标签
PostgreSQL , HTAP , OLTP , OLAP , 场景与性能测试
背景
PostgreSQL是一个历史悠久的数据库，历史可以追溯到1973年，最早由2014计算机图灵奖得主，关系数据库的鼻祖Michael_Stonebraker 操刀设计，PostgreSQL具备与Oracle类似的功能、性能、架构以及稳定性。
PostgreSQL社区的贡献者众多，来自全球各个行业，历经数年，PostgreSQL 每年发布一个大版本，以持久的生命力和稳定性著称。
2017年10月，PostgreSQL 推出10 版本，携带诸多惊天特性，目标是胜任OLAP和OLTP的HTAP混合场景的需求：
《最受开发者欢迎的HTAP数据库PostgreSQL 10特性》
1、多核并行增强
2、fdw 聚合下推
3、逻辑订阅
4、分区
5、金融级多副本
6、json、jsonb全文检索
7、还有插件化形式存在的特性，如 向量计算、JIT、SQL图计算、SQL流计算、分布式并行计算、时序处理、基因测序、化学分析、图像分析 等。
在各种应用场景中都可以看到PostgreSQL的应用：
PostgreSQL近年来的发展非常迅猛，从知名数据库评测网站dbranking的数据库评分趋势，可以看到PostgreSQL向上发展的趋势：
从每年PostgreSQL中国召开的社区会议，也能看到同样的趋势，参与的公司越来越多，分享的公司越来越多，分享的主题越来越丰富，横跨了 传统企业、互联网、医疗、金融、国企、物流、电商、社交、车联网、共享XX、云、游戏、公共交通、航空、铁路、军工、培训、咨询服务等 行业。
接下来的一系列文章，将给大家介绍PostgreSQL的各种应用场景以及对应的性能指标。
环境
环境部署方法参考：
《PostgreSQL 10 + PostGIS + Sharding(pg_pathman) + MySQL(fdw外部表) on ECS 部署指南(适合新用户)》
阿里云 ECS：56核，224G，1.5TB*2 SSD云盘。
操作系统：CentOS 7.4 x64
数据库版本：PostgreSQL 10
PS：ECS的CPU和IO性能相比物理机会打一定的折扣，可以按下降1倍性能来估算。跑物理主机可以按这里测试的性能乘以2来估算。
场景 - 用户画像圈人场景 - 数组相交查询与聚合 (OLAP)
1、背景
数组是PostgreSQL的一种多值类型，可以存储多个同类元素。在业务系统设计时，可以使用数组存储 标签、聚合属性 等。
例如用户画像系统，使用数组存储用户的标签。当需要根据标签组合圈选一批用户时，使用数组的包含、相交等手段来筛选选中的记录。
包含表示包含目标条件中的所有标签。
相交表示包含目标条件中的任意标签。
2、设计
1亿条记录，每条记录包含16个标签，标签的取值范围1万。另外包含3个属性字段用于透视。
3、准备测试表
create table t_arr_label(
id int,
c1 int,
c2 int,
c3 int,
label int[]
);
4、准备测试函数(可选)
在若干范围内，生成包含若干个随机值的数组
create or replace function gen_rand_arr(int,int) returns int[] as $$
select array_agg((random()*$1)::int) from generate_series(1,$2);
$$ language sql strict;
测试搜索包含若干个元素的记录，并进行透视，输出透视结果。
5、准备测试数据
insert into t_arr_label select id, random()*100, random()*10, random()*2, gen_rand_arr(10000, 16) from generate_series(1,100000000) t(id);
create index idx_t_arr_label on t_arr_label using gin (label);
6、准备测试脚本
vi test.sql
\set a1 random(1,10000)
\set a2 random(1,10000)
\set a3 random(1,10000)
select c1,c2,c3,count(*) from t_arr_label where label && (array[:a1, :a2, :a3])::int[] group by grouping sets ((c1),(c2),(c3));
7、测试
单次相似查询效率，响应时间低于 300 毫秒。(使用绑定变量、并且CACHE命中后，响应时间更低。)
postgres=# select c1,c2,c3,count(*) from t_arr_label where label && '{1,2,3}' group by grouping sets ((c1),(c2),(c3));
c1 | c2 | c3 | count
-----+----+----+--------
7 | | | 4704
5 | | | 4825
75 | | | 4717
41 | | | 4812
97 | | | 4784
.....................
80 | | | 4877
11 | | | 4797
8 | | | 4924
43 | | | 4829
| 6 | | 47897
| 7 | | 48239
| 0 | | 23932
| 9 | | 48161
| 5 | | 47508
| 4 | | 48063
| 10 | | 23847
| 3 | | 47965
| 1 | | 47928
| 2 | | 48196
| 8 | | 47443
| | 0 | 119686
| | 1 | 238997
| | 2 | 120496
(115 rows)
Time: 291.773 ms
postgres=# explain (analyze,verbose,timing,costs,buffers) select c1,c2,c3,count(*) from t_arr_label where label && '{1,2}' group by grouping sets ((c1),(c2),(c3));
QUERY PLAN
------------------------------------------------------------------------------------------------------------------------------------------------
HashAggregate (cost=208722.69..210622.94 rows=115 width=20) (actual time=254.775..254.794 rows=115 loops=1)
Output: c1, c2, c3, count(*)
Hash Key: t_arr_label.c1
Hash Key: t_arr_label.c2
Hash Key: t_arr_label.c3
Buffers: shared hit=26113
-> Bitmap Heap Scan on public.t_arr_label (cost=1601.40..207773.14 rows=189910 width=12) (actual time=35.219..131.170 rows=319591 loops=1)
Output: id, c1, c2, c3, label
Recheck Cond: (t_arr_label.label && '{1,2}'::integer[])
Heap Blocks: exact=26041
Buffers: shared hit=26113
-> Bitmap Index Scan on idx_t_arr_label (cost=0.00..1553.92 rows=189910 width=0) (actual time=31.495..31.495 rows=319591 loops=1)
Index Cond: (t_arr_label.label && '{1,2}'::integer[])
Buffers: shared hit=72
Planning time: 0.145 ms
Execution time: 254.869 ms
(16 rows)
压测
CONNECTS=56
TIMES=300
export PGHOST=$PGDATA
export PGPORT=1999
export PGUSER=postgres
export PGPASSWORD=postgres
export PGDATABASE=postgres
pgbench -M prepared -n -r -f ./test.sql -P 5 -c $CONNECTS -j $CONNECTS -T $TIMES
8、测试结果
transaction type: ./test.sql
scaling factor: 1
query mode: prepared
number of clients: 56
number of threads: 56
duration: 300 s
number of transactions actually processed: 34132
latency average = 492.461 ms
latency stddev = 124.294 ms
tps = 113.617614 (including connections establishing)
tps = 113.628805 (excluding connections establishing)
script statistics:
- statement latencies in milliseconds:
0.005 \set a1 random(1,10000)
0.001 \set a2 random(1,10000)
0.000 \set a3 random(1,10000)
472.754 select c1,c2,c3,count(*) from t_arr_label where label && (array[:a1, :a2, :a3])::int[] group by grouping sets ((c1),(c2),(c3));
TPS： 113
平均响应时间： 492 毫秒
PostgreSQL真正实现了毫秒级圈选和透视分析。
相交比包含慢，是因为包含是包含所有，在BITMAP SCAN时，跳过更多的BLOCK。而相交是OR，OR的条件越多，扫描的BLOCK越多。
参考
《PostgreSQL、Greenplum 应用案例宝典《如来神掌》 - 目录》
