PostgreSQL 与 12306 抢火车票的思考

7 minute read

背景

马上春节了,又到了火车票的销售旺季,一票难求的问题依旧存在吗?

还记得10年前春节前买火车票得在放票前1天搬个小板凳去排队,对于热门路线,排一个晚上都有可能买不到票。

随着互联网的发展,几年前建设了12306网上购票系统,可以从电脑上买票,但是不要以为在电脑上就能买到票。

我记得12306刚推出时,经常发生12306网站打不开,或者无法付款的问题。

为什么呢?

原因很简单,春节期间网上购票的人可能达到几亿的级别,而且放票日期是同一天同一个时间点,也就是说同一时刻12306要接受几亿用户的访问。

处理能力和实际的访问需求更不上,带来的结果就是网站打不开,系统不稳定的现象。

pic

后来12306想了分线路分时段开启的办法,想办法把不同线路的用户错开时间来访问12306的网站,但是这个方法起初的效果不明显,并不是所有用户都知道的(就好像你临时通知今天不上班,但还是有用户会来单位的),所以大多数用户还是集中在一个点去访问12306的网站。

随着硬件的发展,技术的演进,12306的系统越来越趋于成熟,稳定性和响应速度也越来越好。

据说现在很多商家还开通了云抢票业务,本质上是让你不要冲击12306系统了,把需求提前收集,在放票时,这些系统会进行排队与合并购买,这种手段可以减少12306的访问并发。

抢火车票是很有意思的一个课题,对IT人的智商以及IT系统的健壮性,尤其是数据库的功能和性能都是一种挑战。

接下来我们一起来缕一缕有哪些难点,又有怎样的解决手段。

一、扒一扒熟悉的铁路售票系统

铁路售票系统最基本的功能包括

查询余票、余票统计、购票、车次变化、退票、改签、中转乘车规划 等。     

每个需求都有各自的特点,例如

1. 查询余票,用户在购票前通常会查一下到达目的地有哪些余票,它属于一个高并发的操作,同时需要统计余票张数,需要很强的CPU来支撑实时的查询。

2. 购票,购票和查询不一样,购票是会改变库存的,所以对数据库来说是更新的操作。

而且购票很可能发生冲突,例如很多人要买同一趟车的票,那就出现冲突了,到底卖给谁呢?

需要考虑锁冲突,尽量的让不同的人购买时可并行,或者可以合并多人的购票请求,来减少数据库的更新操作。

3. 中转乘车,当用户需要购买的起点和到达站无票时,需要计算中转的搭乘方案。

比如从北京到上海,如果没有直达车,是不是该转车呢?转哪趟,在哪里转就成了问题,简单一点就是买票的人自己想。

高级一点的话,可以让12306给你推荐路线,这个涉及的是数据库的路径规划功能。

我们来逐一分析一下这些需求的特点。

1 查询余票

1. 普通的余票查询需求

你如果要买从北京到上海的火车票,通常会查一下哪些车次还有余票。

查询的过滤条件可能很多,比如

1.1. 上车站、下车站、中转站

1.2. 车次类型(高铁、动车、直达、快速、普客、…)

1.3. 出发日期、时段

1.4. 到达日期、时段

1.5. 席别(硬座、硬卧、…站票)

1.6. 过滤掉没有余票的车次

展示给用时还要考虑到怎么排序(是按始发时间排呢,还是按票价,或者按余票数量排?),怎么分页。

pic

眼见不一定为实

查询余票通常不是实时的、或者说不一定是准确的,有可能是后台异步统计的结果。

即使是实时统计的结果,在高并发的抢票期间,你看到的信息对你来说也许很快就会失效。

比如你看到某趟车还有100张票,很可能等你付款的时候,已经卖光了。

所以在高峰期,余票信息的参考价值并不大,不要被迷惑了。

2. 查询余票的另一个更高级的需求是路径规划, 自动适配(根据用户输入的中转站点s)

这个功能以前可能没有,但是总有一天会暴露出来,特别是车票很紧张的情况下。

就比如从北京到上海,直达的没有了,系统可以帮你看看转一趟车的,转2趟车的,转N趟车的。(当然,转的越多越复杂)。

从中转这个角度来讲,实际上已经扯上路径规划的技术了。

怎么中转是时间最短的、价格最低的、中转次数最少的等等。(里面还涉及转车的输入要求(比如用户要求在一线城市转车,或者必须要转高铁))。

关于路径规划,可以参考一下PostgreSQL pgrouting,已支持多种路径规划算法,支持算法的自定义扩展。

简直是居家旅行,杀人灭口的必备良药。

《聊一聊双十一背后的技术 - 物流, 动态路径规划》

设计痛点

1. 大多数用户是有选择综合症的,通常来说,用户可能会查询很多次,才选到合适日期的合适车次的票。

查询量比较大,春节期间更甚。

2. 为了展示余票数量,需要统计,会耗费较多的CPU, IO资源。

3. 路径规划,帮用户选择最佳的转车路线,很考验数据库的功能,大多数数据库没有这个功能。

2 余票统计

对于售票系统来说,查询余票实际上是一个统计操作。

统计操作相比简单查询,不但消耗更多的IO还消耗更多的CPU资源。

想像一下几亿人(其实不用这么多,可能几十万就够了)来查询余票,即使机器没挂掉,也会把所有机器的资源跑满,CPU产生的热量,可能几分钟就能把鸡蛋煮熟咯。

为了减少实时查询余票的开销,通常会分时进行统计,更新最新的统计信息。

用户查询余票信息时,查到的是统计后的结果,前面我已经分析过了,余票是不可信的,所以存在一定的延迟其实也是允许的。

这下不能煮鸡蛋了,因为把几亿个统计请求,变成了1个统计请求,是不是一下子世界就冷静了呢?

我们可以看到12306主页的余票大盘数据

pic

设计痛点

1. 余票信息需要统计,查询会耗费较多的CPU,IO。

由于余票是不可信的,所以存在一定的延迟其实也是允许的,优化手段是异步统计,用户查询统计后的结果。

3 购票

购票相对于查询余票来说,从请求量来分析,比查询请求更少,因为通常来说,用户可能会查询很多次,才选到合适日期的合适车次的票。

但是由于购票是一次交易,每次交易都会产生写操作,而且这种交易并不是无限库存的交易,因为库存是有限的,所以设计的关键是降低粒度,减少锁冲突,减少数据扫描量。

另外还需要考虑的因素包括

1. 同一趟车次的同一个座位,在不同的维度可能会被多次售卖

1.1 时间维度,如发车日期

1.2 空间维度,不同的起始站点

2. 票价

票价一般和席别绑定,按区间计费。

另一个需求是尽量的将票卖出去,减少空洞座位。

打个比方,从北京到上海的车,中间经过(天津、徐州、南京、无锡、苏州),如果天津到南京段有人买了,剩下的没有被购买的段应该还可以继续被购买。

如果一趟从北京到上海的车,所有的票都被苏州到上海的用户买了,其他的位置没有卖出,铁大哥是不是要哭晕在厕所。

又或者某趟车大量的座位被中途上车的用户买了,是不是可以买到全程的票数就少了。

以前就存在这种情况,对铁大哥的成本是个不小的考验。

设计痛点

1. 为了减少购票系统的写锁冲突,例如同一个座位,尽量不出现因为一个会话在更新它,其他会话需要等待的情况。

(比如A用户买了北京到天津的,B用户买了天津到上海的同一趟车的同一个座位,那么应该设计合理的合并操作(如数据库内核改进)或者从设计上避免锁等待)

其实就是把座位的空间维度(从哪里到哪里)、本身的属性(座位号)、时间维度(发车日期)进行解耦,放到多条记录中,从而在购买时,可以同时进行。

因为数据库中最小的锁目前是行锁(单行记录同一时刻只允许一个会话进行更新,其他的被堵塞,等待释放锁),也许随着技术的发展,会演变成列锁,或者列里面的元素锁(比如数组,JSON)。

4 车次新增、删除、变更

春节来临时、通常需要对某些热门线路增加车次。

及车次的新增、删除和变更需求。

在设计数据库时,应该考虑到这一点。

设计痛点

车次的变更简直是牵一发而动全身,比如余票统计会跟着变化,查询系统也要跟着变化。

还有初始化信息的准备,例如为了加快购票的速度,可能会将车次的数据提前准备好(也许是每个座位一条记录),参考第3个需求的解说。

5 对账需求

票可能是经过很多渠道卖出去的,例如支付宝、去哪儿、携程、铁老大的售票窗口、银行的代理窗口、客运机构 等等。

涉及到实际的销售信息与资金往来的对账需求。

通常这个操作是隔天延迟对账的。

6 退票、改签需求

退票和改签也是比较常见的需求,特别是现在APP流行起来,退改签都很方便。

这就导致了用户可能会先买好一些,特别是春节期间,用户无法预先知道什么时候请假回家,所以先买几张不同日期的,到时候提前退票或者改签。

改签和退票就涉及到位置回收(对数据库来说也许是更新数据),改签还涉及购票同样的流程。

设计痛点

与购票类似

7 取票

这个就很简单了,就是按照用户ID,查询已购买,未打印的车票。

8 其他需求

票的种类

学生票、团体票、卧铺、站票

这里特别是站票,站票是有上限的,需要控制一趟车的站票人数

站票同样有起点和终点,但是有些用户可能买不到终点的票,会先买一段的,然后补票或者就一直在车上不下车,下车后再补票。

先上车后补票

这个手段极其恶劣,不过很多人都是这么干的,未婚先孕,现在的年轻人啊。。。。

通常会考虑容积率,避免站票太多。

如果无节制的销售站票,可能坐不下的。

痛点小结

1. 大多数用户是有选择综合症的,通常来说,用户可能会查询很多次,才选到合适日期的合适车次的票。

查询量比较大,春节期间更甚。

2. 为了展示余票数量,需要统计,会耗费较多的CPU, IO资源。

3. 路径规划的需求,帮用户找出(时间最短、行程最短、指定中转站、最廉价、或者站票最少)等条件的中转搭乘路线。

妈妈再也不用担心买不到票啦。

4. 余票信息需要统计,查询会耗费较多的CPU,IO。

由于余票是不可信的,所以存在一定的延迟其实也是允许的,优化手段是异步统计,用户查询统计后的结果。

5. 为了减少购票系统的写锁冲突,例如同一个座位,尽量不出现因为一个会话在更新它,其他会话需要等待的情况。

(比如A用户买了北京到天津的,B用户买了天津到上海的同一趟车的同一个座位,那么应该设计合理的合并操作(如数据库内核改进)或者从设计上避免锁等待)

其实就是把座位的空间维度(从哪里到哪里)、本身的属性(座位号)、时间维度(发车日期)进行解耦,放到多条记录中,从而在购买时,可以同时进行。

因为数据库中最小的锁目前是行锁(单行记录同一时刻只允许一个会话进行更新,其他的被堵塞,等待释放锁),也许随着技术的发展,会演变成列锁,或者列里面的元素锁(比如数组,JSON)。

6. 车次的变更简直是牵一发而动全身,比如余票统计会跟着变化,查询系统也要跟着变化。

还有初始化信息的准备,例如为了加快购票的速度,可能会将车次的数据提前准备好(也许是每个座位一条记录),参考第3个需求的解说。

综合以上痛点和需求分析,我们在设计时应尽量避免锁等待,避免实时余票查询,同时还要避免席位空洞。

二、猴子请来的救兵来啦

经过前面的分析,已经把铁路售票系统最关键的几个业务场景进行了描述,并且阐述了其中的设计痛点,那么我们如何设计合理的系统来满足几亿人民抢票的需求呢?

西游记里每一集孙悟空师父被妖怪抓走,总能找到救兵来解救。

我们也需要救兵,救兵快来啊。。。。

PostgreSQL是全世界最高级的开源数据库,几乎适用于任何场景。

有很多特性是可以用来加快开发效率,满足架构需求的。

针对铁路售票系统,可以用到哪些救命法宝呢?

1. 法宝1,varbit类型

使用varbit存储每趟车的每个座位途径站点是否已销售。

例如 G1921车次,从北京到上海,途径天津、徐州、南京、苏州。包括起始站,总共6个站点。 那么使用6个比特位来表示。

'000000'     

如果我要买从天津到徐州的,这个值变更为(下车站的BIT不需要设置)

'010000'     

这个位置还可以卖从北京到天津,从徐州到终点的任意站点。

余票统计也很方便,对整个车次根据BIT做聚合计算即可。

统计任意组合站点的余票( 北京-天津, 北京-徐州, 北京-南京, 北京-苏州, 北京-上海, 天津-徐州, 天津-南京, ……, 苏州-上海 )

udf_count(varbit) returns record    

统计指定起始站点的余票(start: 北京, end: 南京; 则返回的是 北京-南京 的余票)

udf_count(varbit, start, end) returns record    

以上两个需求,开发对应的聚合函数即可,其实就是一些指定范围的bitand的count操作。

通过法宝1,解决了统计余票的需求、售票无空洞的需求。

2. 法宝2,数组类型

使用数组存储每趟车的起始站点,途经站点。

使用数组来存储,好处是可以使用到数组的GIN索引,快速的检索哪些车次是可以搭乘的。

例如查询从北京到南京的车次。

select 车次 from 全国列车时刻表 where column_arr @> array['北京','南京'];  

这条SQL是可以走索引的,效率非常高,每秒请求几十万不是问题。

法宝2解决了高并发请求查询符合条件的列车信息的需求。

3. 法宝3,skip locked

这个特性是跳过已被锁定的行,比如用户在购买某一趟从北京到南京的车票时,其实是一次UPDATE … SET BIT的操作。

但是很可能其他用户也在购买,可能就会出现锁冲突,为了避免这个情况发生,可以skip locked,跳过锁冲突,直接找另一个座位。

select * from table   
  where column1='车次号'   -- 指定车次  
  and column2='车次日期'   -- 指定发车日期  
  -- and mod(pg_backend_pid(),100) = mod(pk,100)   -- 提高并发,如果有多个连接并发的在更新,可以直接分开落到不同的行,但是可能某些pID卖完了,可能会找不到票,建议不要开启这个条件  
  and column4='席别'  -- 指定席别  
  and getbit(column3, 开始站点位置, 结束站点位置-1) = '0...0'  -- 获取起始位置的BIT位,要求全部为0  
  order by column3 desc   -- 这个目的是先把已经卖了散票的的座位拿来卖,也符合铁大哥的思想,尽量把起点和重点的票卖出去,减少空洞  
  for update  
  skip locked  -- 跳过被锁的行,老牛逼了,不需要锁等待  
  limit ?;     -- 要买几张票  

法宝3解决了一伙人来抢票时,在同一趟车的座位发生冲突的问题。

4. 法宝4,cursor

如果要查询大量记录,可以使用cursor,减少重复扫描。

5. 法宝5,路径规划

如果用户选择直达车已经无票了,可以自动计算如何转乘,根据用户的乘车站点和目的地选择最佳搭乘路线。

参考一下pgrouting,与物流的动态路径规划需求一致。

《聊一聊双十一背后的技术 - 物流, 动态路径规划》

6. 法宝6,多核并行计算

开源也支持多核并行计算的,在生成余票统计时,为了提高生成速度,可以将更多的CPU加入进来并行计算,快速得到余票统计。

就比如你策划了一本书,已经列好了大纲,同时你找了100个作者,这100个作者可以根据你分配的工作,同时开始写作,很快就能把一本书写完。

而传统的情况,一本书,只能一个作者帮你写,即使你找了100个作者,另外的99位也只能空闲,或者他们只能写其他的99本书。

7. 法宝7,资源隔离

PostgreSQL为进程模型,所以可以控制每个进程的资源开销,包括(CPU,IOPS,MEMORY,network),在铁路售票系统中,查询和售票是最关键的需求,使用这种方法,可以在关键时刻保证关键业务有足够的资源,流畅运行。

这个思想和双十一护航也是一样的,在双十一期间,会关掉一些不必要的业务,保证主要业务的资源,以及它们的流畅运行。

8. 法宝8,分库分表

铁路数据达到了海量数据的级别,很显然一台机器无法存下所有的铁路数据。

那么怎么办呢? 可以将铁路的数据进行分区存储,存到不同的主机。

PostgreSQL的分库分表方案很多,例如plproxy, pgpool-II, pg-xl, pg-xc, citus等等.

9. 法宝9,递归查询

铁路有非常典型的上下文相关特性,例如一趟车途径N个站点,全国铁路组成了一个很大的铁路网。

递归查询可以根据某一个节点,向上或者向下递归搜索相关的站点。

比如在有哪些车可以直达北京,有哪些车可以转车到达北京,又或者查询从北京到拉萨,有哪些线路以及途经线路可以走。

pic

10. 法宝10,MPP

为了持续的提高12306的体验,铁大哥还有数据挖掘的需求,比如今年春节应该对哪些线路增加车次,每天的车次增加的规划,哪些线路可以减少车次也能在春节前将用户送回家。

这些问题可以基于以往的运输数据进行挖掘计算,进行回答。

基于PostgreSQL的MPP产品很多,例如Postgres-XL, Greenplum, Hawq, REDSHIFT, paraccl, 等等。

使用PG可以和这些产品很好的融合,保持语法一致。

降低数据分析的开发成本。

猴子请来的救兵厉害吧,还有更厉害的,阿里云在PostgreSQL基础上做了很多的改进,比对对于12306的系统,就有特别的定制特性。

三、阿里云PostgreSQL varbit, array增强介绍

在铁路购票系统中,有几个需求需要用到bit和array的特殊功能,这些特殊的功能目前社区版本没有,阿里云RDS PostgreSQL对此做了增强,如下。

1. 余票统计

统计指定bit范围=全0的计数

不指定范围,查询任意组合的bit范围全=0的计数

2. 购票

指定bit位置过滤、取出、设置对应的bit值

根据数组值取其位置下标。

回顾一下我之前写的两篇文章,也是使用varbit的应用场景,有异曲同工之妙

《基于 阿里云 RDS PostgreSQL 打造实时用户画像推荐系统》

《门禁广告销售系统需求剖析 与 PostgreSQL数据库实现》

PostgreSQL的bit, array功能已经很强大,阿里云RDS PostgreSQL的bitpack也是用户实际应用中的需求提炼的新功能,大伙一起来给阿里云提需求。

打造属于国人的PostgreSQL吧。

四、数据库设计(伪代码)

讲了这么多,最后提供一些伪代码,帮助大家来理解一下。

1. 列车信息表 :

create table train     
(id int primary key, --主键    
go_date date, -- 发车日期    
train_num name, -- 车次    
station text[] -- 途径站点数组    
);     

2. 位置信息表 :

create table train_sit     
(id serial8 primary key, -- 主键    
tid int references train (id), --关联列车ID    
bno int, -- 车厢或bucket号    
sit_level text, -- 席别  
sit_no int,  -- 座位号  
station_bit varbit  -- 途径站点组成的BIT位信息, 已售站点用1表示, 未售站点用0表示. 购票时设置起点和终点-1, 终点不设置   
);    

3. 测试数据模型, 1趟火车, 途径14个站点.

insert into train values (1, '2013-01-20', 'D645', array['上海南','嘉兴','杭州南','诸暨','义乌','金华','衢州','上饶','鹰潭','新余','宜春','萍乡','株洲','长沙']);    

4. 插入测试数据, 共计200W个车厢或bucket, 每个车厢98个位置.

insert into train_sit values (id, 1, id, '一等座', generate_series(1,98), repeat('0',14)::varbit) from generate_series(1,1000000) t(id);    
insert into train_sit values (id, 1, id, '二等座', generate_series(1,98), repeat('0',98)::varbit) from generate_series(1000001,2000000) t(id);    

5. 创建取数组中元素位置的函数 (实际生产时可以使用C实现) :

create or replace function array_pos (a anyarray, b anyelement) returns int as $$    
declare    
  i int;    
begin    
  for i in 1..array_length(a,1) loop    
    if b=a[i] then    
      return i;    
    end if;    
    i := i+1;    
  end loop;    
  return null;    
end;    
$$ language plpgsql;    

6. 创建购票函数 (伪代码) :

下单,更新

create or replace function buy     
(    
inout i_train_num name,     
inout i_fstation text,     
inout i_tstation text,    
inout i_go_date date,    
inout i_sits int, -- 购买多少张  
out o_slevel text,    
out o_bucket_no int,    
out o_sit_no int,    
out o_order_status boolean    
)     
declare  
  vid int[];  
  
begin  
  
-- 锁定席位  
  
open cursor for  
select array_agg(id) into vid[] from table   
  where column1='车次号'   -- 指定车次  
  and column2='车次日期'   -- 指定发车日期  
  -- and mod(pg_backend_pid(),100) = mod(pk,100)   -- 提高并发,如果有多个连接并发的在更新,可以直接分开落到不同的行,但是可能某些pID卖完了,可能会找不到票,建议不要开启这个条件  
  and column4='席别'  -- 指定席别  
  and getbit(column3, 开始站点位置, 结束站点位置-1) = '0...0'  -- 获取起始位置的BIT位,要求全部为0  
  order by column3 desc   -- 这个目的是先把已经卖了散票的的座位拿来卖,也符合铁大哥的思想,尽量把起点和重点的票卖出去,减少空洞  
  for update  
  skip locked  -- 跳过被锁的行,老牛逼了,不需要锁等待  
  limit ?;     -- 要买几张票  
  
  if array_lengty(vid,1)=? then  -- 确保锁定行数与实际需要购票的数量一致   
  
    -- 购票,更新席别,设置对应BIT=1  
    update ... set column3=set_bit(column3, 1, 开始位置, 结束位置) where id = any(vid);  
  end if;  
  
end;  
$$ language plpgsql;    

测试(old 输出) :

digoal=# select * from buy('D645','杭州南','宜春','2013-01-20', 10);    
 i_train_num | i_fstation | i_tstation | i_go_date  | o_slevel | o_bucket_no | o_sit_no | o_order_status     
-------------+------------+------------+------------+----------+-------------+----------+----------------    
 D645        | 杭州南     | 宜春       | 2013-01-20 | 一等座   |       35356 |        9 | t    
(1 row)    

7. 余票统计(伪代码)

表结构

create table ? (  
 车次  
 发车日期  
 起点  
 到站  
 余票  
);  

统计SQL

select 车次,发车日期,count(varbit, 起点, 到站) from table group by 车次 发车日期;  

五、小结

本文从铁路购票系统的需求出发,分析了购票系统的痛点,以及数据库设计时需要注意的事项。

PostgreSQL的10个特性,加上阿里云对varbit和array的改进,可以很好的满足铁路购票系统的需求。

1. 照顾到余票查询的实时性、购票的锁竞争、以及超大规模的分库分表的需求。

2. 购票时,如果是中途票,会尽量选择已售的中途票,减少位置空洞的产生,保证更多的人可以购买到全程票。

3. 使用bit描述了每一个站点是否被售出,不会出现有票不能卖的情况。

六、以前写的同类文章

正文

在PostgreSQL 中可以使用varbit存储比特位, 下面模拟一个简单的应用场景.

马上春节了, 火车票又到了销售旺季, 一票难求依旧.

下面就以火车票销售为例来介绍一下PostgreSQL varbit类型的用法.

测试环境 :

PostgreSQL 9.2.1

测试表 :

列车信息表 :

create table train   
(id int primary key, --主键  
go_date date, -- 发车日期  
train_num name, -- 车次  
station text[] -- 途径站点  
);   

车厢或bucket信息表 :

create table train_bucket   
(id int primary key, --主键  
tid int references train (id), -- 关联列车ID  
bno int, -- 车厢或bucket号  
sit_level text, -- 席别  
sit_cnt int, -- 该车厢或bucket的座位总数  
sit_remain int, -- 剩余座位  
sit_bit varbit -- 座位BIT位, 已售座位用1表示, 未售座位用0表示  
);  

位置信息表 :

create table train_sit   
(id serial8 primary key, -- 主键  
tid int references train (id), --关联列车ID  
tbid int references train_bucket(id), --关联bucket表ID  
sit_no int,  -- 座位号, 来自train_bucket.sit_bit的位置信息.  
station_bit varbit  -- 途径站点组成的BIT位信息, 已售站点用1表示, 未售站点用0表示.  
);  

创建索引 :

create index idx_train_bucket_sit_remain on train_bucket(sit_remain) where sit_remain>0;  
create index idx_train_sit_station_bit on train_sit (station_bit) where station_bit<>repeat('1', 13)::varbit;  

插入测试数据, 1趟火车, 途径14个站点.

insert into train values (1, '2013-01-20', 'D645', array['上海南','嘉兴','杭州南','诸暨','义乌','金华','衢州','上饶','鹰潭','新余','宜春','萍乡','株洲','长沙']);  

插入测试数据, 共计200W个车厢或bucket, 每个车厢98个位置.

insert into train_bucket values (generate_series(1,1000000), 1, generate_series(1,1000000), '一等座', 98, 98, repeat('0',98)::varbit);  
insert into train_bucket values (generate_series(1000001,2000000), 1, generate_series(1000001,2000000), '二等座', 98, 98, repeat('0',98)::varbit);  

创建取数组中元素位置的函数 :

create or replace function array_pos (a anyarray, b anyelement) returns int as $$  
declare  
  i int;  
begin  
  for i in 1..array_length(a,1) loop  
    if b=a[i] then  
      return i;  
    end if;  
    i := i+1;  
  end loop;  
  return null;  
end;  
$$ language plpgsql;  

创建购票函数 :

create or replace function buy   
(  
inout i_train_num name,   
inout i_fstation text,   
inout i_tstation text,  
inout i_go_date date,  
out o_slevel text,  
out o_bucket_no int,  
out o_sit_no int,  
out o_order_status boolean  
)   
returns record as $$  
declare  
  curs1 refcursor;  
  curs2 refcursor;  
  v_row int;  
  v_station text[];  
  v_train_id int;  
  v_train_bucket_id int;  
  v_train_sit_id int;  
  v_from_station_idx int;  
  v_to_station_idx int;  
  v_station_len int;  
begin  
  set enable_seqscan=off;  
  v_row := 0;  
  o_order_status := false;  
    
  select array_length(station,1), station, id, array_pos(station, i_fstation), array_pos(station, i_tstation)   
    into v_station_len, v_station, v_train_id, v_from_station_idx, v_to_station_idx   
    from train where train_num=i_train_num and go_date = i_go_date;  
  if ( found and array_pos(v_station, i_fstation) is not null   
       and array_pos(v_station, i_tstation) is not null   
       and array_pos(v_station, i_fstation) < array_pos(v_station, i_tstation)   
     ) then  
  else  
    o_order_status := false;  
    return;  
  end if;  
    
  open curs2 for select tid,tbid,sit_no from train_sit  
    where (station_bit & bitsetvarbit(repeat('0', v_station_len-1)::varbit, v_from_station_idx-1, v_to_station_idx-v_from_station_idx, 1)) = repeat('0', v_station_len-1)::varbit   
    and station_bit <> repeat('1', v_station_len-1)::varbit  
    -- and ctid not in (select locked_row from pgrowlocks('train_sit')) -- 耗时约300毫秒, 用它来解决热点锁等待不划算.  
    limit 1  
    for update nowait; -- 也可不加nowait, 加了的话如果获取锁失败将返回55P03异常, 需要程序重新提交  
  loop  
    fetch curs2 into v_train_id,v_train_bucket_id,o_sit_no;  
    if found then  
      update train_sit set station_bit=bitsetvarbit(station_bit, v_from_station_idx-1, v_to_station_idx-v_from_station_idx, 1)   
        where current of curs2;  
      GET DIAGNOSTICS v_row = ROW_COUNT;  
      if (v_row = 1) then  
        select sit_level, bno into o_slevel, o_bucket_no from train_bucket where id=v_train_bucket_id;  
 close curs2;  
 o_order_status := true;  
 return;  
      end if;  
    else   
      close curs2;  
      exit;  
    end if;  
  end loop;  
  
  v_row := 0;  
  
  open curs1 for select id, tid, strpos(sit_bit::text,'0'), sit_level, bno from train_bucket   
    where sit_remain>0  
    -- and ctid not in (select locked_row from pgrowlocks('train_bucket')) -- 耗时约300毫秒, 用它来解决热点锁等待不划算.  
    limit 1   
    for update nowait; -- 也可不加nowait, 加了的话如果获取锁失败将返回55P03异常, 需要程序重新提交.  
  loop  
    fetch curs1 into v_train_bucket_id, v_train_id, o_sit_no, o_slevel, o_bucket_no;  
    if found then  
      update train_bucket set sit_bit = set_bit(sit_bit, strpos(sit_bit::text,'0')-1, 1), sit_remain = sit_remain-1  
        where current of curs1;  
      GET DIAGNOSTICS v_row = ROW_COUNT;  
      if (v_row = 1) then  
        close curs1;  
 exit;  
      end if;  
    else   
      close curs1;  
      exit;  
    end if;  
  end loop;  
  
  if v_row = 1 then  
    insert into train_sit(tid,tbid,sit_no,station_bit)  
    values (  
      v_train_id,   
      v_train_bucket_id,   
      o_sit_no,  
      bitsetvarbit(repeat('0', v_station_len-1)::varbit, v_from_station_idx-1, v_to_station_idx-v_from_station_idx, 1)  
      );  
    o_order_status := true;  
    return;  
  else  
    o_order_status := false;  
    return;  
  end if;  
    
  exception   
  when others then  
    o_order_status := false;  
    return;  
end;  
$$ language plpgsql;  

测试 :

digoal=# select * from buy('D645','杭州南','宜春','2013-01-20');  
 i_train_num | i_fstation | i_tstation | i_go_date  | o_slevel | o_bucket_no | o_sit_no | o_order_status   
-------------+------------+------------+------------+----------+-------------+----------+----------------  
 D645        | 杭州南     | 宜春       | 2013-01-20 | 一等座   |       35356 |        9 | t  
(1 row)  

压力测试

vi test.sql  
select * from buy('D645','上海南','长沙','2013-01-20');  

不加nowait测试结果 :

ocz@db-172-16-3-150-> pgbench -M prepared -f ./test.sql -n -r -c 16 -j 8 -T 1200 -U postgres digoal  
transaction type: Custom query  
scaling factor: 1  
query mode: prepared  
number of clients: 16  
number of threads: 8  
duration: 1200 s  
number of transactions actually processed: 2197407  
tps = 1831.143708 (including connections establishing)  
tps = 1831.169308 (excluding connections establishing)  
statement latencies in milliseconds:  
        8.734424        select * from buy('D645','上海南','长沙','2013-01-20');  

加nowait测试结果 :

ocz@db-172-16-3-150-> pgbench -M prepared -f ./test.sql -n -r -c 16 -j 16 -T 12 -U postgres digoal  
transaction type: Custom query  
scaling factor: 1  
query mode: prepared  
number of clients: 16  
number of threads: 16  
duration: 12 s  
number of transactions actually processed: 93632  
tps = 7800.056248 (including connections establishing)  
tps = 7818.803904 (excluding connections establishing)  
statement latencies in milliseconds:  
        2.042862        select * from buy('D645','上海南','长沙','2013-01-20');  

小结

1. 需要解决更新热点, 降低等待, 提高并行处理几率.

本例的热点在 :   
update train_bucket set sit_bit = set_bit(sit_bit, strpos(sit_bit::text,'0')-1, 1), sit_remain = sit_remain-1  
   where current of curs1;  

以及

 update train_sit set station_bit=bitsetvarbit(station_bit, v_from_station_idx-1, v_to_station_idx-v_from_station_idx, 1)   
    where current of curs2;  

对应的游标 :

  open curs2 for select tid,tbid,sit_no from train_sit  
    where (station_bit & bitsetvarbit(repeat('0', v_station_len-1)::varbit, v_from_station_idx-1, v_to_station_idx-v_from_station_idx, 1)) = repeat('0', v_station_len-1)::varbit   
    and station_bit <> repeat('1', v_station_len-1)::varbit  
    -- and ctid not in (select locked_row from pgrowlocks('train_sit')) -- 耗时约300毫秒, 用它来解决热点锁等待不划算.  
    limit 1  
    for update;  

以及

  open curs1 for select id, tid, strpos(sit_bit::text,'0'), sit_level, bno from train_bucket   
    where sit_remain>0  
    -- and ctid not in (select locked_row from pgrowlocks('train_bucket')) -- 耗时约300毫秒, 用它来解决热点锁等待不划算.  
    limit 1   
    for update;  

解决的关键在这里.

如果不能解决热点的问题, 那就提高处理速度, 精简字段数量和长度, 精简索引. 提高更新速度.

2. 减少数据扫描的量.

partial index, 避免满座车厢的扫描, 以及全程占位位子的扫描.  

3. 先查bucket 是否空闲, 再查sit是否空闲.

4. 还需要考虑优先级的问题 :

例如有111000和111100两个位子, 如果请求要最后两个站的票, 应该优先匹配111100, 这样更不容易浪费。如下 :

111000 | 000011 = 111011  
111100 | 000011 = 111111  

参考

1. setbitvarbit

http://blog.163.com/digoal@126/blog/static/163877040201302192427651/

Flag Counter

digoal’s 大量PostgreSQL文章入口