HTAP数据库 PostgreSQL 场景与性能测试之 29 - (OLTP) 空间应用 - 高并发空间位置更新（含空间索引）

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。

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 - 高并发空间位置更新（含空间索引） (OLTP)

1、背景

越来越多的应用正在接入空间数据属性，例如物联网、车辆轨迹管理、公安系统的稽侦系统、O2O应用、LBS交友应用、打车应用等等。

被管理的对象携带空间属性，对象的运动形成了轨迹，最后一个位置点表示对象的最终位置。

PostgreSQL在空间数据库管理领域有这几十年的发展历程，例如PostGIS空间数据库,pgrouting路由插件等，GiST空间索引，SP-GiST空间分区索引等。

本文要测试的是空间数据的合并更新性能（携带空间索引），例如，保留对象的最终空间位置。

2、设计

1亿个被跟踪对象，1亿个点，含空间索引。实时合并更新被跟踪对象的位置。

3、准备测试表

create table t_update_gis (id int primary key, pos point, crt_time timestamp);  
alter index t_update_gis_pkey set tablespace tbs1;  
create index idx_t_update_gis_pos on t_update_gis using gist (pos) tablespace tbs1;  

4、准备测试函数(可选)

5、准备测试数据

6、准备测试脚本

1、更新用户的最终位置，由于空间移动有一定的速比，所以更新后是基于原有位置的一个相对位移位置。

vi test.sql  
  
\set id random(1,100000000)  
insert into t_update_gis values (:id, point(random()*10000, random()*10000), now()) on conflict (id) do update set pos=point (t_update_gis.pos[0]+5-random()*10, t_update_gis.pos[1]+5-random()*10), crt_time=excluded.crt_time;  

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

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: 54140831  
latency average = 0.310 ms  
latency stddev = 0.425 ms  
tps = 180452.988078 (including connections establishing)  
tps = 180470.225354 (excluding connections establishing)  
script statistics:  
 - statement latencies in milliseconds:  
         0.002  \set id random(1,100000000)  
         0.309  insert into t_update_gis values (:id, point(random()*10000, random()*10000), now()) on conflict (id) do update set pos=point (t_update_gis.pos[0]+5-random()*10, t_update_gis.pos[1]+5-random()*10), crt_time=excluded.crt_time;  

TPS： 180470

平均响应时间： 0.310 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

digoal’s 大量PostgreSQL文章入口

Twitter Facebook Google+ LinkedIn

Digoal.zhou