有时候需要制造一些测试的数据，以mysql官方给的测试库为基础，插入十万，百万或者千万条数据。利用一些函数和存储过程来完成。
官方给的测试库地址：https://github.com/datacharmer/test_db
导入官方的数据库，做了一些简化，留下了部门表，员工表和雇佣表三张表，去掉了外键关联。因为是测试数据，日期的对应关系不具备准确性。
必要的函数
生成随机字符串
RAND()：生成0~1之间的随机数
FLOOR：向下整数 （FlOOR(1.2)=1）
CEILING 向上取整 （CEILING(1.2)=2）
substring：截取字符串
concat：字符串连接
CREATE DEFINER=`root`@`localhost` FUNCTION `rand_string`(n INT) RETURNS varchar(255) CHARSET latin1
BEGIN
DECLARE chars_str varchar(100) DEFAULT 'ABCDEFGHIJKLMNOPQRSTUVWXYZabcdefghijklmnopqrstuvwxyz';
DECLARE return_str varchar(255) DEFAULT '';
DECLARE i INT DEFAULT 0;
WHILE i n DO
SET return_str = concat(return_str,substring(chars_str , FLOOR(1 + RAND()*62 ),1));
SET i = i +1;
END WHILE;
RETURN return_str;
END
查看自定义的所有函数
测试使用：
生成随机年月日字符串
生成一个指定时间段内的随机日期
SELECT
date(
from_unixtime( unix_timestamp( '2000-01-01' ) + floor( rand() * ( unix_timestamp( '2020-12-31' ) - unix_timestamp( '2000-01-01' ) + 1 ) ) ));
函数：生成指定时间段内的随机日期
CREATE DEFINER=`root`@`localhost` FUNCTION `rand_date_string`(startDate varchar(255),endDate varchar(255)) RETURNS varchar(255) CHARSET latin1
BEGIN
DECLARE return_str varchar(255) DEFAULT '';
SET return_str =date(
from_unixtime( unix_timestamp( startDate )
+ floor( rand() * ( unix_timestamp( endDate ) - unix_timestamp( startDate ) + 1 ) )
)
);
RETURN return_str;
END
测试使用：
select rand_date_string('2000-01-01','2020-12-31');
//结果
2001-09-10
存储过程生成数据
给每个部门插入一百万员工，那么员工表就有九百万的数据。
CREATE DEFINER=`root`@`localhost` PROCEDURE `data`()
BEGIN
DECLARE i INT DEFAULT 1;
DECLARE j INT DEFAULT 0;
DECLARE id INT DEFAULT 0;
WHILE i 10 DO
WHILE j 1000000 DO
insert into employees_m (emp_no,birth_date,first_name,last_name,gender,hire_date) VALUES(
id,rand_date_string('1970-01-01','1997-01-01'),rand_string(5),rand_string(5),'M',NOW());
insert into dept_emp_m (emp_no,dept_no,from_date,to_date) values(
id,concat('d00',i),rand_date_string('1990-01-01','2020-12-31'),'2020-12-31');
SET j=j+1;
SET id=id+1;
END WHILE;
SET j = 0;
SET i=i+1;
END WHILE;
END
插入九百万条数据大概用时：4868s
上面的方式插入数据会很慢，可以将数据插入到内存表，就是将表的存储引擎修改为MEMORY这样就会使用内存去存储数据，会比直接插入到INNODB引擎的表中快很多，只不过就是没有持久化，但是速度贼快，插入一千万条数据大概需要时间: 1227.89s
附录
修改表存储引擎
ALTER TABLE dept_emp_m ENGINE=MEMORY;
调整内存表的大小，修改配置文件
[mysqld]
max_heap_table_size = 2048M
tmp_table_size = 2048M
以上就是MySQL制作具有千万条测试数据的测试库的方法的详细内容，更多关于MySQL 千万条测试数据的资料请关注脚本之家其它相关文章！
您可能感兴趣的文章:- MySQL循环插入千万级数据
- MySQL 千万级数据量如何快速分页
- MySQL 快速删除大量数据（千万级别）的几种实践方案详解
- MySQL千万级大数据SQL查询优化知识点总结
- MySql 快速插入千万级大数据的方法示例
- MySQL如何快速的创建千万级测试数据
- MySQL分表实现上百万上千万记录分布存储的批量查询设计模式详解
- MySQL 百万级分页优化(Mysql千万级快速分页)
- mysql千万级数据大表该如何优化?
- Mysql limit 优化，百万至千万级快速分页 复合索引的引用并应用于轻量级框架
