在多核系统中，一般TPS会随并发数的增加而提升，但是当并发数超过一定的数值(如CPU核数的2到3倍以后)，性能就开始下降，并发数越高，下降就越严重。

　　举例说明：

　　更新500万记录表中的1条随机记录。开8000个并发。

　　create table test_8000 (id int primary key, cnt int default 0);

　　insert into test_8000 select generate_series(1,5000000);

　　vi t.sql

　　\setrandom id 1 5000000

　　update test_8000 set cnt=cnt+1 where id=:id;

　　update test_8000 set cnt=cnt+2 where id=:id;

　　每次加载80个并发，循环100次，一共加载8000个并发。如下所示：

　　vi test.sh

　　#!/bin/bash

　　for ((i=0;i<100;i++))

　　do

　　sleep 1;

　　pgbench -M simple -n -r -f ./t.sql -c 80 -j 80 -T 100000 -U postgres &

　　done

　　开始

　　. ./test.sh

　　当连接数达到8000后，观察TPS，我们可以使用PG的统计信息表来计算QPS。如下所示：

　　postgres=# select count(*) from pg_stat_activity;

　　count

　　-------

　　8002

　　(1 row)

　　postgres=# select timestamptz '2015-10-08 17:01:24.203089+08' - timestamptz '2015-10-08 17:01:16.574076+08';

　　?column?

　　-----------------

　　00:00:07.629013

　　(1 row)

　　postgres=# select 43819090-43749480;

　　?column?

　　----------

　　69610

　　(1 row)

　　postgres=# select 69610/07.629013;

　　?column?

　　-----------------------

　　9124.3782124896103860

　　(1 row)

　　8000个并发的时候，更新TPS约9124。大部分时间可能浪费在CPU调度上了。

　　另一种场景，

　　如果有8000个并发是空闲连接，只有10个在执行更新，性能是这样的：

　　先制造8000个空闲连接：

　　vi test.sql

　　select pg_sleep(100000);

　　vi test.sh

　　#!/bin/bash

　　for ((i=0;i<100;i++))

　　do

　　sleep 1;

　　pgbench -M simple -n -r -f ./test.sql -c 80 -j 80 -T 100000 -U postgres &

　　done

　　. ./test.sh

　　postgres=# select count(*) from pg_stat_activity;

　　count

　　-------

　　8002

　　(1 row)

　　然后开启10个连接执行更新操作。如下所示：

　　pgbench -M prepared -n -r -f ./t.sql -P 1 -c 10 -j 10 -T 1000 -U postgres postgres

　　progress: 1.0 s, 29429.2 tps, lat 0.336 ms stddev 0.109

　　progress: 2.0 s, 28961.1 tps, lat 0.343 ms stddev 0.114

　　progress: 3.0 s, 30433.8 tps, lat 0.326 ms stddev 0.103

　　progress: 4.0 s, 29597.1 tps, lat 0.336 ms stddev 0.114

　　progress: 5.0 s, 28714.1 tps, lat 0.346 ms stddev 0.117

　　progress: 6.0 s, 28319.0 tps, lat 0.351 ms stddev 0.121

　　progress: 7.0 s, 28540.0 tps, lat 0.348 ms stddev 0.118

　　progress: 8.0 s, 29408.9 tps, lat 0.338 ms stddev 0.111

　　progress: 9.0 s, 29178.1 tps, lat 0.340 ms stddev 0.119

　　progress: 10.0 s, 29146.9 tps, lat 0.341 ms stddev 0.118

　　progress: 11.0 s, 27498.5 tps, lat 0.361 ms stddev 0.123

　　这种方法的性能约6万 qps。

　　优化思路如下所示：

　　排队处理用户请求。类似pgbouncer或Oracle的shared server机制，真实处理请求的进程数有限。

　　使用PostgreSQL的advisory函数可以模拟这种排队机制：

　　create or replace function upd(l int,v_id int) returns void as $$

　　declare

　　begin

　　LOOP

　　if pg_try_advisory_xact_lock(l) then -- 只有获得这个应用级锁才执行更新，否则就等待。

　　update test_8000 set cnt=cnt+1 where id=v_id;

　　update test_8000 set cnt=cnt+2 where id=v_id;

　　return;

　　else

　　perform pg_sleep(30*random()); -- 随机等待时间

　　end if;

　　END LOOP;

　　end;

　　$$ language plpgsql strict;

　　增加一个随机变量l，用来表示应用所的号码，也就是说模拟10个同时在更新的操作，其他的都在等待。

　　这个是没有经过优化的排队机制，因为不是独立的进程处理用户请求，依旧是backend process在处理用户请求，依旧有8000个进程。

　　vi t.sql

　　\setrandom id 1 5000000

　　\setrandom l 1 10

　　select upd(:l, :id);

　　vi test.sh

　　#!/bin/bash

　　for ((i=0;i<100;i++))

　　do

　　sleep 1;

　　pgbench -M simple -n -r -f ./t.sql -c 80 -j 80 -T 100000 -U postgres &

　　done

　　. ./test.sh

　　测试结果比较理想，已经提升了1倍性能。

　　postgres=# select now(),n_tup_upd+n_tup_hot_upd from pg_stat_all_tables where relname='test_8000';

　　now | ?column?

　　-------------------------------+-----------

　　2015-10-08 19:06:37.951332+08 | 221045069

　　(1 row)

　　postgres=# select now(),n_tup_upd+n_tup_hot_upd from pg_stat_all_tables where relname='test_8000';

　　now | ?column?

　　------------------------------+-----------

　　2015-10-08 19:07:46.46325+08 | 222879057

　　(1 row)

　　postgres=# select timestamptz '2015-10-08 19:07:46.46325+08' - timestamptz '2015-10-08 19:06:37.951332+08';

　　?column?

　　-----------------

　　00:01:08.511918

　　(1 row)

　　postgres=# select 222879057-221045069;

　　?column?

　　----------

　　1833988

　　(1 row)

　　postgres=# select 1833988/68.5;

　　?column?

　　--------------------

　　26773.547445255474

　　(1 row)

　　模拟结果，相比不排队，有1倍以上的性能提升。

　　TOP

　　top - 19:09:37 up 119 days, 3:59, 2 users, load average: 0.96, 0.98, 1.01

　　Tasks: 8872 total, 5 running, 8866 sleeping, 1 stopped, 0 zombie

　　Cpu(s): 5.3%us, 0.8%sy, 0.0%ni, 93.9%id, 0.0%wa, 0.0%hi, 0.0%si, 0.0%st

　　Mem: 132124976k total, 118066688k used, 14058288k free, 316752k buffers

　　Swap: 2097144k total, 148k used, 2096996k free, 63702028k cached

　　advisory lock是PG提供的一种轻量级的面向用户的锁(当然比LWLOCK是要重的)，我之前在秒杀场景的优化中也有叙述，可以达到每秒处理19万次的单条记录更新请求的性能，并且保持1毫秒以内的RT。请参考。

　　http://blog.163.com/digoal@126/blog/static/16387704020158149538415/

　　把这种优化思路加入到PostgreSQL的内核中是比较靠谱的，最终实现的效果会和Oracle的shared server非常类似。

　　阿里云PG内核组的小鲜肉与老腊肉们，优化开始搞起吧。

　　在没有优化前，还是使用pgbouncer这种连接池吧。

　　[参考]

　　1. http://blog.163.com/digoal@126/blog/static/16387704020158149538415/