PostgreSQL 9.5.4数据库快速INSERT大量数据研究

背景

在一些应用场景中，需要向PostgreSQL数据库中快速装入大量的数据，比如数据库迁移，SQL日志分析等。在PG上快速插入数据有几种方案？每种方案的效率怎么样？如何调优能加快的数据装载？

场景设定

SQL日志分析是一个采集JDBC日志、分析SQL、发送分析结果工具。在分析阶段，需要解析大量的JDBC日志，并把解析后的结构化结果装入数据库供后续处理。以分析阶段为实验场景，以解析JDBC日志(多个)为开始，以完成结构化数据装入(包过索引建立完成)为结束，来测试不同方案的数据装入效率。

环境准备

• 数据库环境

• 建表语句

drop table if exists T_JDBC_SQL_RECORD ;
--无主键，没有用到C_BH 查询，增加insert速度先去掉
create table T_JDBC_SQL_RECORD (
C_BH VARCHAR(32) ,
C_BH_PARSE VARCHAR(32) NULL,
C_BH_GROUP VARCHAR(32) NULL,
C_BH_SQL VARCHAR(32) NULL,
DT_ZXSJ TIMESTAMP NULL,
N_RUNTIME INT NULL,
C_RZLJ VARCHAR(600) NULL,
N_STARTLINE INT NULL,
N_ENDLINE INT NULL,
N_SQLTYPE INT NULL,
N_SQLCOMPLEX INT NULL,
C_IP VARCHAR(100) NULL,
C_PORT VARCHAR(100) NULL,
C_XTBS VARCHAR(100) NULL,
N_CHECKSTATUS INT  default 0,
N_SQL_LENGTH INT NULL,
N_SQL_BYTE INT NULL,
N_5MIN INT NULL,
C_METHOD VARCHAR(600) NULL,
C_PSSQL_HASH VARCHAR(300) NULL,
N_IS_BATCH INT,
N_RESULTSET INT
);

drop table if exists T_JDBC_SQL_CONTENT ;
CREATE TABLE T_JDBC_SQL_CONTENT (
C_BH VARCHAR(32) NOT NULL,
C_PSSQL_HASH VARCHAR(300) NULL,
C_SQL_TEXT varchar NULL,
C_PSSQL_TEXT varchar NULL
);

• 索引语句

create index i_jdbc_sql_record_zh01 on t_jdbc_sql_record(c_bh_group,dt_zxsj,N_CHECKSTATUS,C_PSSQL_HASH);
create index i_jdbc_sql_record_pshash on t_jdbc_sql_record(c_pssql_hash);
create index i_jdbc_sql_content_pshash on t_jdbc_sql_content(c_pssql_hash);
alter table t_jdbc_sql_content add constraint t_jdbc_sql_content_pkey primary key (C_BH);

• 异步提交和unlogged table

 -- 异步提交,更改完重启数据库
 alter system set synchronous_commit to off;
 -- unlogged table 
 create unlogged table t_jdbc_sql_record 
 ...
 create unlogged table t_jdbc_sql_content 
 ...

• JDBC日志量
  19个JDBC日志文件，共2G日志，600万记录

  方案设定

实验结果

每次实验时，解析的JDBC日志量，解析代码和中间件环境保持不变。只调整流程顺序和数据库参数。

结果分析

• 方案一、方案二比较，数据库参数不变，流程顺序不变
  • 方案一：单个insert提交，用时3859秒
  • 方案二：批量insert提交，用时2096秒
• 方案二、方案三、方案五比较，流程顺序不变，均为建表->建索引->多线程批量插入。
  • 方案二：同步提交(等待WAL日志完成)，用时2096秒
  • 方案三：异步提交(不等待WAL日志完成),用时1275秒
  • 方案五：不记录WAL日志，用时536秒
• 方案二、方案七比较,均为同步提交
  • 方案二：插入数据前建立索引,用时2096秒
  • 方案七：插入数据后建立索引,用时1222秒
• 方案三、方案四比较,均为异步提交
  • 方案三：插入数据前建立索引,用时1275秒
  • 方案四：插入数据后建立索引,用时826秒
• 方案五、方案六比较，均为不记录WAL日志
  • 方案五：插入数据前建立索引，用时536秒
  • 方案六：插入数据后建立索引，用时531秒

总结

在该场景下：

• 批量提交比单个提交快55%
• 异步提交比同步提交快40%
• 不记录日志提交比同步提交快75%
• 记录日志且同步提交时，后建立索引比先建立索引快40%
• 记录日志且异步提交时，后建立索引比先建立索引快35%
• 不记录日志时，后建立索引比先建立索引略快，但差别不大

插入数据最快组合为：
unlogged table + 多线程批量insert+后建索引

猜想：
在insert过程中，维护索引的时间占总时间的35%到40%，且主要花费在日志持久化上。

其他：
同时在实验过程中的一些其他指标信息，如不同方案下数据库的写IO从未超过100MB/s,需要继续分析。