PostgreSQL range gist index 20x+ speedup than Mysql index combine query

来源：互联网发布：mac battlenet 打不开编辑：程序博客网时间：2024/06/06 03:08

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
……

2015年度PG大象会报名地址：http://postgres2015.eventdove.com/
PostgreSQL中国社区： http://postgres.cn/
PostgreSQL专业1群： 3336901（已满）
PostgreSQL专业2群： 100910388
PostgreSQL专业3群： 150657323

今天一位兄弟跟我抱怨MYSQL里面查IP地址库并发几千每秒的查询数据库就抗不住了.

于是问他要来了他们的IP地址库数据和查询用的SQL以及MYSQL里面的表结构。

把数据转到PostgreSQL里面做一下相对应的压力测试，看看PostgreSQL的表现。

MYSQL里面的表结构如下 :


CREATE TABLE ip_address_pool (
  id int(10) NOT NULL AUTO_INCREMENT COMMENT '自增主键',
  start_ip varchar(20) NOT NULL COMMENT '起始ip',
  end_ip varchar(20) NOT NULL COMMENT '截止ip',
  province varchar(128) NOT NULL COMMENT '省名',
  city varchar(128) NOT NULL COMMENT '城市',
  region_name varchar(128) NOT NULL COMMENT '地区名',
  company_name varchar(128) NOT NULL COMMENT '公司名',
  start_ip_decimal bigint(10) DEFAULT NULL,
  end_ip_decimal bigint(10) DEFAULT NULL,
  PRIMARY KEY (id),
  KEY idx_start_ip_Decimal (start_ip_decimal),
  KEY idx_end_ip_Decimal (end_ip_decimal)
) ENGINE=InnoDB AUTO_INCREMENT=436820 DEFAULT CHARSET=utf8 COMMENT='ip地址对应表';

MYSQL里面的查询SQL如下 :


select 
  province,
  start_ip_Decimal as startIpDecimal,
  end_ip_Decimal as endIpDecimal
  from ip_address_pool
  where
  #{ip}>=start_ip_Decimal and
  #{ip}<=end_ip_Decimal;

数据量大概40W.

由于MYSQL里面没有IP地址类型, 所以他们把IP地址转换为数值类型来存储并用来做IP地址范围的匹配.

IP地址的转换算法是32位的二进制IP地址转10进制数字。

在PostgreSQL9.2里面新增了range类型, 例如可以用来存储ip地址范围, int值的范围.

具体的应用可以参见我以前写的BLOG :

《PostgreSQL 9.2 NEW Type, range》

http://blog.163.com/digoal@126/blog/static/16387704020124174238681/

《PostgreSQL 9.2 range type usage case》

http://blog.163.com/digoal@126/blog/static/163877040201241752537254/

因此这个应用场景, PostgreSQL有三种选择来实现它 :

1. 和MySQL里面一样, 使用两个字段分别存储起始的IP数字

2. 使用iprange, 直接存储IP地址范围

3. 使用int8range, 存储转换后的数字范围

接下来是三种方法的表结构 :

1. 和MySQL里面一样, 使用两个字段分别存储起始的IP数字

CREATE TABLE ip_address_pool (

id serial8 primary key,

start_ip inet NOT NULL ,

end_ip inet NOT NULL ,

province varchar(128) NOT NULL ,

city varchar(128) NOT NULL ,

region_name varchar(128) NOT NULL ,

company_name varchar(128) NOT NULL ,

start_ip_decimal bigint ,

end_ip_decimal bigint

) ;

-- 以下索引其实只需要建一个就够了, PostgreSQL btree索引支持>=,>,<=,<,=等几种操作符, 同时IP地址段也不存在交叠的情况.

-- 如何避免交叠呢, 在并发的情况下插入和更新ip_address_pool表, 是没有办法避免交叠情况的发生的, 例如

-- 1. 先查询需要插入的IP地址段是否已经存在表里面

-- 2. 不存在则插入.但是这里存在一个问题, 并发的情况下, 多个进程都可能认为插入的数据不存在, 都插入了, 但是并发插入的数据中可能有交叠的.

-- 3. 在MYSQL中只能使用全表锁来避免这个问题.

-- 4. 在PostgreSQL中则不需要全表锁, 因为可以使用range类型, 建立range类型的exclusive 约束, 这个在我前面两篇关于range的BLOG里面讲到过.

create index idx_ip_address_pool_sip on ip_address_pool (start_ip_decimal);

create index idx_ip_address_pool_eip on ip_address_pool (end_ip_decimal);

2. 使用iprange, 直接存储IP地址范围


create type iprange as range (subtype=inet);

CREATE TABLE ip_address_pool_2 (
  id serial8 primary key,
  ip_segment iprange NOT NULL ,
  province varchar(128) NOT NULL ,
  city varchar(128) NOT NULL ,
  region_name varchar(128) NOT NULL ,
  company_name varchar(128) NOT NULL
) ;

CREATE INDEX ip_address_pool_2_range ON ip_address_pool_2 USING gist (ip_segment);

3. 使用int8range, 存储转换后的数字范围


CREATE TABLE ip_address_pool_3 (
  id serial8 primary key,
  start_ip inet NOT NULL ,
  end_ip inet NOT NULL ,
  province varchar(128) NOT NULL ,
  city varchar(128) NOT NULL ,
  region_name varchar(128) NOT NULL ,
  company_name varchar(128) NOT NULL ,
  ip_decimal_segment int8range
) ;

-- 从第一个表把数据转换成range类型并存储到这个表

insert into ip_address_pool_3 (id,start_ip,end_ip,province,city,region_name,company_name,ip_decimal_segment) select id,start_ip,end_ip,province,city,region_name,company_name,int8range(start_ip_decimal,end_ip_decimal+1) from ip_address_pool;

CREATE INDEX ip_address_pool_3_range ON ip_address_pool_3 USING gist (ip_decimal_segment);

接下来测试一下第一种方法和第三种方法的性能差别 :

测试脚本:


 \setrandom ip 0 2094967294
select province, start_ip_Decimal as startIpDecimal, end_ip_Decimal as endIpDecimal from ip_address_pool where :ip>=start_ip_Decimal and :ip<=end_ip_Decimal;

测试结果:

pg92@db-172-16-3-33-> pgbench -M prepared -c 8 -j 8 -f ./ip_test.sql -n -T 60 -h 127.0.0.1 -U postgres postgres

transaction type: Custom query
scaling factor: 1
query mode: simple
number of clients: 8
number of threads: 8
duration: 60 s
number of transactions actually processed: 20389
tps = 339.576580 (including connections establishing)
tps = 339.618604 (excluding connections establishing)

为什么只有300多呢？原因是建立的不是复合索引, 注意因为这里使用的是范围检索, 不是= , 所以检索速度和取值范围关系很大, 分别取三个值, 从小到大. 来看看查询耗时.


postgres=# explain analyze select province, start_ip_Decimal as startIpDecimal, end_ip_Decimal as endIpDecimal from ip_address_pool where 1>=start_ip_Decimal and 1<=end_ip_Decimal;
                                                                          QUERY PLAN                                                
                          
------------------------------------------------------------------------------------------------------------------------------------
--------------------------
 Index Scan using idx_ip_address_pool_sip on ip_address_pool  (cost=10000000000.00..10000000004.51 rows=1 width=22) (actual time=0.0
04..0.004 rows=1 loops=1)
   Index Cond: (1 >= start_ip_decimal)
   Filter: (1 <= end_ip_decimal)
 Total runtime: 0.014 ms
(4 rows)

postgres=# explain analyze select province, start_ip_Decimal as startIpDecimal, end_ip_Decimal as endIpDecimal from ip_address_pool where 1123371940>=start_ip_Decimal and 1123371940<=end_ip_Decimal;
                                                                    QUERY PLAN                                                      
               
------------------------------------------------------------------------------------------------------------------------------------
---------------
 Index Scan using idx_ip_address_pool_sip on ip_address_pool  (cost=0.00..3899.49 rows=75277 width=22) (actual time=37.572..37.573 r
ows=1 loops=1)
   Index Cond: (1123371940 >= start_ip_decimal)
   Filter: (1123371940 <= end_ip_decimal)
   Rows Removed by Filter: 96523
 Total runtime: 37.604 ms
(5 rows)

postgres=# explain analyze select province, start_ip_Decimal as startIpDecimal, end_ip_Decimal as endIpDecimal from ip_address_pool where 4123371940>=start_ip_Decimal and 4123371940<=end_ip_Decimal;
                                                                     QUERY PLAN                                                     
                 
------------------------------------------------------------------------------------------------------------------------------------
-----------------
 Index Scan using idx_ip_address_pool_sip on ip_address_pool  (cost=0.00..17557.23 rows=1251 width=22) (actual time=168.138..168.139
 rows=1 loops=1)
   Index Cond: (4123371940::bigint >= start_ip_decimal)
   Filter: (4123371940::bigint <= end_ip_decimal)
   Rows Removed by Filter: 436810
 Total runtime: 168.165 ms
(5 rows)

-- 所以需要建立复合索引,

create index idx_ip_address_pool_ip on ip_address_pool (start_ip_decimal,end_ip_decimal);

-- 建完后还是分三个值来测试一下响应时间 : 
postgres=# explain analyze select province, start_ip_Decimal as startIpDecimal, end_ip_Decimal as endIpDecimal from ip_address_pool where 1>=start_ip_Decimal and 1<=end_ip_Decimal;
                                                               QUERY PLAN                                                           
     
------------------------------------------------------------------------------------------------------------------------------------
-----
 Index Scan using idx_ip_address_pool_ip on ip_address_pool  (cost=0.00..4.61 rows=1 width=22) (actual time=0.004..0.005 rows=1 loop
s=1)
   Index Cond: ((1 >= start_ip_decimal) AND (1 <= end_ip_decimal))
 Total runtime: 0.014 ms
(3 rows)

postgres=# explain analyze select province, start_ip_Decimal as startIpDecimal, end_ip_Decimal as endIpDecimal from ip_address_pool where 1123371940>=start_ip_Decimal and 1123371940<=end_ip_Decimal;
                                                                   QUERY PLAN                                                       
            
------------------------------------------------------------------------------------------------------------------------------------
------------
 Index Scan using idx_ip_address_pool_ip on ip_address_pool  (cost=0.00..8754.53 rows=75277 width=22) (actual time=5.995..5.996 rows
=1 loops=1)
   Index Cond: ((1123371940 >= start_ip_decimal) AND (1123371940 <= end_ip_decimal))
 Total runtime: 6.017 ms
(3 rows)

postgres=# explain analyze select province, start_ip_Decimal as startIpDecimal, end_ip_Decimal as endIpDecimal from ip_address_pool where 4123371940>=start_ip_Decimal and 4123371940<=end_ip_Decimal;
                                                                   QUERY PLAN                                                       
             
------------------------------------------------------------------------------------------------------------------------------------
-------------
 Index Scan using idx_ip_address_pool_ip on ip_address_pool  (cost=0.00..8737.49 rows=1251 width=22) (actual time=27.042..27.044 row
s=1 loops=1)
   Index Cond: ((4123371940::bigint >= start_ip_decimal) AND (4123371940::bigint <= end_ip_decimal))
 Total runtime: 27.079 ms
(3 rows)

-- 那么它的TPS能达到多少呢?
pg92@db-172-16-3-33-> pgbench -M prepared -c 8 -j 8 -f ./ip_test.sql -n -T 60 -h 127.0.0.1 -U postgres postgres
transaction type: Custom query
scaling factor: 1
query mode: prepared
number of clients: 8
number of threads: 8
duration: 60 s
number of transactions actually processed: 216400
tps = 3606.368660 (including connections establishing)
tps = 3606.821632 (excluding connections establishing)
-- 有提高, 但是还远远不够.

测试脚本:

\setrandom ip 0 2094967294

select province,ip_decimal_segment from ip_address_pool_3 where ip_decimal_segment @> :ip::int8;

测试结果:

pg92@db-172-16-3-33-> pgbench -M simple -c 8 -j 8 -f ./ip_test.sql -n -T 60 -h 127.0.0.1 -U postgres postgres

transaction type: Custom query

scaling factor: 1

query mode: simple

number of clients: 8

number of threads: 8

duration: 60 s

number of transactions actually processed: 3498195

tps = 58301.468890 (including connections establishing)

tps = 58307.865068 (excluding connections establishing)

-- 使用prepared还能有提升, 如下

pg92@db-172-16-3-33-> pgbench -M prepared -c 8 -j 8 -f ./ip_test.sql -n -T 60 -h 127.0.0.1 -U postgres postgres

transaction type: Custom query

scaling factor: 1

query mode: prepared

number of clients: 8

number of threads: 8

duration: 60 s

number of transactions actually processed: 4810415

tps = 80171.925111 (including connections establishing)

tps = 80180.458975 (excluding connections establishing)

-- 使用range类型还是测试一下那三个值的耗时, 分布就比较均匀了.

postgres=# explain analyze select province,ip_decimal_segment from ip_address_pool_3 where ip_decimal_segment @> int8 '1';

QUERY PLAN

------------------------------------------------------------------------------------------------------------------------------------

------------

Index Scan using ip_address_pool_3_range on ip_address_pool_3 (cost=0.00..862.55 rows=437 width=38) (actual time=0.034..0.035 rows

=1 loops=1)

Index Cond: (ip_decimal_segment @> 1::bigint)

Total runtime: 0.045 ms

(3 rows)

postgres=# explain analyze select province,ip_decimal_segment from ip_address_pool_3 where ip_decimal_segment @> int8 '1123371940';

QUERY PLAN

------------------------------------------------------------------------------------------------------------------------------------

------------

Index Scan using ip_address_pool_3_range on ip_address_pool_3 (cost=0.00..862.55 rows=437 width=38) (actual time=0.036..0.036 rows

=1 loops=1)

Index Cond: (ip_decimal_segment @> 1123371940::bigint)

Total runtime: 0.052 ms

(3 rows)

postgres=# explain analyze select province,ip_decimal_segment from ip_address_pool_3 where ip_decimal_segment @> int8 '4123371940';

QUERY PLAN

------------------------------------------------------------------------------------------------------------------------------------

------------

Index Scan using ip_address_pool_3_range on ip_address_pool_3 (cost=0.00..862.55 rows=437 width=38) (actual time=0.058..0.059 rows

=1 loops=1)

Index Cond: (ip_decimal_segment @> 4123371940::bigint)

Total runtime: 0.069 ms

(3 rows)

【其他】

1. PostgreSQL支持函数索引，所以我们不需要改表结构就可以使用函数索引来达到加速的目的。

例如 :


CREATE TABLE ip_address_pool (
  id serial8 primary key,
  start_ip inet NOT NULL ,
  end_ip inet NOT NULL ,
  province varchar(128) NOT NULL ,
  city varchar(128) NOT NULL ,
  region_name varchar(128) NOT NULL ,
  company_name varchar(128) NOT NULL ,
  start_ip_decimal bigint ,
  end_ip_decimal bigint 
) ;
create index idx_ip_address_1 on ip_address_pool using index gist (int8range(start_ip_decimal, end_ip_decimal+1::int8));
select * from ip_address_pool where int8range(start_ip_decimal, end_ip_decimal+1::int8) @> ?;

【注意】

1. pgbench 的random值使用的是有符号int4类型 , 因此超出了本例最大的40亿的值, 所以在测试过程中我使用了0到20亿的数值区间.

不过这个基本上不影响测试结果.

如果要让pgbench支持int8需要修改pgbench的源码.

2. PostgreSQL的range类型除了可以很好的利用它的gist索引作为检索之外, 还可以使用它来做排他约束, 也就是防止数据交叠.

这个在MySQL中就只能通过全表锁来搞定.

3. MySQL里面可以使用osdb来测试, 源码

http://osdb.sourceforge.net/

4. PostgreSQL 优化相关的BLOG可以参考如下:

《PostgreSQL性能优化综合案例讲解》

http://blog.163.com/digoal@126/blog/static/163877040201221382150858/

http://blog.163.com/digoal@126/blog/static/163877040201221333411196/

5. 使用PostgreSQL存储IP数据的话, 还可以使用掩码, 这样的话就不需要存储两个字段了, 直接存在一个字段就可以.

当然也可以加一个存储比特位的字段, 使用bit函数来处理包含关系.

另一种用法是把这个比特运算放到内存中执行, 内存中存储IP比特位以及对应到数据库的记录的ID信息, 获取ID后去数据库查询, 也就是把数据库的范围查询变成主键查询. 也可以提高效率.

6. range类型是9.2新增的数据类型, 如果要在其他版本中使用, 可以参考http://blog.osdba.net/?post=96, 实现了float8range.

timestamprange则可以参考http://www.pgxn.org/dist/temporal/

0 0