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 - 不含索引多表单点写入 (OLTP+OLAP)
1、背景
不含索引，多表（128个表），每次写入一条记录。这是非常典型的测试TP或AP场景，数据实时灌入场景的能力。
2、设计
多表（128个表），不含索引，单事务单条写入（一次写入1条）。高并发。
3、准备测试表
create table t_sensor(
id int8,
c1 int8 default 0,
c2 int8 default 0,
c3 int8 default 0,
c4 float8 default 0,
c5 text default 'aaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaa',
ts timestamp default clock_timestamp()
) with (autovacuum_enabled=off, toast.autovacuum_enabled=off);
-- create index idx_t_sensor_ts on t_sensor using btree (ts);
AI 代码解读
do language plpgsql $$
declare
begin
for i in 1..128 loop
execute format('create table t_sensor%s (like t_sensor including all) inherits (t_sensor) with (autovacuum_enabled=off, toast.autovacuum_enabled=off)', i);
end loop;
end;
$$;
AI 代码解读
4、准备测试函数(可选)
create or replace function ins_sensor(int, int) returns void as $$
declare
begin
execute format('insert into t_sensor%s (id) values (%s)', $1, $2);
-- 为了拼接表名，使用了动态SQL，硬解析耗时。
-- 导致测试结果有出入，至少不会比单表无索引写入性能差。
-- 批量写入的话，硬解析的问题可以被掩盖。
end;
$$ language plpgsql strict;
AI 代码解读
5、准备测试数据
6、准备测试脚本
vi test.sql
\set sid random(1,128)
\set id random(1,100000000)
select ins_sensor(:sid, :id);
AI 代码解读
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
AI 代码解读
7、测试
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: 54481238
latency average = 0.308 ms
latency stddev = 0.496 ms
tps = 181596.052130 (including connections establishing)
tps = 181613.896897 (excluding connections establishing)
script statistics:
- statement latencies in milliseconds:
0.002 \set sid random(1,128)
0.000 \set id random(1,100000000)
0.306 select ins_sensor(:sid, :id);
AI 代码解读
TPS： 181613 ( 动态SQL，导致测试结果与实际能力有出入 )
多表（128个表），不含索引，单事务单条写入（一次写入1条）。高并发。
-- 为了拼接表名，使用了动态SQL，硬解析耗时。
-- 导致测试结果有出入，至少不会比单表无索引写入性能差。至少不低于 26万行/s.
-- 批量写入的话，硬解析的问题可以被掩盖。
AI 代码解读
主要瓶颈：xlog lock.
平均响应时间： 0.308 毫秒
多表（128个表），不含索引，单事务单条写入（一次写入1条）。高并发。
主要瓶颈：xlog lock.
参考
《PostgreSQL、Greenplum 应用案例宝典《如来神掌》 - 目录》
