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
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 - 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》
《PostgreSQL 使用 pgbench 测试 sysbench 相关case》
https://www.postgresql.org/docs/10/static/pgbench.html