@clickzetta/cz-cli-darwin-arm64 0.3.75 → 0.3.78

package/bin/skills/lakehouse-doc/references/geospatial_analysis.md

@@ -1,558 +0,0 @@
-# Lakehouse 地理信息函数部署与使用指南
-
-## 概述
-
-本文档详细介绍如何在 ClickZetta Lakehouse 中部署和使用 Esri 地理信息函数，实现空间数据的存储、查询和分析。通过本指南，您将学会：
-
-* 部署地理信息函数所需的 JAR 包
-* 创建外部函数连接
-* 批量创建常用的地理信息函数
-* 在实际场景中使用这些函数，例如：
-  * 地理围栏分析：判断门店是否在其对应的服务区域内 ![](.topwrite/assets/geo4.jpeg =774)
-  * 区域统计分析：统计各服务区域内的门店分布情况 ![](.topwrite/assets/geo5.jpeg =757)
-
-> **Esri Geometry**：**esri-geometry-api** 和 **spatial-sdk-hive** 是 Esri 公司开源的地理计算库，在大数据领域应用极其广泛。
->
-> **核心优势**：
->
-> * **行业标准**：Esri 作为 GIS 领导者，其几何算法库已成为事实标准
-> * **功能完整**：支持 OGC 全部标准，包括点、线、面等几何类型及空间运算
-> * **应用场景**：物流配送、LBS 服务、商圈分析、城市规划
->
-> 通过集成 Esri 公司开源的地理计算库，Lakehouse 提供了标准化的地理数据处理能力
-
-## 前置条件
-
-* Lakehouse 环境已就绪
-* 具有创建外部函数和 API CONNECTION 的权限
-
-## 第一步：准备 JAR 包
-
-### 1.1 下载所需 JAR 包
-
-从 Esri 官方仓库下载以下两个 JAR 包：
-
-```
-# ESRI Geometry API
-wget https://github.com/Esri/geometry-api-java/releases/download/v2.2.0/esri-geometry-api-2.2.0.jar
-
-# Spatial Framework for Hadoop
-wget https://github.com/Esri/spatial-framework-for-hadoop/releases/download/v2.2.0/spatial-sdk-hive-2.2.0.jar
-```
-
-### 1.2 上传 JAR 包到 USER VOLUME
-
-将下载的 JAR 包上传到 Lakehouse 的 USER VOLUME（上传操作仅支持在 Lakehouse 客户端（如 [SQLLine](connect-with-cli.md)）中执行，不支持在 Lakehouse Studio 中执行）：
-
-```
-PUT '/Users/derekmeng/Downloads/esri-geometry-api-2.2.0.jar' to USER VOLUME;
-PUT '/Users/derekmeng/Downloads/spatial-sdk-hive-2.2.0.jar' to USER VOLUME;
-```
-
-## 第二步：创建 API Connection
-
-如果还没有合适的 API Connection，需要先创建一个。本例使用阿里云函数计算，详细步骤请参考：[创建 API CONNECTION](create-api-connection.md)
-
-```
-CREATE API CONNECTION fc_api_conn
-TYPE cloud_function
-  provider = 'aliyun'
-  region = 'cn-shanghai'
-  role_arn = 'acs:ram::122280886xxxxxxx:role/functionrole'
-  namespace = 'default'
-  code_bucket = '[bucket_name]';
-```
-
-可以通过 `show connections` 查看连接。
-
-## 第三步：批量创建地理信息函数
-
-### 3.1 创建常用的地理信息函数
-
-以下是生产环境中最常用的地理信息函数创建脚本，详细信息请参考创建外部函数（[CREATE EXTERNAL FUNCTION](CREATE_EXTERNATL_FUNCTION.md)）：
-
-```
--- ========================================
--- 1. 几何体构造函数
--- ========================================
-
--- 创建点
-CREATE EXTERNAL FUNCTION public.ST_Point AS 'com.esri.hadoop.hive.ST_Point' 
-USING jar 'volume:user://~/esri-geometry-api-2.2.0.jar', 
-      jar 'volume:user://~/spatial-sdk-hive-2.2.0.jar' 
-CONNECTION sg_fc_api_conn 
-WITH PROPERTIES ( 
-    'remote.udf.api' = 'java8.hive2.v0', 
-    'remote.udf.protocol' = 'http.arrow.v0' 
-);
-
--- 创建多边形
-CREATE EXTERNAL FUNCTION public.ST_Polygon AS 'com.esri.hadoop.hive.ST_Polygon' 
-USING jar 'volume:user://~/esri-geometry-api-2.2.0.jar', 
-      jar 'volume:user://~/spatial-sdk-hive-2.2.0.jar' 
-CONNECTION sg_fc_api_conn 
-WITH PROPERTIES ( 
-    'remote.udf.api' = 'java8.hive2.v0', 
-    'remote.udf.protocol' = 'http.arrow.v0' 
-);
-
--- 创建线
-CREATE EXTERNAL FUNCTION public.ST_LineString AS 'com.esri.hadoop.hive.ST_LineString' 
-USING jar 'volume:user://~/esri-geometry-api-2.2.0.jar', 
-      jar 'volume:user://~/spatial-sdk-hive-2.2.0.jar' 
-CONNECTION sg_fc_api_conn 
-WITH PROPERTIES ( 
-    'remote.udf.api' = 'java8.hive2.v0', 
-    'remote.udf.protocol' = 'http.arrow.v0' 
-);
-
--- ========================================
--- 2. 格式转换函数
--- ========================================
-
--- 从 WKT 文本创建几何体（最常用）
-CREATE EXTERNAL FUNCTION public.ST_GeomFromText AS 'com.esri.hadoop.hive.ST_GeomFromText' 
-USING jar 'volume:user://~/esri-geometry-api-2.2.0.jar', 
-      jar 'volume:user://~/spatial-sdk-hive-2.2.0.jar' 
-CONNECTION sg_fc_api_conn 
-WITH PROPERTIES ( 
-    'remote.udf.api' = 'java8.hive2.v0', 
-    'remote.udf.protocol' = 'http.arrow.v0' 
-);
-
--- 转换为 WKT 文本
-CREATE EXTERNAL FUNCTION public.ST_AsText AS 'com.esri.hadoop.hive.ST_AsText' 
-USING jar 'volume:user://~/esri-geometry-api-2.2.0.jar', 
-      jar 'volume:user://~/spatial-sdk-hive-2.2.0.jar' 
-CONNECTION sg_fc_api_conn 
-WITH PROPERTIES ( 
-    'remote.udf.api' = 'java8.hive2.v0', 
-    'remote.udf.protocol' = 'http.arrow.v0' 
-);
-
--- 从 GeoJSON 创建几何体
-CREATE EXTERNAL FUNCTION public.ST_GeomFromGeoJSON AS 'com.esri.hadoop.hive.ST_GeomFromGeoJson' 
-USING jar 'volume:user://~/esri-geometry-api-2.2.0.jar', 
-      jar 'volume:user://~/spatial-sdk-hive-2.2.0.jar' 
-CONNECTION sg_fc_api_conn 
-WITH PROPERTIES ( 
-    'remote.udf.api' = 'java8.hive2.v0', 
-    'remote.udf.protocol' = 'http.arrow.v0' 
-);
-
--- ========================================
--- 3. 空间关系判断函数（生产环境核心函数）
--- ========================================
-
--- 包含关系（最常用于地理围栏）
-CREATE EXTERNAL FUNCTION public.ST_Contains AS 'com.esri.hadoop.hive.ST_Contains' 
-USING jar 'volume:user://~/esri-geometry-api-2.2.0.jar', 
-      jar 'volume:user://~/spatial-sdk-hive-2.2.0.jar' 
-CONNECTION sg_fc_api_conn 
-WITH PROPERTIES ( 
-    'remote.udf.api' = 'java8.hive2.v0', 
-    'remote.udf.protocol' = 'http.arrow.v0' 
-);
-
--- 相交关系
-CREATE EXTERNAL FUNCTION public.ST_Intersects AS 'com.esri.hadoop.hive.ST_Intersects' 
-USING jar 'volume:user://~/esri-geometry-api-2.2.0.jar', 
-      jar 'volume:user://~/spatial-sdk-hive-2.2.0.jar' 
-CONNECTION sg_fc_api_conn 
-WITH PROPERTIES ( 
-    'remote.udf.api' = 'java8.hive2.v0', 
-    'remote.udf.protocol' = 'http.arrow.v0' 
-);
-
--- 在内部关系
-CREATE EXTERNAL FUNCTION public.ST_Within AS 'com.esri.hadoop.hive.ST_Within' 
-USING jar 'volume:user://~/esri-geometry-api-2.2.0.jar', 
-      jar 'volume:user://~/spatial-sdk-hive-2.2.0.jar' 
-CONNECTION sg_fc_api_conn 
-WITH PROPERTIES ( 
-    'remote.udf.api' = 'java8.hive2.v0', 
-    'remote.udf.protocol' = 'http.arrow.v0' 
-);
-
--- ========================================
--- 4. 空间运算函数
--- ========================================
-
--- 缓冲区（用于创建服务范围）
-CREATE EXTERNAL FUNCTION public.ST_Buffer AS 'com.esri.hadoop.hive.ST_Buffer' 
-USING jar 'volume:user://~/esri-geometry-api-2.2.0.jar', 
-      jar 'volume:user://~/spatial-sdk-hive-2.2.0.jar' 
-CONNECTION sg_fc_api_conn 
-WITH PROPERTIES ( 
-    'remote.udf.api' = 'java8.hive2.v0', 
-    'remote.udf.protocol' = 'http.arrow.v0' 
-);
-
--- 距离计算（用于最近邻查询）
-CREATE EXTERNAL FUNCTION public.ST_Distance AS 'com.esri.hadoop.hive.ST_Distance' 
-USING jar 'volume:user://~/esri-geometry-api-2.2.0.jar', 
-      jar 'volume:user://~/spatial-sdk-hive-2.2.0.jar' 
-CONNECTION sg_fc_api_conn 
-WITH PROPERTIES ( 
-    'remote.udf.api' = 'java8.hive2.v0', 
-    'remote.udf.protocol' = 'http.arrow.v0' 
-);
-
--- 面积计算
-CREATE EXTERNAL FUNCTION public.ST_Area AS 'com.esri.hadoop.hive.ST_Area' 
-USING jar 'volume:user://~/esri-geometry-api-2.2.0.jar', 
-      jar 'volume:user://~/spatial-sdk-hive-2.2.0.jar' 
-CONNECTION sg_fc_api_conn 
-WITH PROPERTIES ( 
-    'remote.udf.api' = 'java8.hive2.v0', 
-    'remote.udf.protocol' = 'http.arrow.v0' 
-);
-
--- ========================================
--- 5. 几何属性提取函数
--- ========================================
-
--- 提取点的 X 坐标（经度）
-CREATE EXTERNAL FUNCTION public.ST_X AS 'com.esri.hadoop.hive.ST_X' 
-USING jar 'volume:user://~/esri-geometry-api-2.2.0.jar', 
-      jar 'volume:user://~/spatial-sdk-hive-2.2.0.jar' 
-CONNECTION sg_fc_api_conn 
-WITH PROPERTIES ( 
-    'remote.udf.api' = 'java8.hive2.v0', 
-    'remote.udf.protocol' = 'http.arrow.v0' 
-);
-
--- 提取点的 Y 坐标（纬度）
-CREATE EXTERNAL FUNCTION public.ST_Y AS 'com.esri.hadoop.hive.ST_Y' 
-USING jar 'volume:user://~/esri-geometry-api-2.2.0.jar', 
-      jar 'volume:user://~/spatial-sdk-hive-2.2.0.jar' 
-CONNECTION sg_fc_api_conn 
-WITH PROPERTIES ( 
-    'remote.udf.api' = 'java8.hive2.v0', 
-    'remote.udf.protocol' = 'http.arrow.v0' 
-);
-
--- 查看已创建的地理信息函数
-USE public;
-SHOW EXTERNAL FUNCTIONS;
-
-
-```
-
-## 第四步：创建测试数据
-
-为了验证函数功能，创建包含地理信息的测试表：
-
-```
--- 创建门店位置表
-CREATE TABLE IF NOT EXISTS store_locations (
-    store_id INT,
-    store_name STRING,
-    location STRING,  -- WKT 格式的点
-    city STRING,
-    store_type STRING
-);
-
--- 创建服务区域表
-CREATE TABLE IF NOT EXISTS service_areas (
-    area_id INT,
-    area_name STRING,
-    boundary STRING,  -- WKT 格式的多边形
-    area_type STRING,
-    city STRING
-);
-
--- 插入示例门店数据
-INSERT INTO store_locations VALUES 
-(1, '北京王府井店', 'POINT(116.410 39.914)', '北京', '旗舰店'),
-(2, '北京三里屯店', 'POINT(116.454 39.934)', '北京', '标准店'),
-(3, '上海南京路店', 'POINT(121.473 31.232)', '上海', '旗舰店'),
-(4, '上海徐家汇店', 'POINT(121.437 31.195)', '上海', '标准店'),
-(5, '深圳华强北店', 'POINT(114.085 22.547)', '深圳', '标准店'),
-(6, '深圳福田CBD店', 'POINT(114.059 22.536)', '深圳', '旗舰店'),
-(7, '广州天河店', 'POINT(113.321 23.125)', '广州', '旗舰店'),
-(8, '杭州西湖店', 'POINT(120.147 30.242)', '杭州', '标准店');
-
--- 插入示例服务区域数据
-INSERT INTO service_areas VALUES 
-(1, '北京核心商圈', 'POLYGON((116.38 39.88, 116.48 39.88, 116.48 39.96, 116.38 39.96, 116.38 39.88))', '核心区', '北京'),
-(2, '上海市中心', 'POLYGON((121.43 31.18, 121.52 31.18, 121.52 31.26, 121.43 31.26, 121.43 31.18))', '核心区', '上海'),
-(3, '深圳福田区', 'POLYGON((114.02 22.51, 114.13 22.51, 114.13 22.58, 114.02 22.58, 114.02 22.51))', '商业区', '深圳'),
-(4, '配送范围A', 'POLYGON((116.35 39.85, 116.50 39.85, 116.50 39.98, 116.35 39.98, 116.35 39.85))', '配送区', '北京'),
-(5, '配送范围B', 'POLYGON((121.40 31.15, 121.55 31.15, 121.55 31.28, 121.40 31.28, 121.40 31.15))', '配送区', '上海');
-```
-
-## 第五步：生产场景验证
-
-### 场景 1：地理围栏分析——判断门店是否在服务区域内
-
-这是最常见的应用场景，用于判断用户、门店或设备是否在指定的服务范围内。
-
-```
--- 查询哪些门店在各个服务区域内
-SELECT 
-    s.store_name,
-    s.city as store_city,
-    a.area_name,
-    a.area_type
-FROM 
-    store_locations s
-    JOIN service_areas a
-    ON public.ST_Contains(
-        public.ST_GeomFromText(a.boundary), 
-        public.ST_GeomFromText(s.location)
-    ) = true
-ORDER BY a.area_name, s.store_name;
-
--- 统计每个服务区域内的门店数量
-SELECT 
-    a.area_name,
-    a.area_type,
-    COUNT(s.store_id) as store_count,
-    COLLECT_LIST(s.store_name) as stores_in_area
-FROM 
-    service_areas a
-    LEFT JOIN store_locations s
-    ON public.ST_Contains(
-        public.ST_GeomFromText(a.boundary), 
-        public.ST_GeomFromText(s.location)
-    ) = true
-GROUP BY a.area_name, a.area_type
-ORDER BY store_count DESC;
-```
-
-### 场景 2：最近邻查询——查找最近的门店
-
-用于为用户推荐最近的服务点，或进行资源分配。
-
-```
--- 查找距离指定位置最近的3家门店
-WITH user_location AS (
-    SELECT public.ST_Point(116.397, 39.908) as location  -- 北京天安门位置
-)
-SELECT 
-    s.store_name,
-    s.city,
-    s.store_type,
-    public.ST_Distance(
-        u.location,
-        public.ST_GeomFromText(s.location)
-    ) as distance_degrees,
-    -- 粗略转换为公里（1度约等于111公里）
-    public.ST_Distance(
-        u.location,
-        public.ST_GeomFromText(s.location)
-    ) * 111 as distance_km
-FROM 
-    store_locations s
-    CROSS JOIN user_location u
-ORDER BY distance_degrees
-LIMIT 3;
-```
-
-### 场景 3：缓冲区分析——创建配送范围
-
-为每个门店创建配送范围，用于服务范围规划。
-
-```
--- 为旗舰店创建5公里配送范围（约0.045度）
-SELECT 
-    store_name,
-    city,
-    location as original_location,
-    public.ST_Buffer(
-        public.ST_GeomFromText(location),
-        0.045  -- 约5公里
-    ) as delivery_area
-FROM 
-    store_locations
-WHERE 
-    store_type = '旗舰店';
-
--- 查询某个点是否在任意旗舰店的配送范围内
-WITH delivery_zones AS (
-    SELECT 
-        store_name,
-        public.ST_Buffer(
-            public.ST_GeomFromText(location),
-            0.045
-        ) as delivery_area
-    FROM 
-        store_locations
-    WHERE 
-        store_type = '旗舰店'
-),
-test_point AS (
-    SELECT public.ST_Point(116.420, 39.920) as location  -- 测试点
-)
-SELECT 
-    d.store_name,
-    CASE 
-        WHEN public.ST_Contains(d.delivery_area, t.location) = true 
-        THEN '在配送范围内'
-        ELSE '不在配送范围内'
-    END as delivery_status
-FROM 
-    delivery_zones d
-    CROSS JOIN test_point t;
-```
-
-### 场景 4：区域统计分析
-
-统计各个区域的业务指标，用于商业分析。
-
-```
--- 创建销售数据表
-CREATE TABLE IF NOT EXISTS store_sales (
-    store_id INT,
-    sales_amount DECIMAL(10,2),
-    sales_date DATE
-);
-
--- 插入示例销售数据
-INSERT INTO store_sales VALUES 
-(1, 125000.50, '2024-06-01'),
-(2, 98000.00, '2024-06-01'),
-(3, 156000.75, '2024-06-01'),
-(4, 87000.25, '2024-06-01'),
-(5, 76000.00, '2024-06-01'),
-(6, 134000.80, '2024-06-01'),
-(7, 145000.60, '2024-06-01'),
-(8, 93000.40, '2024-06-01');
-
--- 按服务区域统计销售额
-SELECT 
-    a.area_name,
-    a.area_type,
-    COUNT(DISTINCT s.store_id) as store_count,
-    SUM(sales.sales_amount) as total_sales,
-    AVG(sales.sales_amount) as avg_sales_per_store
-FROM 
-    service_areas a
-    LEFT JOIN store_locations s
-    ON public.ST_Contains(
-        public.ST_GeomFromText(a.boundary), 
-        public.ST_GeomFromText(s.location)
-    ) = true
-    LEFT JOIN store_sales sales
-    ON s.store_id = sales.store_id
-GROUP BY a.area_name, a.area_type
-ORDER BY total_sales DESC;
-```
-
-### 场景 5：坐标提取与转换
-
-提取和转换坐标信息，用于与其他系统集成。
-
-```
--- 提取所有门店的经纬度坐标
-SELECT 
-    store_id,
-    store_name,
-    city,
-    public.ST_X(public.ST_GeomFromText(location)) as longitude,
-    public.ST_Y(public.ST_GeomFromText(location)) as latitude,
-    location as wkt_format
-FROM 
-    store_locations
-ORDER BY city, store_name;
-
--- 创建点并立即提取坐标（用于数据验证）
-SELECT 
-    public.ST_X(public.ST_Point(116.397, 39.908)) as x_coord,
-    public.ST_Y(public.ST_Point(116.397, 39.908)) as y_coord;
-```
-
-## 性能优化建议
-
-### 1. 使用物化视图缓存几何体转换结果
-
-```
--- 创建物化视图，预先转换 WKT 为二进制几何体
-CREATE MATERIALIZED VIEW mv_store_locations AS
-SELECT 
-    store_id,
-    store_name,
-    location as location_wkt,
-    public.ST_GeomFromText(location) as location_geom,
-    city,
-    store_type
-FROM 
-    store_locations;
-
--- 使用物化视图进行查询（性能更好）
-SELECT 
-    s.store_name,
-    a.area_name
-FROM 
-    mv_store_locations s
-    JOIN service_areas a
-    ON public.ST_Contains(
-        public.ST_GeomFromText(a.boundary), 
-        s.location_geom
-    ) = true;
-```
-
-### 2. 批量处理地理数据
-
-```
--- 批量判断多个点是否在区域内
-WITH test_points AS (
-    SELECT 1 as id, 'POINT(116.400 39.910)' as location
-    UNION ALL
-    SELECT 2, 'POINT(121.470 31.230)'
-    UNION ALL
-    SELECT 3, 'POINT(114.060 22.540)'
-)
-SELECT 
-    p.id,
-    p.location,
-    a.area_name,
-    public.ST_Contains(
-        public.ST_GeomFromText(a.boundary),
-        public.ST_GeomFromText(p.location)
-    ) as is_inside
-FROM 
-    test_points p
-    CROSS JOIN service_areas a
-WHERE 
-    public.ST_Contains(
-        public.ST_GeomFromText(a.boundary),
-        public.ST_GeomFromText(p.location)
-    ) = true;
-```
-
-## 注意事项
-
-1.  **坐标系**：默认使用 WGS84 坐标系（经纬度），距离单位为度。
-
-2.  **精度说明**：基于经纬度（WGS84）的距离计算是球面近似值，精确计算通常需要投影转换。
-
-3.  **性能考虑**：
-    * 大数据量查询时，可先用边界框（Envelope）进行粗筛。
-    * 频繁使用的几何体转换结果建议缓存。
-    * 复杂多边形运算比简单点运算消耗更多计算资源。
-
-## 故障排查
-
-### 常见错误及解决方案
-
-1. **函数未找到错误**
-
-   ```
-   错误: function not found - ST_Contains解决: 使用 public.ST_Contains
-   ```
-
-2. **几何体格式错误**
-
-   ```
-   错误: Invalid WKT format ; 解决: 检查 WKT 格式是否正确，多边形必须闭合
-   ```
-
-3. **JAR 包路径错误**
-
-   ```
-   错误: Cannot find jar file, 解决: 使用 LIST USER VOLUME 确认文件路径
-   ```
-
-^

package/bin/skills/lakehouse-doc/references/get-started-with-sample-data.md

@@ -1,83 +0,0 @@
-# 通过样例数据集开始TPCH查询
-
-## 概述
-
-通过本教程，您将了解如何利用 Lakehouse 平台内置的样例数据集，无需提前准备数据即可快速使用 SQL 进行查询分析，以评估 SQL 功能及性能。
-
-> 本教程借助 Lakehouse Tutorial，提供了在线教程指南以及脚本导入功能。您可以在登录 Lakehouse Web 控制台后，通过 Lakehouse Tutorial 入口进入教程，并根据在线指南引导完成教程。
-> ![](.topwrite/assets/image_1736854694431.png)
-
-### 导入脚本
-
-打开控制台 Tutorial 页面中的“Lakehouse 教程”，选择“使用样例数据快速开始查询分析”课程。根据页面提示导入本次课程需要的脚本文件。
-
-在“开发”模块查看“Tutorial_Run_TPCH_Queries_USING_SQL”目录。
-![](.topwrite/assets/image_1725286019515.png)
-
-### 样例数据集
-
-样例数据集由云器平台通过名称为 CLICKZETTA_SAMPLE_DATA 的数据集以共享方式开放给所有账户查询。本教程将以其中的 TPC-H 100GB 数据集为例，介绍如何在 Lakehouse 中快速完成 TPC-H 测试集的查询测试，评估处理性能。
-
-### 教程步骤
-
-1.  **环境准备**：通过样例数据集检查原始数据，创建测试使用的计算集群。
-2.  **发起查询**：使用 Studio Web 环境创建 SQL 查询完成 22 个 TPC-H SQL 查询。
-3.  **变更集群大小**：调整集群大小，扩大至之前集群大小的 2 倍。
-4.  **发起查询**：使用调整大小后的集群再次完成 22 个 TPC-H SQL 查询。
-5.  **观察不同集群规格下查询时延的变化**：
-6.  **清理环境**：删除测试使用的计算集群。
-
-通过以上步骤，您将能够评估不同集群规格下 SQL 查询的性能表现。
-
-## 准备工作
-
-首先，登录 Lakehouse Web 控制台并进入指定的工作空间后，可访问数据模块，检查数据管理下的数据对象列表中“clickzetta_sample_data.tpch_100g”下的相关表是否存在。
-![](.topwrite/assets/image_1716285499384.png)
-
-其次，我们将为本次测试临时创建一个独立计算集群用于查询分析。您可以通过访问 Lakehouse Web 控制台的“计算 → 集群”菜单，通过页面向导新建集群。
-![](.topwrite/assets/tpch_100g_vc.png)
-
-同时，您也可以通过 SQL 命令来创建集群。通过 SQL 命令操作时，您可以不离开 SQL 开发上下文，在 Ad-hoc 或者 ETL 开发过程中通过 SQL 命令控制集群创建、扩/缩容、暂停/恢复、销毁等动作，往往可以提高计算资源的操作效率。
-
-本教程通过在“开发”模块运行 [Tutorials/Tutorial_Run_TPCH_Queries_USING_SQL/Step01.Preparation] SQL 脚本任务，创建分析 TPC-H 数据集所需使用的计算集群。
-![](https://studio-prod-sh.oss-cn-shanghai.aliyuncs.com/fe-asset/tutorials/resources/tu_tpch_vc01.png?OSSAccessKeyId=LTAI5tBH4MDxrfQw7VTx4w2B\&Expires=1880885164\&Signature=wYmSy3IVRKBT7mWtGhuKwT%2BwufQ%3D)
-
-## 对样例数据进行TPC-H的查询
-
-在“开发”模块打开 [Tutorials/Tutorial_Run_TPCH_Queries_USING_SQL/Step02.Run_TPCH_Queries] SQL 脚本文件，将看到 TPC-H 的 22 个查询语句已录入。在[集群]下拉列表中选择刚才创建的测试集群，然后选中任务中的全部脚本，点击[运行]按钮进行串行查询。
-![](.topwrite/assets/image_1725354834261.png)
-
-执行完毕后，可通过当前 SQL Editor 的运行历史查看本次任务的运行耗时。
-
-如果您希望进行性能测试，可连续执行 2 次以上的查询，以便计算集群能够充分缓存（Cache）数据，发挥最佳性能。以下是第二次运行，计算集群缓存（Cache）数据后的运行结果，较第一次无缓存（Cache）时性能有明显提升。
-![](https://studio-prod-sh.oss-cn-shanghai.aliyuncs.com/fe-asset/tutorials/resources/tu_tpch_run_queries2.png?OSSAccessKeyId=LTAI5tBH4MDxrfQw7VTx4w2B\&Expires=1880886165\&Signature=XHaygkpuFRtqy%2FG1EExOjIfq7vw%3D)
-
-如需查看 22 个查询中每个查询的执行详情，可访问“计算 → 作业历史”，根据查询标签“tpch100g_benchmark”对查询历史进行过滤后查看。
-
-![](.topwrite/assets/image_1716285600039.png)
-
-## 扩大集群规格后查询
-
-通过“计算 → 集群”管理页面，您可以对刚才创建的测试集群修改规格大小，从 Large 修改至 XLarge。XLarge 规格大小为 Large 的 2 倍。
-
-> 注：计算集群的 `vcluster_size` 参数同时支持以 T-shirt size（XSMALL、SMALL、Large 等）和以数字（1, 2, 4, 16 等）表达的方式，以提供更丰富的计算集群规格，满足不同场景的需要。更多信息详见：[计算集群规格代码变更说明](vcluster_size_description.md)
-
-
-![](https://studio-prod-sh.oss-cn-shanghai.aliyuncs.com/fe-asset/tutorials/resources/tu_tpch_resize_vc.png?OSSAccessKeyId=LTAI5tBH4MDxrfQw7VTx4w2B\&Expires=1880886486\&Signature=MJGwOtPq%2BHpD5E1WsHu1iyGrDnQ%3D)
-
-或者在 SQL 脚本中执行以下命令进行修改：
-
-```
--- 修改集群大小
-alter vcluster TPCH_100GB SET VCLUSTER_SIZE = 'XLARGE';
-```
-
-修改后，使用调整大小后的集群再次进行查询测试。
-![](https://studio-prod-sh.oss-cn-shanghai.aliyuncs.com/fe-asset/tutorials/resources/tu_tpch_round2.png?OSSAccessKeyId=LTAI5tBH4MDxrfQw7VTx4w2B\&Expires=1880886763\&Signature=UCaQAhoOLbeCKPrNUz22TVfAXNs%3D)
-新扩容的计算节点充分缓存（Cache）数据后，性能会继续提升。
-通过作业的运行时间可以观察到，对于相同的数据规模和查询任务，扩大计算集群规格后，任务的总体运行时间大为缩短。两次执行后，随着数据被缓存，查询性能能得到提升。
-
-## 环境清理
-
-打开“开发”模块 [Tutorial_Run_TPCH_Queries_USING_SQL/Step03.Clean_Up] SQL 脚本文件，执行脚本即可删除本教程的测试集群。
-![](.topwrite/assets/image_1725288859033.png)