抽象的
在本文中，我们将查看如何运行单闸GitHub项目，用于在SinglestoredB Cloud中实现ADTECH应用程序。我们还将使用Looker创建一些可视化。
介绍
在本文中，我们将采用现有的SingleStore GitHub repo，并证明可以在SinglestoredB云上部署并运行的易度性。完整的更新代码可以在forked GitHub repo中找到，以便于使用。
创建一个SinglestoredB云帐户
previous article显示了创建一个免费的SinglestoredB云帐户的步骤。我们将使用 ADTECH DEMO组作为我们的工作区组名称， adtech-demo 作为我们的工作空间名称。我们将记下我们的密码和主机名称。
安装去
rm -rf /usr/local/go && tar -C /usr/local -xzf go1.20.1.linux-amd64.tar.gz
我们可能需要使用sudo，如下：
sudo rm -rf /usr/local/go && sudo tar -C /usr/local -xzf go1.20.1.linux-amd64.tar.gz
我们将以下以下内容添加到PATH变量：
export PATH=$PATH:/usr/local/go/bin
，然后检查版本：
go version
这将打印GO的已安装版本。例如：
go version go1.20.1 linux/amd64
克隆github仓库
现在我们将克隆以下github repo：
git clone https://github.com/VeryFatBoy/starter_kits
数据生成器
让我们首先从AdTech数据生成器开始，然后更改为目录：
cd starter_kits/adtech/generator
现在我们将构建代码，如下：
go mod init generator
go mod tidy
go build
这将创建一个可执行的generator文件。
现在，让我们创建一个small数据集用于初始测试：
./generator small
这将创建带有选项卡的值的四个文件：
campaigns-small.tsv
events-small.tsv
networks-small.tsv
platforms-small.tsv
我们将gzip这些文件：
gzip *.tsv
我们还可以通过参数medium或large用于较大的数据集。
加载并运行SQL
我们将提升一个目录级别：
cd ..
在文件setup.sql中，以下四个代码块每个都使用管道，并已评论：
...
-- create or replace pipeline load_events as
-- load data s3 'reference-solutions.memsql.com/events-large.tsv.gz'
-- config '{"region": "us-east-1"}'
-- credentials '{"aws_access_key_id": "", "aws_secret_access_key": ""}'
-- into table events;
-- start pipeline load_events;
...
-- create or replace pipeline load_campaigns as
-- load data s3 'reference-solutions.memsql.com/campaigns-large.tsv.gz'
-- config '{"region": "us-east-1"}'
-- credentials '{"aws_access_key_id": "", "aws_secret_access_key": ""}'
-- skip duplicate key errors
-- into table campaigns;
-- start pipeline load_campaigns;
...
-- create or replace pipeline load_networks as
-- load data s3 'reference-solutions.memsql.com/networks-large.tsv.gz'
-- config '{"region": "us-east-1"}'
-- credentials '{"aws_access_key_id": "", "aws_secret_access_key": ""}'
-- skip duplicate key errors
-- into table networks;
-- start pipeline load_networks;
...
-- create or replace pipeline load_platforms as
-- load data s3 'reference-solutions.memsql.com/platforms-large.tsv.gz'
-- config '{"region": "us-east-1"}'
-- credentials '{"aws_access_key_id": "", "aws_secret_access_key": ""}'
-- skip duplicate key errors
-- into table platforms;
-- start pipeline load_platforms;
...
如果我们稍后决定使用管道，我们可以删除并修改代码以适合我们的需求。
分别添加了以下四个新代码块，以便我们可以加载本地生成的数据：
...
load data local infile "generator/events-small.tsv.gz"
into table events
columns terminated by '\t';
...
load data local infile "generator/campaigns-small.tsv.gz"
into table campaigns
skip duplicate key errors
columns terminated by '\t';
...
load data local infile "generator/networks-small.tsv.gz"
into table networks
skip duplicate key errors
columns terminated by '\t';
...
load data local infile "generator/platforms-small.tsv.gz"
into table platforms
skip duplicate key errors
columns terminated by '\t';
...
接下来，我们将在setup.sql文件中运行命令以创建adtech数据库并加载数据：
mysql -u admin -h <host> -P 3306 -p<password> --local-infile < setup.sql
我们将用我们的singlestoredB云帐户中的值替换<host>和<password>。
从我们的singlestoredB云帐户中，我们可以使用 sql编辑器检查表是否正确创建了表：
USE adtech;
SHOW TABLES;
使用dbbench（可选）进行基准测试
dbbench工具可用于针对单骨数据库运行工作负载。对该工具的讨论超出了本文的范围，但是SingleStore GitHub repo是一个开始的好地方，并包含一个tutorial。
要构建并运行dbbench程序，我们将首先更改为Directory starter_kits/adtech/benchmarks。
接下来，我们将设置一些环境变量：
export GOPATH=$HOME/go
export PATH=$PATH:$GOPATH/bin
然后安装dbbench，如下：
go install github.com/memsql/dbbench@latest
我们可以从starter_kits/adtech/benchmarks目录运行程序，如下：
dbbench --host=<host> --username=admin --password=<password> --intermediate-stats=false adtech.ini
我们将用我们的singlestoredB云帐户中的值替换<host>和<password>。
这是使用small数据集的S-00工作区大小的示例：
Connected
starting impressions per campaign
starting ctr_per_country
starting campaign facts
starting spend per advertiser
stopping spend per advertiser
stopping ctr_per_country
stopping campaign facts
stopping impressions per campaign
ctr_per_country: latency 59.327792ms±15.229575ms; 30 transactions (16.847 TPS); 7470 rows (4194.792 RPS)
16.777216ms - 33.554432ms [ 12]: ██████████████████████████████████████████████████
33.554432ms - 67.108864ms [ 7]: █████████████████████████████▏
67.108864ms - 134.217728ms [ 10]: █████████████████████████████████████████▋
134.217728ms - 268.435456ms [ 1]: ████▏
spend per advertiser: latency 58.056977ms±15.261319ms; 30 transactions (17.215 TPS); 15870 rows (9106.741 RPS)
8.388608ms - 16.777216ms [ 1]: ███▎
16.777216ms - 33.554432ms [ 6]: ████████████████████
33.554432ms - 67.108864ms [ 15]: ██████████████████████████████████████████████████
67.108864ms - 134.217728ms [ 7]: ███████████████████████▎
134.217728ms - 268.435456ms [ 1]: ███▎
impressions per campaign: latency 116.803395ms±35.36871ms; 30 transactions (8.559 TPS); 30 rows (8.559 RPS)
8.388608ms - 16.777216ms [ 2]: ██████▋
16.777216ms - 33.554432ms [ 2]: ██████▋
33.554432ms - 67.108864ms [ 2]: ██████▋
67.108864ms - 134.217728ms [ 15]: ██████████████████████████████████████████████████
134.217728ms - 268.435456ms [ 7]: ███████████████████████▎
268.435456ms - 536.870912ms [ 2]: ██████▋
campaign facts: latency 64.628849ms±30.600693ms; 30 transactions (15.464 TPS); 0 rows (0.000 RPS)
8.388608ms - 16.777216ms [ 5]: █████████████████████████
16.777216ms - 33.554432ms [ 5]: █████████████████████████
33.554432ms - 67.108864ms [ 10]: ██████████████████████████████████████████████████
67.108864ms - 134.217728ms [ 9]: █████████████████████████████████████████████
134.217728ms - 268.435456ms [ 0]:
268.435456ms - 536.870912ms [ 1]: █████
使用dbbench允许我们构建参考实现，然后测试针对这些的性能。
使用Looker的可视化
最后，我们将创建一些可视化。
要使用Looker，我们可以使用现有帐户或request a free trial。
登录到Looker帐户后，从帐户> Admin> Connections 我们将创建新连接，如下：
- 名称：参考_solutions
- 方言： Singlestore 7+
-
远程主机：
<host>端口：3306 - 数据库： adtech
- 用户名： admin
-
密码：
<password>
我们将用我们的singlestoredB云帐户中的值替换<host>和<password>。
我们可以测试连接是否成功。
接下来，从帐户>开发，我们将确保开发模式被切换到上的，选择管理LookMl项目，然后选择 new Lookml项目。
我们现在输入以下内容：
- 项目名称： adtech
- 起点：从数据库架构生成模型
- 连接： reference_solutions
- 从：所有表 构建视图
接下来，我们将从Looker主页中选择 new> dashboard 。我们将使用名称事件，然后单击创建仪表板。
我们将单击编辑仪表板，然后添加可视化。
从左导航中，我们将选择事件表，将会出现在新窗口中。在维度下，我们将选择 country ；在衡量标准下，我们将选择计数。我们将在右侧选择 Google Maps ，然后选择 Run 。
这将创建一个热图，如图1所示。
徘徊在不同国家/地区将为该国提供活动数量。
在Looker主页中，我们将选择 new>仪表板。我们将使用名称广告系列，然后单击创建仪表板。
我们将单击编辑仪表板，然后添加可视化。
我们将从左NAV中选择广告系列表，将会出现在新窗口中。在维度下，我们将选择广告系列名称；在衡量标准下，我们将选择计数。在右侧，我们将将行限制设置为10，选择饼图，然后选择 Run 。
。这将创建图表，如图2所示。
可以创建其他仪表板以获得进一步的见解。
概括
我们已经生成了一些示例ADTECH数据，并将small数据集加载到SinglestoredB云中。下一步是创建和加载medium或large数据集。我们还可以将ADTECH数据存储在云中，并使用管道功能将数据流传输到SinglestoredB中。
我们已经构建并测试了dbbench。此工具可以方便地创建参考测试结果。
最后，我们使用Looker创建了两个快速仪表板，以了解一些ADTECH数据。可以使用此功能强大的基于浏览器的工具轻松地创建其他可视化。