我们所有表的主键(约束)结构都相似:
timestamp(Timestamp) ; index(smallint) ; key(integer).
一个表可以有数百万行,甚至数十亿行,并且读取请求通常用于特定时间段(时间戳/索引)和标签。查询返回大约200k行是很常见的。目前,我们每秒可以读取约15,000行,但我们需要提高10倍的速度。
注意:PostgreSQL与我们的软件打包在一起,因此硬件在一个客户端与另一个客户端之间是不同的。
它是使用的VM供测试用。 VM的主机是具有24.0 GB RAM的Windows Server 2008 R2 x64。
服务器规格(虚拟机VMWare)
Server 2008 R2 x64
2.00 GB of memory
Intel Xeon W3520 @ 2.67GHz (2 cores)
postgresql.conf
优化 shared_buffers = 512MB (default: 32MB)
effective_cache_size = 1024MB (default: 128MB)
checkpoint_segment = 32 (default: 3)
checkpoint_completion_target = 0.9 (default: 0.5)
default_statistics_target = 1000 (default: 100)
work_mem = 100MB (default: 1MB)
maintainance_work_mem = 256MB (default: 16MB)
表定义
CREATE TABLE "AnalogTransition"
(
"KeyTag" integer NOT NULL,
"Timestamp" timestamp with time zone NOT NULL,
"TimestampQuality" smallint,
"TimestampIndex" smallint NOT NULL,
"Value" numeric,
"Quality" boolean,
"QualityFlags" smallint,
"UpdateTimestamp" timestamp without time zone, -- (UTC)
CONSTRAINT "PK_AnalogTransition" PRIMARY KEY ("Timestamp" , "TimestampIndex" , "KeyTag" ),
CONSTRAINT "FK_AnalogTransition_Tag" FOREIGN KEY ("KeyTag")
REFERENCES "Tag" ("Key") MATCH SIMPLE
ON UPDATE NO ACTION ON DELETE NO ACTION
)
WITH (
OIDS=FALSE,
autovacuum_enabled=true
);
查询
查询大约需要30秒才能在pgAdmin3中执行,但我们希望在5秒内获得相同的结果。
SELECT "AnalogTransition"."KeyTag", "AnalogTransition"."Timestamp" AT TIME ZONE 'UTC', "AnalogTransition"."TimestampQuality", "AnalogTransition"."TimestampIndex", "AnalogTransition"."Value", "AnalogTransition"."Quality", "AnalogTransition"."QualityFlags", "AnalogTransition"."UpdateTimestamp" FROM "AnalogTransition" WHERE "AnalogTransition"."Timestamp" >= '2013-05-16 00:00:00.000' AND "AnalogTransition"."Timestamp" <= '2013-05-17 00:00:00.00' AND ("AnalogTransition"."KeyTag" = 56 OR "AnalogTransition"."KeyTag" = 57 OR "AnalogTransition"."KeyTag" = 58 OR "AnalogTransition"."KeyTag" = 59 OR "AnalogTransition"."KeyTag" = 60) ORDER BY "AnalogTransition"."Timestamp" DESC, "AnalogTransition"."TimestampIndex" DESC LIMIT 500000;
pre >
解释1
"Limit (cost=0.00..125668.31 rows=500000 width=33) (actual time=2.193..3241.319 rows=500000 loops=1)" " Buffers: shared hit=190147" " -> Index Scan Backward using "PK_AnalogTransition" on "AnalogTransition" (cost=0.00..389244.53 rows=1548698 width=33) (actual time=2.187..1893.283 rows=500000 loops=1)" " Index Cond: (("Timestamp" >= '2013-05-16 01:00:00-04'::timestamp with time zone) AND ("Timestamp" <= '2013-05-16 15:00:00-04'::timestamp with time zone))" " Filter: (("KeyTag" = 56) OR ("KeyTag" = 57) OR ("KeyTag" = 58) OR ("KeyTag" = 59) OR ("KeyTag" = 60))" " Buffers: shared hit=190147" "Total runtime: 3863.028 ms"
解释2
在我最新的测试中,花了7分钟选择了我的数据!参见以下内容:
"Limit (cost=0.00..313554.08 rows=250001 width=35) (actual time=0.040..410721.033 rows=250001 loops=1)" " -> Index Scan using "PK_AnalogTransition" on "AnalogTransition" (cost=0.00..971400.46 rows=774511 width=35) (actual time=0.037..410088.960 rows=250001 loops=1)" " Index Cond: (("Timestamp" >= '2013-05-22 20:00:00-04'::timestamp with time zone) AND ("Timestamp" <= '2013-05-24 20:00:00-04'::timestamp with time zone) AND ("KeyTag" = 16))" "Total runtime: 411044.175 ms"
#1 楼
数据对齐和存储大小
实际上,每个索引元组的开销对于元组标头是8字节,对于项目标识符是4字节。
相关内容:
使用GIN索引位字符串
在PostgreSQL中计算和节省空间
我们有三列对于主键:
PRIMARY KEY ("Timestamp" , "TimestampIndex" , "KeyTag") "Timestamp" timestamp (8 bytes) "TimestampIndex" smallint (2 bytes) "KeyTag" integer (4 bytes)
结果在:
4 bytes for item identifier in the page header (not counting towards multiple of 8 bytes) 8 bytes for the index tuple header 8 bytes "Timestamp" 2 bytes "TimestampIndex" 2 bytes padding for data alignment 4 bytes "KeyTag" 0 padding to the nearest multiple of 8 bytes ----- 28 bytes per index tuple; plus some bytes of overhead.
关于在此相关答案中测量物体尺寸:
测量PostgreSQL表行的大小
多列索引中列的顺序
阅读这两个问题和答案了解:
复合索引是否也适合对第一个字段进行查询?
在PostgreSQL中使用索引
使用索引(主键)的方式,无需进行排序即可检索行,这很吸引人,尤其是LIMIT
。但是检索行似乎非常昂贵。
通常,在多列索引中,“平等”列应排在最前面,“范围”列应排在最后:
多列索引和性能
因此,请尝试使用具有相反列顺序的其他索引:但是使用millions of row, even billion of rows
可能会更快。
由于数据对齐和填充,元组的大小大8字节。如果将其用作普通索引,则可以尝试删除第三列"Timestamp"
。可能会更快或更慢(因为它可能有助于排序)。
您可能希望保留两个索引。根据许多因素,您的原始索引可能会更可取-尤其是LIMIT
较小时。 。我确定您正在运行自动抽真空。
由于您的表似乎庞大且统计信息对于正确的查询计划很重要,因此我将大幅提高相关列的统计信息目标:
数十亿行。最大值为10000,默认值为100。
对WHERE
或ORDER BY
子句中涉及的所有列执行此操作。然后运行ANALYZE
。
表布局
同时,如果您应用所学到的有关数据对齐和填充的知识,则这种优化的表布局应节省一些磁盘空间,稍微提高性能(忽略pk和fk):使用某个索引(无论是原始索引还是我建议的替代方法),都可以按照索引的物理顺序重写表。CLUSTER
可以做到这一点,但是它具有侵入性,并且在操作过程中需要排他锁。CLUSTER
是一种更复杂的替代方法,无需在表上独占锁定即可执行相同的操作。pg_repack
是以后使用的类似工具(尚未使用过)。
这对大型表有很大帮助,因为必须读取的表块少得多。
RAM
通常,2GB的物理RAM不足以快速处理数十亿行。更多的RAM可能会走很长一段路-伴随适当的设置:显然,更大的pg_squeeze
开始。#2 楼
因此,从计划中我看到一件事:您的索引要么过大(然后与基础表一起),要么根本不适用于这种查询(我在上面的最新评论中尝试解决此问题)。
索引的一行包含14个字节的数据(其中一些用于标头)。现在,根据计划中给出的数字进行计算:您从190147页中获得了500,000行-平均而言,每页少于3个有用行,即,每8 kb页大约37个字节。这是一个非常糟糕的比率,不是吗?由于索引的第一列是Timestamp
字段,并且在查询中用作范围,因此计划者可以-确实-选择索引以查找匹配的行。但是在TimestampIndex
条件中没有提到WHERE
,因此在KeyTag
上进行过滤并不是很有效,因为这些值据说是随机出现在索引页中的。 br />
CONSTRAINT "PK_AnalogTransition" PRIMARY KEY ("Timestamp", "KeyTag", "TimestampIndex")
(或者,根据系统的负载,将该索引创建为新索引:
CREATE INDEX CONCURRENTLY "idx_AnalogTransition" ON "AnalogTransition" ("Timestamp", "KeyTag", "TimestampIndex");
这肯定会花点时间,但您仍然可以在此期间进行工作。)
另一种可能性是索引页的很大一部分被死行占据,这可能是用吸尘器清除。您使用设置autovacuum_enabled=true
创建了表格-但是您是否曾经开始进行自动抽真空?还是手动运行VACUUM
?
评论
我仅在KeyTag上添加了一个简单的索引,现在看来它很快。我还将应用您有关数据对齐的建议。非常感谢!
– JPelletier
2013年6月3日14:35