• 1
  • 2
  • 3
  • 4
  • 5
mssql数据库问题 首 页  »  帮助中心  »  数据库  »  mssql数据库问题
PostgreSQL OLTP高并发请求性能优化说明
发布日期:2016-4-29 17:4:38

  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),性能就开始下降,并发数越高,下降就越严重。

  举例说明:

  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, cnt int default 0);

  insert into test_8000 select generate_series(1,5000000);

  vi t.sql

  \setrandom id 1 5000000

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

  update test_8000 set cnt=cnt+2 where id=:id;

  每次加载80个并发,循环100次,一共加载8000个并发。如下所示:

  vi test.sh

  #!/bin/bash

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

  do

  sleep 1;

  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。如下所示:

  postgres=# select count(*) from pg_stat_activity;

  count

  -------

  8002

  (1 row)

  postgres=# select timestamptz '2015-10-08 17:01:24.203089+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:

  vi test.sql

  select pg_sleep(100000);

  vi test.sh

  #!/bin/bash

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

  do

  sleep 1;

  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。如下所示:

  pgbench -M prepared -n -r -f ./t.sql -P 1 -c 10 -j 10 -T 1000 -U postgres postgres

  progress: 1.0 s, 29429.2 tps, lat 0.336 ms stddev 0.109

  progress: 2.0 s, 28961.1 tps, lat 0.343 ms stddev 0.114

  progress: 3.0 s, 30433.8 tps, lat 0.326 ms stddev 0.103

  progress: 4.0 s, 29597.1 tps, lat 0.336 ms stddev 0.114

  progress: 5.0 s, 28714.1 tps, lat 0.346 ms stddev 0.117

  progress: 6.0 s, 28319.0 tps, lat 0.351 ms stddev 0.121

  progress: 7.0 s, 28540.0 tps, lat 0.348 ms stddev 0.118

  progress: 8.0 s, 29408.9 tps, lat 0.338 ms stddev 0.111

  progress: 9.0 s, 29178.1 tps, lat 0.340 ms stddev 0.119

  progress: 10.0 s, 29146.9 tps, lat 0.341 ms stddev 0.118

  progress: 11.0 s, 27498.5 tps, lat 0.361 ms stddev 0.123

  这种方法的性能约6万 qps。

  优化思路如下所示:

  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:

  create or replace function upd(l int,v_id int) returns void as $$

  declare

  begin

  LOOP

  if pg_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 set cnt=cnt+1 where id=v_id;

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

  return;

  else

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

  end if;

  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。

  vi t.sql

  \setrandom id 1 5000000

  \setrandom l 1 10

  select upd(:l, :id);

  vi test.sh

  #!/bin/bash

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

  do

  sleep 1;

  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 from pg_stat_all_tables where relname='test_8000';

  now | ?column?

  -------------------------------+-----------

  2015-10-08 19:06:37.951332+08 | 221045069

  (1 row)

  postgres=# select now(),n_tup_upd+n_tup_hot_upd from pg_stat_all_tables where relname='test_8000';

  now | ?column?

  ------------------------------+-----------

  2015-10-08 19:07:46.46325+08 | 222879057

  (1 row)

  postgres=# select timestamptz '2015-10-08 19:07:46.46325+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, 5 running, 8866 sleeping, 1 stopped, 0 zombie

  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内核组的小鲜肉与老腊肉们,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. http://blog.163.com/digoal@126/blog/static/16387704020158149538415/