大家好。

在过去的几个月里，我一直在研究一些需要大量数据的SAP HANA POC。仅举个例子。我们有这些数据吗？简而言之：没有

大多数情况下，我们没有足够的数据，甚至无法访问客户的真实数据，因此我们必须生成一些行。为了做到这一点，我刚刚编写了一个python脚本来生成虚拟数据，我想与您共享它。

简单地说，这个python脚本为给定的HANA表生成行；它将表元数据作为列定义（考虑数据类型、长度等），然后根据列规范生成一个随机值。我正在使用Python和SAP Python HDBI client for SAP HANA，我认为它也可以与PyHDB Python库一起工作。

因此，在建立有效连接后，可以开始使用hdbcli库执行SQL查询。我正在使用SAP HANA Express Edition（HXE），您可以连接到HXE并获得类似于以下内容的表元数据：

如果您迭代coldefinition变量，您将获得列名、列数据类型，以及由SCHEMA和表变量定义的每个表列的列长度。

我定义了一组函数，将应用于coldefinition中的每个列定义；这允许您根据列数据类型获得一个随机值，并为任何特定列定义一些异常。我的意思是，如果你有一个数据类型为VARCHAR（20）的COLUMNA列，您可能想要一个长度为20的随机字符串，网站服务器租用，但是对于COLUMNB（也就是VARCHAR（20）），除了整数值之外，您不需要任何字符串。

这些函数如下：

函数randomDec和randomStr是自定义函数，您可以使用它们来操作和生成非常特定的值，或者只是包装对随机库的调用（或任何你需要的）。您甚至可以决定（使用自定义函数）将遵循哪个随机值统计分布数据。

如果您定义了一个例外，西安大数据，其中列定义与"MATERIAL"或"FECHAPERIODO"不同，那么您可以采取进一步的操作。在这个特殊的例子中，我不想有随机的材料编号，而只是从一个特定的可能值列表中随机选择。这个异常可以保证在不同的表上分布一个公共的列值（如果您想让一些SAP HANA建模工作，并且不想因为不同表中的纯随机值而有空连接）。

我按照JSON文档标记格式定义了我的异常，如下：

每次这个python脚本在schema TABLESCHEMA上创建一个表TABLEA，它将查找其列定义。如果它发现一个列名称列在例外列表上，那么它将应用指定的"定义"，在任何其他情况下，它将保留HANA数据类型值。

最后，您有两个选项可以使用此脚本生成的数据：您可以直接将其插入HANA表，物联网竞赛，或者您可以有一个CSV文件，稍后可以上载到HANA表。从我的观点来看，这将取决于您希望生成多少行以及您希望以多快的速度获得信息。如果您只生成CSV数据，该过程将相对较快地结束，然后您可以使用import sql指令导入生成的数据；如果您决定将其直接插入到已定义的HANA表中，它将占用更多的时间，但您不必在其他步骤中导入它。如果您需要在内部安装或云实例上工作，您可能会面临这样或那样的限制。

您可以在这个github存储库中找到python完整脚本：https://github.com/mendezjcarlos/hana-dummy-data

在目录中提取（或克隆）此脚本后，您可以使用以下参数运行此脚本：

其中：

-s:表所在的架构名称-t： 为其生成此数据的表名-f： 异常文件定义-r： 此脚本将生成的行数-d： （在这种特殊情况下）是用于生成特定值的日期的附加参数-o： 如果存在，将生成一个CSV文件；如果不存在，大数据包括哪些内容，数据将直接插入HANA表

希望这个python脚本对您有用。当然，为了方便您自己，您可以对其进行修改和调整（例如，产业云，如果您希望生成具有随机值的CSV文件，而无需连接到HANA实例以获取表元数据）。