HTAP数据库 PostgreSQL 场景与性能测试之 30 - (OLTP) 秒杀 - 高并发单点更新
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 - 秒杀 - 高并发单点更新 (OLTP)
1、背景
阿里巴巴双十一创造了一个词：秒杀。
秒杀是促销导致的一种用户行为，如1元秒杀iphone，由于优惠力度太大，抢的人就会很多。
通常秒杀商品都有一个库存值，在数据库中以数值存放，用户在抢购时，需要更新库存。
秒杀带来的压力是高并发的更新同一条记录（如1元iphone）。
由于更新记录在数据库中体现为行排他锁，因此同一条记录，只允许一个事务更新，其他事务会处于等待状态。
那么问题就来了，如果大家都抢一个商品，那么大家都会等待其中一个人的更新，才会进行下一个更新，等待的过程就导致了堵塞。影响整体的处理吞吐。
（等待对于业务系统来说，是灾难性的，通常也是优化需要重点关注的。）
PostgreSQL设计了一种advisory lock，可以巧妙的解决秒杀的等待问题，单实例单行更新处理吞吐可以达到 22.9万qps。
2、设计
1张表，1条记录，高并发的更新同一条记录。造成秒杀效应。
3、准备测试表
create table t_update_single (id int8 primary key, val int, crt_time timestamp);
alter index t_update_single_pkey set tablespace tbs1;
4、准备测试函数(可选)
5、准备测试数据
插入1条记录，用于秒杀。
insert into t_update_single values (1,1,now());
秒杀到的，返回结果，程序获取到结果后更新缓存。如果商品被秒完，VAL会变成0，缓存更新为0后，就不需要到达数据库了。
语句很简单，更新并返回即可，例子：
postgres=# update t_update_single set val=val+1, crt_time=now() where pg_try_advisory_xact_lock(id) and id=1 returning *;
id | val | crt_time
----+--------+----------------------------
1 | 376426 | 2017-11-14 17:36:12.465658
(1 row)
UPDATE 1
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
update t_update_single set val=val+1, crt_time=now() where pg_try_advisory_xact_lock(id) and id=1;
压测
CONNECTS=112
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: 112
number of threads: 112
duration: 300 s
number of transactions actually processed: 68756469
latency average = 0.489 ms
latency stddev = 0.866 ms
tps = 229148.334927 (including connections establishing)
tps = 229191.371771 (excluding connections establishing)
script statistics:
- statement latencies in milliseconds:
0.489 update t_update_single set val=val+1, crt_time=now() where pg_try_advisory_xact_lock(id) and id=1;
TPS： 229191
平均响应时间： 0.489 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