目前阿里云MaxCompute大数据产品已经免费向全部用户开放了多种公用数据集。在此之前，获取，分析，下载自定义的大型分析数据集需要数小时乃至数天才能完成。

而现在阿里云的任何用户都可以通过基于大数据计算服务[MaxCompute]( https://www.aliyun.com/product/odps) 的数据工场[DataWorks]( https://data.aliyun.com/product/ide)快速、便捷的分析这些公用数据集。 开通MaxCompute&数据工场的教程参考： https://help.aliyun.com/document_detail/27803.html 我们将股票价格、房产、影视等多种类型的数据免费开放给用户，使得大家免去了复杂的数据获取、上传、清洗等过程，可以直接进入数据分析阶段，通过这种数据开放形式，我们希望能以更快的速度实现更多的创新。 大家也可以通过数加体验馆（ https://data.aliyun.com/experience）来使用这些数据，近距离的感受阿里云数加（大数据）产品； 目前我们开放的数据类别包括：股票价格数据，房产信息，影视及其票房数据。所有的数据均被存储在MaxCompute 产品中的public_data 项目中。以下，我们将对这些数据做更为详细的介绍，并简要说明如何通过MaxCompute 及数据工场服务并分析这些数据。 获取权限 首选，需要用户以项目空间的owner 或者管理员的身份，在自己的项目空间下，执行如下操作。执行完成后用户项目空间下的所有成员均可读取各公开数据集合： add user ALIYUN$everyone;执行该语句后即可执行查询： 特殊说明 公开数据集合对所有MaxCompute 用户开放，这是通过MaxCompute 特殊的授权机制实现的。在使用过程中，用户需要足以一下几点： 1. 所有数据均存储在一个名为public_data 的项目空间中，但所有用户并未被加入到该空间下(非项目空间成员)。因此，用户需要跨项目空间访问数据，在数据工场中编辑SQL 时，必须在表明前指定项目名称，例如： Select * from public_data.ods_enterprise_share_basic where ds = '20170114'; 2. 由于是跨项目空间访问，所有用户在数据工场的[数据管理]中无法查找到公开数据集的表； 3. 只有在执行”Add User”语句后，用户才有权限访问公开数据集。该语句可以再数据工场以及MaxCompte 提供的客户端中执行； 下面我们将详细介绍目前开放的数据集合。 股票价格数据集 总体信息：每日更新A 股股票相关数据。 项目public_data表集合ods_enterprise_share_basic 股票基本信息 ods_enterprise_share_quarter_cashflow 季度报表说明 ods_enterprise_share_quarter_growth 季度业务增长情况 ods_enterprise_share_quarter_operation 季度财务周转 ods_enterprise_share_quarter_profit 季度利润 ods_enterprise_share_quarter_report 季度报表 ods_enterprise_share_trade_h 股票价格更新周期根据各表的业务属性，每日或每季度第一天早10 点前更新。至2016 年12 月13 日开始，增量更新。 查询示例 select * from public_data. ods_enterprise_share_basic where ds ='20170114'; ods_enterprise_share_basic 股票基本信息

字段英文名

字段类型

描述

是否为分区列

code

STRING

代码

 

name

STRING

名称

 

industry

STRING

所属行业

 

area

STRING

地区

 

pe

STRING

市盈率

 

outstanding

STRING

流通股本

 

totals

STRING

总股本(万)

 

totalassets

STRING

总资产(万)

 

liquidassets

STRING

流动资产

 

fixedassets

STRING

固定资产

 

reserved

STRING

公积金

 

reservedpershare

STRING

每股公积金

 

eps

STRING

每股收益

 

bvps

STRING

每股净资

 

pb

STRING

市净率

 

timetomarket

STRING

上市日期

 

undp

STRING

未分利润

 

perundp

STRING

每股未分配

 

rev

STRING

收入同比(%)

 

profit

STRING

利润同比(%)

 

gpr

STRING

毛利率(%)

 

npr

STRING

净利润率(%)

 

holders_ num

STRING

股东人数

 

ds

STRING

数据导入日期，时间间

隔为天。

分区列

数据样例： ods_enterprise_share_quarter_cashflow 季度报表说明

字段英文名

字段类型

描述

是否为分区列

rank

STRING

排序

 

code

STRING

代码

 

name

STRING

名称

 

cf_sales

STRING

 

经营现金净流量对销售收入比 率(%)

 

rateofreturn

STRING

资产的经营现金流量回报率(%)

 

cf_nm

STRING

 

经营现金净流量与净利润的比 率(%)

 

cf_liabilities

STRING

经营现金净流量对负债比率(%)

 

cashflowratio

STRING

现金流量比率(%)

 

ds

STRING

年份

分区列

quarter

STRING

季度。数据季度更新。

分区列

数据样例： ods_enterprise_share_quarter_growth 季度业务增长情况

字段英文名

字段类型

描述

是否为分区列

rank

STRING

排序

 

code

STRING

代码

 

name

STRING

名称

 

mbrg

STRING

主营业务收入增长率(%)

 

nprg

STRING

净利润增长率(%)

 

nav

STRING

净资产增长率(%)

 

targ

STRING

总资产增长率(%)

 

epsg

STRING

每股收益增长率(%)

 

seg

STRING

股东权益增长率(%)

 

ds

STRING

年份

分区列

quarter

STRING

季度。数据季度更新。

分区列

数据样例： ods_enterprise_share_quarter_operation 季度财务周转

字段英文名

字段类型

描述

是否为分区列

rank

STRING

排序

 

code

STRING

代码

 

name

STRING

名称

 

arturnover

STRING

应收账款周转率(次)

 

arturndays

STRING

应收账款周转天数(天)

 

inventory_turnover

STRING

存货周转率(次)

 

inventory_days

STRING

存货周转天数(天)

 

currentasset_turnover

STRING

流动资产周转率(次)

 

currentasset_days

STRING

流动资产周转天数(天)

 

ds

STRING

导入日期。

分区列

quarter

STRING

季度。数据季度更新。

分区列

数据样例： ods_enterprise_share_quarter_profit 季度利润

字段英文名

字段类型

描述

是否为分区列

rank

STRING

排序

 

code

STRING

代码

 

name

STRING

名称

 

roe

STRING

净资产收益率(%)

 

net_profit_ratio

STRING

净利率(%)

 

gross_profit_rate

STRING

毛利率(%)

 

net_profits

STRING

净利润(万元)

 

eps

STRING

每股收益

 

business_income

STRING

营业收入(百万元)

 

bips

STRING

每股主营业务收入(元)

 

ds

STRING

年份

分区列

quarter

STRING

季度，数据季度更新。

分区列

数据样例：

ods_enterprise_share_quarter_report 季度报表

字段英文名

字段类型

描述

是否为分区列

rank

STRING

排序

 

code

STRING

代码

 

name

STRING

名称

 

eps

STRING

每股收益

 

eps_yoy

STRING

每股收益同比(%)

 

bvps

STRING

每股净资产

 

roe

STRING

净资产收益率(%)

 

epcf

STRING

每股现金流量(元)

 

net_profits

STRING

净利润(万元)

 

profits_yoy

STRING

净利润同比(%)

 

distrib

STRING

分配方案

 

report_date

STRING

发布日期

 

ds

STRING

年份

分区列

quarter

STRING

季度。数据季度更新。

分区列

数据样例：

ods_enterprise_share_trade_h 股票价格

字段英文名

字段类型

描述

是否为分区列

trde_date

STRING

日期

 

open

STRING

开盘价

 

high

STRING

最高价

 

close

STRING

收盘价

 

low

STRING

最低价

 

volume

STRING

成交量

 

price_change

STRING

价格变动

 

p_change

STRING

涨跌幅

 

ma5

STRING

5 日均价

 

ma10

STRING

10 日均价

 

ma20

STRING

20 日均价

 

v_ma5

STRING

5 日均量

 

v_ma10

STRING

10 日均量

 

v_ma20

STRING

20 日均量

 

turnover

STRING

换手率

 

code

STRING

股票代码

 

ds

STRING

导入日期。

分区列

数据样例：

 

 

 

二手房产数据集

总体信息：二手房相关信息（注意：目前暂停更新）。

项目public_data表集合

dwd_prouduct_house_basic_info_out

更新周期每日早10 点前更新。至2016 年12 月13 日开始更新，全量更新。查询示例 Select * from public_data.dwd_prouduct_house_basic_info_out where ds= '20170113';

dwd_prouduct_house_basic_info_out信息说明

字段英文名

字段口型

描述

是否是分区列

house_id

STRING

房产 ID

 

house_city

STRING

房产所在城市

 

house_total_price

STRING

房产总价

 

house_unit_price

STRING

房产均价

 

house_type

STRING

房产类型

 

house_floor

STRING

房产楼层

 

house_direction

STRING

房产方向

 

house_deckoration

STRING

房产装修

 

house_area

STRING

房产面积

 

house_community_name

STRING

房产所在小区

 

house_region

STRING

房产所在地区

 

proj_name

STRING

楼盘名称

 

proj_addr

STRING

项目地址

 

period

STRING

产权年限

 

property

STRING

物业公司

 

greening_rate

STRING

绿化率

 

property_costs

STRING

物业费用

 

ds

STRING

数据导入日期

分区列

数据样例：

影视及票房数据集

总体信息：每日更新国内影视剧信息及票房数据信息 。

项目public_data表集合

dwd_product_movie_basic_info 电影基本信息

ods_product_movie_box 票房基本信息

更新周期每日早10 点前更新。至2016 年12 月13 日开始更新，全量更新。 查询示例 Select * from public_data.dwd_product_movie_basic_info where ds ='20170112' limit 10;

dwd_ product_ movie_ basic_ info

字段英文名

字段类型

描述

是否是分区列

movie_ name

STRING

电影名称

 

dirctor

STRING

导演

 

scriptwriter

STRING

编剧

 

area

STRING

制片地区/国家

 

actors

STRING

主演

 

type

STRING

类型

 

movie_ length

STRING

电影长度

 

movie_ date

STRING

上映日期

 

movie_ language

STRING

语言

 

imdb_ url

STRING

imdb号

 

ds

STRING

日期

分区列

ods_product_movie_box 票房基本信息

字段英文名

 

字段口型

描述

是否是分区列

rank

 

STRING

排名

 

avgprice

 

STRING

平均票价

 

avppeople

 

STRING

场均人次

 

boxoffice

 

STRING

单日票房（万）

 

boxoffice_ up

 

STRING

环比变化 （%）

 

irank

 

STRING

排名

 

movieday

 

STRING

上映天数

 

moviename

 

STRING

影片名

 

sumboxoffice

 

STRING

累计票房（万）

 

womindex

 

STRING

口碑指数

 

ds

 

STRING

日期

分区列

数据样例：

TPC-DS数据集 1TB

总体信息：TPC-DS是一套决策支持系统测试基准，主要针对零售行业。提供99个SQL查询（SQL99或2003），分析数据量大，测试数据与实际商业数据高度相似，同时具有各种业务模型（分析报告型，数据挖掘型等等） 。

项目

 public_data-非分区表

byte

MB

　

store_sales

132403186096

126270

　

catalog_sales

96618400536

92142

　

web_sales

48924735376

46658

　

store_returns

15258734432

14552

　

catalog_returns

9325156968

8893

　

web_returns

4776062944

4555

　

inventory

2354131064

2245

　

customer

545421520

520

表集合

customer_address

127890712

122

　

item

21917520

21

　

customer_demographics

2831808

2.70

　

catalog_page

1065000

1.02

　

date_dim

432592

0.41

　

time_dim

246576

0.24

　

store

68680

0.07

　

promotion

47976

0.05

　

web_page

32424

0.03

　

web_site

12000

0.01

　

call_center

10536

0.01

　

household_demographics

9448

0.01

　

warehouse

4640

<0.01

　

ship_mode

2040

<0.01

　

reason

1528

<0.01

　

income_band

1040

<0.01

　

　

　

　

更新周期

更新时间：2018 年7 月13 日

　

　

 查询示例

脚本下载

　

　

基于公开数据集的实战

手把手，教你用MaxCompute+OpenSearch搭建分布式搜索引擎

购买&试用MaxCompute，请加入扫码进钉钉群。公开数据集问题，请加入扫码进钉钉群。

相关资源：蚂蚁金服文本匹配竞赛训练数据