Instagram中怎么提升PostgreSQL性能

本篇文章為大家展示了Instagram中怎么提升PostgreSQL性能，內容簡明扼要并且容易理解，絕對能使你眼前一亮，通過這篇文章的詳細介紹希望你能有所收獲。

1. 局部索引

如果我們經常需要按某個固定的特征過濾數據，而且這個特征只存在于一小部分行里，在這種情況下，局部索引非常有效。

比方說，Instagram搜索標簽的時候，我們需要找出有許多照片的標簽。我們一般會用ElasticSearch之類的技術來進行高級搜索，不過這里只靠數據庫的查詢能力就完全夠了。先來看一下，按標簽查詢，并按照片數排序，Postgres是怎么做的:
 

EXPLAIN ANALYZE SELECT id from tags WHERE name LIKE 'snow%' ORDER BY media_count DESC LIMIT 10;   
QUERY PLAN 
---------                                 
 Limit (cost=1780.73..1780.75 rows=10 width=32) (actual time=215.211..215.228 rows=10 loops=1)
  -> Sort (cost=1780.73..1819.36 rows=15455 width=32) (actual time=215.209..215.215 rows=10 loops=1)
     Sort Key: media_count
     Sort Method: top-N heapsort Memory: 25kB
     -> Index Scan using tags_search on tags_tag (cost=0.00..1446.75 rows=15455 width=32) (actual time=0.020..162.708 rows=64572 loops=1)
        Index Cond: (((name)::text ~>=~ 'snow'::text) AND ((name)::text ~<~ 'snox'::text))
        Filter: ((name)::text ~~ 'snow%'::text)
 Total runtime: 215.275 ms
(8 rows)

有沒有看到，為了得到結果，Postgres不得不對15000行數據進行排序。由于標簽的分布滿足長尾模式(譯者注: 根據百度百科，「我們常用的漢字實際上不多，但因出現頻次高，所以這些為數不多的漢字占據了上圖廣大的紅區；絕大部分的漢字難得一用，它們就屬于那長長的黃尾?！?，我們可以改為查詢超過100張照片的標簽，先建局部索引:
 
CREATE INDEX CONCURRENTLY on tags (name text_pattern_ops) WHERE media_count >= 100
然后查詢，看一下新的查詢計劃:
 

EXPLAIN ANALYZE SELECT * from tags WHERE name LIKE 'snow%' AND media_count >= 100 ORDER BY media_count DESC LIMIT 10;
 
QUERY PLAN
 Limit (cost=224.73..224.75 rows=10 width=32) (actual time=3.088..3.105 rows=10 loops=1)
  -> Sort (cost=224.73..225.15 rows=169 width=32) (actual time=3.086..3.090 rows=10 loops=1)
     Sort Key: media_count
     Sort Method: top-N heapsort Memory: 25kB
     -> Index Scan using tags_tag_name_idx on tags_tag (cost=0.00..221.07 rows=169 width=32) (actual time=0.021..2.360 rows=924 loops=1)
        Index Cond: (((name)::text ~>=~ 'snow'::text) AND ((name)::text ~<~ 'snox'::text))
        Filter: ((name)::text ~~ 'snow%'::text)
 Total runtime: 3.137 ms
(8 rows)

可以看到，Postgres只需要訪問169行，所以速度快得多。Postgres的查詢計劃器對約束的評估也很有效。如果以后想要查詢超過500張照片的標簽，由于這個結果集是上面集合的子集，所以仍然會使用這個局部索引。

2. 函數索引

在某些表上，我們需要對一些很長的字符串建立索引，比如說，64個字符的base64記號。如果直接建索引的話，會造成大量的數據重復，這種情況下，可以用Postgres的函數索引:
 

CREATE INDEX CONCURRENTLY on tokens (substr(token), 0, 8)

雖然這樣會造成許多行匹配相同的前綴，但我們可以在匹配的基礎上再用過濾，速度很快。而且索引很小，只有大概原來的十分之一。

3. 用pg_reorg來讓數據更緊湊

隨著時間的流逝，Postgres的表會變得越來越零碎(由MVCC并發模型等原因引起)。而且，數據行插入的順序往往也不是我們希望返回的順序。比如說，如果我們經常要按用戶來查詢照片等，那么最好是在磁盤上把這些東西放在一起，這樣就可以減少磁盤尋道的時間。

我們用pg_reorg來解決這個問題，它用三個步驟來讓“壓緊”一個表:

1.     取得表的獨占鎖

2.     建一個記錄變更的臨時表，在原始表上加一個觸發器，把對原始表的變更復制到臨時表上

3.     用CREATE TABLE...SELECT FROM...ORDER BY建表，新表擁有原始表的全部數據，而且是按索引順序排序的

4.     將CREATE TABLE執行時間點以后發生的變更從臨時表同步過來

5.     業務切換到新表

每一步都會有很多細節，不過大體上就是像上面這個樣子。我們先對這個工具進行了一些審查，運行了若干測試，然后再把它用到生產環境上?，F在，我們已經在幾百臺機器的環境上跑過幾十次pg_reorg，沒出現過任何問題。

4. 用WAL-E進行WAL(寫前日志)的歸檔和備份

我們用WAL-E來歸檔WAL日志，它是Heroku寫的一個工具，我們也向它貢獻了一部分代碼。WAL-E大大簡化了數據備份和復制庫創建的過程。

WAL-E是利用Progres的archive_command，將PG產生的每個WAL文件都歸檔到Amazon的S3。利用這些WAL文件和數據庫的基準備份，我們可以將數據庫恢復到基準備份后任何一個時間點的狀態。利用這個手段，我們也可以快速創建只讀的復制庫或故障備用庫。

我們為WAL-E寫了一個簡單的封裝腳本，可以監控歸檔時的重復故障，見GitHub。
 
5. psycopg2中的自動提交模式和異步模式

我們也開始用psycopg2中的一些高級功能(psycopg2是Postgres的Python驅動)。

一個是自動提交模式。在這個模式里，psycopg2不會發出BEGIN/COMMIT，每個查詢跑在自己的單語句事務里。這對不需要事務的只讀查詢特別有用。開啟很簡單:

connection.autocommit = True

開啟自動提交后，我們的應用服務器和數據庫之間的對話大減，數據庫服務器的CPU用量也大減。而且，我們是用PGBouncer作為連接池，開啟自動提交后，連接的歸還也更快了。

與Django的交互細節可以看這里。

上述內容就是Instagram中怎么提升PostgreSQL性能，你們學到知識或技能了嗎？如果還想學到更多技能或者豐富自己的知識儲備，歡迎關注億速云行業資訊頻道。