HTAP数据库 PostgreSQL 场景与性能测试之 18 - (OLAP) 用户画像圈人场景 - 数组包含查询与聚合

2 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 - 用户画像圈人场景 - 数组包含查询与聚合 (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。

create or replace function f_test () returns setof record as $$  
declare  
  varr int[];  
begin  
  -- 产生一个随机数组  (包含任意3个标签)   
  select gen_rand_arr(10000, 3) into varr;  
  -- 根据标签筛选数据,并进行透视输出。
  return query select c1,c2,c3,count(*) from t_arr_label where label @> varr group by grouping sets ((c1),(c2),(c3)); 
end;  
$$ language plpgsql strict;  

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  
  
select * from f_test() as t(c1 int, c2 int, c3 int ,cnt int8);

7、测试

单次相似查询效率,响应时间低于 20 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}' group by grouping sets ((c1),(c2),(c3));
 c1  | c2 | c3 | count 
-----+----+----+-------
   1 |    |    |     6
   4 |    |    |     1
   6 |    |    |     2
   8 |    |    |     1
.............
  98 |    |    |     3
  99 |    |    |     1
 100 |    |    |     2
     |    |  0 |    62
     |    |  1 |   149
     |    |  2 |    53
     |  0 |    |     9
     |  1 |    |    22
     |  2 |    |    30
     |  3 |    |    26
     |  4 |    |    22
     |  5 |    |    23
     |  6 |    |    34
     |  7 |    |    22
     |  8 |    |    31
     |  9 |    |    33
     | 10 |    |    12
(102 rows)

Time: 16.050 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                                                                
------------------------------------------------------------------------------------------------------------------------------------------
 GroupAggregate  (cost=111.75..121.83 rows=222 width=20) (actual time=15.402..15.590 rows=102 loops=1)
   Output: c1, c2, c3, count(*)
   Group Key: t_arr_label.c1
   Sort Key: t_arr_label.c3
     Group Key: t_arr_label.c3
   Sort Key: t_arr_label.c2
     Group Key: t_arr_label.c2
   Buffers: shared hit=419
   ->  Sort  (cost=111.75..111.97 rows=90 width=12) (actual time=15.394..15.422 rows=264 loops=1)
         Output: c1, c2, c3
         Sort Key: t_arr_label.c1
         Sort Method: quicksort  Memory: 37kB
         Buffers: shared hit=419
         ->  Bitmap Heap Scan on public.t_arr_label  (cost=17.70..108.82 rows=90 width=12) (actual time=14.711..15.327 rows=264 loops=1)
               Output: c1, c2, c3
               Recheck Cond: (t_arr_label.label @> '{1,2}'::integer[])
               Heap Blocks: exact=264
               Buffers: shared hit=419
               ->  Bitmap Index Scan on idx_t_arr_label  (cost=0.00..17.68 rows=90 width=0) (actual time=14.676..14.676 rows=264 loops=1)
                     Index Cond: (t_arr_label.label @> '{1,2}'::integer[])
                     Buffers: shared hit=155
 Planning time: 0.133 ms
 Execution time: 15.653 ms
(23 rows)

Time: 16.217 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: 532217
latency average = 31.565 ms
latency stddev = 5.183 ms
tps = 1773.127087 (including connections establishing)
tps = 1773.172254 (excluding connections establishing)
script statistics:
 - statement latencies in milliseconds:
        31.565  select * from f_test() as t(c1 int, c2 int, c3 int ,cnt int8);

TPS: 1773

平均响应时间: 31.565 毫秒

PostgreSQL真正实现了毫秒级圈选和透视分析。

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