HTAP數據庫 PostgreSQL 場景與性能測試之 33 - (OLAP) 物聯網 - 線性字段區間實時統計

標簽

PostgreSQL , HTAP , OLTP , OLAP , 場景與性能測試

背景

PostgreSQL是一個曆史悠久的數據庫，曆史可以追溯到1973年，最早由2014計算機圖靈獎得主，關係數據庫的鼻祖Michael_Stonebraker 操刀設計，PostgreSQL具備與Oracle類似的功能、性能、架構以及穩定性。

PostgreSQL社區的貢獻者眾多，來自全球各個行業，曆經數年，PostgreSQL 每年發布一個大版本，以持久的生命力和穩定性著稱。

2017年10月，PostgreSQL 推出10 版本，攜帶諸多驚天特性，目標是勝任OLAP和OLTP的HTAP混合場景的需求：

《最受開發者歡迎的HTAP數據庫PostgreSQL 10特性》

1、多核並行增強

2、fdw 聚合下推

3、邏輯訂閱

4、分區

5、金融級多副本

6、json、jsonb全文檢索

7、還有插件化形式存在的特性，如向量計算、JIT、SQL圖計算、SQL流計算、分布式並行計算、時序處理、基因測序、化學分析、圖像分析等。

在各種應用場景中都可以看到PostgreSQL的應用：

PostgreSQL近年來的發展非常迅勐，從知名數據庫評測網站dbranking的數據庫評分趨勢，可以看到PostgreSQL向上發展的趨勢：

從每年PostgreSQL中國召開的社區會議，也能看到同樣的趨勢，參與的公司越來越多，分享的公司越來越多，分享的主題越來越豐富，橫跨了傳統企業、互聯網、醫療、金融、國企、物流、電商、社交、車聯網、共享XX、雲、遊戲、公共交通、航空、鐵路、軍工、培訓、谘詢服務等行業。

接下來的一係列文章，將給大家介紹PostgreSQL的各種應用場景以及對應的性能指標。

環境

環境部署方法參考：

《PostgreSQL 10 + PostGIS + Sharding(pg_pathman) + MySQL(fdw外部表) on ECS 部署指南(適合新用戶)》

阿裏雲 ECS：56核，224G，1.5TB*2 SSD雲盤。

操作係統：CentOS 7.4 x64

數據庫版本：PostgreSQL 10

PS：ECS的CPU和IO性能相比物理機會打一定的折扣，可以按下降1倍性能來估算。跑物理主機可以按這裏測試的性能乘以2來估算。

場景 - 物聯網 - 線性字段區間實時統計 (OLAP)

1、背景

在物聯網、互聯網、業務係統中都有時序數據，隨著時間推移產生的數據。在時間維度或序列字段上呈現自增特性。

區間查詢與統計分析的需求非常多。

PostgreSQL針對時序類型的數據，除了有傳統的b-tree索引，還有一種塊級索引BRIN，非常適合這種相關性很好的時序數據。這種索引在Oracle Exadata一體機上也有。而使用PostgreSQL可以免費享用這種高端特性。

在第15個場景中，設計了一個區間查詢輸出明細的場景，輸出吞吐達到了 3160萬行/s。

《HTAP數據庫 PostgreSQL 場景與性能測試之 15 - (OLTP) 物聯網 - 查詢一個時序區間的數據》

本文的場景與之類似，隻不過換成聚合並輸出。

2、設計

1萬個傳感器，10億條時序自增記錄，輸入任意傳感器，查詢並輸出任意區間5000條記錄的聚合值。

3、準備測試表

create table t_sensor(  
  id serial,  
  val int,  
  ts timestamp default clock_timestamp()  
);

do language plpgsql $$  
declare  
begin  
  for i in 1..10000 loop  
    execute format ('create table t_sensor%s (id serial, val int, ts timestamp default clock_timestamp()) inherits(t_sensor)', i);  
    execute format ('create index idx_t_sensor%s on t_sensor%s using brin(id)', i, i);  
  end loop;  
end;  
$$;

4、準備測試函數(可選)

1、批量寫入傳感器數據的函數

create or replace function ins_sensor(int, int) returns void as $$  
declare  
begin  
  execute format('insert into t_sensor%s (val) select random()*1000 from generate_series(1,%s)', $1, $2);  
end;  
$$ language plpgsql;

2、統計函數

create or replace function stats_sensor(int, int) returns float8 as $$  
declare  
  res float8;  
begin  
  execute format('select avg(val) from t_sensor%s where id>=%s and id<=%s', $1, $2, $2+5000) into res;  
  return res;  
end;  
$$ language plpgsql strict;

5、準備測試數據

準備10億條測試記錄。

vi test.sql  
  
\set sid random(1,10000)  
select ins_sensor(:sid, 1000);

pgbench -M prepared -n -r -P 1 -f ./test.sql -c 50 -j 50 -t 20000

6、準備測試腳本

vi test.sql  
  
\set sid random(1,10000)  
\set range random(1,100000)  
select stats_sensor(:sid, :range);

壓測

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、測試

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: 1881394  
latency average = 8.929 ms  
latency stddev = 4.260 ms  
tps = 6266.195309 (including connections establishing)  
tps = 6266.920752 (excluding connections establishing)  
script statistics:  
 - statement latencies in milliseconds:  
         0.002  \set sid random(1,10000)  
         0.001  \set range random(1,100000)  
         8.930  select stats_sensor(:sid, :range);