定時

このデータセットは、運輸統計局からのデータを含んでいます。

テーブルの作成

生データからのインポート

データのダウンロード:

複数スレッドでデータをロードする:

(サーバーにメモリ不足やその他の問題が発生する場合は、-P $(nproc)の部分を削除してください)

保存されたコピーからのインポート

代わりに、以下のクエリを使用して保存されたコピーからデータをインポートできます:

スナップショットは2022-05-29に作成されました。

クエリ

Q0.

Q1. 2000年から2008年までの1日の便数

Q2. 10分以上遅延した便の数を週ごとにグループ化 (2000-2008)

Q3. 空港別の遅延便数 (2000-2008)

Q4. 2007年のキャリア別遅延便数

Q5. 2007年のキャリア別遅延のパーセンテージ

同じクエリの改善版:

Q6. 2000年から2008年のより広範な年のリクエスト

同じクエリの改善版:

Q7. 10分以上遅延した便のパーセンテージを年別に

同じクエリの改善版:

Q8. 直接接続されている都市の数による最も人気のある目的地の年別ランキング

Q9.

Q10.

ボーナス:

Playgroundでデータを使って遊ぶこともできます。 例。

このパフォーマンステストは、Vadim Tkachenkoによって作成されました。以下をご覧ください:

• https://www.percona.com/blog/2009/10/02/analyzing-air-traffic-performance-with-infobright-and-monetdb/
• https://www.percona.com/blog/2009/10/26/air-traffic-queries-in-luciddb/
• https://www.percona.com/blog/2009/11/02/air-traffic-queries-in-infinidb-early-alpha/
• https://www.percona.com/blog/2014/04/21/using-apache-hadoop-and-impala-together-with-mysql-for-data-analysis/
• https://www.percona.com/blog/2016/01/07/apache-spark-with-air-ontime-performance-data/
• http://nickmakos.blogspot.ru/2012/08/analyzing-air-traffic-performance-with.html