HTAP數據庫 PostgreSQL 場景與性能測試之 14 - (OLTP) 字符串搜索 - 全文檢索

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 - 字符串搜索 - 全文檢索 (OLTP)

1、背景

字符串搜索是非常常見的業務需求，它包括：

1、前綴+模煳查詢。（可以使用b-tree索引）

2、後綴+模煳查詢。（可以使用b-tree索引）

3、前後模煳查詢。（可以使用pg_trgm和gin索引）

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

4、全文檢索。（可以使用全文檢索類型以及gin或rum索引）

5、正則查詢。（可以使用pg_trgm和gin索引）

6、相似查詢。（可以使用pg_trgm和gin索引）

通常來說，數據庫並不具備3以後的加速能力，但是PostgreSQL的功能非常強大，它可以非常完美的支持這類查詢的加速。（是指查詢和寫入不衝突的，並且索引BUILD是實時的。）

用戶完全不需要將數據同步到搜索引擎，再來查詢，而且搜索引擎也隻能做到全文檢索，並不你做到正則、相似、前後模煳這幾個需求。

使用PostgreSQL可以大幅度的簡化用戶的架構，開發成本，同時保證數據查詢的絕對實時性。

2、設計

1億條文本記錄的全文檢索。

3、準備測試表

create table t_fts(  
  id int,  
  ts tsvector  
);  
  
create index idx_t_fts_ts on t_fts using gin (ts);

4、準備測試函數(可選)

CREATE OR REPLACE FUNCTION public.gen_rand_str(integer)            
 RETURNS text            
 LANGUAGE sql            
 STRICT            
AS $function$            
  select string_agg(a[random()*6+1],'') from generate_series(1,$1), (select array['a','b','c','d','e','f',' ']) t(a);            
$function$;

-- 使用隨機字符串生成的tsquery語義進行全文檢索（用於壓測）    
create or replace function get_t_fts_test(int) returns setof t_fts as    
$$    
declare    
  str text;    
begin    
  -- 選擇一個輸入字符串    
  select info into str from t_fts_test where id=$1;    
    
  -- 查找複合tsquery條件的記錄    
  return query execute 'select * from t_fts where ts @@ to_tsquery('''||regexp_replace(rtrim(ltrim(str,' '),' '),'\ +',' & ','g')||''') limit 1';    
end;    
$$ language plpgsql strict;

5、準備測試數據

insert into t_fts select id, to_tsvector(gen_rand_str(128)) from generate_series(1,100000000) t(id);

生成200萬隨機字符串(總長度32的一些隨機TOKEN)，用於作為全文檢索的條件輸入。

create table t_fts_test (id serial primary key, info text);    
    
insert into t_fts_test (info) select gen_rand_str(32) from generate_series(1,2000000);

6、準備測試腳本

vi test.sql    
    
\set id random(1,2000000)    
select * from get_t_fts_test(:id);

7、測試

單次相似查詢效率，響應時間低於 2 毫秒。(使用綁定變量、並且CACHE命中後，響應時間更低。)

postgres=# select * from t_fts where ts @@ to_tsquery('bfcee & cbdef');  
    id    |                                                                                         ts                                                                                            
----------+-------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------  
 62226510 | 'adcdabf':1 'bfcee':4 'cbdef':2 'cdaedfcfaabcdabfaadafebe':12 'dbb':11 'ebbbbdabfbed':5 'edffbbcafbffceabc':6 'fbbffe':10 'fc':8 'fdbaeebedbcabadbfecbebcd':7 'fe':9 'ffbecdfeff':3  
(1 row)  
  
Time: 1.972 ms

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

8、測試結果

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: 15447654
latency average = 1.088 ms
latency stddev = 8.911 ms
tps = 51362.939417 (including connections establishing)
tps = 51369.601534 (excluding connections establishing)
script statistics:
 - statement latencies in milliseconds:
         0.002  \set id random(1,2000000)  
         1.097  select * from get_t_fts_test(:id);