PostgreSQL数据库 OLTP高并发请求性能优化
来源:互联网 发布:mac battlenet 打不开 编辑:程序博客网 时间:2024/06/06 04:12
Postgres2015全国用户大会将于11月20至21日在北京丽亭华苑酒店召开。本次大会嘉宾阵容强大,国内顶级PostgreSQL数据库专家将悉数到场,并特邀欧洲、俄罗斯、日本、美国等国家和地区的数据库方面专家助阵:
- Postgres-XC项目的发起人铃木市一(SUZUKI Koichi)
- Postgres-XL的项目发起人Mason Sharp
- pgpool的作者石井达夫(Tatsuo Ishii)
- PG-Strom的作者海外浩平(Kaigai Kohei)
- Greenplum研发总监姚延栋
- 周正中(德哥), PostgreSQL中国用户会创始人之一
- 汪洋,平安科技数据库技术部经理
- ……
在多核系统中,一般TPS会随并发数的增加而提升,但是当并发数超过一定的数值(如CPU核数的2到3倍以后),性能开始下降,并发数越高,下降越严重。
例子:
更新500万记录表中的1条随机记录。开8000个并发。
create table test_8000 (id int primary key, cnt int default 0);insert into test_8000 select generate_series(1,5000000);vi t.sql\setrandom id 1 5000000update test_8000 set cnt=cnt+1 where id=:id;update test_8000 set cnt=cnt+2 where id=:id;
每次加载80个并发,循环100次,一共加载8000个并发。
vi test.sh#!/bin/bashfor ((i=0;i<100;i++))dosleep 1;pgbench -M simple -n -r -f ./t.sql -c 80 -j 80 -T 100000 -U postgres &done
开始
. ./test.sh
当连接数达到8000后,观察TPS,我们可以使用PG的统计信息表来计算QPS。
postgres=# select count(*) from pg_stat_activity;count-------8002(1 row)postgres=# select timestamptz '2015-10-08 17:01:24.203089+08' - timestamptz '2015-10-08 17:01:16.574076+08';?column?-----------------00:00:07.629013(1 row)postgres=# select 43819090-43749480;?column?----------69610(1 row)postgres=# select 69610/07.629013;?column?-----------------------9124.3782124896103860(1 row)
8000个并发的时候,更新TPS约9124。大部分时间可能浪费在CPU调度上了。
另一种场景,
如果有8000个并发是空闲连接,只有10个在执行更新,性能是这样的:
先制造8000个空闲连接:
vi test.sqlselect pg_sleep(100000);vi test.sh#!/bin/bashfor ((i=0;i<100;i++))dosleep 1;pgbench -M simple -n -r -f ./test.sql -c 80 -j 80 -T 100000 -U postgres &done. ./test.shpostgres=# select count(*) from pg_stat_activity;count-------8002(1 row)
然后开启10个连接执行更新操作。
pgbench -M prepared -n -r -f ./t.sql -P 1 -c 10 -j 10 -T 1000 -U postgres postgresprogress: 1.0 s, 29429.2 tps, lat 0.336 ms stddev 0.109progress: 2.0 s, 28961.1 tps, lat 0.343 ms stddev 0.114progress: 3.0 s, 30433.8 tps, lat 0.326 ms stddev 0.103progress: 4.0 s, 29597.1 tps, lat 0.336 ms stddev 0.114progress: 5.0 s, 28714.1 tps, lat 0.346 ms stddev 0.117progress: 6.0 s, 28319.0 tps, lat 0.351 ms stddev 0.121progress: 7.0 s, 28540.0 tps, lat 0.348 ms stddev 0.118progress: 8.0 s, 29408.9 tps, lat 0.338 ms stddev 0.111progress: 9.0 s, 29178.1 tps, lat 0.340 ms stddev 0.119progress: 10.0 s, 29146.9 tps, lat 0.341 ms stddev 0.118progress: 11.0 s, 27498.5 tps, lat 0.361 ms stddev 0.123
这种方法的性能约6万 qps。
优化思路:
排队处理用户请求。类似pgbouncer或Oracle的shared server机制,真实处理请求的进程数有限。
使用PostgreSQL的advisory函数可以模拟这种排队机制:
create or replace function upd(l int,v_id int) returns void as $$declarebeginLOOPif pg_try_advisory_xact_lock(l) then -- 只有获得这个应用级锁才执行更新,否则就等待。update test_8000 set cnt=cnt+1 where id=v_id;update test_8000 set cnt=cnt+2 where id=v_id;return;elseperform pg_sleep(30*random()); -- 随机等待时间end if;END LOOP;end;$$ language plpgsql strict;
增加一个随机变量l,用来表示应用所的号码,也就是说模拟10个同时在更新的操作,其他的都在等待。
这个是没有经过优化的排队机制,因为不是独立的进程处理用户请求,依旧是backend process在处理用户请求,依旧有8000个进程。
vi t.sql\setrandom id 1 5000000\setrandom l 1 10select upd(:l, :id);vi test.sh#!/bin/bashfor ((i=0;i<100;i++))dosleep 1;pgbench -M simple -n -r -f ./t.sql -c 80 -j 80 -T 100000 -U postgres &done. ./test.sh
测试结果比较理想,已经提升了1倍性能。
postgres=# select now(),n_tup_upd+n_tup_hot_upd from pg_stat_all_tables where relname='test_8000';
now | ?column?
-------------------------------+-----------
2015-10-08 19:06:37.951332+08 | 221045069
(1 row)postgres=# select now(),n_tup_upd+n_tup_hot_upd from pg_stat_all_tables where relname='test_8000';
now | ?column?
------------------------------+-----------
2015-10-08 19:07:46.46325+08 | 222879057
(1 row)postgres=# select timestamptz '2015-10-08 19:07:46.46325+08' - timestamptz '2015-10-08 19:06:37.951332+08';
?column?
-----------------
00:01:08.511918
(1 row)postgres=# select 222879057-221045069;
?column?
----------
1833988
(1 row)postgres=# select 1833988/68.5;
?column?
--------------------
26773.547445255474
(1 row)
模拟结果,相比不排队,有1倍以上的性能提升。
TOP
top - 19:09:37 up 119 days, 3:59, 2 users, load average: 0.96, 0.98, 1.01Tasks: 8872 total, 5 running, 8866 sleeping, 1 stopped, 0 zombieCpu(s): 5.3%us, 0.8%sy, 0.0%ni, 93.9%id, 0.0%wa, 0.0%hi, 0.0%si, 0.0%stMem: 132124976k total, 118066688k used, 14058288k free, 316752k buffersSwap: 2097144k total, 148k used, 2096996k free, 63702028k cached
advisory lock是PG提供的一种轻量级的面向用户的锁(当然比LWLOCK是要重的),我之前在秒杀场景的优化中也有叙述,可以达到每秒处理19万次的单条记录更新请求的性能,并且保持1毫秒以内的RT。请参考。
http://blog.163.com/digoal@126/blog/static/16387704020158149538415/
把这种优化思路加入到PostgreSQL的内核中是比较靠谱的,最终实现的效果会和Oracle的shared server非常类似。
阿里云PG内核组的小鲜肉和老腊肉们,优化开始搞起吧。
在没有优化前,还是使用pgbouncer这种连接池吧。
[参考]
1. http://blog.163.com/digoal@126/blog/static/16387704020158149538415/
0 0
- PostgreSQL数据库 OLTP高并发请求性能优化
- PostgreSQL数据库 OLTP高并发请求性能优化
- 高并发性能优化
- 冯柯:同步设计在高性能OLTP数据库中的实践
- 冯柯:同步设计在高性能OLTP数据库中的实践
- Apache 高并发 性能优化
- 高并发性能优化策略
- 高并发下数据库优化
- Postgresql数据库脚本性能优化纪要
- GNU Linux高并发性能优化方案
- 大流量高并发性能优化
- GNU Linux高并发性能优化方案
- Netty开发中间件:高并发性能优化
- 设计高性能数据库[优化数据库结构]
- 大数据量高并发的数据库优化
- 大数据量高并发的数据库优化
- 大数据量高并发的数据库优化
- 大数据量高并发的数据库优化
- hdu2531 Catch him(bfs)
- SDCC2015:一线公司云集 技术论坛精彩议题先睹为快
- PostgreSQL 秒杀场景优化
- 九度OJ 1006:ZOJ问题 (递归)
- 查看mysql连接进程及连接用户
- PostgreSQL数据库 OLTP高并发请求性能优化
- 黎活明老师的建议
- html <meta http-equiv="refresh" content="0; url=">什么意思?
- Chrome NET::ERR_CERT_AUTHORITY_INVALID 错误分析及处理
- 视频处理三帧差分法简易代码
- .NET学习笔记(一)————认识.NET平台与C#
- PS学习笔记之初识分辨率
- 我亲爱的老师们(*^__^*)
- Android开发:shape和selector和layer-list的(详细说明)