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