PostgreSQL 强大的多层表继承--及其在海量数据分类按月分区存储中的应用

    最近发现大家越来越关注 PostgreSQL了。2008年以来，通过对PostgreSQL的实际使用，发现其对象-关系数据库机制对现实问题非常有帮助。在多重表继承下，对上亿条不同类别的数据条目进行按型号、按月份双层分区管理，既可在总表查阅所有条目的共有字段，也可在各类型字表查询附加字段，非常高效。下面把这种分区机制介绍如下！

      实验平台：PostgreSQL 9.1

      实验背景：

      假设有N种数据收集设备，分别叫做 machine1, machine2...machineN, 各类收集设备从传感器上采集的数据各不相同。但是他们都包括3个共有属性：1、采集时刻 2、一个电压值 3、机器的ID。       这些机器源源不断的从各个传感器收集信息，每类机器还有各自不同的附加数据。比如，machine1有当前最大单元数、当前已使用单元数两个属性。Machine2有前端传感器的ID和取值。数据量约100万条/天，要求数据库容纳至少5年的数据。

     设计原则：

      由于采集的频率高，每天会有上百万条数据存入，为了考虑缩小索引的规模，提高检索效率，采用按月分区存储。由于各类机器的字段各有区别，使得我们必须设计不同的表结构， 分别存储各类数据。由于要求能够统一检索基本信息、按需检索额外信息，我们采用PostgreSQL的表继承，首先按照机器类型分类，而后各类型机器内按照月份分类。

     数据库结构：

    全局ID 序列:

    CREATE SEQUENCE serial_id_seq  INCREMENT 1  MINVALUE 1  MAXVALUE 9223372036854775807  START 1  CACHE 1;ALTER TABLE serial_id_seq  OWNER TO postgres;

  该序列用于保持全局ID的唯一性。PostgreSQL各个继承表中的主键约束仅仅限于本表，在不想通过检查条件确保唯一的情况下，可以通过触发器手工从序列获取新的值，以及限制用户修改ID来保证唯一。基本表（爷爷表），承载了所有机器的共同属性

CREATE TABLE base_table(  id bigint NOT NULL,  dvalue double precision,  sample_time timestamp with time zone,  machine_code character varying(32),  CONSTRAINT pk_base_table_id PRIMARY KEY (id ))WITH (  OIDS=FALSE);ALTER TABLE base_table  OWNER TO postgres;CREATE INDEX idx_sample_time  ON base_table  USING btree  (sample_time );

下面为机器类型1创建按类型分区子表（爸爸表）

CREATE TABLE base_table_machine1(  max_res integer,  curr_res integer,  CONSTRAINT pk_base_table_machine1 PRIMARY KEY (id ))INHERITS (base_table)WITH (  OIDS=FALSE);ALTER TABLE base_table_machine1  OWNER TO postgres;CREATE INDEX idx_base_table_machine1_sample_time  ON base_table_machine1  USING btree  (sample_time );

同样，为机器2创建按类型分区子表

CREATE TABLE base_table_machine2(  manu_id character varying(16),  manu_value character varying(16),  CONSTRAINT pk_base_table_machine2 PRIMARY KEY (id ))INHERITS (base_table)WITH (  OIDS=FALSE);ALTER TABLE base_table_machine2  OWNER TO postgres;CREATE INDEX idx_base_table_machine2_sample_time  ON base_table_machine2  USING btree  (sample_time );

其他机器不再赘述。创建完后，我们开始写创建按月分区表的触发器(儿子表)。按月分区会判断每次插入的数据的时刻，按照月份放到分区表中。如果分区表不存在，则自动创建。这里给出机器1、机器2 的触发器

-- Function: on_insert_base_table_machine1()-- DROP FUNCTION on_insert_base_table_machine1();CREATE OR REPLACE FUNCTION on_insert_base_table_machine1()  RETURNS trigger AS$BODY$DECLARE --Variable Hold subtable namestr_sub_tablename varchar;--Variable Hold year\month info with timestamlestr_sub_sample_time varchar;str_sql_cmd varchar;str_sub_checkval varchar;BEGIN--The triggle func will be exectued only when BEFORE INSERTIF TG_OP <> 'INSERT' OR TG_TABLE_NAME <>'base_table_machine1' OR TG_WHEN <> 'BEFORE' THENRETURN NULL;END IF;--Generate Table Namestr_sub_sample_time = date_part('year',NEW.sample_time)::varchar || '_' || CASE WHEN date_part('month',NEW.sample_time) <10 THEN '0' ELSE '' END||date_part('month',NEW.sample_time)::varchar;str_sub_tablename = 'machine1_' || str_sub_sample_time;--Check if table not createdselect * from pg_tables where schemaname = 'public' and tablename=str_sub_tablename into str_sql_cmd;IF NOT FOUND THEN--Create table Cmdstr_sql_cmd = 'CREATE TABLE '||str_sub_tablename||' (CONSTRAINT pk_'|| str_sub_tablename||' PRIMARY KEY (id ),CONSTRAINT chk_'|| str_sub_tablename||' CHECK(date_part(''year''::text, sample_time) = '|| date_part('year',NEW.sample_time)::varchar|| '::double precision AND  date_part(''month''::text, sample_time) = '|| date_part('month',NEW.sample_time)::varchar||' ))INHERITS (base_table_machine1)WITH ( OIDS=FALSE );ALTER TABLE '||str_sub_tablename||' OWNER TO postgres;CREATE INDEX idx_'|| str_sub_tablename||'_sample_timeON '|| str_sub_tablename||'USING btree (sample_time );';EXECUTE str_sql_cmd;END IF;--insert Datastr_sql_cmd = 'INSERT INTO '||str_sub_tablename||'  ( id,dvalue,sample_time,machine_code,max_res,curr_res) VALUES ( nextval(''serial_id_seq''),$1,$2,$3,$4,$5);';EXECUTE str_sql_cmd USINGNEW.dvalue,NEW.sample_time,NEW.machine_code,NEW.max_res,NEW.curr_res;--return null because main table does not really contain datareturn NULL;END;$BODY$  LANGUAGE plpgsql VOLATILE  COST 100;ALTER FUNCTION on_insert_base_table_machine1()  OWNER TO postgres;

-- Function: on_insert_base_table_machine2()-- DROP FUNCTION on_insert_base_table_machine2();CREATE OR REPLACE FUNCTION on_insert_base_table_machine2()  RETURNS trigger AS$BODY$DECLARE --Variable Hold subtable namestr_sub_tablename varchar;--Variable Hold year\month info with timestamlestr_sub_sample_time varchar;str_sql_cmd varchar;str_sub_checkval varchar;BEGIN--The triggle func will be exectued only when BEFORE INSERTIF TG_OP <> 'INSERT' OR TG_TABLE_NAME <>'base_table_machine2' OR TG_WHEN <> 'BEFORE' THENRETURN NULL;END IF;--Generate Table Namestr_sub_sample_time = date_part('year',NEW.sample_time)::varchar || '_' || CASE WHEN date_part('month',NEW.sample_time) <10 THEN '0' ELSE '' END||date_part('month',NEW.sample_time)::varchar;str_sub_tablename = 'machine2_' || str_sub_sample_time;--Check if table not createdselect * from pg_tables where schemaname = 'public' and tablename=str_sub_tablename into str_sql_cmd;IF NOT FOUND THEN--Create table Cmdstr_sql_cmd = 'CREATE TABLE '||str_sub_tablename||' (CONSTRAINT pk_'|| str_sub_tablename||' PRIMARY KEY (id ),CONSTRAINT chk_'|| str_sub_tablename||' CHECK(date_part(''year''::text, sample_time) = '|| date_part('year',NEW.sample_time)::varchar|| '::double precision AND  date_part(''month''::text, sample_time) = '|| date_part('month',NEW.sample_time)::varchar||' ))INHERITS (base_table_machine2)WITH ( OIDS=FALSE );ALTER TABLE '||str_sub_tablename||' OWNER TO postgres;CREATE INDEX idx_'|| str_sub_tablename||'_sample_timeON '|| str_sub_tablename||'USING btree (sample_time );';EXECUTE str_sql_cmd;END IF;--insert Datastr_sql_cmd = 'INSERT INTO '||str_sub_tablename||'  ( id,dvalue,sample_time,machine_code,manu_id,manu_value) VALUES ( nextval(''serial_id_seq''),$1,$2,$3,$4,$5);';EXECUTE str_sql_cmd USINGNEW.dvalue,NEW.sample_time,NEW.machine_code,NEW.manu_id,NEW.manu_value;--return null because main table does not really contain datareturn NULL;END;$BODY$  LANGUAGE plpgsql VOLATILE  COST 100;ALTER FUNCTION on_insert_base_table_machine2()  OWNER TO postgres;

最后，为各个爸爸表设置触发器

CREATE TRIGGER triggle_on_insert_machine1  BEFORE INSERT  ON base_table_machine1  FOR EACH ROW  EXECUTE PROCEDURE on_insert_base_table_machine1();

CREATE TRIGGER triggle_machine2  BEFORE INSERT  ON base_table_machine2  FOR EACH ROW  EXECUTE PROCEDURE on_insert_base_table_machine2();

到此为止，我们可以分别向各个爸爸表（按类型分区表）插入数据，而后通过爷爷表（总表）检索基本信息，通过爸爸表检索详细信息。对总表的操作会遍历反馈到所有子表，试图利用子表的索引进行查询。由于按月存储，插入工作只限于本月，所以检索历史数据效率很高。

当然了，这只是简单的实验，实际字段要比上述字段复杂很多。PostgreSQL的对象-关系数据库对解决上述问题非常有帮助，也全面的运用到我公司的各个环节，达到工业化标准的系统非常稳定，尽管设置了备份，但4年来从未真正用到。我们目前使用 16核心机架服务器，8GB内存，Ubuntu 12.04 LTS，优化配置(Postgresql.conf) 采用设置共享段shared_buffers 512MB, work_mem 32MB，维护maintenance_work_mem  512MB，checkpoint_segments = 16，获得了稳定而持久的生产力提升。

测试：

插入4条数据

insert into base_table_machine1 (dvalue,sample_time,machine_code,max_res,curr_res) values (22.17273,'2012-06-01 11:22:11','SC3010-192.168.1.12',1,2);insert into base_table_machine1 (dvalue,sample_time,machine_code,max_res,curr_res) values (12.8273,'2012-07-12 10:23:01','SC3010-192.168.1.14',1,2);insert into base_table_machine2 (dvalue,sample_time,machine_code,manu_id,manu_value) values (4412.1928,'2011-01-21 02:08:34','PK937-192.168.1.113','TP1','E54DF');insert into base_table_machine2 (dvalue,sample_time,machine_code,manu_id,manu_value) values (4412.1928,'2011-12-31 04:21:31','PK937-192.168.1.112','TP2','CB67D');

看看 select  语句的结果

select * from base_table;

select * from base_table_machine2;

select * from base_table_machine1;

explain select * from base_table where sample_time >='2012-06-21 00:00:00' and sample_time <='2012-07-21 00:00:00';

自动使用索引关联到每个子表。