HTAP数据库 PostgreSQL 场景与性能测试之 46 - (OLTP) 大json字段的高并发更新
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 - 数据量与性能的线性关系(10亿+无衰减), 暨单表多大需要分区 (OLTP)
1、背景
很多时候用户可能使用PG的NOSQL特性,简化开发工作量,例如JSON类型,有些业务不仅仅需要存JSON,可能还需要对JSON内的字段进行修改。
这个测试回答用户几个问题:
1、JSON字段支持多大,回答,变长字段,最大支持压缩后存储1GB。内置PGLZ压缩算法。
2、高并发更新大JSON字段时,性能如何。
2、设计
单表记录数:千万
单个JSON:约2KB
3、准备测试表
postgres=# create table test(id int primary key, info jsonb);
CREATE TABLE
4、准备测试函数(可选)
用于生成任意长度(任意个KEY)的JSON。
create or replace function gen_json(int) returns jsonb as $$
select jsonb_agg(row_to_json(t)) from (select 'id'||id c1, md5(random()::text) c2 from generate_series(1,$1) t(id))t;
$$ language sql strict;
CREATE FUNCTION
示例
postgres=# select gen_json(2);
gen_json
--------------------------------------------------------------------------------------------------------------------
[{"c1": "id1", "c2": "02757c642789b76abf3f3551080c0a13"}, {"c1": "id2", "c2": "89bef7a80e378606897c2fd9e91bd889"}]
(1 row)
5、准备测试数据
写入1000万条测试数据,每个JSON字段约2KB
postgres=# insert into test select generate_series(1,10000000), gen_json(40);
INSERT 0 10000000
postgres=# select pg_column_size(info) from test limit 1;
pg_column_size
----------------
1617
(1 row)
6、准备测试脚本
1、更新JSON内容测试(由于PG为多版本,所以直接使用下面的方法,测试效果和更新是一样的)
vi test.sql
\set id random(1,10000000)
update test set info=info where id=:id;
7、测试
测试脚本
CONNECTS=32
TIMES=120
export PGHOST=$PGDATA
export PGPORT=1921
export PGUSER=postgres
export PGPASSWORD=postgres
export PGDATABASE=postgres
pgbench -M prepared -n -r -P 5 -f ./test.sql -c $CONNECTS -j $CONNECTS -T $TIMES
8、测试结果
1、查询测试TPS
pgbench -M prepared -n -r -P 1 -f ./test.sql -c 32 -j 32 -T 120
transaction type: ./test.sql
scaling factor: 1
query mode: prepared
number of clients: 32
number of threads: 32
duration: 120 s
number of transactions actually processed: 12076455
latency average = 0.318 ms
latency stddev = 1.394 ms
tps = 100617.926372 (including connections establishing)
tps = 100624.454244 (excluding connections establishing)
script statistics:
- statement latencies in milliseconds:
0.005 \set id random(1,10000000)
0.313 update test set info=info where id=:id;
性能小结
数据量 | 更新JSON TPS
—|—
1000万 | 10万
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