HTAP数据库 PostgreSQL 场景与性能测试之 25 - (OLTP) IN , EXISTS 查询

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Michael_Stonebraker 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：

《最受开发者欢迎的HTAP数据库PostgreSQL 10特性》

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：

《PostgreSQL 10 + PostGIS + Sharding(pg_pathman) + MySQL(fdw外部表) on ECS 部署指南(适合新用户)》

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 - IN , EXISTS 查询 (OLTP) 1、背景

in 查询，多用在多个输入值的匹配场景。

实际上PostgreSQL支持很多种多个输入值匹配的语法。

1、in (...)

2、in (table or subquery or srf)

3、= any (array)

4、exists (select 1 from (values (),(),...) as t(id) where x.?=t.id)

5、=? or =? or =? or .....

他们的执行计划分别如下，(in (values....) or = any (array)最佳) ：

postgres=# explain select * from a where id in (1,2,3,4,5); 

 QUERY PLAN 

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

 Index Scan using a_pkey on a (cost=0.43..9.46 rows=5 width=45) 

 Index Cond: (id = ANY ({1,2,3,4,5}::integer[])) 

(2 rows) 

postgres=# explain select * from a where id = any (array[1,2,3,4,5]); 

 QUERY PLAN 

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

 Index Scan using a_pkey on a (cost=0.43..9.46 rows=5 width=45) 

 Index Cond: (id = ANY ({1,2,3,4,5}::integer[])) 

(2 rows) 

postgres=# explain select * from a where id = any (array(select generate_series(1,10))); 

 QUERY PLAN 

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

 Index Scan using a_pkey on a (cost=5.45..22.74 rows=10 width=45) 

 Index Cond: (id = ANY ($0)) 

 InitPlan 1 (returns $0) 

 - ProjectSet (cost=0.00..5.02 rows=1000 width=4) 

 - Result (cost=0.00..0.01 rows=1 width=0) 

(5 rows) 

postgres=# explain select * from a where id = any (array(select id from (values (1),(2),(3),(4),(5)) t (id))); 

 QUERY PLAN 

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

 Index Scan using a_pkey on a (cost=0.50..17.79 rows=10 width=45) 

 Index Cond: (id = ANY ($0)) 

 InitPlan 1 (returns $0) 

 - Values Scan on "*VALUES*" (cost=0.00..0.06 rows=5 width=4) 

(4 rows) 

postgres=# explain select * from a where id in (select id from (values (1),(2),(3),(4),(5)) t (id)); 

 QUERY PLAN 

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

 Nested Loop (cost=0.51..14.39 rows=5 width=45) 

 - HashAggregate (cost=0.07..0.12 rows=5 width=4) 

 Group Key: "*VALUES*".column1 

 - Values Scan on "*VALUES*" (cost=0.00..0.06 rows=5 width=4) 

 - Index Scan using a_pkey on a (cost=0.43..2.85 rows=1 width=45) 

 Index Cond: (id = "*VALUES*".column1) 

(6 rows) 

postgres=# explain select * from a where exists (select 1 from (values (1),(2),(3),(4),(5)) t (id) where t.id=a.id); 

 QUERY PLAN 

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

 Nested Loop (cost=0.51..14.39 rows=5 width=45) 

 - HashAggregate (cost=0.07..0.12 rows=5 width=4) 

 Group Key: "*VALUES*".column1 

 - Values Scan on "*VALUES*" (cost=0.00..0.06 rows=5 width=4) 

 - Index Scan using a_pkey on a (cost=0.43..2.85 rows=1 width=45) 

 Index Cond: (id = "*VALUES*".column1) 

(6 rows) 

postgres=# explain select * from a where id=1 or id=2 or id=3 or id=4 or id =5; 

 QUERY PLAN 

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

 Bitmap Heap Scan on a (cost=8.22..14.32 rows=5 width=45) 

 Recheck Cond: ((id = 1) OR (id = 2) OR (id = 3) OR (id = 4) OR (id = 5)) 

 - BitmapOr (cost=8.22..8.22 rows=5 width=0) 

 - Bitmap Index Scan on a_pkey (cost=0.00..1.64 rows=1 width=0) 

 Index Cond: (id = 1) 

 - Bitmap Index Scan on a_pkey (cost=0.00..1.64 rows=1 width=0) 

 Index Cond: (id = 2) 

 - Bitmap Index Scan on a_pkey (cost=0.00..1.64 rows=1 width=0) 

 Index Cond: (id = 3) 

 - Bitmap Index Scan on a_pkey (cost=0.00..1.64 rows=1 width=0) 

 Index Cond: (id = 4) 

 - Bitmap Index Scan on a_pkey (cost=0.00..1.64 rows=1 width=0) 

 Index Cond: (id = 5) 

(13 rows) 

2、设计

1亿记录，查询匹配多个输入值的性能。分别输入1,10,100,1000,10000,100000,1000000个值作为匹配条件。

1、in (...)

2、in (table or subquery or srf)

3、= any (array)

4、exists (select 1 from (values (),(),...) as t(id) where x.?=t.id)

5、=? or =? or =? or .....

3、准备测试表

create table t_in_test (id int primary key, info text, crt_time timestamp); 

4、准备测试函数(可选) 5、准备测试数据

insert into t_in_test select generate_series(1,100000000), md5(random()::text), clock_timestamp(); 

6、准备测试脚本

1、in (...)

1,10,100,1000,10000,100000,1000000 个输入值的测试性能

do language plpgsql $$ 

declare 

 arr text; 

 ts timestamp := clock_timestamp(); 

 mx int8; 

begin 

 for i in 0..6 loop 

 mx := (1*(10^i))::int8; 

 select string_agg((random()*100000)::int::text, ,) into arr from generate_series(1, mx); 

 ts := clock_timestamp(); 

 execute select * from t_in_test where id in (||arr||); 

 raise notice %: %, mx, clock_timestamp()-ts; 

 end loop; 

end; 

$$ ; 

2、in (table or subquery or srf)

1,10,100,1000,10000,100000,1000000 个输入值的测试性能

do language plpgsql $$ 

declare 

 arr text; 

 ts timestamp := clock_timestamp(); 

 mx int8; 

begin 

 for i in 0..6 loop 

 mx := (1*(10^i))::int8; 

 ts := clock_timestamp(); 

 perform * from t_in_test where id in ( select (random()*100000)::int from generate_series(1, mx) ); 

 raise notice %: %, mx, clock_timestamp()-ts; 

 end loop; 

end; 

$$ ; 

3、= any (array)

1,10,100,1000,10000,100000,1000000 个输入值的测试性能

do language plpgsql $$ 

declare 

 arr int[]; 

 ts timestamp := clock_timestamp(); 

 mx int8; 

begin 

 for i in 0..6 loop 

 mx := (1*(10^i))::int8; 

 select array_agg((random()*100000)::int) into arr from generate_series(1, mx); 

 ts := clock_timestamp(); 

 perform * from t_in_test where id = any ( arr ); 

 raise notice %: %, mx, clock_timestamp()-ts; 

 end loop; 

end; 

$$ ; 

4、exists (select 1 from (values (),(),...) as t(id) where x.?=t.id)

1,10,100,1000,10000,100000,1000000 个输入值的测试性能

do language plpgsql $$ 

declare 

 ts timestamp := clock_timestamp(); 

 mx int8; 

begin 

 for i in 0..6 loop 

 mx := (1*(10^i))::int8; 

 ts := clock_timestamp(); 

 perform * from t_in_test where exists ( select 1 from ( select (random()*100000)::int id from generate_series(1,mx) ) t where t_in_test.id=t.id ); 

 raise notice %: %, mx, clock_timestamp()-ts; 

 end loop; 

end; 

$$ ; 

5、压测

匹配1 ~ 100个输入值，求聚合。高并发。

vi test.sql 

\set x random(1,100) 

select count(*) from t_in_test where id = any(array(select (random()*100000000)::int from generate_series(1,:x))); 

压测

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 

7、测试

1、in (...)

1,10,100,1000,10000,100000,1000000 个输入值的测试性能

do language plpgsql $$ 

declare 

 arr text; 

 ts timestamp := clock_timestamp(); 

 mx int8; 

begin 

 for i in 0..6 loop 

 mx := (1*(10^i))::int8; 

 select string_agg((random()*100000)::int::text, ,) into arr from generate_series(1, mx); 

 ts := clock_timestamp(); 

 execute select * from t_in_test where id in (||arr||); 

 raise notice %: %, mx, clock_timestamp()-ts; 

 end loop; 

end; 

$$ ; 

NOTICE: 1: 00:00:00.000256 

NOTICE: 10: 00:00:00.000173 

NOTICE: 100: 00:00:00.000772 

NOTICE: 1000: 00:00:00.004445 

NOTICE: 10000: 00:00:00.024073 

NOTICE: 100000: 00:00:00.195439 

NOTICE: 1000000: 00:00:01.638982 

2、in (table or subquery or srf)

1,10,100,1000,10000,100000,1000000 个输入值的测试性能

do language plpgsql $$ 

declare 

 arr text; 

 ts timestamp := clock_timestamp(); 

 mx int8; 

begin 

 for i in 0..6 loop 

 mx := (1*(10^i))::int8; 

 ts := clock_timestamp(); 

 perform * from t_in_test where id in ( select (random()*100000)::int from generate_series(1, mx) ); 

 raise notice %: %, mx, clock_timestamp()-ts; 

 end loop; 

end; 

$$ ; 

NOTICE: 1: 00:00:00.00044 

NOTICE: 10: 00:00:00.000244 

NOTICE: 100: 00:00:00.000788 

NOTICE: 1000: 00:00:00.004455 

NOTICE: 10000: 00:00:00.028793 

NOTICE: 100000: 00:00:00.187841 

NOTICE: 1000000: 00:00:00.583744 

3、= any (array)

1,10,100,1000,10000,100000,1000000 个输入值的测试性能

do language plpgsql $$ 

declare 

 arr int[]; 

 ts timestamp := clock_timestamp(); 

 mx int8; 

begin 

 for i in 0..6 loop 

 mx := (1*(10^i))::int8; 

 select array_agg((random()*100000)::int) into arr from generate_series(1, mx); 

 ts := clock_timestamp(); 

 perform * from t_in_test where id = any ( arr ); 

 raise notice %: %, mx, clock_timestamp()-ts; 

 end loop; 

end; 

$$ ; 

NOTICE: 1: 00:00:00.000216 

NOTICE: 10: 00:00:00.000151 

NOTICE: 100: 00:00:00.000654 

NOTICE: 1000: 00:00:00.00399 

NOTICE: 10000: 00:00:00.021216 

NOTICE: 100000: 00:00:00.106335 

NOTICE: 1000000: 00:00:00.386113 

4、exists (select 1 from (values (),(),...) as t(id) where x.?=t.id)

1,10,100,1000,10000,100000,1000000 个输入值的测试性能

do language plpgsql $$ 

declare 

 ts timestamp := clock_timestamp(); 

 mx int8; 

begin 

 for i in 0..6 loop 

 mx := (1*(10^i))::int8; 

 ts := clock_timestamp(); 

 perform * from t_in_test where exists ( select 1 from ( select (random()*100000)::int id from generate_series(1,mx) ) t where t_in_test.id=t.id ); 

 raise notice %: %, mx, clock_timestamp()-ts; 

 end loop; 

end; 

$$ ; 

NOTICE: 1: 00:00:00.000458

NOTICE: 10: 00:00:00.000224

NOTICE: 100: 00:00:00.000687

NOTICE: 1000: 00:00:00.003916

NOTICE: 10000: 00:00:00.02734

NOTICE: 100000: 00:00:00.187671

NOTICE: 1000000: 00:00:00.570389

5、匹配1 ~ 100个输入值，求聚合。高并发。

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: 13913566 

latency average = 1.207 ms 

latency stddev = 0.840 ms 

tps = 46378.142149 (including connections establishing) 

tps = 46384.723274 (excluding connections establishing) 

script statistics: 

 - statement latencies in milliseconds: 

 0.002 \set x random(1,100) 

 1.207 select count(*) from t_in_test where id = any(array(select (random()*100000000)::int from generate_series(1,:x))); 

TPS： 46384

5、匹配1 ~ 100个输入值，求聚合。高并发。

平均响应时间： 1.207 毫秒

5、匹配1 ~ 100个输入值，求聚合。高并发。

1到100万个输入值的响应时间

1亿条记录，匹配100万个输入值( = any (array) )，只需要386毫秒。

NOTICE: 1: 00:00:00.000216 

NOTICE: 10: 00:00:00.000151 

NOTICE: 100: 00:00:00.000654 

NOTICE: 1000: 00:00:00.00399 

NOTICE: 10000: 00:00:00.021216 

NOTICE: 100000: 00:00:00.106335 

NOTICE: 1000000: 00:00:00.386113 

参考

《PostgreSQL、Greenplum 应用案例宝典《如来神掌》 - 目录》

《数据库选型之 - 大象十八摸 - 致 架构师、开发者》

《PostgreSQL 使用 pgbench 测试 sysbench 相关case》

《数据库界的华山论剑 tpc.org》

https://www.postgresql.org/docs/10/static/pgbench.html

PolarDB for PostgreSQL 内核解读 ：HTAP架构介绍 在 PolarDB 存储计算分离的架构基础上我们研发了基于共享存储的MPP架构步具备了 HTAP 的能力，对一套 TP的数据支持两套执行引擎：单机执行引擎用于处理高并发的 OLTP；MPP跨机分布式执行引擎用于复杂的 OLAP 查询，发挥集群多个 RO 节点的算力和IO吞吐能力。
PostgreSQL 列存, 混合存储, 列存索引, 向量化存储, 混合索引 - OLTP OLAP OLXP HTAP 混合负载应用 PostgreSQL , 列存 , 混合存储 , 列存索引 , 向量化存储 , 混合索引 , ros , wos , cstore , ocr , vector index , roadmap 1、列存没有行存1666列的限制 2、列存的大量记录数扫描比行存节约资源 3、列存压缩比高，节约空间 4、列存的大量数据计算可以使用向量化执行，效率高
HTAP数据库 PostgreSQL 场景与性能测试之 3.1 - (OLAP) 大表JOIN统计查询-10亿 join 1亿 agg PostgreSQL , HTAP , OLTP , OLAP , 场景与性能测试 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Michael_Stonebraker 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
HTAP数据库 PostgreSQL 场景与性能测试之 47 - (OLTP) 空间应用 - 高并发空间位置更新、多属性KNN搜索并测（含空间索引）末端配送类项目 PostgreSQL , HTAP , OLTP , OLAP , 场景与性能测试 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Michael_Stonebraker 操刀设计，PostgreSQL具备与Oracle类似的功能、性能、架构以及稳定性。