HTAP数据库 PostgreSQL 场景与性能测试之 7 - (OLTP) 全文检索

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：

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：

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 - 全文检索 - 含索引实时写入 (OLTP)

1、背景

字符串搜索是非常常见的业务需求，它包括：

1、前缀+模糊查询。（可以使用b-tree索引）

2、后缀+模糊查询。（可以使用b-tree索引）

3、前后模糊查询。（可以使用pg_trgm和gin索引）

4、全文检索。（可以使用全文检索类型以及gin或rum索引）

5、正则查询。（可以使用pg_trgm和gin索引）

6、相似查询。（可以使用pg_trgm和gin索引）

通常来说，数据库并不具备3以后的加速能力，但是PostgreSQL的功能非常强大，它可以非常完美的支持这类查询的加速。（是指查询和写入不冲突的，并且索引BUILD是实时的。）

用户完全不需要将数据同步到搜索引擎，再来查询，而且搜索引擎也只能做到全文检索，并不你做到正则、相似、前后模糊这几个需求。

使用PostgreSQL可以大幅度的简化用户的架构，开发成本，同时保证数据查询的绝对实时性。

2、设计

500万个词的词库，随机提取64个，组成一个含64个词的分词字符串(实际场景分词的使用请参考末尾如来神掌，本文主要目的是性能测试)，schemaless的方式单点写入到全文检索字段。

包含全文检索GIN索引，本CASE主要体现的是BUILD全文索引的同时，写入数据的能力。

3、准备测试表

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、准备测试函数(可选)

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、准备测试数据

6、准备测试脚本

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

7、测试

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、测试结果

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);

标签

背景

环境