HTAP数据库 PostgreSQL 场景与性能测试之 17 - (OLTP) 数组相似查询

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。

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 - 数组相似查询 (OLTP)

1、背景

数组是PostgreSQL的一种多值类型，可以存储多个同类元素。在业务系统设计时，可以使用数组存储 标签、聚合属性 等。

例如导购业务系统，可以在数组中存储多个商品ID，根据判断新提交的导购文章的商品ID是否与已有文章的商品ID相似，实时判定导购文章的合法性（有没有与已有文章类似的文章）。

《PostgreSQL结合余弦、线性相关算法 在文本、图片、数组相似 等领域的应用 - 2 smlar插件详解》

《电商内容去重\内容筛选应用(实时识别转载\盗图\侵权?) - 文本、图片集、商品集、数组相似判定的优化和索引技术》

2、设计

1亿条记录，每条记录包含24个数值组成的数组，数组元素的取值范围100万。

实时判定新提交的记录是否有与已有记录重复值超过N个元素的记录。

3、准备测试表

create extension smlar;  
  
create table t_arr_smlar(  
  id int,  
  arr int[]  
);  

4、准备测试函数(可选)

在若干范围内，生成包含若干个随机值的数组

create or replace function gen_rand_arr(int,int) returns int[] as $$  
  select array_agg((random()*$1)::int) from generate_series(1,$2);  
$$ language sql strict;  

测试搜索与指定随机字符串的重叠元素个数超过N个的记录

create or replace function f_test () returns setof record as $$  
declare  
  varr int[];  
begin  
  set smlar.type = overlap;  
  set smlar.threshold = 20;     -- 超过20个相似，即返回  
  set LOCAL enable_seqscan=off;  
  
  -- 产生一个随机数组  
  select gen_rand_arr(1000000, 24) into varr;  
  return query select  
    *,  
    smlar( arr, varr)  
  from  
    t_arr_smlar  
  where  
    arr % varr  
  limit 1;  
end;  
$$ language plpgsql strict;  

5、准备测试数据

insert into t_arr_smlar select id, gen_rand_arr(1000000,24) from generate_series(1,100000000) t(id);  
  
create index idx_t_arr_smlar on t_arr_smlar using gin (arr _int4_sml_ops);  

6、准备测试脚本

vi test.sql  
  
select * from f_test() as t(id int, arr int[], 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。)

select * from f_test() as t(id int, arr int[], sml real);  
  
postgres=# set smlar.type = overlap;  
postgres=# set smlar.threshold = 20;  
  
postgres=# select  
    *,  
    smlar( arr, '{670277,99869,937294,575449,159952,800157,847689,593052,764962,311135,401858,620507,659772,626246,470638,736153,910818,516379,493533,284204,72296,674361,23,24}')  
  from  
    t_arr_smlar  
  where  
    arr % '{670277,99869,937294,575449,159952,800157,847689,593052,764962,311135,401858,620507,659772,626246,470638,736153,910818,516379,493533,284204,72296,674361,23,24}'  
  limit 100;  
 id |                                                                                   arr                                                                                   | smlar  
----+-------------------------------------------------------------------------------------------------------------------------------------------------------------------------+-------  
  1 | {670277,99869,937294,575449,159952,800157,847689,593052,764962,311135,401858,620507,659772,626246,470638,736153,910818,516379,493533,284204,72296,674361,713438,815800} |    22  
(1 row)  
  
Time: 15.288 ms  
  
  
postgres=# explain (analyze,verbose,timing,costs,buffers) select  
    *,  
    smlar( arr, '{670277,99869,937294,575449,159952,800157,847689,593052,764962,311135,401858,620507,659772,626246,470638,736153,910818,516379,493533,284204,72296,674361,23,24}')  
  from  
    t_arr_smlar  
  where  
    arr % '{670277,99869,937294,575449,159952,800157,847689,593052,764962,311135,401858,620507,659772,626246,470638,736153,910818,516379,493533,284204,72296,674361,23,24}'  
  limit 100;  
                                                                                                         QUERY PLAN  
----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------  
 Limit  (cost=980.00..1078.97 rows=100 width=125) (actual time=15.754..15.755 rows=1 loops=1)  
   Output: id, arr, (smlar(arr, '{670277,99869,937294,575449,159952,800157,847689,593052,764962,311135,401858,620507,659772,626246,470638,736153,910818,516379,493533,284204,72296,674361,23,24}'::integer[]))  
   Buffers: shared hit=130  
   ->  Bitmap Heap Scan on public.t_arr_smlar  (cost=980.00..99946.00 rows=100000 width=125) (actual time=15.753..15.753 rows=1 loops=1)  
         Output: id, arr, smlar(arr, '{670277,99869,937294,575449,159952,800157,847689,593052,764962,311135,401858,620507,659772,626246,470638,736153,910818,516379,493533,284204,72296,674361,23,24}'::integer[])  
         Recheck Cond: (t_arr_smlar.arr % '{670277,99869,937294,575449,159952,800157,847689,593052,764962,311135,401858,620507,659772,626246,470638,736153,910818,516379,493533,284204,72296,674361,23,24}'::integer[])  
         Heap Blocks: exact=1  
         Buffers: shared hit=130  
         ->  Bitmap Index Scan on idx_t_arr_smlar  (cost=0.00..955.00 rows=100000 width=0) (actual time=15.724..15.724 rows=1 loops=1)  
               Index Cond: (t_arr_smlar.arr % '{670277,99869,937294,575449,159952,800157,847689,593052,764962,311135,401858,620507,659772,626246,470638,736153,910818,516379,493533,284204,72296,674361,23,24}'::integer[])  
               Buffers: shared hit=129  
 Planning time: 0.112 ms  
 Execution time: 15.827 ms  
(13 rows)  
  
Time: 16.466 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: 572889
latency average = 29.324 ms
latency stddev = 5.015 ms
tps = 1909.385599 (including connections establishing)
tps = 1909.420275 (excluding connections establishing)
script statistics:
 - statement latencies in milliseconds:
        29.324  select * from f_test() as t(id int, arr int[], sml real);

TPS： 1909

平均响应时间： 29.324 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