尽管有足够的内存来完全缓存,PostgreSQL 8.4.4 中的大型连接查询性能不佳

尽管有足够的内存来完全缓存,PostgreSQL 8.4.4 中的大型连接查询性能不佳

问题

我怎样才能使这篇文章中描述的查询更快,特别是通过使 PostgreSQL 使用可用的 RAM?- 请注意,我已尝试适当配置effective_cache_size和shared_buffers。见下文。

背景

我必须定期将约 2.6 亿行的表 (coreg_master) 与新传入的数据连接起来。我已经对表进行了分区,以便每个分区都适合 RAM。当然,我也设置了适当的索引。但是,当将分区表与其他(小得多的)表单独连接时,它会在磁盘上执行完全随机的 IO。这是由于对大表进行了嵌套循环索引扫描,由于我们的磁盘设置不佳,因此速度非常慢。

我希望它使用所有可用的 RAM 来缓存大型分区表,我知道这应该由 Linux 内核/文件系统本身完成。但它仍然没有将表加载到 RAM 中,尽管它可以容纳。我猜这是因为访问模式不是连续的,因此不会触发缓存?我不知道。查询计划和配置参数如下。

表结构

这是我的大型表 coreg_master 的一个分区。分区表名为 coreg_a、coreg_b 等。

\d coreg_a
                                   Table "public.coreg_a"
   Column    |       Type        |                         Modifiers                         
-------------+-------------------+-----------------------------------------------------------
 id          | integer           | not null default nextval('coreg_master_id_seq'::regclass)
 first_name  | character varying | 
 last_name   | character varying | 
 phone       | character varying | 
 city        | character varying | 
 zip         | integer           | 
 address     | character varying | 
 dob         | date              | 
 ip          | character varying | 
 source      | character varying | 
 gender      | character varying | 
 state       | character varying | 
 record_date | date              | 
 email       | character varying | 
Indexes:
    "coreg_a_name" btree (lower(first_name::text), lower(last_name::text))
Check constraints:
    "coreg_a_first_name_check" CHECK (first_name::text >= 'a'::text AND first_name::text < 'b'::text)
Inherits: coreg_master

以下是表 appendable_24 的分区,这是该表与 coreg_master 连接的示例。它的分区方式与 coreg_master 相同,因此实际上 coreg_a 与 appendable_24_a 等逐个连接。

\d appendable_24_a
       Table "public.appendable_24_a"
   Column   |       Type        | Modifiers 
------------+-------------------+-----------
 line_num   | integer           | not null
 first_name | character varying | 
 last_name  | character varying | 
 address    | character varying | 
 state      | character varying | 
 zip        | integer           | 
Indexes:
    "appendable_24_a_name_index" btree (lower(first_name::text), lower(last_name::text))
Check constraints:
    "appendable_24_a_first_name_check" CHECK (first_name::text >= 'a'::text AND first_name::text < 'b'::text)
Inherits: appendable_24

询问 &EXPLAIN ANALYZE

以下是最小连接(表根据 first_name 列的第一个字母进行分区)的 explain analyze 输出,因为它不会花费很长时间。但是,查询计划对于每个分区上的所有连接都是相同的,因此它也应该代表较大的连接(请注意,我处理了ANALYZE表,总时间实际上是 20 秒,但由于结果被缓存了,所以这里更快):

explain analyze SELECT
          coreg_x.phone,
          coreg_x.email,
          coreg_x.record_date,
          appendable_24_x.line_num
        FROM appendable_24_x INNER JOIN coreg_x ON
          lower(appendable_24_x.first_name) = lower(coreg_x.first_name) AND
          lower(appendable_24_x.last_name) = lower(coreg_x.last_name) AND
          (coreg_x.phone IS NOT NULL OR coreg_x.email IS NOT NULL) AND
          similarity(lower(appendable_24_x.address), lower(coreg_x.address)) > 0.7
      ; 
                                                                                       QUE
RY PLAN 

------------------------------------------------------------------------------------------
------------------------------------------------------------------------------------------
-----
 Nested Loop  (cost=0.01..640.49 rows=875 width=39) (actual time=9.990..53.839 rows=29 loo
ps=1)
   Join Filter: (similarity(lower((appendable_24_x.address)::text), lower((coreg_x.address
)::text)) > 0.7::double precision)
   ->  Seq Scan on appendable_24_x  (cost=0.00..1.80 rows=80 width=34) (actual time=0.009.
.0.111 rows=80 loops=1)
   ->  Index Scan using coreg_x_name on coreg_x  (cost=0.01..7.95 rows=1 width=64) (actual
 time=0.024..0.137 rows=44 loops=80)
         Index Cond: ((lower((coreg_x.first_name)::text) = lower((appendable_24_x.first_na
me)::text)) AND (lower((coreg_x.last_name)::text) = lower((appendable_24_x.last_name)::tex
t)))
         Filter: ((coreg_x.phone IS NOT NULL) OR (coreg_x.email IS NOT NULL))
 Total runtime: 53.950 ms
(7 rows)

一些统计数据、配置参数和其他数据

  • PostgreSQL 版本:8.4.4
  • 操作系统:CentOS 版本 5.5(最终版)
  • 文件系统:ext3
  • 总可用内存:8GB
  • 共享缓冲区 = 2GB
  • 有效缓存大小 = 7200MB
  • 完整的运行时配置通过show allhttp://pastie.org/1159746
  • 最大的分区 coreg 表(coreg_j)大小:~4900MB
  • 相应行数:~3200 万
  • 相应的(first_name,last_name)索引大小:~1000MB
  • 第二个分区表(appendable_24_j)大小:~1800kB
  • appendable_24_j 中的行数:~25,000

答案1

只有足够的 RAM 来缓存数据库的一小部分,并且正如您发布的查询计划所示,以前访问的数据/相关索引的部分确实被缓存了。(Postgres 不缓存查询结果)。

53 毫秒的运行时间并不算太差,而且我也不确定未缓存数据上的 20 秒是否意味着 PG 选择了一个糟糕的查询计划。毕竟,仅有问题的索引就有 1GB 大,但查看慢速查询的分析输出会很有趣。

如果这是您的问题,您可以尝试调整规划器成本,看看这是否会对最坏情况的性能产生任何影响。

您可能还想稍微增加一下 maintentance_work_mem,即使这没有任何关系。

相关内容