HTAP数据库 PostgreSQL 场景与性能测试之 30 - (OLTP) 秒杀 - 高并发单点更新

标签

PostgreSQL , HTAP , OLTP , OLAP , 场景与性能测试


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 - 秒杀 - 高并发单点更新 (OLTP)

1、背景

阿里巴巴双十一创造了一个词:秒杀。

秒杀是促销导致的一种用户行为,如1元秒杀iphone,由于优惠力度太大,抢的人就会很多。

通常秒杀商品都有一个库存值,在数据库中以数值存放,用户在抢购时,需要更新库存。

秒杀带来的压力是高并发的更新同一条记录(如1元iphone)。

由于更新记录在数据库中体现为行排他锁,因此同一条记录,只允许一个事务更新,其他事务会处于等待状态。

那么问题就来了,如果大家都抢一个商品,那么大家都会等待其中一个人的更新,才会进行下一个更新,等待的过程就导致了堵塞。影响整体的处理吞吐。

(等待对于业务系统来说,是灾难性的,通常也是优化需要重点关注的。)

PostgreSQL设计了一种advisory lock,可以巧妙的解决秒杀的等待问题,单实例单行更新处理吞吐可以达到 22.9万qps。

2、设计

1张表,1条记录,高并发的更新同一条记录。造成秒杀效应。

3、准备测试表

create table t_update_single (id int8 primary key, val int, crt_time timestamp);  
alter index t_update_single_pkey set tablespace tbs1;  

4、准备测试函数(可选)

5、准备测试数据

插入1条记录,用于秒杀。

insert into t_update_single values (1,1,now());  

秒杀到的,返回结果,程序获取到结果后更新缓存。如果商品被秒完,VAL会变成0,缓存更新为0后,就不需要到达数据库了。

语句很简单,更新并返回即可,例子:

postgres=# update t_update_single set val=val+1, crt_time=now() where pg_try_advisory_xact_lock(id) and id=1 returning *;  
 id |  val   |          crt_time  
----+--------+----------------------------  
  1 | 376426 | 2017-11-14 17:36:12.465658  
(1 row)  
  
UPDATE 1  

6、准备测试脚本

1、更新用户的最终位置,由于空间移动有一定的速比,所以更新后是基于原有位置的一个相对位移位置。

vi test.sql  
  
update t_update_single set val=val+1, crt_time=now() where pg_try_advisory_xact_lock(id) and id=1;  

压测

CONNECTS=112  
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

transaction type: ./test.sql  
scaling factor: 1  
query mode: prepared  
number of clients: 112  
number of threads: 112  
duration: 300 s  
number of transactions actually processed: 68756469  
latency average = 0.489 ms  
latency stddev = 0.866 ms  
tps = 229148.334927 (including connections establishing)  
tps = 229191.371771 (excluding connections establishing)  
script statistics:  
 - statement latencies in milliseconds:  
         0.489  update t_update_single set val=val+1, crt_time=now() where pg_try_advisory_xact_lock(id) and id=1;  

TPS: 229191

平均响应时间: 0.489 毫秒

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

你可能感兴趣的:(HTAP数据库 PostgreSQL 场景与性能测试之 30 - (OLTP) 秒杀 - 高并发单点更新)