HTAP數據庫 PostgreSQL 場景與性能測試之 7 - (OLTP) 全文檢索 - 含索引實時寫入

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 - 全文檢索 - 含索引實時寫入 (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）

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

500萬個詞的詞庫，隨機提取64個，組成一個含64個詞的分詞字符串(實際場景分詞的使用請參考末尾如來神掌，本文主要目的是性能測試)，schemaless的方式單點寫入到全文檢索字段。

包含全文檢索GIN索引，本CASE主要體現的是BUILD全文索引的同時，寫入數據的能力。

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) with (gin_pending_list_limit = 65535, fastupdate=on) tablespace tbs1;  
alter table t_fts set (toast.autovacuum_enabled =off);  
alter table t_fts set (autovacuum_enabled =off);  
  
do language plpgsql $$  
declare  
begin  
  for i in 0..1024 loop  
    execute 'create table t_fts_'||i||' (like t_fts including all) inherits(t_fts)';  
    execute 'alter table t_fts_'||i||' set (toast.autovacuum_enabled =off)';  
    execute 'alter table t_fts_'||i||' set (autovacuum_enabled =off)';  
  end loop;  
end;  
$$;

4、準備測試函數(可選)

create or replace function gen_rand_tsvector(int,int) returns tsvector as $$  
  select array_to_tsvector(array_agg((random()*$1)::int::text)) from generate_series(1,$2);  
$$ language sql strict;  
  
create or replace function ins_t_fts(int) returns void as $$  
declare  
begin  
  execute 'insert into t_fts_'||$1||' values (1, gen_rand_tsvector(5000000, 64))';  
end;  
$$ language plpgsql strict;

5、準備測試數據

6、準備測試腳本

vi test.sql  
  
\set suffix random(0,1024)  
select ins_t_fts(:suffix);

7、測試

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: 28190260  
latency average = 0.596 ms  
latency stddev = 1.695 ms  
tps = 93946.251980 (including connections establishing)  
tps = 93955.787059 (excluding connections establishing)  
script statistics:  
 - statement latencies in milliseconds:  
         0.002  \set suffix random(0,1024)  
         0.594  select ins_t_fts(:suffix);