.00 | 466.67 |
| 2026-01-04 | 800.00 | 633.33 |
| 2026-01-05 | 1050.00 | 833.33 |
+————+————-+————+

执行结果：

Query OK, 10 rows affected (0.01 sec)
Records: 10 Duplicates: 0 Warnings: 0

+——–+————-+————-+———–+
| region | total_sales | sales_count | avg_sales |
+——–+————-+————-+———–+
| North | 850.00 | 3 | 283.33 |
| South | 1150.00 | 3 | 383.33 |
| West | 750.00 | 2 | 375.00 |
| East | 500.00 | 2 | 250.00 |
+——–+————-+————-+———–+

+————+————-+————-+———–+
| sale_date | total_sales | sales_count | avg_sales |
+————+————-+————-+———–+
| 2026-01-01 | 300.00 | 2 | 150.00 |
| 2026-01-02 | 450.00 | 2 | 225.00 |
| 2026-01-03 | 650.00 | 2 | 325.00 |
| 2026-01-04 | 800.00 | 2 | 400.00 |
| 2026-01-05 | 1050.00 | 2 | 525.00 |
+————+————-+————-+———–+

# 性能优化实战

# 案例1：查询优化
# 1. 查看查询执行计划
MariaDB [fgedu_analytics]> EXPLAIN SELECT region, SUM(amount) AS total_sales
FROM fgedu_sales
GROUP BY region
ORDER BY total_sales DESC;
+——+————-+————+——+—————+——+———+——+——+—————————–+
| id | select_type | table | type | possible_keys | key | key_len | ref | rows | Extra |
+——+————-+————+——+—————+——+———+——+——+—————————–+
| 1 | SIMPLE | fgedu_sales | ALL | NULL | NULL | NULL | NULL | 10 | Using temporary; Using filesort |
+——+————-+————+——+—————+——+———+——+——+—————————–+

# 2. 优化查询：添加WHERE条件
MariaDB [fgedu_analytics]> EXPLAIN SELECT region, SUM(amount) AS total_sales
FROM fgedu_sales
WHERE sale_date BETWEEN ‘2026-01-01’ AND ‘2026-01-31’
GROUP BY region
ORDER BY total_sales DESC;
+——+————-+————+——-+—————+———–+———+——+——+—————————–+
| id | select_type | table | type | possible_keys | key | key_len | ref | rows | Extra |
+——+————-+————+——-+—————+———–+———+——+——+—————————–+
| 1 | SIMPLE | fgedu_sales | range | sale_date | sale_date | 4 | NULL | 10 | Using where; Using temporary; Using filesort |
+——+————-+————+——-+—————+———–+———+——+——+—————————–+

# 3. 使用物化视图优化复杂查询
MariaDB [fgedu_analytics]> CREATE TABLE fgedu_sales_summary (
region VARCHAR(100),
category VARCHAR(100),
total_sales DECIMAL(10,2),
sales_count INT,
avg_sales DECIMAL(10,2),
PRIMARY KEY (region, category)
) ENGINE=ColumnStore;

MariaDB [fgedu_analytics]> INSERT INTO fgedu_sales_summary
SELECT region, category, SUM(amount) AS total_sales, COUNT(*) AS sales_count, AVG(amount) AS avg_sales
FROM fgedu_sales
GROUP BY region, category;

# 查询物化视图
MariaDB [fgedu_analytics]> SELECT * FROM fgedu_sales_summary WHERE region = ‘North’;
+——-+————+————-+————-+———–+
| region| category | total_sales | sales_count | avg_sales |
+——-+————+————-+————-+———–+
| North | Electronics| 350.00 | 2 | 175.00 |
| North | Clothing | 500.00 | 1 | 500.00 |
+——-+————+————-+————-+———–+

# 案例2：数据加载优化
# 1. 使用cpimport批量导入
[root@fgedu.localhost ~]# cpimport fgedu_analytics fgedu_sales /data/sales_data.csv -m 4 -t 100000

# 参数说明：
# -m 4: 使用4个线程并行导入
# -t 100000: 每个批次导入100000行

# 2. 监控导入进度
[root@fgedu.localhost ~]# watch -n 1 ‘mcsadmin getSystemStatus’

# 案例3：存储优化
# 1. 查看压缩率
MariaDB [(none)]> SHOW GLOBAL STATUS LIKE ‘ColumnStore_compression_ratio’;
+——————————+——-+
| Variable_name | Value |
+——————————+——-+
| ColumnStore_compression_ratio | 5.0 |
+——————————+——-+

# 2. 优化表结构
MariaDB [fgedu_analytics]> ALTER TABLE fgedu_sales MODIFY COLUMN region VARCHAR(50);
MariaDB [fgedu_analytics]> ALTER TABLE fgedu_sales MODIFY COLUMN category VARCHAR(50);

# 3. 定期优化表
MariaDB [fgedu_analytics]> OPTIMIZE TABLE fgedu_sales;
+————+———-+———-+———-+
| Table | Op | Msg_type | Msg_text |
+————+———-+———-+———-+
| fgedu_sales | optimize | status | OK |
+————+———-+———-+———-+

执行结果：

+——+————-+————+——+—————+——+———+——+——+—————————–+
| id | select_type | table | type | possible_keys | key | key_len | ref | rows | Extra |
+——+————-+————+——+—————+——+———+——+——+—————————–+
| 1 | SIMPLE | fgedu_sales | ALL | NULL | NULL | NULL | NULL | 10 | Using temporary; Using filesort |
+——+————-+————+——+—————+——+———+——+——+—————————–+

+——+————-+————+——-+—————+———–+———+——+——+—————————–+
| id | select_type | table | type | possible_keys | key | key_len | ref | rows | Extra |
+——+————-+————+——-+—————+———–+———+——+——+—————————–+
| 1 | SIMPLE | fgedu_sales | range | sale_date | sale_date | 4 | NULL | 10 | Using where; Using temporary; Using filesort |
+——+————-+————+——-+—————+———–+———+——+——+—————————–+

Query OK, 0 rows affected (0.01 sec)
Records: 0 Duplicates: 0 Warnings: 0

+————+———-+———-+———-+
| Table | Op | Msg_type | Msg_text |
+————+———-+———-+———-+
| fgedu_sales | optimize | status | OK |
+————+———-+———-+———-+