AntDB wal_compression performance comparison test.md - greatebee/AntDB GitHub Wiki

wal_compression日志压缩性能对比测试20181220

AntDB在写频繁的场景中，会产生大量的WAL日志，如果有索引的情况下，WAL日志量会远超实际更新的数据量。

造成这种情况的主要原因有2点：

  • 在checkpoint之后第一次修改页面，需要在WAL中输出整个page，即全页写FPI(full page writes)，默认8KB。
  • 更新记录时如果新记录位置(ctid)发生变更，索引记录也要相应变更。更严重的是索引记录的变更又有可能导致索引页的全页写，进一步加剧了WAL写放大。而pg的更新过程，是将记录标记为无效后，插入一条新记录。当fillfactor=100%的情况下，就会产生FPI。

WAL的优化:

  • 增加HOT_UPDATE比例--fillfactor

    普通的UPDATE经常需要更新2个数据块，并且可能还要更新索引page，这些又都有可能产生FPI。 而HOT_UPDATE只修改1个数据块，需要写的WAL量也大大减少。

  • WAL日志压缩--wal_compression

    打开wal_compression参数，设为on可以对FPI进行压缩，削减WAL的大小。

本文主要探讨AntDB在批量INSERT/UPDATE场景下，上述两个参数在WAL日志压缩和SQL执行性能之间的测试情况。

环境介绍

操作系统 centos7.4
内存 128GB
磁盘 SSD
AntDB版本 4.0
AntDB架构 2C2D

批量INSERT对比测试

测试方法

通过copy方式向pgbench模型的orders表导入2GB数据量，AntDB每个datanode实例处理1GB的数据量。

copy orders from '/home/adb40sy/orders.csv' with csv;

测试场景

no wal_compression fillfactor
1 off 100%
2 on 100%
3 on 90%
4 on 80%

测试结果

结果分析

  1. INSERT 场景，WAL Size 几乎不受 wal_compression、fillfactor 影响
  2. INSERT 场景，INSERT效率 几乎不受 wal_compression、fillfactor 影响

批量UPDATE 对比测试-更新全页

测试方法

全量更新pgbench模型的orders表

update orders set o_orderdate = now();

测试场景

同上

测试结果

结果分析

  1. UPDATE 场景，WAL size 几乎不受fillfactor 影响
  2. UPDATE 场景，WAL size 受wal_compression一定影响，WAL 日志的FPI size 压缩效果明显
  3. UPDATE 场景，UPDATE效率 受wal_compression一定影响，大约降低 5% - 15%
  4. 该场景几乎等同于批量INSERT的场景，因此WAL日志数据量比纯INSERT的日志量还要庞大，是其2倍。 增长量主要由于大量全页更新产生的FPI增长。wal_compression的作用主要就是压缩FPI部分的size

批量UPDATE 对比测试-更新单列

测试方法

全量更新pgbench模型进行压测

pgbench -c 100 -T 1200 -j 100 -d postgres -p 7432 -r

测试场景

同上

测试结果

结果分析

  1. UPDATE 场景，WAL size 受wal_compression、fillfactor 较大影响，压缩效果明显
  2. UPDATE 场景，UPDATE效率 受wal_compression一定影响，大约降低 10% - 17%
  3. 该场景主要也是压缩FPI的size，效果显著

总结

参考

AntDB QQ群号：496464280

AntDB github链接

wal_compression压缩性能对比测试20181220.xlsx