PostgreSQL , HTAP , OLTP , OLAP , 場景與性能測試
PostgreSQL社群的貢獻者衆多，來自全球各個行業，曆經數年，PostgreSQL 每年釋出一個大版本，以持久的生命力和穩定性著稱。
2017年10月，PostgreSQL 推出10 版本，攜帶諸多驚天特性，目标是勝任OLAP和OLTP的HTAP混合場景的需求：
<a href="https://github.com/digoal/blog/blob/master/201710/20171029_01.md">《最受開發者歡迎的HTAP資料庫PostgreSQL 10特性》</a>
1、多核并行增強
2、fdw 聚合下推
3、邏輯訂閱
4、分區
5、金融級多副本
6、json、jsonb全文檢索
7、還有插件化形式存在的特性，如 向量計算、JIT、SQL圖計算、SQL流計算、分布式并行計算、時序處理、基因測序、化學分析、圖像分析 等。
在各種應用場景中都可以看到PostgreSQL的應用：
PostgreSQL近年來的發展非常迅猛，從知名資料庫評測網站dbranking的資料庫評分趨勢，可以看到PostgreSQL向上發展的趨勢：
從每年PostgreSQL中國召開的社群會議，也能看到同樣的趨勢，參與的公司越來越多，分享的公司越來越多，分享的主題越來越豐富，橫跨了 傳統企業、網際網路、醫療、金融、國企、物流、電商、社交、車聯網、共享XX、雲、遊戲、公共交通、航空、鐵路、軍工、教育訓練、咨詢服務等 行業。
接下來的一系列文章，将給大家介紹PostgreSQL的各種應用場景以及對應的性能名額。
環境部署方法參考：
<a href="https://github.com/digoal/blog/blob/master/201710/20171018_01.md">《PostgreSQL 10 + PostGIS + Sharding(pg_pathman) + MySQL(fdw外部表) on ECS 部署指南(适合新使用者)》</a>
阿裡雲 ECS：<code>56核，224G，1.5TB*2 SSD雲盤</code>。
作業系統：<code>CentOS 7.4 x64</code>
資料庫版本：<code>PostgreSQL 10</code>
PS：ECS的CPU和IO性能相比實體機會打一定的折扣，可以按下降1倍性能來估算。跑實體主機可以按這裡測試的性能乘以2來估算。
1、OLTP中，排序通常是小資料集的排序。
2、OLAP中，通常需要對大結果集進行排序，取TOP。
3、排序的快慢，還直接影響建索引的速度。（提一下，PostgreSQL支援 CONCURRENTLY 建構索引，建索引時不會堵塞DML。）
4、OLAP中，取TOP還有一些簡便高效的方法：估算、HLL、采樣、統計資訊等。
<a href="https://github.com/digoal/blog/blob/master/201709/20170911_02.md">《秒級任意次元分析1TB級大表 - 通過采樣估值滿足高效TOP N等統計分析需求》</a>
<a href="https://github.com/digoal/blog/blob/master/201608/20160825_02.md">《Greenplum 最佳實踐 - 估值插件hll的使用(以及hll分式聚合函數優化)》</a>
<a href="https://github.com/digoal/blog/blob/master/201302/20130226_01.md">《PostgreSQL hll (HyperLogLog) extension for "State of The Art Cardinality Estimation Algorithm" - 1》</a>
<a href="https://github.com/digoal/blog/blob/master/201302/20130227_01.md">《PostgreSQL hll (HyperLogLog) extension for "State of The Art Cardinality Estimation Algorithm" - 2》</a>
<a href="https://github.com/digoal/blog/blob/master/201302/20130228_01.md">《PostgreSQL hll (HyperLogLog) extension for "State of The Art Cardinality Estimation Algorithm" - 3》</a>
<a href="https://github.com/digoal/blog/blob/master/201509/20150919_02.md">《妙用explain Plan Rows快速估算行》</a>
1、小資料量排序，1萬條資料。
2、大資料量排序，1億條資料。
3、大資料量建立索引效率，1億條資料。
4、大資料估值TOP N，1億條資料。
5、大資料、複合索引、求任意一個GROUP c1的TOP c2的ID，1億條資料。
壓測
1、小資料量排序
2、大資料量排序
3、大資料量建立索引效率
4、大資料估值TOP N
5、大資料、複合索引、求任意一個GROUP c1的TOP c2的ID，1億條資料。TPS：677897
1、小資料量排序，1萬條資料，排序耗時 2.6 毫秒。
2、大資料量排序，1億條資料，排序耗時 1.48 秒。
3、大資料量建立索引效率，1億條資料，建立索引耗時 37.9 秒。
4、大資料估值TOP N，1一條資料，估算TOP N，耗時 1.27 毫秒。
5、大資料、複合索引、求任意一個GROUP c1的TOP c2的ID，1億條資料。平均響應時間： 0.165 毫秒。
<a href="https://github.com/digoal/blog/blob/master/201706/20170601_02.md">《PostgreSQL、Greenplum 應用案例寶典《如來神掌》 - 目錄》</a>
<a href="https://github.com/digoal/blog/blob/master/201702/20170209_01.md">《資料庫選型之 - 大象十八摸 - 緻 架構師、開發者》</a>
<a href="https://github.com/digoal/blog/blob/master/201610/20161031_02.md">《PostgreSQL 使用 pgbench 測試 sysbench 相關case》</a>
<a href="https://github.com/digoal/blog/blob/master/201701/20170125_01.md">《資料庫界的華山論劍 tpc.org》</a>
<a href="https://www.postgresql.org/docs/10/static/pgbench.html">https://www.postgresql.org/docs/10/static/pgbench.html</a>