PostgreSQL数据库 OLTP高并发请求性能优化

2 minute read

背景

在多核系统中,一般TPS会随并发数的增加而提升,但是当并发数超过一定的数值(如CPU核数的2到3倍以后),性能开始下降,并发数越高,下降越严重。

例子:

更新500万记录表中的1条随机记录。开8000个并发。

create table test_8000 (id int primary key, cnt int default 0);  
insert into test_8000 select generate_series(1,5000000);  
  
vi t.sql  
\setrandom id 1 5000000  
update test_8000 set cnt=cnt+1 where id=:id;  
update test_8000 set cnt=cnt+2 where id=:id;  

每次加载80个并发,循环100次,一共加载8000个并发。

vi test.sh  
#!/bin/bash  
for ((i=0;i<100;i++))  
do  
  
sleep 1;  
pgbench -M simple -n -r -f ./t.sql -c 80 -j 80 -T 100000 -U postgres &  
  
done  

开始

. ./test.sh  

当连接数达到8000后,观察TPS,我们可以使用PG的统计信息表来计算QPS。

postgres=# select count(*) from pg_stat_activity;  
 count   
-------  
  8002  
(1 row)  
  
postgres=# select timestamptz '2015-10-08 17:01:24.203089+08' - timestamptz '2015-10-08 17:01:16.574076+08';  
    ?column?       
-----------------  
 00:00:07.629013  
(1 row)  
  
postgres=# select 43819090-43749480;  
 ?column?   
----------  
    69610  
(1 row)  
  
postgres=# select 69610/07.629013;  
       ?column?          
-----------------------  
 9124.3782124896103860  
(1 row)  

8000个并发的时候,更新TPS约9124。大部分时间可能浪费在CPU调度上了。

另一种场景,

如果有8000个并发是空闲连接,只有10个在执行更新,性能是这样的:

先制造8000个空闲连接:

vi test.sql  
select pg_sleep(100000);  
  
vi test.sh  
#!/bin/bash  
for ((i=0;i<100;i++))  
do  
  
sleep 1;  
pgbench -M simple -n -r -f ./test.sql -c 80 -j 80 -T 100000 -U postgres &  
  
done  
  
. ./test.sh  
  
postgres=# select count(*) from pg_stat_activity;  
 count   
-------  
  8002  
(1 row)  

然后开启10个连接执行更新操作。

pgbench -M prepared -n -r -f ./t.sql -P 1 -c 10 -j 10 -T 1000 -U postgres postgres  
progress: 1.0 s, 29429.2 tps, lat 0.336 ms stddev 0.109  
progress: 2.0 s, 28961.1 tps, lat 0.343 ms stddev 0.114  
progress: 3.0 s, 30433.8 tps, lat 0.326 ms stddev 0.103  
progress: 4.0 s, 29597.1 tps, lat 0.336 ms stddev 0.114  
progress: 5.0 s, 28714.1 tps, lat 0.346 ms stddev 0.117  
progress: 6.0 s, 28319.0 tps, lat 0.351 ms stddev 0.121  
progress: 7.0 s, 28540.0 tps, lat 0.348 ms stddev 0.118  
progress: 8.0 s, 29408.9 tps, lat 0.338 ms stddev 0.111  
progress: 9.0 s, 29178.1 tps, lat 0.340 ms stddev 0.119  
progress: 10.0 s, 29146.9 tps, lat 0.341 ms stddev 0.118  
progress: 11.0 s, 27498.5 tps, lat 0.361 ms stddev 0.123  

这种方法的性能约6万 qps。

优化思路:

排队处理用户请求。类似pgbouncer或Oracle的shared server机制,真实处理请求的进程数有限。

使用PostgreSQL的advisory函数可以模拟这种排队机制:

create or replace function upd(l int,v_id int) returns void as $$  
declare  
begin  
  LOOP  
    if pg_try_advisory_xact_lock(l) then  -- 只有获得这个应用级锁才执行更新,否则就等待。  
      update test_8000 set cnt=cnt+1 where id=v_id;  
      update test_8000 set cnt=cnt+2 where id=v_id;  
      return;  
    else  
      perform pg_sleep(30*random());  --  随机等待时间  
    end if;  
  END LOOP;  
end;  
$$ language plpgsql strict;  

增加一个随机变量l,用来表示应用所的号码,也就是说模拟10个同时在更新的操作,其他的都在等待。

这个是没有经过优化的排队机制,因为不是独立的进程处理用户请求,依旧是backend process在处理用户请求,依旧有8000个进程。

vi t.sql  
\setrandom id 1 5000000  
\setrandom l 1 10  
select upd(:l, :id);  
  
vi test.sh  
#!/bin/bash  
for ((i=0;i<100;i++))  
do  
  
sleep 1;  
pgbench -M simple -n -r -f ./t.sql -c 80 -j 80 -T 100000 -U postgres &  
  
done  
  
. ./test.sh  

测试结果比较理想,已经提升了1倍性能。

postgres=# select now(),n_tup_upd+n_tup_hot_upd from pg_stat_all_tables where relname='test_8000';  
              now              | ?column?    
-------------------------------+-----------  
 2015-10-08 19:06:37.951332+08 | 221045069  
(1 row)  
  
postgres=# select now(),n_tup_upd+n_tup_hot_upd from pg_stat_all_tables where relname='test_8000';  
             now              | ?column?    
------------------------------+-----------  
 2015-10-08 19:07:46.46325+08 | 222879057  
(1 row)  
  
postgres=# select timestamptz '2015-10-08 19:07:46.46325+08' - timestamptz '2015-10-08 19:06:37.951332+08';  
    ?column?       
-----------------  
 00:01:08.511918  
(1 row)  
  
postgres=# select 222879057-221045069;  
 ?column?   
----------  
  1833988  
(1 row)  
  
postgres=# select 1833988/68.5;  
      ?column?        
--------------------  
 26773.547445255474  
(1 row)  

模拟结果,相比不排队,有1倍以上的性能提升。

TOP  
top - 19:09:37 up 119 days,  3:59,  2 users,  load average: 0.96, 0.98, 1.01  
Tasks: 8872 total,   5 running, 8866 sleeping,   1 stopped,   0 zombie  
Cpu(s):  5.3%us,  0.8%sy,  0.0%ni, 93.9%id,  0.0%wa,  0.0%hi,  0.0%si,  0.0%st  
Mem:  132124976k total, 118066688k used, 14058288k free,   316752k buffers  
Swap:  2097144k total,      148k used,  2096996k free, 63702028k cached  

advisory lock是PG提供的一种轻量级的面向用户的锁(当然比LWLOCK是要重的),我之前在秒杀场景的优化中也有叙述,可以达到每秒处理19万次的单条记录更新请求的性能,并且保持1毫秒以内的RT。请参考。

http://blog.163.com/digoal@126/blog/static/16387704020158149538415/

把这种优化思路加入到PostgreSQL的内核中是比较靠谱的,最终实现的效果会和Oracle的shared server非常类似。

阿里云PG内核组的小鲜肉和老腊肉们,优化开始搞起吧。

在没有优化前,还是使用pgbouncer这种连接池吧。

参考

1. 《PostgreSQL 秒杀场景优化》

Flag Counter

digoal’s 大量PostgreSQL文章入口