HTAP数据库 PostgreSQL 场景与性能测试之 24 - (OLTP) 物联网 - 时序数据并发写入(含时序索引BRIN)

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 - 物联网 - 时序数据并发写入(含时序索引BRIN) (OLTP)

1、背景

物联网数据,并发量大,写入吞吐大,但是时序属性,按时间区间查询、聚合、过滤、流式处理的需求最为旺盛。

PostgreSQL的时序索引(也可以称为块级索引),索引小,但是对于时序数据的过滤性特别好,并且几乎不影响写入效率。

2、设计

1、单表,含时序索引,单条并发写入。

2、多表,含时序索引,单条并发写入。

3、单表,含时序索引,批量并发写入。

4、多表,含时序索引,批量并发写入。

3、准备测试表

包含索引。

create table feed (id int, val float, crt_time timestamp default now());  
create index idx_feed on feed using BRIN (crt_time) tablespace tbs1;  
  
do language plpgsql $$  
declare  
begin  
  for i in 1..1024 loop  
    execute 'create table feed'||i||' (like feed including all)';  
  end loop;  
end;  
$$;  

4、准备测试函数(可选)

动态SQL,写入不同分表。

create or replace function ins_batch(int, int) returns void as $$  
declare  
begin  
  execute 'insert into feed'||$1||' select id , 0.1 from generate_series(1,'||$2||') t(id)';  
end;  
$$ language plpgsql strict;  
  
create or replace function ins(int) returns void as $$  
declare  
begin  
  execute 'insert into feed'||$1||' values (1, 0.1)';  
end;  
$$ language plpgsql strict;  

5、准备测试数据

6、准备测试脚本

1、单表,含时序索引,单条并发写入。

vi test.sql  
  
insert into feed (id, val) values (1,0.1);  

2、多表,含时序索引,单条并发写入。

vi test.sql  
  
\set suffix random(1,1024)  
select ins(:suffix)  

3、单表,含时序索引,批量并发写入。

vi test.sql  
  
insert into feed (id, val) select 1, 0.1 from generate_series(1,1000);  

4、多表,含时序索引,批量并发写入。

vi test.sql  
  
\set suffix random(1,1024)  
select ins_batch(:suffix, 1000)  

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  

7、测试

1、单表,含时序索引,单条并发写入。

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: 81975309  
latency average = 0.205 ms  
latency stddev = 0.351 ms  
tps = 273236.057797 (including connections establishing)  
tps = 273259.238238 (excluding connections establishing)  
script statistics:  
 - statement latencies in milliseconds:  
         0.205  insert into feed (id, val) values (1,0.1);  

2、多表,含时序索引,单条并发写入。

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: 52089776  
latency average = 0.322 ms  
latency stddev = 0.267 ms  
tps = 173584.822070 (including connections establishing)  
tps = 173612.564907 (excluding connections establishing)  
script statistics:  
 - statement latencies in milliseconds:  
         0.002  \set suffix random(1,1024)  
         0.321  select ins(:suffix)  

3、单表,含时序索引,批量并发写入。

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: 605700  
latency average = 27.735 ms  
latency stddev = 25.144 ms  
tps = 2018.830266 (including connections establishing)  
tps = 2019.002544 (excluding connections establishing)  
script statistics:  
 - statement latencies in milliseconds:  
        27.735  insert into feed (id, val) select 1, 0.1 from generate_series(1,1000);  

4、多表,含时序索引,批量并发写入。

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: 941248
latency average = 17.847 ms
latency stddev = 27.876 ms
tps = 3137.373893 (including connections establishing)
tps = 3137.648888 (excluding connections establishing)
script statistics:
 - statement latencies in milliseconds:
         0.002  \set suffix random(1,1024)
        17.846  select ins_batch(:suffix, 1000)

TPS

1、单表,含时序索引,单条并发写入。TPS: 273259 。

2、多表,含时序索引,单条并发写入。TPS: 173612 。

3、单表,含时序索引,批量并发写入。TPS: 2019 。相当于每秒写入 201.9万 条记录。

4、多表,含时序索引,批量并发写入。TPS: 3137 。相当于每秒写入 313.7万 条记录。

平均响应时间

1、单表,含时序索引,单条并发写入。0.205 毫秒。

2、多表,含时序索引,单条并发写入。0.322 毫秒。

3、单表,含时序索引,批量并发写入。27.735 毫秒。

4、多表,含时序索引,批量并发写入。17.847 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