HTAP資料庫PostgreSQL場景與效能測試之10-(OLTP)字串搜尋-字首查詢

德哥發表於2017-11-12

背景

PostgreSQL是一個歷史悠久的資料庫，歷史可以追溯到1973年，最早由2014計算機圖靈獎得主，關聯式資料庫的鼻祖Michael_Stonebraker 操刀設計，PostgreSQL具備與Oracle類似的功能、效能、架構以及穩定性。

PostgreSQL社群的貢獻者眾多，來自全球各個行業，歷經數年，PostgreSQL 每年釋出一個大版本，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資料庫PostgreSQL 10特性》

1、多核並行增強

2、fdw 聚合下推

3、邏輯訂閱

4、分割槽

5、金融級多副本

6、json、jsonb全文檢索

7、還有外掛化形式存在的特性，如向量計算、JIT、SQL圖計算、SQL流計算、分散式平行計算、時序處理、基因測序、化學分析、影像分析等。

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猛，從知名資料庫評測網站dbranking的資料庫評分趨勢，可以看到PostgreSQL向上發展的趨勢：

從每年PostgreSQL中國召開的社群會議，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、網際網路、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、諮詢服務等行業。

接下來的一系列文章，將給大家介紹PostgreSQL的各種應用場景以及對應的效能指標。

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(適合新使用者)》

阿里雲 ECS：56核，224G，1.5TB*2 SSD雲盤。

作業系統：CentOS 7.4 x64

資料庫版本：PostgreSQL 10

PS：ECS的CPU和IO效能相比物理機會打一定的折扣，可以按下降1倍效能來估算。跑物理主機可以按這裡測試的效能乘以2來估算。

場景 – 字串搜尋 – 字首查詢 (OLTP)

1、背景

字串搜尋是非常常見的業務需求，它包括：

1、字首+模糊查詢。（可以使用b-tree索引）

2、字尾+模糊查詢。（可以使用b-tree索引）

3、前後模糊查詢。（可以使用pg_trgm和gin索引）

4、全文檢索。（可以使用全文檢索型別以及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，資料庫並不具備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援這類查詢的加速。（是指查詢和寫入不衝突的，並且索引BUILD是實時的。）

使用者完全不需要將資料同步到搜尋引擎，再來查詢，而且搜尋引擎也只能做到全文檢索，並不你做到正則、相似、前後模糊這幾個需求。

使用PostgreSQL可以大幅度的簡化使用者的架構，開發成本，同時保證資料查詢的絕對實時性。

2、設計

1億條文字資料量，長度為128個字元的隨機字串。按隨機提供的字串進行字首查詢。

3、準備測試表

create table t_prefix (  
  id int,  
  info text  
);  
  
create index idx_t_prefix on t_prefix (info text_pattern_ops);  

-- select * from t_prefix where info like `abcd%`;  -- 查詢abcd開頭的字串。

4、準備測試函式(可選)

-- 生成隨機字串
create or replace function gen_rand_str(int) returns text as $$  
  select substring(md5(random()::text), 4, $1);  
$$ language sql strict stable;  
  
-- 使用隨機字串like查詢（用於壓測）
create or replace function get_t_prefix_test() returns setof t_prefix as  
$$  
declare  
begin  
  return query execute `select * from t_prefix where info like ```||gen_rand_str(5)||`%`` limit 1`;  
end;  
$$ language plpgsql strict;

5、準備測試資料

insert into t_prefix select id, repeat(md5(random()::Text),4) from generate_series(1,100000000) t(id);

6、準備測試指令碼

vi test.sql    
    
select * from get_t_prefix_test();

7、測試

CONNECTS=112  
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: 112  
number of threads: 112  
duration: 300 s  
number of transactions actually processed: 42211567  
latency average = 0.796 ms  
latency stddev = 1.003 ms  
tps = 140681.361172 (including connections establishing)  
tps = 140718.417742 (excluding connections establishing)  
script statistics:  
 - statement latencies in milliseconds:  
         0.810  select * from get_t_prefix_test();