HTAP数据库 PostgreSQL 场景与性能测试之 14 - (OLTP) 字符串搜索 - 全文检索

1 minute read

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。

pic

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。

pic

在各种应用场景中都可以看到PostgreSQL的应用:

pic

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:

pic

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》

《数据库选型之 - 大象十八摸 - 致 架构师、开发者》

《PostgreSQL 使用 pgbench 测试 sysbench 相关case》

《数据库界的华山论剑 tpc.org》

https://www.postgresql.org/docs/10/static/pgbench.html

Flag Counter

digoal’s 大量PostgreSQL文章入口