HTAP数据库 PostgreSQL 场景与性能测试之 13 - (OLTP) 字符串搜索 - 相似查询

本文涉及的产品
云原生数据库 PolarDB 分布式版,标准版 2核8GB
云数据库 RDS MySQL,集群版 2核4GB 100GB
推荐场景:
搭建个人博客
云原生数据库 PolarDB PostgreSQL 版,企业版 4核16GB
推荐场景:
HTAP混合负载
简介:

标签

PostgreSQL , HTAP , OLTP , OLAP , 场景与性能测试


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。

pic

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。

pic

在各种应用场景中都可以看到PostgreSQL的应用:

pic

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:

pic

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 - 字符串搜索 - 相似查询 (OLTP)

1、背景

字符串搜索是非常常见的业务需求,它包括:

1、前缀+模糊查询。(可以使用b-tree索引)

2、后缀+模糊查询。(可以使用b-tree索引)

3、前后模糊查询。(可以使用pg_trgm和gin索引)

https://www.postgresql.org/docs/10/static/pgtrgm.html

4、全文检索。(可以使用全文检索类型以及gin或rum索引)

5、正则查询。(可以使用pg_trgm和gin索引)

6、相似查询。(可以使用pg_trgm和gin索引)

通常来说,数据库并不具备3以后的加速能力,但是PostgreSQL的功能非常强大,它可以非常完美的支持这类查询的加速。(是指查询和写入不冲突的,并且索引BUILD是实时的。)

用户完全不需要将数据同步到搜索引擎,再来查询,而且搜索引擎也只能做到全文检索,并不你做到正则、相似、前后模糊这几个需求。

使用PostgreSQL可以大幅度的简化用户的架构,开发成本,同时保证数据查询的绝对实时性。

2、设计

1亿条文本,每一条长度为128个中文字符的随机串。按随机提供的字符串进行相似查询。

相似查询解决的是模糊查询、全文检索都不能解决的问题,例如业务要求 PostgreSQL,可以与p0stgresl 匹配。因为它们有足够的相似度。

https://www.postgresql.org/docs/10/static/pgtrgm.html

《PostgreSQL 文本数据分析实践之 - 相似度分析》

《17种文本相似算法与GIN索引 - pg_similarity》

《从相似度算法谈起 - Effective similarity search in PostgreSQL》

《聊一聊双十一背后的技术 - 毫秒分词算啥, 试试正则和相似度》

类似的应用还有图像相似搜索:

《(AR虚拟现实)红包 技术思考 - GIS与图像识别的完美结合》

《PostgreSQL 在视频、图片去重,图像搜索业务中的应用》

《弱水三千,只取一瓢,当图像搜索遇见PostgreSQL(Haar wavelet)》

3、准备测试表

create extension pg_trgm;  
  
create table t_likeall (  
  id int,  
  info text  
);  
  
create index idx_t_likeall_1 on t_likeall using gin (info gin_trgm_ops);  
  
-- 设置相似度阈值(0-1,浮点)  
-- select set_limit(0.7);  
  
-- 查询超过相似阈值的记录  
-- SELECT info, similarity(info, '字符串') AS sml  
-- FROM t_likeall  
-- WHERE info % '字符串'  -- 查找超过相似阈值的记录  
-- ORDER BY sml DESC;  

4、准备测试函数(可选)

-- 生成随机汉字符串  
create or replace function gen_hanzi(int) returns text as $$  
declare  
  res text;  
begin  
  if $1 >=1 then  
    select string_agg(chr(19968+(random()*20901)::int), '') into res from generate_series(1,$1);  
    return res;  
  end if;  
  return null;  
end;  
$$ language plpgsql strict;  
-- 使用随机字符串like查询(用于压测)  
create or replace function get_t_likeall_test(int, real) returns setof record as  
$$  
declare  
  str text;  
begin  
  -- 选择一个输入字符串  
  select info into str from t_likeall_test where id=$1;  
  
  -- 设置相似度阈值  
  perform set_limit($2);  
  
  -- 查找超过相似阈值的记录  
  return query execute 'select *, '''||str||''' as str, similarity(info, '''||str||''') as sml from t_likeall where info % '''||str||''' order by sml DESC limit 1';  
end;  
$$ language plpgsql strict;  

5、准备测试数据

insert into t_likeall select id, gen_hanzi(128) from generate_series(1,100000000) t(id);  

生成200万随机字符串,并加入一些噪音干扰,达到相似查询的目的。

create table t_likeall_test (id serial primary key, info text);  
  
-- 截取任意位置开始的120个中文字符, 追加6个干扰字符,200万条  
insert into t_likeall_test (info) select substring(info, (random()*10)::int, 120)||gen_hanzi(6) from t_likeall limit 2000000;  

6、准备测试脚本

vi test.sql  
  
\set id random(1,2000000)  
select * from get_t_likeall_test(:id, 0.855) as t(id int , info text, str text, sml real);  

7、测试

单次相似查询效率,响应时间低于20毫秒。(使用绑定变量、并且CACHE命中后,响应时间更低。)

postgres=# select * from get_t_likeall_test(2, 0.855) as t(id int , info text, str text, sml real);  
-[ RECORD 1 ]----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------  
id   | 2  
info | 廮饓紡冮竊窔靉許訓寫黅噴贝嶸訐殿談暃涜魢劽刱酒戉磝遊瓈惝诪馈撋鳘錶鎭仠湛溜頪壨変呰堇慾鎍枿鶎徧勡摬罃亝椩荴釯紳岬芔剕澉滙鷞蘕氌酯稜泭急骸敲欍吜毢甕枚忊軔斃煱鎴篯儏鑑霘蚃蚜璥锰榋磻攔詥眳鴩囌棽瞠疹笣犳贪頰磏奧涠鉩欱峎塇躣僝蘵醲霯綨碐縦动減馱綢蔯葱唱芳贽瀮媮捐  
str  | 竊窔靉許訓寫黅噴贝嶸訐殿談暃涜魢劽刱酒戉磝遊瓈惝诪馈撋鳘錶鎭仠湛溜頪壨変呰堇慾鎍枿鶎徧勡摬罃亝椩荴釯紳岬芔剕澉滙鷞蘕氌酯稜泭急骸敲欍吜毢甕枚忊軔斃煱鎴篯儏鑑霘蚃蚜璥锰榋磻攔詥眳鴩囌棽瞠疹笣犳贪頰磏奧涠鉩欱峎塇躣僝蘵醲霯綨碐縦动減馱綢蔯葱唱芳迦摅羹帉胕谝  
sml  | 0.855072  
  
Time: 19.455 ms  

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  

8、测试结果

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: 459463  
latency average = 36.562 ms  
latency stddev = 8.063 ms  
tps = 1531.259508 (including connections establishing)  
tps = 1531.422742 (excluding connections establishing)  
script statistics:  
 - statement latencies in milliseconds:  
         0.002  \set id random(1,2000000)    
        36.565  select * from get_t_likeall_test(:id, 0.855) as t(id int , info text, str text, sml real);  

TPS: 1531

平均响应时间: 36.562 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

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
|
9天前
|
SQL 自然语言处理 关系型数据库
PolarDB上实现一个自然语言查询系统
PolarDB上实现一个自然语言查询系统
|
9天前
|
存储 SQL Oracle
|
5天前
|
缓存 运维 关系型数据库
数据库容灾 | MySQL MGR与阿里云PolarDB-X Paxos的深度对比
经过深入的技术剖析与性能对比,PolarDB-X DN凭借其自研的X-Paxos协议和一系列优化设计,在性能、正确性、可用性及资源开销等方面展现出对MySQL MGR的多项优势,但MGR在MySQL生态体系内也占据重要地位,但需要考虑备库宕机抖动、跨机房容灾性能波动、稳定性等各种情况,因此如果想用好MGR,必须配备专业的技术和运维团队的支持。 在面对大规模、高并发、高可用性需求时,PolarDB-X存储引擎以其独特的技术优势和优异的性能表现,相比于MGR在开箱即用的场景下,PolarDB-X基于DN的集中式(标准版)在功能和性能都做到了很好的平衡,成为了极具竞争力的数据库解决方案。
|
9天前
|
SQL 存储 关系型数据库
关系型数据库PostgreSQL学习
【7月更文挑战第4天】
406 2
|
10天前
|
关系型数据库 分布式数据库 数据库
PolarDB,阿里云的开源分布式数据库,与微服务相结合,提供灵活扩展和高效管理解决方案。
【7月更文挑战第3天】PolarDB,阿里云的开源分布式数据库,与微服务相结合,提供灵活扩展和高效管理解决方案。通过数据分片和水平扩展支持微服务弹性,保证高可用性,且兼容MySQL协议,简化集成。示例展示了如何使用Spring Boot配置PolarDB,实现服务动态扩展。PolarDB缓解了微服务数据库挑战,加速了开发部署,为云原生应用奠定基础。
84 3
|
10天前
|
存储 关系型数据库 分布式数据库
PolarDB,阿里云的云原生分布式数据库,以其存储计算分离架构为核心,解决传统数据库的扩展性问题
【7月更文挑战第3天】PolarDB,阿里云的云原生分布式数据库,以其存储计算分离架构为核心,解决传统数据库的扩展性问题。此架构让存储层专注数据可靠性,计算层专注处理SQL,提升性能并降低运维复杂度。通过RDMA加速通信,多副本确保高可用性。资源可独立扩展,便于成本控制。动态添加计算节点以应对流量高峰,展示了其灵活性。PolarDB的开源促进了数据库技术的持续创新和发展。
154 2
|
10天前
|
关系型数据库 分布式数据库 PolarDB
**PolarDB开源指南:构建分布式数据库集群**踏上PolarDB开源之旅,了解如何从零开始搭建分布式集群
【7月更文挑战第3天】**PolarDB开源指南:构建分布式数据库集群**踏上PolarDB开源之旅,了解如何从零开始搭建分布式集群。采用存储计算分离架构,适用于大规模OLTP和OLAP。先准备硬件和软件环境,包括Linux、Docker和Git。然后,克隆源码,构建Docker镜像,部署控制节点和计算节点。使用PDCli验证集群状态,开始探索PolarDB的高性能与高可用性。在实践中深化学习,贡献于数据库技术创新。记得在安全环境下测试。
87 1
|
7天前
|
存储 关系型数据库 MySQL
探索MySQL:关系型数据库的基石
MySQL,作为全球最流行的开源关系型数据库管理系统(RDBMS)之一,广泛应用于各种Web应用、企业级应用和数据仓库中
|
5天前
|
关系型数据库 MySQL 网络安全
Mysql 数据库主从复制
在MySQL主从复制环境中,配置了两台虚拟机:主VM拥有IP1,从VM有IP2。主VM的`my.cnf`设置server-id为1,启用二进制日志;从VM设置server-id为2,开启GTID模式。通过`find`命令查找配置文件,编辑`my.cnf`,在主服务器上创建复制用户,记录二进制日志信息,然后锁定表并备份数据。备份文件通过SCP传输到从服务器,恢复数据并配置复制源,启动复制。检查复制状态确认运行正常。最后解锁表,完成主从同步,新用户在从库中自动更新。
867 6
Mysql 数据库主从复制
|
11天前
|
XML Java 关系型数据库
Action:Consider the following: If you want an embedde ,springBoot配置数据库,补全springBoot的xml和mysql配置信息就好了
Action:Consider the following: If you want an embedde ,springBoot配置数据库,补全springBoot的xml和mysql配置信息就好了

相关产品

  • 云原生数据库 PolarDB