Postgres2015全国用户大会将于11月20至21日在北京丽亭华苑酒店召开。本次大会嘉宾阵容强大，国内顶级PostgreSQL数据库专家将悉数到场，并特邀欧洲、俄罗斯、日本、美国等国家和地区的数据库方面专家助阵:
- Postgres-XC项目的发起人铃木市一(SUZUKI Koichi)
- Postgres-XL的项目发起人Mason Sharp
- pgpool的作者石井达夫(Tatsuo Ishii)
- PG-Strom的作者海外浩平(Kaigai Kohei)
- Greenplum研发总监姚延栋
- 周正中(德哥), PostgreSQL中国用户会创始人之一
- 汪洋，平安科技数据库技术部经理
- ……
|
 |
今天一位兄弟跟我抱怨MYSQL里面查IP地址库并发几千每秒的查询数据库就抗不住了.
于是问他要来了他们的IP地址库数据和查询用的SQL以及MYSQL里面的表结构。
把数据转到PostgreSQL里面做一下相对应的压力测试，看看PostgreSQL的表现。
MYSQL里面的表结构如下 :
CREATE TABLE ip_address_pool (id int(10) NOT NULL AUTO_INCREMENT COMMENT '自增主键',start_ip varchar(20) NOT NULL COMMENT '起始ip',end_ip varchar(20) NOT NULL COMMENT '截止ip',province varchar(128) NOT NULL COMMENT '省名',city varchar(128) NOT NULL COMMENT '城市',region_name varchar(128) NOT NULL COMMENT '地区名',company_name varchar(128) NOT NULL COMMENT '公司名',start_ip_decimal bigint(10) DEFAULT NULL,end_ip_decimal bigint(10) DEFAULT NULL,PRIMARY KEY (id),KEY idx_start_ip_Decimal (start_ip_decimal),KEY idx_end_ip_Decimal (end_ip_decimal)) ENGINE=InnoDB AUTO_INCREMENT=436820 DEFAULT CHARSET=utf8 COMMENT='ip地址对应表';
MYSQL里面的查询SQL如下 :
selectprovince,start_ip_Decimal as startIpDecimal,end_ip_Decimal as endIpDecimalfrom ip_address_poolwhere#{ip}>=start_ip_Decimal and#{ip}<=end_ip_Decimal;
数据量大概40W.
由于MYSQL里面没有IP地址类型, 所以他们把IP地址转换为数值类型来存储并用来做IP地址范围的匹配.
IP地址的转换算法是32位的二进制IP地址转10进制数字。
在PostgreSQL9.2里面新增了range类型, 例如可以用来存储ip地址范围, int值的范围.
具体的应用可以参见我以前写的BLOG :
《PostgreSQL 9.2 NEW Type, range》
《PostgreSQL 9.2 range type usage case》
因此这个应用场景, PostgreSQL有三种选择来实现它 :
1. 和MySQL里面一样, 使用两个字段分别存储起始的IP数字
2. 使用iprange, 直接存储IP地址范围
3. 使用int8range, 存储转换后的数字范围
接下来是三种方法的表结构 :
1.
和MySQL里面一样, 使用两个字段分别存储起始的IP数字
CREATE TABLE ip_address_pool (id serial8 primary key,start_ip inet NOT NULL ,end_ip inet NOT NULL ,province varchar(128) NOT NULL ,city varchar(128) NOT NULL ,region_name varchar(128) NOT NULL ,company_name varchar(128) NOT NULL ,start_ip_decimal bigint ,end_ip_decimal bigint) ;-- 以下索引其实只需要建一个就够了, PostgreSQL btree索引支持>=,>,<=,<,=等几种操作符, 同时IP地址段也不存在交叠的情况.-- 如何避免交叠呢, 在并发的情况下插入和更新ip_address_pool表, 是没有办法避免交叠情况的发生的, 例如-- 1. 先查询需要插入的IP地址段是否已经存在表里面-- 2. 不存在则插入.但是这里存在一个问题, 并发的情况下, 多个进程都可能认为插入的数据不存在, 都插入了, 但是并发插入的数据中可能有交叠的.-- 3. 在MYSQL中只能使用全表锁来避免这个问题.-- 4. 在PostgreSQL中则不需要全表锁, 因为可以使用range类型, 建立range类型的exclusive 约束, 这个在我前面两篇关于range的BLOG里面讲到过.create index idx_ip_address_pool_sip on ip_address_pool (start_ip_decimal);create index idx_ip_address_pool_eip on ip_address_pool (end_ip_decimal);
2. 使用iprange, 直接存储IP地址范围
create type iprange as range (subtype=inet);
CREATE TABLE ip_address_pool_2 (id serial8 primary key,ip_segment iprange NOT NULL ,province varchar(128) NOT NULL ,city varchar(128) NOT NULL ,region_name varchar(128) NOT NULL ,company_name varchar(128) NOT NULL) ;
CREATE INDEX ip_address_pool_2_range ON ip_address_pool_2 USING gist (ip_segment);
3. 使用int8range, 存储转换后的数字范围
CREATE TABLE ip_address_pool_3 (id serial8 primary key,start_ip inet NOT NULL ,end_ip inet NOT NULL ,province varchar(128) NOT NULL ,city varchar(128) NOT NULL ,region_name varchar(128) NOT NULL ,company_name varchar(128) NOT NULL ,ip_decimal_segment int8range) ;
-- 从第一个表把数据转换成range类型并存储到这个表
insert into ip_address_pool_3 (id,start_ip,end_ip,province,city,region_name,company_name,ip_decimal_segment) select id,start_ip,end_ip,province,city,region_name,company_name,int8range(start_ip_decimal,end_ip_decimal+1) from ip_address_pool;
CREATE INDEX ip_address_pool_3_range ON ip_address_pool_3 USING gist (ip_decimal_segment);
接下来测试一下第一种方法和第三种方法的性能差别 :
1.
测试脚本:
\setrandom ip 0 2094967294select province, start_ip_Decimal as startIpDecimal, end_ip_Decimal as endIpDecimal from ip_address_pool where :ip>=start_ip_Decimal and :ip<=end_ip_Decimal;
测试结果:
pg92@db-172-16-3-33-> pgbench -M prepared -c 8 -j 8 -f ./ip_test.sql -n -T 60 -h 127.0.0.1 -U postgres postgrestransaction type: Custom query
scaling factor: 1
query mode: simple
number of clients: 8
number of threads: 8
duration: 60 s
number of transactions actually processed: 20389
tps = 339.576580 (including connections establishing)
tps = 339.618604 (excluding connections establishing)
为什么只有300多呢？原因是建立的不是复合索引, 注意因为这里使用的是范围检索, 不是= , 所以检索速度和取值范围关系很大, 分别取三个值, 从小到大. 来看看查询耗时.
postgres=# explain analyze select province, start_ip_Decimal as startIpDecimal, end_ip_Decimal as endIpDecimal from ip_address_pool where 1>=start_ip_Decimal and 1<=end_ip_Decimal;QUERY PLAN--------------------------------------------------------------------------------------------------------------------------------------------------------------Index Scan using idx_ip_address_pool_sip on ip_address_pool (cost=10000000000.00..10000000004.51 rows=1 width=22) (actual time=0.004..0.004 rows=1 loops=1)Index Cond: (1 >= start_ip_decimal)Filter: (1 <= end_ip_decimal)Total runtime: 0.014 ms(4 rows)
postgres=# explain analyze select province, start_ip_Decimal as startIpDecimal, end_ip_Decimal as endIpDecimal from ip_address_pool where 1123371940>=start_ip_Decimal and 1123371940<=end_ip_Decimal;QUERY PLAN---------------------------------------------------------------------------------------------------------------------------------------------------Index Scan using idx_ip_address_pool_sip on ip_address_pool (cost=0.00..3899.49 rows=75277 width=22) (actual time=37.572..37.573 rows=1 loops=1)Index Cond: (1123371940 >= start_ip_decimal)Filter: (1123371940 <= end_ip_decimal)Rows Removed by Filter: 96523Total runtime: 37.604 ms(5 rows)
postgres=# explain analyze select province, start_ip_Decimal as startIpDecimal, end_ip_Decimal as endIpDecimal from ip_address_pool where 4123371940>=start_ip_Decimal and 4123371940<=end_ip_Decimal;QUERY PLAN-----------------------------------------------------------------------------------------------------------------------------------------------------Index Scan using idx_ip_address_pool_sip on ip_address_pool (cost=0.00..17557.23 rows=1251 width=22) (actual time=168.138..168.139rows=1 loops=1)Index Cond: (4123371940::bigint >= start_ip_decimal)Filter: (4123371940::bigint <= end_ip_decimal)Rows Removed by Filter: 436810Total runtime: 168.165 ms(5 rows)
-- 所以需要建立复合索引,
create index idx_ip_address_pool_ip on ip_address_pool (start_ip_decimal, end_ip_decimal );
-- 建完后还是分三个值来测试一下响应时间 :postgres=# explain analyze select province, start_ip_Decimal as startIpDecimal, end_ip_Decimal as endIpDecimal from ip_address_pool where 1>=start_ip_Decimal and 1<=end_ip_Decimal;
QUERY PLAN
------------------------------------------------------------------------------------------------------------------------------------
-----
Index Scan using idx_ip_address_pool_ip on ip_address_pool (cost=0.00..4.61 rows=1 width=22) (actual time=0.004..0.005 rows=1 loop
s=1)
Index Cond: ((1 >= start_ip_decimal) AND (1 <= end_ip_decimal))
Total runtime: 0.014 ms
(3 rows)
postgres=# explain analyze select province, start_ip_Decimal as startIpDecimal, end_ip_Decimal as endIpDecimal from ip_address_pool where 1123371940>=start_ip_Decimal and 1123371940<=end_ip_Decimal;
QUERY PLAN
------------------------------------------------------------------------------------------------------------------------------------
------------
Index Scan using idx_ip_address_pool_ip on ip_address_pool (cost=0.00..8754.53 rows=75277 width=22) (actual time=5.995..5.996 rows
=1 loops=1)
Index Cond: ((1123371940 >= start_ip_decimal) AND (1123371940 <= end_ip_decimal))
Total runtime: 6.017 ms
(3 rows)
postgres=# explain analyze select province, start_ip_Decimal as startIpDecimal, end_ip_Decimal as endIpDecimal from ip_address_pool where 4123371940>=start_ip_Decimal and 4123371940<=end_ip_Decimal;
QUERY PLAN
------------------------------------------------------------------------------------------------------------------------------------
-------------
Index Scan using idx_ip_address_pool_ip on ip_address_pool (cost=0.00..8737.49 rows=1251 width=22) (actual time=27.042..27.044 row
s=1 loops=1)
Index Cond: ((4123371940::bigint >= start_ip_decimal) AND (4123371940::bigint <= end_ip_decimal))
Total runtime: 27.079 ms
(3 rows)
-- 那么它的TPS能达到多少呢?pg92@db-172-16-3-33-> pgbench -M prepared -c 8 -j 8 -f ./ip_test.sql -n -T 60 -h 127.0.0.1 -U postgres postgres
transaction type: Custom queryscaling factor: 1query mode: preparednumber of clients: 8number of threads: 8duration: 60 snumber of transactions actually processed: 216400tps = 3606.368660 (including connections establishing)tps = 3606.821632 (excluding connections establishing)-- 有提高, 但是还远远不够.
3.
测试脚本:
\setrandom ip 0 2094967294select province,ip_decimal_segment from ip_address_pool_3 where ip_decimal_segment @> :ip::int8;
测试结果:
pg92@db-172-16-3-33-> pgbench -M simple -c 8 -j 8 -f ./ip_test.sql -n -T 60 -h 127.0.0.1 -U postgres postgrestransaction type: Custom queryscaling factor: 1query mode: simplenumber of clients: 8number of threads: 8duration: 60 snumber of transactions actually processed: 3498195tps = 58301.468890 (including connections establishing)tps = 58307.865068 (excluding connections establishing)
-- 使用prepared还能有提升, 如下
pg92@db-172-16-3-33-> pgbench -M prepared -c 8 -j 8 -f ./ip_test.sql -n -T 60 -h 127.0.0.1 -U postgres postgrestransaction type: Custom queryscaling factor: 1query mode: preparednumber of clients: 8number of threads: 8duration: 60 snumber of transactions actually processed: 4810415tps = 80171.925111 (including connections establishing)tps = 80180.458975 (excluding connections establishing)
-- 使用range类型还是测试一下那三个值的耗时, 分布就比较均匀了.
postgres=# explain analyze select province,ip_decimal_segment from ip_address_pool_3 where ip_decimal_segment @> int8 '1';QUERY PLAN------------------------------------------------------------------------------------------------------------------------------------------------Index Scan using ip_address_pool_3_range on ip_address_pool_3 (cost=0.00..862.55 rows=437 width=38) (actual time=0.034..0.035 rows=1 loops=1)Index Cond: (ip_decimal_segment @> 1::bigint)Total runtime: 0.045 ms(3 rows)
postgres=# explain analyze select province,ip_decimal_segment from ip_address_pool_3 where ip_decimal_segment @> int8 '1123371940';QUERY PLAN------------------------------------------------------------------------------------------------------------------------------------------------Index Scan using ip_address_pool_3_range on ip_address_pool_3 (cost=0.00..862.55 rows=437 width=38) (actual time=0.036..0.036 rows=1 loops=1)Index Cond: (ip_decimal_segment @> 1123371940::bigint)Total runtime: 0.052 ms(3 rows)
postgres=# explain analyze select province,ip_decimal_segment from ip_address_pool_3 where ip_decimal_segment @> int8 '4123371940';QUERY PLAN------------------------------------------------------------------------------------------------------------------------------------------------Index Scan using ip_address_pool_3_range on ip_address_pool_3 (cost=0.00..862.55 rows=437 width=38) (actual time=0.058..0.059 rows=1 loops=1)Index Cond: (ip_decimal_segment @> 4123371940::bigint)Total runtime: 0.069 ms(3 rows)
【其他】
1. PostgreSQL支持函数索引，所以我们不需要改表结构就可以使用函数索引来达到加速的目的。
例如 :
CREATE TABLE ip_address_pool (id serial8 primary key,start_ip inet NOT NULL ,end_ip inet NOT NULL ,province varchar(128) NOT NULL ,city varchar(128) NOT NULL ,region_name varchar(128) NOT NULL ,company_name varchar(128) NOT NULL ,start_ip_decimal bigint ,end_ip_decimal bigint) ;create index idx_ip_address_1 on ip_address_pool using index gist (int8range(start_ip_decimal, end_ip_decimal+1::int8));select * from ip_address_pool where int8range(start_ip_decimal, end_ip_decimal+1::int8) @> ?;
【注意】
1. pgbench 的random值使用的是有符号int4类型 , 因此超出了本例最大的40亿的值, 所以在测试过程中我使用了0到20亿的数值区间.
不过这个基本上不影响测试结果.
如果要让pgbench支持int8需要修改pgbench的源码.
2. PostgreSQL的range类型除了可以很好的利用它的gist索引作为检索之外, 还可以使用它来做排他约束, 也就是防止数据交叠.
这个在MySQL中就只能通过全表锁来搞定.
3. MySQL里面可以使用osdb来测试, 源码
4. PostgreSQL 优化相关的BLOG可以参考如下:
《PostgreSQL性能优化综合案例讲解》
5. 使用PostgreSQL存储IP数据的话, 还可以使用掩码, 这样的话就不需要存储两个字段了, 直接存在一个字段就可以.
当然也可以加一个存储比特位的字段, 使用bit函数来处理包含关系.
另一种用法是把这个比特运算放到内存中执行, 内存中存储IP比特位以及对应到数据库的记录的ID信息, 获取ID后去数据库查询, 也就是把数据库的范围查询变成主键查询. 也可以提高效率.
6. range类型是9.2新增的数据类型, 如果要在其他版本中使用, 可以参考
http://blog.osdba.net/?post=96
, 实现了float8range.
timestamprange则可以参考
http://www.pgxn.org/dist/temporal/
3万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
