PostgreSQL数据库 OLTP高并发请求性能优化  

2015-10-14 11:00:00|  作者：德哥：分类： PgSQL PerfTuning|

2015年度PG大象会报名地址: http://postgres2015.eventdove.com/

PostgreSQL中国社区:  http://postgres.cn/index.php/home

PostgreSQL QQ交流群：100910388

PostgresChina微信公众号:

关注微信公众号“PostgresChina”获得更多门票优惠码

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,cntintdefault0);

insertinto test_8000 selectgenerate_series(1,5000000);

vit.sql

\setrandom id 15000000

update test_8000 setcnt=cnt+1where id=:id;

update test_8000 setcnt=cnt+2where 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/bash

for ((i=0;i<100;i++))

do

sleep1;

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 '2015-10-0817:01:24.203089+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：

vitest.sql

selectpg_sleep(100000);

vi test.sh

#!/bin/bash

for ((i=0;i<100;i++))

do

sleep1;

pgbench-M simple -n -r -f ./test.sql-c 80-j 80-T 100000-U postgres&

done

../test.sh

postgres=# 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 postgrespostgres

progress:1.0 s,29429.2tps,lat0.336msstddev0.109

progress:2.0 s,28961.1tps,lat0.343msstddev0.114

progress:3.0 s,30433.8tps,lat0.326msstddev0.103

progress:4.0 s,29597.1tps,lat0.336msstddev0.114

progress:5.0 s,28714.1tps,lat0.346msstddev0.117

progress:6.0 s,28319.0tps,lat0.351msstddev0.121

progress:7.0 s,28540.0tps,lat0.348msstddev0.118

progress:8.0 s,29408.9tps,lat0.338msstddev0.111

progress:9.0 s,29178.1tps,lat0.340msstddev0.119

progress:10.0 s,29146.9tps,lat0.341msstddev0.118

progress:11.0 s,27498.5tps,lat0.361msstddev0.123

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：

createor replace functionupd(l int,v_idint) returns voidas $$

declare

begin

LOOP

ifpg_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 setcnt=cnt+1where id=v_id;

update test_8000 setcnt=cnt+2where id=v_id;

return;

else

perform pg_sleep(30*random());  -- 随机等待时间

endif;

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。

vit.sql

\setrandom id 15000000

\setrandom l 110

selectupd(:l,:id);

vi test.sh

#!/bin/bash

for ((i=0;i<100;i++))

do

sleep1;

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 frompg_stat_all_tables where relname='test_8000';
              now              |?column?
-------------------------------+-----------
2015-10-0819:06:37.951332+08|221045069
(1 row)

postgres=# select now(),n_tup_upd+n_tup_hot_upd frompg_stat_all_tables where relname='test_8000';
             now              |?column?
------------------------------+-----------
2015-10-0819:07:46.46325+08|222879057
(1 row)

postgres=# select timestamptz '2015-10-0819:07:46.46325+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:0.96,0.98,1.01

Tasks:8872 total,   5running,8866 sleeping,   1stopped,   0zombie

Cpu(s):  5.3%us,  0.8%sy,  0.0%ni,93.9%id,  0.0%wa,  0.0%hi,  0.0%si,  0.0%st

Mem:  132124976k total,118066688k used,14058288k free,   316752k buffers

Swap:  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. 1.    http://blog.163.com/digoal@126/blog/static/16387704020158149538415/