PostgreSQL、Greenplum DML合并操作 最佳实践

标签

PostgreSQL , Greenplum , 合并删除 , 合并更新 , 合并DML

---

背景

在很多场景中会涉及到数据的合并，比如

1. 某业务系统的总用户有1亿，每天的活跃用户有100万，新增用户10万，每天需要将新增、活跃用户的数据（比如他们的余额变化、等等）合并到数据仓库的用户信息表。

2. 物化视图，某个表被用户不断的增、删、改。需要将这个表（基表）的某些字段或者某部分数据提取到一个物化视图中。这个物化视图不需要对每一笔基表的DML都实施操作，比如对单条记录的操作，合并成一次操作。

3. 数据同步，将OLTP的数据，同步到OLAP系统，由于OLAP系统的事务处理能力没有TP系统强，所以也必须采用合并的方法，同一条记录被多次更新时，需要将多次更新合并成一次更新。

4. 基于REDO日志的逻辑数据复制，优化手段除了并行复制，还有一种就是合并复制。

不管是哪种数据合并，被合并的表最好是有主键的，本文也假设有主键来处理。否则会增加复杂度（需要使用整行记录来区分），而且整行记录有一个缺陷，例如根据行号定位重复记录中的一条，这样变更后，合并时可能会出错。

数据合并的方法

对于以上几种情况，比较复杂的是逻辑数据复制，它可能涉及到任意操作，单个KEY可能被删除，后续这个KEY又被插入、多次更新的情况。

同时还需要考虑事务一致性的问题，每一次合并操作都需要保证一致性。例如基于REDO的逻辑复制，对于未结束的事务产生的REDO，不能参与合并。

保证单个KEY，在合并时只操作一次，同时确保未结束的事务不参与合并。

REDO要素

table : 库\schema\表名

old : 主键值

new : 新插入的值 、 被变更的字段变更后的值

tag : insert 、 update 、 delete 、 truncate

例子

以逻辑复制为例，分解一下数据合并的过程。

创建测试表

create table tbl (pk1 int, pk2 int, c1 int, c2 text, crt_time timestamp, primary key(pk1,pk2));  

产生一些DML

...忽略中间部分, 假设忽略的这部分已经同步到目标表...  
 
delete from tbl where pk1=2 and pk2=2;   -- 说明目标表已经存在pk1=2,pk2=2的记录  
insert into tbl (pk1,pk2,c1,c2,crt_time) values (2,2,2,'test22','2017-02-14');  
insert into tbl (pk1,pk2,c1,c2,crt_time) values (1,1,2,'test23','2017-02-14');  
insert into tbl (pk1,pk2,c1,c2,crt_time) values (1,2,3,'test34','2017-02-14');  
 
update tbl set c2='new', crt_time=null where pk1=1 and pk2=2;  
 
delete from tbl where pk1=1 and pk2=1;  
 
insert into tbl (pk1,pk2,c1,c2,crt_time) values (1,1,5,'test56','2017-02-14');  
 
update tbl set c2='new11', crt_time=null where pk1=1 and pk2=1;  
update tbl set c2='new12', crt_time='2017-02-15' where pk1=1 and pk2=2;  

将以上DML转换为REDO要素如下（通常以下信息可以在数据库的REDO日志得到）

old: pk1=2,pk2=2  
new: null  
tag: delete  
 
old: null  
new: pk1=2,pk2=2,c1=2,c2='test22',crt_time='2017-02-14'  
tag: insert  
 
old: null  
new: pk1=1,pk2=1,c1=2,c2='test23',crt_time='2017-02-14'  
tag: insert  
 
old: null  
new: pk1=1,pk2=2,c1=3,c2='test34',crt_time='2017-02-14'  
tag: insert  
 
old: pk1=1,pk2=2  
new: c2='new',crt_time=null  
tag: update  
 
old: pk1=1,pk2=1  
new: null  
tag: delete  
 
old: null  
new: pk1=1,pk2=1,c1=5,c2='test56',crt_time='2017-02-14'  
tag: insert  
 
old: pk1=1,pk2=1  
new: c2='new11',crt_time=null  
tag: update  
 
old: pk1=1,pk2=2  
new: c2='new12',crt_time='2017-02-15'  
tag: update  

合并过程，对已提交的记录，按PK进行分组，按执行先后顺序排序

delete from tbl where pk1=2 and pk2=2;   -- 说明目标表已经存在pk1=2,pk2=2的记录  
insert into tbl (pk1,pk2,c1,c2,crt_time) values (2,2,2,'test22','2017-02-14');  
 
合并后，目标表应该仅仅执行如下SQL  
update tbl set c1=2,c2='test22',crt_time='2017-02-14' where pk1=2 and pk2=2;   

insert into tbl (pk1,pk2,c1,c2,crt_time) values (1,1,2,'test23','2017-02-14');  
delete from tbl where pk1=1 and pk2=1;  
insert into tbl (pk1,pk2,c1,c2,crt_time) values (1,1,5,'test56','2017-02-14');  
update tbl set c2='new11', crt_time=null where pk1=1 and pk2=1;  
 
合并后，目标表应该仅仅执行如下SQL  
insert into tbl (pk1,pk2,c1,c2,crt_time) values (1,1,5,'new11',null);  

insert into tbl (pk1,pk2,c1,c2,crt_time) values (1,2,3,'test34','2017-02-14');  
update tbl set c2='new', crt_time=null where pk1=1 and pk2=2;  
update tbl set c2='new12', crt_time='2017-02-15' where pk1=1 and pk2=2;  
 
合并后，目标表应该仅仅执行如下SQL  
insert into tbl (pk1,pk2,c1,c2,crt_time) values (1,2,3,'new12','2017-02-15');  

如果涉及到PK的变更，需要将其分解为delete和insert两条

例如  
old: pk1=1,pk2=1  
new: pk1=1,pk2=3,c2='new11',crt_time=null  
tag: update  
 
需要分解为  
delete from tbl where pk1=1,pk2=1;  
insert into tbl (pk1,pk2,c2,crt_time) values (1,3,'new11',null);  

OLAP数据合并更新、删除的例子1

逻辑复制的合并相对来说比较复杂，但是PostgreSQL是一个功能强大的数据库，它支持窗口查询，编程能力强大的plpgsql函数语言（还有python, java, perl等数据库函数语言），使用SQL还是比较方便的可以完成以上合并的。

除了逻辑复制，在OLAP中也经常要用到合并更新，主要的目的是减少OLAP系统SQL的执行次数（因为OLAP系统并不是为TP业务设计，而是为批处理或大量运算设计的，多次SQL如果能合并成一次的话，可以大幅提升效率）

下面就以更新的合并为例，简单的讲解一下数据合并的例子。

比如一张表有1亿记录，每天要更新其中的10万条记录。我们要做的是将10万条UPDATE语句，合并成一条UPDATE语句。

合并方法

1. 首先将更新语句转换为数据，插入一张临时表

2. 然后使用join update来更新目标表

过程如下

创建一个生产表（目标表，必须有PK），假设它有1亿（为了演示，仅使用100万记录）用户数据。

create table prod(id int primary key, c1 int, info text, crt_time timestamp, mod_time timestamp);    

创建一张临时表，用来存储合并前的DML，表结构如下，需要包含一个新增的序列PK，以及目标表的所有字段，以及每个字段对应的SET位（表示该字段是否被更新）

我们这里假设一条记录，可能被多次更新。

create table tmp1  
(  
  pk serial8 primary key,   -- 标记插入顺序  
  id int, c1 int, info text, crt_time timestamp, mod_time timestamp, -- 更新后的值  
  set_id boolean, set_c1 boolean, set_info boolean, set_crt_time boolean, set_mod_time boolean -- 被更新的字段  
);  

插入100万数据到prod表

insert into prod select generate_series(1,1000000), 1, 'test', now(), null;  

TP系统中的UPDATE语句，我们将它转换为目标值，插入临时表

insert into tmp1 (id,c1,info,crt_time,mod_time,set_id,set_c1,set_info,set_crt_time,set_mod_time)  
  select random()*10000, 2, null, null, clock_timestamp(), true,true,false,false,true from generate_series(1,10000);  -- c1=2, mod_time=clock_timestamp()  
 
insert into tmp1 (id,c1,info,crt_time,mod_time,set_id,set_c1,set_info,set_crt_time,set_mod_time)  
  select random()*10000, 3, 'new', null, clock_timestamp(), true,true,true,false,true from generate_series(1,10000);  -- c1=3, info='new', mod_time=clock_timestamp()  
 
insert into tmp1 (id,c1,info,crt_time,mod_time,set_id,set_c1,set_info,set_crt_time,set_mod_time)  
  select random()*10000, null, 'new1', null, clock_timestamp(), true,false,true,false,true from generate_series(1,10000);  -- info='new1', mod_time=clock_timestamp()  
 
insert into tmp1 (id,c1,info,crt_time,mod_time,set_id,set_c1,set_info,set_crt_time,set_mod_time)  
  select random()*10000, 5, null, null, clock_timestamp(), true,true,true,false,true from generate_series(1,10000);  -- c1=5, info=null, mod_time=clock_timestamp()  

true大于false，将用于多条记录的合并

postgres=# select true > false;  
 ?column?   
----------  
 t  
(1 row)  

如果一条记录被多次UPDATE，需要将多个UPDATE合并为一个UPDATE

用到了窗口查询，以目标表的PK为分组，按不同字段的set位优先取true的最后一条值，以及它的set状态。

select id, c1, set_c1, info, set_info, crt_time, set_crt_time, mod_time, set_mod_time from  
(  
  select   
    row_number() over (partition by id) as rn,  
    id,   
    first_value(c1) over (partition by id order by set_c1 desc, pk desc) c1,   
    first_value(set_c1) over (partition by id order by set_c1 desc, pk desc) set_c1,   
    first_value(info) over (partition by id order by set_info desc, pk desc) info,   
    first_value(set_info) over (partition by id order by set_info desc, pk desc) set_info,   
    first_value(crt_time) over (partition by id order by set_crt_time desc, pk desc) crt_time,   
    first_value(set_crt_time) over (partition by id order by set_crt_time desc, pk desc) set_crt_time,   
    first_value(mod_time) over (partition by id order by set_mod_time desc, pk desc) mod_time,   
    first_value(set_mod_time) over (partition by id order by set_mod_time desc, pk desc) set_mod_time  
  from tmp1  
) t  
where t.rn=1;  

以上就是合并后的数据

更新时，使用case，将字段set位为true的值更新为新的值，false的不变。

update prod set   
  c1=(case when t.set_c1 then t.c1 else prod.c1 end) ,  -- 将字段set位为true的值更新为新的值，false的不变。  
  info=(case when t.set_info then t.info else prod.info end) ,  
  crt_time=(case when t.set_crt_time then t.crt_time else prod.crt_time end) ,  
  mod_time=(case when t.set_mod_time then t.mod_time else prod.mod_time end)   
from   
(  
  select id, c1, set_c1, info, set_info, crt_time, set_crt_time, mod_time, set_mod_time   
  from  
  (  
    select   
      row_number() over (partition by id) as rn,  
      id,   
      first_value(c1) over (partition by id order by set_c1 desc, pk desc) c1,   
      first_value(set_c1) over (partition by id order by set_c1 desc, pk desc) set_c1,   
      first_value(info) over (partition by id order by set_info desc, pk desc) info,   
      first_value(set_info) over (partition by id order by set_info desc, pk desc) set_info,   
      first_value(crt_time) over (partition by id order by set_crt_time desc, pk desc) crt_time,   
      first_value(set_crt_time) over (partition by id order by set_crt_time desc, pk desc) set_crt_time,   
      first_value(mod_time) over (partition by id order by set_mod_time desc, pk desc) mod_time,   
      first_value(set_mod_time) over (partition by id order by set_mod_time desc, pk desc) set_mod_time  
      from tmp1  
  ) t  
  where t.rn=1  
) t  
where prod.id=t.id;  

删除更加简单，只需要将ID记录下来，delete from tbl where id in (...)即可，不再列举。

验证以上合并方法的一致性

使用两张目标表，一张为合并更新（合并更新的数据来源于实时更新的触发器日志），一张为实时更新。

drop table IF EXISTS prod;  
drop table IF EXISTS prod_ck;  
drop table IF EXISTS tmp1;  
 
create table prod(id int primary key, c1 int, info text, crt_time timestamp, mod_time timestamp);    
insert into prod select generate_series(1,1000000), 1, 'test', now(), null;  
 
create table prod_ck(id int primary key, c1 int, info text, crt_time timestamp, mod_time timestamp);    
insert into prod_ck select * from prod;  
 
create table tmp1  
(  
  pk serial8 primary key,   -- 标记插入顺序  
  id int, c1 int, info text, crt_time timestamp, mod_time timestamp, -- 更新后的值  
  set_id boolean, set_c1 boolean, set_info boolean, set_crt_time boolean, set_mod_time boolean -- 被更新的字段  
);    
 
create or replace function f_tg() returns trigger as $$  
declare  
begin  
  insert into tmp1 (id,c1,info,crt_time,mod_time,set_id,set_c1,set_info,set_crt_time,set_mod_time) values  
    (NEW.id, NEW.c1, NEW.info, NEW.crt_time, NEW.mod_time, true, true, true, true, true);  
  return null;  
end;  
$$ language plpgsql strict;  
 
create trigger tg after update on prod_ck for each row execute procedure f_tg();  

使用pgbench，不断更新prod_ck

vi test.sql  
 
\set id random(1,10000)  
\set c1 random(1,1000000)  
update prod_ck set c1=:c1, crt_time=clock_timestamp(), mod_time=null where id=:id;  
update prod_ck set c1=:c1, crt_time=null, mod_time=clock_timestamp() where id=:id+1;  
 
pgbench -M prepared -n -r -P 1 -f ./test.sql -c 32 -j 32 -T 30  
 
 
progress: 3.0 s, 26379.3 tps, lat 1.211 ms stddev 0.660  
progress: 4.0 s, 26339.9 tps, lat 1.213 ms stddev 0.700  

将tmp1的更新合并到prod

update prod set   
  c1=(case when t.set_c1 then t.c1 else prod.c1 end) ,  -- 将字段set位为true的值更新为新的值，false的不变。  
  info=(case when t.set_info then t.info else prod.info end) ,  
  crt_time=(case when t.set_crt_time then t.crt_time else prod.crt_time end) ,  
  mod_time=(case when t.set_mod_time then t.mod_time else prod.mod_time end)   
from   
(  
  select id, c1, set_c1, info, set_info, crt_time, set_crt_time, mod_time, set_mod_time   
  from  
  (  
    select   
      row_number() over (partition by id) as rn,  
      id,   
      first_value(c1) over (partition by id order by set_c1 desc, pk desc) c1,   
      first_value(set_c1) over (partition by id order by set_c1 desc, pk desc) set_c1,   
      first_value(info) over (partition by id order by set_info desc, pk desc) info,   
      first_value(set_info) over (partition by id order by set_info desc, pk desc) set_info,   
      first_value(crt_time) over (partition by id order by set_crt_time desc, pk desc) crt_time,   
      first_value(set_crt_time) over (partition by id order by set_crt_time desc, pk desc) set_crt_time,   
      first_value(mod_time) over (partition by id order by set_mod_time desc, pk desc) mod_time,   
      first_value(set_mod_time) over (partition by id order by set_mod_time desc, pk desc) set_mod_time  
      from tmp1  
  ) t  
  where t.rn=1  
) t  
where prod.id=t.id;  
 
UPDATE 10001  

验证合并更新后prod和prod_ck是否一致

postgres=# select sum(hashtext(t.*::text)) from prod t;  
      sum         
----------------  
 -2538529730583  
(1 row)  
 
postgres=# select sum(hashtext(t.*::text)) from prod_ck t;  
      sum         
----------------  
 -2538529730583  
(1 row)  

小结

数据合并的目标是将多条DML语句合并成一条，

包括将单条记录的多次更新、插入、删除合并为一次更新、插入或删除操作，

也包括将多条记录的多次DML合并成一条DML语句。

在数据逻辑复制、TP到AP业务系统的同步、物化视图 等场景有着广泛的应用。

特别是OLAP系统，由于并不是针对TP场景涉及，使用合并操作，可以大幅提升AP系统的操作效率。(Greenplum更新和删除都是表级锁, 效率也一般)

在greenplum单条记录，基于PK的更新速度测试

pgbench -M simple -n -r -f ./test.sql -P 1 -c 4 -j 4 -T 100 -h 127.0.0.1 -p 29999 -U digoal
progress: 1.0 s, 203.0 tps, lat 19.449 ms stddev 29.442
progress: 2.0 s, 290.0 tps, lat 13.739 ms stddev 0.337
progress: 3.0 s, 291.0 tps, lat 13.763 ms stddev 0.627
progress: 4.0 s, 276.0 tps, lat 14.035 ms stddev 3.919
progress: 5.0 s, 280.0 tps, lat 14.791 ms stddev 5.954
progress: 6.0 s, 296.0 tps, lat 13.493 ms stddev 1.720
progress: 7.0 s, 300.0 tps, lat 13.347 ms stddev 1.433
 
1万次更新需要十几秒才能完成，而使用合并更新，只需要0.几秒