使用 PolarDB 开源版 采用array数组和gin索引高效率解决用户画像、实时精准营销类业务需求

本文涉及的产品
云原生数据库 PolarDB MySQL 版,Serverless 5000PCU 100GB
简介: PolarDB 的云原生存算分离架构, 具备低廉的数据存储、高效扩展弹性、高速多机并行计算能力、高速数据搜索和处理; PolarDB与计算算法结合, 将实现双剑合璧, 推动业务数据的价值产出, 将数据变成生产力. 本文将介绍使用 PolarDB 开源版高效率解决用户画像、实时精准营销类业务需求

背景

PolarDB 的云原生存算分离架构, 具备低廉的数据存储、高效扩展弹性、高速多机并行计算能力、高速数据搜索和处理; PolarDB与计算算法结合, 将实现双剑合璧, 推动业务数据的价值产出, 将数据变成生产力.

本文将介绍使用 PolarDB 开源版高效率解决用户画像、实时精准营销类业务需求

测试环境为macOS+docker, PolarDB部署请参考下文:

原理

1、场景介绍:

用户画像通常被用于精准营销场景, 根据用户的行为分析并给用户打标签, 充分了解用户属性的诉求可以更好的实现供需连, 例如推送用户之所需, 根据市场需求进行备货等等.

数据分析时解决供需问题, 节省社会成本, 提升社会效率的有力手段.

2、难点:

  • 标签多, 标签的多少动态增减, 需要大量DDL, 不适合大宽表
  • 标签过滤需要全表扫描, 非常慢
  • 标签组合(包含、不包含等等), 过滤效率低
  • 每个用户的标签数量可能不一样, 不适合结构化存储

3、PolarDB如何解决这个问题:

  • 画像存储: 采用数组, 解决了动态增减标签, 个性化标签的需求, 不涉及结构变更.
  • GIN索引: 解决高效率组合搜索过滤问题
  • fast update: 解决实时打标的效率问题. (后台异步merge gin index)

场景模拟和架构设计实践

1、创建模拟生成标签的函数

create or replace function gen_arr(normal int, hot int) returns int[] as $$  
  select array(select (100000*random())::int+500 from generate_series(1,$1)) || array(select (500*random())::int from generate_series(1,$2));  
$$ language sql strict;  

体现个性标签+热门标签, 个性标签10万个, 热门标签500个.

例如20个个性标签+10个热门标签, 组成了某个人的画像.

postgres=# select gen_arr(22,10);  
                                                                                 gen_arr                                                                                    
--------------------------------------------------------------------------------------------------------------------------------------------------------------------------  
 {84735,45437,35238,71110,22339,86790,89232,8340,851,50577,6600,53760,63854,95377,28505,12781,34180,56262,10835,53417,42865,67843,235,401,265,372,304,132,309,140,38,254}  
(1 row)  

2、创建测试表, 生产500万用户画像数据, 并创建gin索引

create table tbl (uid int8, tag int[]);  
  
insert into tbl select uid, gen_arr(22,10) from generate_series(1,5000000) uid;  
  
create index on tbl using gin (tag);  

3、圈选用户测试, 使用GIN倒排索引.

postgres=# explain select count(*) from tbl where tag @> '{100}'::int[];  
                                      QUERY PLAN                                        
--------------------------------------------------------------------------------------  
 Aggregate  (cost=24422.02..24422.03 rows=1 width=8)  
   ->  Bitmap Heap Scan on tbl  (cost=210.25..24359.52 rows=25000 width=0)  
         Recheck Cond: (tag @> '{100}'::integer[])  
         ->  Bitmap Index Scan on tbl_tag_idx  (cost=0.00..204.00 rows=25000 width=0)  
               Index Cond: (tag @> '{100}'::integer[])  
(5 rows)  

圈选某个热门标签

postgres=# select count(*) from tbl where tag @> '{100}'::int[];  
 count   
-------  
 99427  
(1 row)  
  
Time: 693.697 ms  

圈选某些热门标签

postgres=# select count(*) from tbl where tag @> '{100,50}'::int[];  
 count   
-------  
  1841  
(1 row)  
  
Time: 19.100 ms  

圈选某个个性标签

postgres=# select count(*) from tbl where tag @> '{600}'::int[];  
 count   
-------  
  1042  
(1 row)  
  
Time: 69.772 ms  

圈选某些个性标签

postgres=# select count(*) from tbl where tag @> '{600,700}'::int[];  
 count   
-------  
     0  
(1 row)  
  
Time: 11.029 ms  
  
postgres=# select count(*) from tbl where tag @> '{600,680}'::int[];  
 count   
-------  
     0  
(1 row)  
  
Time: 1.050 ms  

圈选某个个性标签, 并排除某个热门标签

postgres=# explain select count(*) from tbl where tag @> '{600}'::int[] and not (tag @> '{60}'::int[]);  
                                      QUERY PLAN                                        
--------------------------------------------------------------------------------------  
 Aggregate  (cost=23537.17..23537.18 rows=1 width=8)  
   ->  Bitmap Heap Scan on tbl  (cost=200.64..23478.51 rows=23463 width=0)  
         Recheck Cond: (tag @> '{600}'::integer[])  
         Filter: (NOT (tag @> '{60}'::integer[]))  
         ->  Bitmap Index Scan on tbl_tag_idx  (cost=0.00..194.78 rows=23917 width=0)  
               Index Cond: (tag @> '{600}'::integer[])  
(6 rows)  
  
Time: 0.570 ms  
  
postgres=# select count(*) from tbl where tag @> '{600}'::int[] and not (tag @> '{60}'::int[]);  
 count   
-------  
  1018  
(1 row)  
  
Time: 3.715 ms  

圈选某个热门标签, 并排除某个个性标签

postgres=# explain select count(*) from tbl where tag @> '{60}'::int[] and not (tag @> '{600}'::int[]);  
                                      QUERY PLAN                                        
--------------------------------------------------------------------------------------  
 Aggregate  (cost=109198.79..109198.80 rows=1 width=8)  
   ->  Bitmap Heap Scan on tbl  (cost=778.85..108962.84 rows=94380 width=0)  
         Recheck Cond: (tag @> '{60}'::integer[])  
         Filter: (NOT (tag @> '{600}'::integer[]))  
         ->  Bitmap Index Scan on tbl_tag_idx  (cost=0.00..755.26 rows=94834 width=0)  
               Index Cond: (tag @> '{60}'::integer[])  
(6 rows)  
  
Time: 1.714 ms  
  
postgres=# select count(*) from tbl where tag @> '{60}'::int[] and not (tag @> '{600}'::int[]);  
 count   
-------  
 98930  
(1 row)  
  
Time: 693.436 ms  

在笔记本上, 性能已经起飞, 何况是高端机器?

相关实践学习
使用PolarDB和ECS搭建门户网站
本场景主要介绍基于PolarDB和ECS实现搭建门户网站。
阿里云数据库产品家族及特性
阿里云智能数据库产品团队一直致力于不断健全产品体系,提升产品性能,打磨产品功能,从而帮助客户实现更加极致的弹性能力、具备更强的扩展能力、并利用云设施进一步降低企业成本。以云原生+分布式为核心技术抓手,打造以自研的在线事务型(OLTP)数据库Polar DB和在线分析型(OLAP)数据库Analytic DB为代表的新一代企业级云原生数据库产品体系, 结合NoSQL数据库、数据库生态工具、云原生智能化数据库管控平台,为阿里巴巴经济体以及各个行业的企业客户和开发者提供从公共云到混合云再到私有云的完整解决方案,提供基于云基础设施进行数据从处理、到存储、再到计算与分析的一体化解决方案。本节课带你了解阿里云数据库产品家族及特性。
相关文章
|
1月前
|
关系型数据库 分布式数据库 数据库
PolarDB常见问题之加了索引但是查询没有使用如何解决
PolarDB是阿里云推出的下一代关系型数据库,具有高性能、高可用性和弹性伸缩能力,适用于大规模数据处理场景。本汇总囊括了PolarDB使用中用户可能遭遇的一系列常见问题及解答,旨在为数据库管理员和开发者提供全面的问题指导,确保数据库平稳运行和优化使用体验。
|
2月前
|
关系型数据库 分布式数据库 PolarDB
电子书阅读分享《PolarDB开发者大会:拥抱开源 | 成就开源PolarDB开发者大会:拥抱开源 | 成就开源》
电子书阅读分享《PolarDB开发者大会:拥抱开源 | 成就开源PolarDB开发者大会:拥抱开源 | 成就开源》
18 3
|
1天前
|
关系型数据库 OLAP 分布式数据库
「杭州*康恩贝」4月26日PolarDB开源数据库沙龙,开启报名!
4月26日周五,PolarDB开源社区联合康恩贝将共同举办开源数据库技术沙龙,本次沙龙我们邀请了众多数据库领域的专家,期待大家的参与!
|
11天前
|
运维 关系型数据库 分布式数据库
「合肥 * 讯飞」4 月 19 日 PolarDB 开源数据库沙龙,报名中!
4月19日周五,PolarDB开源社区联合科大讯飞共同举办开源数据库技术沙龙,本次沙龙我们邀请了众多数据库领域的专家,期待大家的参与!
「合肥 * 讯飞」4 月 19 日 PolarDB 开源数据库沙龙,报名中!
|
1月前
|
关系型数据库 分布式数据库 PolarDB
稳健前行:PolarDB开源社区调研开始啦!
PolarDB开源社区调研持续进行中!我们会重视每一位开发者的反馈,对提供建设性建议的开发者将会提供精美周边礼品!欢迎大家参与!
|
2月前
|
SQL 算法 关系型数据库
PolarDB-X的XPlan索引选择
对于数据库来说,正确的选择索引是基本的要求,选错索引轻则导致查询缓慢,重则导致数据库整体不可用。PolarDB-X存在多种不同的索引,局部索引、全局索引、列存索引、归档表索引。本文主要介绍一种CN上的局部索引算法:XPlan索引选择。
125756 13
PolarDB-X的XPlan索引选择
|
2月前
Google Earth Engine(GEE)——reducer中进行array数组的获取和分析
Google Earth Engine(GEE)——reducer中进行array数组的获取和分析
33 0
|
2月前
|
关系型数据库 分布式数据库 PolarDB
电子书阅读分享《PolarDB开发者大会:拥抱开源 | 成就开源》
电子书阅读分享《PolarDB开发者大会:拥抱开源 | 成就开源》
16 1
|
2月前
|
关系型数据库 分布式数据库 PolarDB
电子书阅读分享《PolarDB开发者大会:拥抱开源 | 成就开源》
电子书阅读分享《PolarDB开发者大会:拥抱开源 | 成就开源》
21 4
|
2月前
|
JavaScript 前端开发
总结TypeScript 的一些知识点:TypeScript Array(数组)(下)
一个数组的元素可以是另外一个数组,这样就构成了多维数组(Multi-dimensional Array)。

热门文章

最新文章

相关产品

  • 云原生数据库 PolarDB