Instagram 对 Postgres 性能调校的5个小技巧

Instagram 对 Postgres 性能调校的 5 个小技巧

英文原文：Handling Growth with Postgres: 5 Tips From Instagram

随着Instagram的规模日益扩大，Postgres继续充当着Instagram的坚实基础，并存储着绝大部分的用户数据。不到一年之前，我们还曾在博客上说Instagram“存储着大量数据”，每秒增加90条数据，现在，这个数据已经增长到了峰值的10000条。而我们的基础存储技术依然保持不变。 在过去的两年半中，我们有一些关于Postgres扩展的经验和工具，想要分享出来。真希望在当初启动Instagram的时候就能有这些经验和工具呀。其中有些是Postgres独有的，有些是其它数据库也可以采用的。如果想要了解我们是如何水平分区的，可以看这篇文章。

AlfredCheung 翻译于 昨天(11:31) 0人顶 顶 翻译的不错哦!

1. 局部索引 如果我们经常需要按某个固定的特征过滤数据，而且这个特征只存在于一小部分行里，在这种情况下，局部索引非常有效。 比方说，Instagram搜索标签的时候，我们需要找出有许多照片的标签。我们一般会用ElasticSearch之类的技术来进行高级搜索，不过这里只靠数据库的查询能力就完全够了。先来看一下，按标签查询，并按照片数排序，Postgres是怎么做的: 01 EXPLAIN ANALYZE SELECT id from tags WHERE name LIKE 'snow%' ORDER BY media_count DESCLIMIT 10; 02 QUERY PLAN 03 --------- 04 Limit (cost=1780.73..1780.75 rows=10 width=32) (actual time=215.211..215.228 rows=10 loops=1) 05 -> Sort (cost=1780.73..1819.36 rows=15455 width=32) (actual time=215.209..215.215 rows=10 loops=1) 06 Sort Key: media_count 07 Sort Method: top-N heapsort Memory: 25kB 08 -> Index Scan using tags_search ontags_tag (cost=0.00..1446.75 rows=15455 width=32) (actual time=0.020..162.708 rows=64572 loops=1) 09 Index Cond: (((name)::text ~>=~ 'snow'::text) AND((name)::text ~<~ 'snox'::text)) 10 Filter: ((name)::text ~~ 'snow%'::text) 11 Total runtime: 215.275 ms 12 (8 rows) 有没有看到，为了得到结果，Postgres不得不对15000行数据进行排序。由于标签的分布满足长尾模式(译者注: 根据百度百科，「我们常用的汉字实际上不多，但因出现频次高，所以这些为数不多的汉字占据了上图广大的红区；绝大部分的汉字难得一用，它们就属于那长长的黄尾。」)，我们可以改为查询超过100张照片的标签，先建局部索引: 1 CREATE INDEX CONCURRENTLY on tags (name text_pattern_ops) WHERE media_count >= 100 然后查询，看一下新的查询计划: 01 EXPLAIN ANALYZE SELECT * from tags WHERE name LIKE 'snow%' AND media_count >= 100 ORDER BYmedia_count DESC LIMIT 10; 02 03 QUERY PLAN 04 Limit (cost=224.73..224.75 rows=10 width=32) (actual time=3.088..3.105 rows=10 loops=1) 05 -> Sort (cost=224.73..225.15 rows=169 width=32) (actual time=3.086..3.090 rows=10 loops=1) 06 Sort Key: media_count 07 Sort Method: top-N heapsort Memory: 25kB 08 -> Index Scan using tags_tag_name_idx ontags_tag (cost=0.00..221.07 rows=169 width=32) (actual time=0.021..2.360 rows=924 loops=1) 09 Index Cond: (((name)::text ~>=~ 'snow'::text) AND((name)::text ~<~ 'snox'::text)) 10 Filter: ((name)::text ~~ 'snow%'::text) 11 Total runtime: 3.137 ms 12 (8 rows) 可以看到，Postgres只需要访问169行，所以速度快得多。Postgres的查询计划器对约束的评估也很有效。如果以后想要查询超过500张照片的标签，由于这个结果集是上面集合的子集，所以仍然会使用这个局部索引。

AlfredCheung 翻译于 昨天(11:15) 0人顶 顶 翻译的不错哦!

2. 函数索引 在某些表上，我们需要对一些很长的字符串建立索引，比如说，64个字符的base64记号。如果直接建索引的话，会造成大量的数据重复，这种情况下，可以用Postgres的函数索引: 1 CREATE INDEX CONCURRENTLY on tokens (substr(token), 0, 8) 虽然这样会造成许多行匹配相同的前缀，但我们可以在匹配的基础上再用过滤，速度很快。而且索引很小，只有大概原来的十分之一。

AlfredCheung 翻译于 昨天(10:54) 0人顶 顶 翻译的不错哦!

3. 用pg_reorg来让数据更紧凑 随着时间的流逝，Postgres的表会变得越来越零碎(由MVCC并发模型等原因引起)。而且，数据行插入的顺序往往也不是我们希望返回的顺序。比如说，如果我们经常要按用户来查询照片等，那么最好是在磁盘上把这些东西放在一起，这样就可以减少磁盘寻道的时间。 我们用pg_reorg来解决这个问题，它用三个步骤来让“压紧”一个表: 取得表的独占锁 建一个记录变更的临时表，在原始表上加一个触发器，把对原始表的变更复制到临时表上 用CREATE TABLE...SELECT FROM...ORDER BY建表，新表拥有原始表的全部数据，而且是按索引顺序排序的 将CREATE TABLE执行时间点以后发生的变更从临时表同步过来 业务切换到新表 每一步都会有很多细节，不过大体上就是像上面这个样子。我们先对这个工具进行了一些审查，运行了若干测试，然后再把它用到生产环境上。现在，我们已经在几百台机器的环境上跑过几十次pg_reorg，没出现过任何问题。

AlfredCheung 翻译于 昨天(13:49) 0人顶 顶 翻译的不错哦!

4. 用WAL-E进行WAL(写前日志)的归档和备份 我们用WAL-E来归档WAL日志，它是Heroku写的一个工具，我们也向它贡献了一部分代码。WAL-E大大简化了数据备份和复制库创建的过程。 WAL-E是利用Progres的archive_command，将PG产生的每个WAL文件都归档到Amazon的S3。利用这些WAL文件和数据库的基准备份，我们可以将数据库恢复到基准备份后任何一个时间点的状态。利用这个手段，我们也可以快速创建只读的复制库或故障备用库。 我们为WAL-E写了一个简单的封装脚本，可以监控归档时的重复故障，见GitHub。

AlfredCheung 翻译于 昨天(14:12) 0人顶 顶 翻译的不错哦!

5. psycopg2中的自动提交模式和异步模式 我们也开始用psycopg2中的一些高级功能(psycopg2是Postgres的Python驱动)。 一个是自动提交模式。在这个模式里，psycopg2不会发出BEGIN/COMMIT，每个查询跑在自己的单语句事务里。这对不需要事务的只读查询特别有用。开启很简单: connection.autocommit = True 开启自动提交后，我们的应用服务器和数据库之间的对话大减，数据库服务器的CPU用量也大减。而且，我们是用PGBouncer作为连接池，开启自动提交后，连接的归还也更快了。 与Django的交互细节可以看这里。

AlfredCheung 翻译于 昨天(14:25) 0人顶 顶 翻译的不错哦!

psycopg2还有一个很有用的功能，它可以通过注册一个等待回调(wait callback)函数，提供协同程序(coroutine)支持。它可以支持跨连接查询，对命中多个节点的查询非常有用，当有数据时，socket会被唤醒(我们利用Python的select模块来处理唤醒)。它也可以与eventlet和gevent等多线程库很好的协作，参考实现可见psycogreen。 总的来说，我们对Postgres的高性能和可靠性十分满意。想在世界上最大之一的Postgres集群上工作吗？想跟一群基础设施高手们一起干活吗？请联系[email protected]吧。

AlfredCheung 翻译于 昨天(14:39) 0人顶 顶 翻译的不错哦!

本文中的所有译文仅用于学习和交流目的，转载请务必注明文章译者、出处、和本文链接
我们的翻译工作遵照 CC 协议，如果我们的工作有侵犯到您的权益，请及时联系我们

原文作者：http://instagram-engineering.tumblr.com/post/40781627982/handling-growth-with-postgres-5-tips-from-instagram
原文出处：http://instagram-engineering.tumblr.com/post/40781627982/handling-growth-with-postgres-5-tips-from-instagram
译文作者：AlfredCheung
译文出处：http://www.oschina.net/translate/handling-growth-with-postgres-5-tips-from-instagram

转载于:https://www.cnblogs.com/leonxyzh/archive/2013/01/19/7289127.html