PolarDB for PostgreSQL 开源必读手册-最佳场景实践与压测(上)

简介: PolarDB for PostgreSQL 开源必读手册

 

image.png

 

TPC是一个专门负责制定计算机事务处理能力测试标准并监督其执行的第三方组织,其中被业界广泛使用的测试方式有四种,分别是有TPC-C、TPC-E、TPC-H和TPC-DS。前两者针对OLTP业务,后两者针对OLAP业务。

 

OLTP主要执行日常的事务处理,包括大量增删改查,其特点为高并发、高性能,且满足ACID特性。而OLAP主要用于数据仓库,支持非常复杂的查询,查询结果侧重于决策支持,其特点为对实时性要求不高,数据量大。

 

image.png

 

TPC-E与TPC-C的主要差别在于难度,TPC-E可以理解为是TPC-C的升级版,测试内容更复杂,要求更高。

 

TPC-C的业务模型为批发零售业务,主要业务为订单的处理能力,涉及5种事务、9张表以及4大常见的数据类型。

 

TPC-E模拟的是证券交易系统,实时性要求更高。它模拟了10种实时事务、2种批处理事务。

 

image.png

 

TPC-C模拟的是一个在线零售公司的业务场景,假设仓库里包含10万个产品,负责十个区域的供货,每个区域都有单独的订单系统,一个区域管理300个客户,因此仓库总共涉及到3万个客户。树状图如上。

 

image.png

 

上图为TPC-C涉及到的9张表。

 

其中New-Order表示未发货的订单,发货后即删除,初始值为每个仓库9000条;Order为总订单表,每新增一个客户订单会增加一条记录,不会删除,初始化为每个客户一条订单,初始值为仓库数*每个仓库的商品数量。

 

image.png

TPC-C业务数据模型

 

image.png

 

TPC-C测试的能力为每分钟处理完成的事务数,主要针对neworders表。事务数越大,说明处理能力越高。

 

TPC-C在部署时,数据仓库的数量也会影响业务的复杂程度。另外,TPC-C也可用于测试同样的硬件配置、同样的业务量下,Oracle和PolarDB的处理性能。

 

image.png

 

TPC-C测试完后,可以将字符的报告格式化成HTML形式,使其更具可读性。

接下篇:https://developer.aliyun.com/article/1223061?groupCode=polardbforpg

 


相关文章
|
9月前
|
存储 监控 关系型数据库
B-tree不是万能药:PostgreSQL索引失效的7种高频场景与破解方案
在PostgreSQL优化实践中,B-tree索引虽承担了80%以上的查询加速任务,但因多种原因可能导致索引失效,引发性能骤降。本文深入剖析7种高频失效场景,包括隐式类型转换、函数包裹列、前导通配符等,并通过实战案例揭示问题本质,提供生产验证的解决方案。同时,总结索引使用决策矩阵与关键原则,助你让索引真正发挥作用。
569 0
|
6月前
|
关系型数据库 MySQL 分布式数据库
阿里云PolarDB云原生数据库收费价格:MySQL和PostgreSQL详细介绍
阿里云PolarDB兼容MySQL、PostgreSQL及Oracle语法,支持集中式与分布式架构。标准版2核4G年费1116元起,企业版最高性能达4核16G,支持HTAP与多级高可用,广泛应用于金融、政务、互联网等领域,TCO成本降低50%。
|
关系型数据库 分布式数据库 PolarDB
PolarDB 开源基础教程系列 7.2 应用实践之 跨境电商场景
本文介绍了如何在跨境电商场景中快速判断商标或品牌侵权,避免因侵权带来的法律纠纷。通过创建品牌表并使用PostgreSQL的pg_trgm插件和GIN索引,实现了高性能的字符串相似匹配功能。与传统方法相比,PolarDB|PostgreSQL的方法不仅提升了上万倍的查询速度,还解决了传统方法难以处理的相似问题检索。具体实现步骤包括创建品牌表、插入随机品牌名、配置pg_trgm插件及索引,并设置相似度阈值进行高效查询。此外,文章还探讨了字符串相似度计算的原理及应用场景,提供了进一步优化和扩展的方向。
374 11
|
SQL 关系型数据库 分布式数据库
PolarDB 开源基础教程系列 7.5 应用实践之 TPCH性能优化
PolarDB在复杂查询、大数据量计算与分析场景的测试和优化实践.
411 7
|
搜索推荐 关系型数据库 分布式数据库
PolarDB 开源基础教程系列 7.3 应用实践之 精准营销场景
本文介绍了基于用户画像的精准营销技术,重点探讨了如何通过标签组合快速圈选目标人群。实验分为三部分: 1. **传统方法**:使用字符串存储标签并进行模糊查询,但性能较差,每次请求都需要扫描全表。 2. **实验1**:引入`pg_trgm`插件和GIN索引,显著提升了单个模糊查询条件的性能。 3. **实验2**:改用数组类型存储标签,并结合GIN索引加速包含查询,性能进一步提升。 4. **实验3**:利用`smlar`插件实现近似度过滤,支持按标签重合数量或比例筛选。
249 3
|
9月前
|
存储 关系型数据库 测试技术
拯救海量数据:PostgreSQL分区表性能优化实战手册(附压测对比)
本文深入解析PostgreSQL分区表的核心原理与优化策略,涵盖性能痛点、实战案例及压测对比。首先阐述分区表作为继承表+路由规则的逻辑封装,分析分区裁剪失效、全局索引膨胀和VACUUM堆积三大性能杀手,并通过电商订单表崩溃事件说明旧分区维护的重要性。接着提出四维设计法优化分区策略,包括时间范围分区黄金法则与自动化维护体系。同时对比局部索引与全局索引性能,展示后者在特定场景下的优势。进一步探讨并行查询优化、冷热数据分层存储及故障复盘,解决分区锁竞争问题。
1264 2
|
关系型数据库 分布式数据库 PolarDB
通过 PolarDB for PostgreSQL 实现一体化的 HTAP 能力
阿里云 PolarDB for PostgreSQL作为一款领先的云原生关系型数据库,利用向量化引擎+列存索引等技术实现了 OLTP 和 OLAP 的一体化。本方案为您展示如何通过 PolarDB for PostgreSQL 来实现一体化的 HTAP 能力。
通过 PolarDB for PostgreSQL 实现一体化的 HTAP 能力
|
人工智能 关系型数据库 分布式数据库
PolarDB 开源基础教程系列 7.4 应用实践之 AI大模型外脑
PolarDB向量数据库插件通过实现通义大模型AI的外脑,解决了通用大模型无法触达私有知识库和产生幻觉的问题。该插件允许用户将新发现的知识和未训练的私有知识分段并转换为向量,存储在向量数据库中,并创建索引以加速相似搜索。当用户提问时,系统将问题向量化并与数据库中的向量进行匹配,找到最相似的内容发送给大模型,从而提高回答的准确性和相关性。此外,PolarDB支持多种编程语言接口,如Python,使数据库具备内置AI能力,极大提升了数据处理和分析的效率。
638 4
|
存储 SQL 缓存
PolarDB-X 在 ClickBench 数据集的优化实践
本文介绍了 PolarDB-X 在 ClickBench 数据集上的优化实践,PolarDB-X 通过增加优化器规则、优化执行器层面的 DISTINCT 和自适应两阶段 AGG、MPP 压缩等手段,显著提升了在 ClickBench 上的性能表现,达到了业内领先水平。

相关产品

  • 云原生数据库 PolarDB
  • 推荐镜像

    更多