HTAP数据库 PostgreSQL 场景与性能测试之 14 - (OLTP) 字符串搜索 - 全文检索
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 - 字符串搜索 - 全文检索 (OLTP)
1、背景
字符串搜索是非常常见的业务需求，它包括：
1、前缀+模糊查询。（可以使用b-tree索引）
2、后缀+模糊查询。（可以使用b-tree索引）
3、前后模糊查询。（可以使用pg_trgm和gin索引）
https://www.postgresql.org/docs/10/static/pgtrgm.html
4、全文检索。（可以使用全文检索类型以及gin或rum索引）
5、正则查询。（可以使用pg_trgm和gin索引）
6、相似查询。（可以使用pg_trgm和gin索引）
通常来说，数据库并不具备3以后的加速能力，但是PostgreSQL的功能非常强大，它可以非常完美的支持这类查询的加速。（是指查询和写入不冲突的，并且索引BUILD是实时的。）
用户完全不需要将数据同步到搜索引擎，再来查询，而且搜索引擎也只能做到全文检索，并不你做到正则、相似、前后模糊这几个需求。
使用PostgreSQL可以大幅度的简化用户的架构，开发成本，同时保证数据查询的绝对实时性。
2、设计
1亿条文本记录的全文检索。
3、准备测试表
create table t_fts(
id int,
ts tsvector
);
create index idx_t_fts_ts on t_fts using gin (ts);
4、准备测试函数(可选)
CREATE OR REPLACE FUNCTION public.gen_rand_str(integer)
RETURNS text
LANGUAGE sql
STRICT
AS $function$
select string_agg(a[random()*6+1],'') from generate_series(1,$1), (select array['a','b','c','d','e','f',' ']) t(a);
$function$;
-- 使用随机字符串生成的tsquery语义进行全文检索（用于压测）
create or replace function get_t_fts_test(int) returns setof t_fts as
$$
declare
str text;
begin
-- 选择一个输入字符串
select info into str from t_fts_test where id=$1;
-- 查找复合tsquery条件的记录
return query execute 'select * from t_fts where ts @@ to_tsquery('''||regexp_replace(rtrim(ltrim(str,' '),' '),'\ +',' & ','g')||''') limit 1';
end;
$$ language plpgsql strict;
5、准备测试数据
insert into t_fts select id, to_tsvector(gen_rand_str(128)) from generate_series(1,100000000) t(id);
生成200万随机字符串(总长度32的一些随机TOKEN)，用于作为全文检索的条件输入。
create table t_fts_test (id serial primary key, info text);
insert into t_fts_test (info) select gen_rand_str(32) from generate_series(1,2000000);
6、准备测试脚本
vi test.sql
\set id random(1,2000000)
select * from get_t_fts_test(:id);
7、测试
单次相似查询效率，响应时间低于 2 毫秒。(使用绑定变量、并且CACHE命中后，响应时间更低。)
postgres=# select * from t_fts where ts @@ to_tsquery('bfcee & cbdef');
id | ts
----------+-------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------
62226510 | 'adcdabf':1 'bfcee':4 'cbdef':2 'cdaedfcfaabcdabfaadafebe':12 'dbb':11 'ebbbbdabfbed':5 'edffbbcafbffceabc':6 'fbbffe':10 'fc':8 'fdbaeebedbcabadbfecbebcd':7 'fe':9 'ffbecdfeff':3
(1 row)
Time: 1.972 ms
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: 15447654
latency average = 1.088 ms
latency stddev = 8.911 ms
tps = 51362.939417 (including connections establishing)
tps = 51369.601534 (excluding connections establishing)
script statistics:
- statement latencies in milliseconds:
0.002 \set id random(1,2000000)
1.097 select * from get_t_fts_test(:id);
TPS： 51369
平均响应时间： 1.088 毫秒
参考
《PostgreSQL、Greenplum 应用案例宝典《如来神掌》 - 目录》
《PostgreSQL 使用 pgbench 测试 sysbench 相关case》
https://www.postgresql.org/docs/10/static/pgbench.html