HTAP数据库 PostgreSQL 场景与性能测试之 43 - (OLTP+OLAP) unlogged table 含索引多表批量写入-阿里云开发者社区

HTAP数据库 PostgreSQL 场景与性能测试之 43 - (OLTP+OLAP) unlogged table 含索引多表批量写入

2017-11-19 1872

版权

本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。

本文涉及的产品

云数据库 RDS SQL Server，独享型 2核4GB

云数据库 RDS MySQL Serverless，0.5-2RCU 50GB

云原生数据库 PolarDB MySQL 版，通用型 2核4GB 50GB

简介：

+关注继续查看

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 - unlogged table 含索引多表批量写入 (OLTP+OLAP)

1、背景

含索引，多表（1024个表），每次写入多条记录。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。

unlogged table是不记录日志的表，与临时表的区别是全局可见，常用于不需要持久化的数据。

2、设计

多unlogged table表（1024个表），含索引，单事务多条写入（一次写入1000条）。高并发。

3、准备测试表

create unlogged 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) tablespace tbs1;

do language plpgsql $$        
declare        
begin        
  for i in 1..1024 loop        
    execute format('create unlogged table t_sensor%s (like t_sensor including all) inherits (t_sensor) with (autovacuum_enabled=off, toast.autovacuum_enabled=off) '||case when mod(i,2)=0 then 'tablespace tbs1' else '' end, i);        
  end loop;        
end;        
$$;

4、准备测试函数(可选)

create or replace function ins_sensor(int, int) returns void as $$        
declare        
begin        
  execute format('insert into t_sensor%s (id) select generate_series(1,%s)', $1, $2);        
  -- 为了拼接表名，使用了动态SQL，硬解析耗时。        
  -- 导致测试结果有出入，至少不会比单表无索引写入性能差。        
  -- 批量写入的话，硬解析的问题可以被掩盖。        
end;        
$$ language plpgsql strict;

5、准备测试数据

6、准备测试脚本

vi test.sql        
        
\set sid random(1,1024)        
select ins_sensor(:sid, 1000);

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

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: 2200910
latency average = 7.632 ms
latency stddev = 22.637 ms
tps = 7334.246977 (including connections establishing)
tps = 7335.018041 (excluding connections establishing)
script statistics:
 - statement latencies in milliseconds:
         0.002  \set sid random(1,1024)  
         7.633  select ins_sensor(:sid, 1000);