Postgres2015全國用戶大會將於11月20至21日在北京麗亭華苑酒店召開。本次大會嘉賓陣容強大，國內頂級PostgreSQL數據庫專家將悉數到場，並特邀歐洲、俄羅斯、日本、美國等國家和地區的數據庫方面專家助陣:
- Postgres-XC項目的發起人鈴木市一(SUZUKI Koichi)
- Postgres-XL的項目發起人Mason Sharp
- pgpool的作者石井達夫(Tatsuo Ishii)
- PG-Strom的作者海外浩平(Kaigai Kohei)
- Greenplum研發總監姚延棟
- 周正中(德哥), PostgreSQL中國用戶會創始人之一
- 汪洋，平安科技數據庫技術部經理
- ……
| 2015年度PG大象會報名地址：http://postgres2015.eventdove.com/PostgreSQL中國社區： http://postgres.cn/PostgreSQL專業1羣： 3336901（已滿）PostgreSQL專業2羣： 100910388PostgreSQL專業3羣： 150657323 |
 |
秒殺場景的典型瓶頸在於對同一條記錄的多次更新請求，然後只有一個或者少量請求是成功的，其他請求是以失敗或更新不到告終。
例如，Iphone的1元秒殺，如果我只放出1臺Iphone，我們把它看成一條記錄，秒殺開始後，誰先搶到（更新這條記錄的鎖），誰就算秒殺成功。
例如：
使用一個標記位來表示這條記錄是否已經被更新，或者記錄更新的次數（幾臺Iphone）。
update tbl set xxx=xxx,upd_cnt=upd_cnt+1 where id=pk and upd_cnt+1<=5; -- 假設可以秒殺5臺
這種方法的弊端：
獲得鎖的用戶在處理這條記錄時，可能成功，也可能失敗，或者可能需要很長時間，（例如數據庫響應慢）在它結束事務前，其他會話只能等着。
等待是非常不科學的，因爲對於沒有獲得鎖的用戶，等待是在浪費時間。
所以一般的優化處理方法是先使用for update nowait的方式來避免等待，即如果無法即可獲得鎖，那麼就不等待。
例如：
begin;
select 1 from tbl where id=pk for update nowait; -- 如果用戶無法即刻獲得鎖，則返回錯誤。從而這個事務回滾。
update tbl set xxx=xxx,upd_cnt=upd_cnt+1 where id=pk and upd_cnt+1<=5;
end;
這種方法可以減少用戶的等待時間，因爲無法即刻獲得鎖後就直接返回了。
但是這種方法也存在一定的弊端，對於一個商品，如果可以秒殺多臺的話，我們用1條記錄來存儲多臺，降低了秒殺的併發性。
因爲我們用的是行鎖。
解決這個問題辦法很多，最終就是要提高併發性，例如：
1. 分段秒殺，把商品數量打散，拆成多個段，從而提高併發處理能力。
總體來說，優化的思路是減少鎖等待時間，避免串行，儘量並行。
優化到這裏就結束了嗎？顯然沒有，以上方法任意數據庫都可以做到，如果就這樣結束怎麼體現PostgreSQL的特性呢？
PostgreSQL還提供了一個鎖類型，advisory鎖，這種鎖比行鎖更加輕量，支持會話級別和事務級別。（但是需要注意ID是全局的，否則會相互干擾，也就是說，所有參與秒殺或者需要用到advisory lock的ID需要在單個庫內保持全局唯一）
例子：
update tbl set xxx=xxx,upd_cnt=upd_cnt+1 where id=pk and upd_cnt+1<=5 and pg_try_advisory_xact_lock(:id);
最後必須要對比一下for update nowait和advisory lock的性能。
下面是在一臺本地虛擬機上的測試。
新建一張秒殺表
postgres=# \d t1
Table "public.t1"
Column | Type | Modifiers
--------+---------+-----------
id | integer | not null
info | text |
Indexes:
"t1_pkey" PRIMARY KEY, btree (id)
只有一條記錄，不斷的被更新
postgres=# select * from t1;
id | info
----+-------------------------------
1 | 2015-09-14 09:47:04.703904+08
(1 row)
壓測for update nowait的方式：
CREATE OR REPLACE FUNCTION public.f1(i_id integer)
RETURNS void
LANGUAGE plpgsql
AS $function$
declare
begin
perform 1 from t1 where id=i_id for update nowait;
update t1 set info=now()::text where id=i_id;
exception when others then
return;
end;
$function$;
postgres@digoal-> cat test1.sql
\setrandom id 1 1
select f1(:id);
壓測advisory lock的方式：
postgres@digoal-> cat test.sql
\setrandom id 1 1
update t1 set info=now()::text where id=:id and pg_try_advisory_xact_lock(:id);
清除壓測統計數據：
postgres=# select pg_stat_reset();
pg_stat_reset
---------------
(1 row)
postgres=# select * from pg_stat_all_tables where relname='t1';
-[ RECORD 1 ]-------+-------
relid | 184731
schemaname | public
relname | t1
seq_scan | 0
seq_tup_read | 0
idx_scan | 0
idx_tup_fetch | 0
n_tup_ins | 0
n_tup_upd | 0
n_tup_del | 0
n_tup_hot_upd | 0
n_live_tup | 0
n_dead_tup | 0
n_mod_since_analyze | 0
last_vacuum |
last_autovacuum |
last_analyze |
last_autoanalyze |
vacuum_count | 0
autovacuum_count | 0
analyze_count | 0
autoanalyze_count | 0
壓測結果：
postgres@digoal-> pgbench -M prepared -n -r -P 1 -f ./test1.sql -c 20 -j 20 -T 60
......
transaction type: Custom query
scaling factor: 1
query mode: prepared
number of clients: 20
number of threads: 20
duration: 60 s
number of transactions actually processed: 792029
latency average: 1.505 ms
latency stddev: 4.275 ms
tps = 13196.542846 (including connections establishing)
tps = 13257.270709 (excluding connections establishing)
statement latencies in milliseconds:
0.002625 \setrandom id 1 1
1.502420 select f1(:id);
postgres=# select * from pg_stat_all_tables where relname='t1';
-[ RECORD 1 ]-------+-------
relid | 184731
schemaname | public
relname | t1
seq_scan | 0
seq_tup_read | 0
idx_scan | 896963 // 大多數是無用功
idx_tup_fetch | 896963 // 大多數是無用功
n_tup_ins | 0
n_tup_upd | 41775
n_tup_del | 0
n_tup_hot_upd | 41400
n_live_tup | 0
n_dead_tup | 928
n_mod_since_analyze | 41774
last_vacuum |
last_autovacuum |
last_analyze |
last_autoanalyze |
vacuum_count | 0
autovacuum_count | 0
analyze_count | 0
autoanalyze_count | 0
postgres@digoal-> pgbench -M prepared -n -r -P 1 -f ./test.sql -c 20 -j 20 -T 60
......
transaction type: Custom query
scaling factor: 1
query mode: prepared
number of clients: 20
number of threads: 20
duration: 60 s
number of transactions actually processed: 1392372
latency average: 0.851 ms
latency stddev: 2.475 ms
tps = 23194.831054 (including connections establishing)
tps = 23400.411501 (excluding connections establishing)
statement latencies in milliseconds:
0.002594 \setrandom id 1 1
0.848536 update t1 set info=now()::text where id=:id and pg_try_advisory_xact_lock(:id);
postgres=# select * from pg_stat_all_tables where relname='t1';
-[ RECORD 1 ]-------+--------
relid | 184731
schemaname | public
relname | t1
seq_scan | 0
seq_tup_read | 0
idx_scan | 1368933 // 大多數是無用功
idx_tup_fetch | 1368933 // 大多數是無用功
n_tup_ins | 0
n_tup_upd | 54957
n_tup_del | 0
n_tup_hot_upd | 54489
n_live_tup | 0
n_dead_tup | 1048
n_mod_since_analyze | 54957
last_vacuum |
last_autovacuum |
last_analyze |
last_autoanalyze |
vacuum_count | 0
autovacuum_count | 0
analyze_count | 0
autoanalyze_count | 0
我們注意到，不管用哪種方法，都會浪費掉很多次的無用功掃描。
爲了解決無用掃描的問題，可以使用以下函數。（當然，還有更好的方法是對用戶透明。）
CREATE OR REPLACE FUNCTION public.f(i_id integer)
RETURNS void
LANGUAGE plpgsql
AS $function$
declare
a_lock boolean := false;
begin
select pg_try_advisory_xact_lock(i_id) into a_lock;
if a_lock then
update t1 set info=now()::text where id=i_id;
end if;
exception when others then
return;
end;
$function$;
transaction type: Custom query
scaling factor: 1
query mode: prepared
number of clients: 20
number of threads: 20
duration: 60 s
number of transactions actually processed: 1217195
latency average: 0.973 ms
latency stddev: 3.563 ms
tps = 20283.314001 (including connections establishing)
tps = 20490.143363 (excluding connections establishing)
statement latencies in milliseconds:
0.002703 \setrandom id 1 1
0.970209 select f(:id);
postgres=# select * from pg_stat_all_tables where relname='t1';
-[ RECORD 1 ]-------+-------
relid | 184731
schemaname | public
relname | t1
seq_scan | 0
seq_tup_read | 0
idx_scan | 75927
idx_tup_fetch | 75927
n_tup_ins | 0
n_tup_upd | 75927
n_tup_del | 0
n_tup_hot_upd | 75902
n_live_tup | 0
n_dead_tup | 962
n_mod_since_analyze | 75927
last_vacuum |
last_autovacuum |
last_analyze |
last_autoanalyze |
vacuum_count | 0
autovacuum_count | 0
analyze_count | 0
autoanalyze_count | 0
除了吞吐率的提升，我們其實還看到真實的處理數（更新次數）也有提升，所以不僅僅是降低了等待延遲，實際上也提升了處理能力。
最後提供一個物理機上的數據參考，使用128個併發連接，同時對一條記錄進行更新：
不做任何優化的併發處理能力：
transaction type: Custom query
scaling factor: 1
query mode: prepared
number of clients: 128
number of threads: 128
duration: 100 s
number of transactions actually processed: 285673
latency average: 44.806 ms
latency stddev: 45.751 ms
tps = 2855.547375 (including connections establishing)
tps = 2855.856976 (excluding connections establishing)
statement latencies in milliseconds:
0.002509 \setrandom id 1 1
44.803299 update t1 set info=now()::text where id=:id;
使用for update nowait的併發處理能力：
transaction type: Custom query
scaling factor: 1
query mode: prepared
number of clients: 128
number of threads: 128
duration: 100 s
number of transactions actually processed: 6663253
latency average: 1.919 ms
latency stddev: 2.804 ms
tps = 66623.169445 (including connections establishing)
tps = 66630.307999 (excluding connections establishing)
statement latencies in milliseconds:
0.001934 \setrandom id 1 1
1.917297 select f1(:id);
使用advisory lock後的併發處理能力：
transaction type: Custom query
scaling factor: 1
query mode: prepared
number of clients: 128
number of threads: 128
duration: 100 s
number of transactions actually processed: 19154754
latency average: 0.667 ms
latency stddev: 1.054 ms
tps = 191520.550924 (including connections establishing)
tps = 191546.208051 (excluding connections establishing)
statement latencies in milliseconds:
0.002085 \setrandom id 1 1
0.664420 select f(:id);
使用advisory lock，性能相比不做任何優化性能提升了約66倍，相比for update nowait性能提升了約1.8倍。
這種優化可以快速告訴用戶是否能秒殺到此類商品，而不需要等待其他用戶更新結束後才知道。所以大大降低了RT，提高了吞吐率。
[參考]