HTAP数据库 PostgreSQL 场景与性能测试之 31 - (OLTP) 高吞吐数据进出(堆存、行扫、无需索引) - 阅后即焚(读写大吞吐并测)

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

<a href="https://github.com/digoal/blog/blob/master/201711/20171107_02_pic_003.jpg" target="_blank"></a>

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：

<a href="https://github.com/digoal/blog/blob/master/201710/20171029_01.md">《最受开发者欢迎的HTAP数据库PostgreSQL 10特性》</a>

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。

<a href="https://github.com/digoal/blog/blob/master/201711/20171107_02_pic_001.jpg" target="_blank"></a>

在各种应用场景中都可以看到PostgreSQL的应用：

<a href="https://github.com/digoal/blog/blob/master/201706/20170601_02_pic_002.png" target="_blank"></a>

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：

<a href="https://github.com/digoal/blog/blob/master/201711/20171107_02_pic_002.jpg" target="_blank"></a>

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。

环境部署方法参考：

<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(适合新用户)》</a>

阿里云 ECS：<code>56核，224G，1.5TB*2 SSD云盘</code>。

操作系统：<code>CentOS 7.4 x64</code>

数据库版本：<code>PostgreSQL 10</code>

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。

高吞吐的数据写入，消费，通常是MQ的强项和功能点，但是MQ没有数据存储的能力，也没有计算能力。

而PostgreSQL具备了存储、计算能力，同时PG还提供了高吞吐，可靠性。

在需要高吞吐计算的环境，PG是非常不错的选择。

如果业务上需要先进先出的模式，可以加一个时间索引，即可达到这样的效率，写入和消费都在300万行/s以上：

<a href="https://github.com/digoal/blog/blob/master/201711/20171107_32_pic_001.jpg" target="_blank"></a>

详见：

<a href="https://github.com/digoal/blog/blob/master/20171107_28.md">《HTAP数据库 PostgreSQL 场景与性能测试之 27 - (OLTP) 物联网 - FEED日志, 流式处理 与 阅后即焚 (CTE)》</a>

如果业务上不要求强烈的先进先出，并且处理吞吐足够强悍的话，实际上PG可以不需要索引，因为是堆表，没有索引，写和消费的吞吐可以做到更大。

本文测试的是不需要索引的裸写入和消费吞吐能力(消费、不计算)。

下一篇压测大吞吐下，结合 函数计算和JSON的能力。

1、堆表、多表、大吞吐写入

2、堆表、多表、大吞吐消费

同时压测写入和消费。

使用2048个分表。

1、批量生成传感器测试数据的函数

2、批量消费传感器数据的函数，按时间，从最早开始消费。

处理逻辑也可以放到里面，例如预警逻辑(采用PostgreSQL异步消息、CTE语法)。

<a href="https://github.com/digoal/blog/blob/master/201711/20171111_01.md">《PostgreSQL 异步消息实践 - Feed系统实时监测与响应(如 电商主动服务) - 分钟级到毫秒级的跨域》</a>

<a href="https://github.com/digoal/blog/blob/master/201608/20160818_01.md">《PostgreSQL 内存表》</a>

1、高吞吐写入测试，100万个传感器，每批1000条。

压测

2、高吞吐消费测试，100万个传感器，每批1000条。

同时压测写入和消费的吞吐如下：

<a href="https://github.com/digoal/blog/blob/master/201706/20170601_02.md">《PostgreSQL、Greenplum 应用案例宝典《如来神掌》 - 目录》</a>

<a href="https://github.com/digoal/blog/blob/master/201702/20170209_01.md">《数据库选型之 - 大象十八摸 - 致 架构师、开发者》</a>

<a href="https://github.com/digoal/blog/blob/master/201610/20161031_02.md">《PostgreSQL 使用 pgbench 测试 sysbench 相关case》</a>

<a href="https://github.com/digoal/blog/blob/master/201701/20170125_01.md">《数据库界的华山论剑 tpc.org》</a>

<a href="https://www.postgresql.org/docs/10/static/pgbench.html">https://www.postgresql.org/docs/10/static/pgbench.html</a>