PG空閑連接對性能的影響

該系列的第一篇為:PG空閑連接的資源消耗討論PG如何管理連接以及空閑連接如何消耗內存和CPU。本文討論空閑連接對PG性能的影響。

事務率影響

PG獲取數(shù)據的時候,首先看請求頁在沒在共享內存。如果共享內存沒有請求頁,則從操作系統(tǒng)緩存取,如果也沒有,則需要請求磁盤上的數(shù)據頁。共享內存最快,操作系統(tǒng)緩存次之,磁盤最慢。隨著PG連接的增長,操作系統(tǒng)緩存的可用內存就會減小,從而從操作系統(tǒng)緩存中移除數(shù)據頁。下次再進行數(shù)據頁查詢時就會從磁盤上請求,因此性能變得更慢。

如果PG實例的空閑內存處于低水位,就會使用swap。這也是位于磁盤上,因此也很慢。使用swap空間可幫助釋放一些內存,但是如果swapped 頁再次被OS請求時,會被讀回,導致IO的增加。更多信息請查看swap管理:https://www．kernel．org/doc/gorman/html/understand/understand014．html

可用內存對性能的影響取決于工作負載、數(shù)據集、總共的可用內存。如果數(shù)據集比總可用內存小,空閑內存的減少不會有明顯影響,若數(shù)據集比總可用內存還大,就會產生巨大影響。

性能測試

下面小節(jié)顯示了通過pgbench進行的性能測試。測試中Amazon RDS for PG實例為db．m5．large,2vCPU,8GB內存。1個EBS的IO為3000IOPS。

每個測試都有兩個階段,第一階段pgbench執(zhí)行1個小時,沒有其他工作負載。這個提供了一個基準事務率。

第二個階段,再次執(zhí)行pgbench前打開1000個連接,每個連接從information_schema表獲取一行數(shù)據。下面是步驟:

1)打開一個連接

2)獲取所有表名及information_schema視圖:

 SELECT table_schema||'．'||table_name as relname from information_schema．tables WHERE table_schema='information_schema';

3)循環(huán)執(zhí)行select:

 SELECT * FROM information_schema．columns LIMIT 1;

4)對于1000個連接重復以上步驟

5)事務提交后不進行斷開,保持空閑狀態(tài)

重啟實例后,內存中沒有緩存任何數(shù)據頁。第一次執(zhí)行pgbench會加載請求的數(shù)據頁到內存,隨后再次執(zhí)行pgbench,cache中的數(shù)據頁可以重用,此時不再需要從磁盤加載。

為了最小化頁緩存的影響,在執(zhí)行測試案例前執(zhí)行一個初始步驟。下圖顯示了打開1000個連接時,實例內存時如何從4．88GB下降到90MB的。

正如前系列介紹,雖然連接是空閑的,他們也會消耗內存和CPU資源。這個結果顯示空閑連接對性能的影響。

事務率測試1:標準pgbench

第一個測試中,使用標準配置執(zhí)行100個客戶端連接,結果:

transaction type:

1000個連接下,結果:

transaction type:

結果表明,TPS從1249下降到1140,有8．7%的下降。

事務率測試2:select-only

因為空閑連接消耗了內存減小了頁緩存可用內存,所以這些空閑連接對讀的影響尤為明顯。為測試這點,使用-S配置運行pgbench,使用內置的select only腳本。結果:

transaction type:

1000個空閑連接下:

transaction type:

TPS從1969下降到1610,有18．2%的下降。

事務率測試3:custom pgbench

執(zhí)行腳本:

set nbranches :scaleset naccounts 100000 * :scaleset aid random(1, :naccounts)set bid random(1, :nbranches)BEGIN;SELECT * FROM pgbench_accounts WHERE aid >= :aid AND aid < (:aid + 5000) AND bid=:bid LIMIT 1;END;

腳本中每個事物從pgbench_accounts表讀取5000行數(shù)據,然后僅返回1條。結果:

transaction type: pgbench_script．sqlscaling factor: 5000query mode: simplenumber of clients: 100number of threads: 2duration: 600 snumber of transactions actually processed: 227484latency average = 264．140 mstps = 378．586790 (including connections establishing)tps = 378．592772 (excluding connections establishing)

1000個空閑連接下,結果為:

transaction type: pgbench_script．sqlscaling factor: 5000query mode: simplenumber of clients: 100number of threads: 2duration: 600 snumber of transactions actually processed: 124114latency average = 484．485 mstps = 206．404854 (including connections establishing)tps = 206．507645 (excluding connections establishing)

結果顯示TPS從378下降到206,有46%的下降。通過Amazon RDS Performance Insights可以看到引擎wait events詳細信息。下面兩個圖顯示了DataFileRead等待事件中耗費時間最多的。即等待從表數(shù)據文件中讀取數(shù)據。

下圖顯示了Amazon CloudWatch指標中的讀負載:

第一次執(zhí)行時讀為87MB/s,第二次1000個連接下,增長到117MB/s�？臻e連接消耗了操作系統(tǒng)內存,導致OS cache變小。因此需要從磁盤讀取更多數(shù)據頁,從而導致性能的衰減。

連接池

連接池可幫助減小數(shù)據庫連接帶來的影響�？梢允褂胮gbouncer或者Amazon RDS Proxy。這些連接池可以限制連接數(shù)量。

Pgbouncer

Pgbouncer是輕量級的連接池組件,支持下面三種模式:

Session mode:每個應用連接綁定到一個數(shù)據庫連接上。如果連接處于空閑狀態(tài),pgbouncer不能將它給其他應用連接重用。

Transaction mode:一個事務完成后,該連接就可以重用

Statement mode:一個SQL語句完成后就可以將該連接給其他客戶端重用。

大多數(shù)應用中,使用transaction mode可以提供最優(yōu)結果。下面測試pgbouncer配置了最大5000客戶端連接,但我們的測試中最大連接設置為200．pgbench運行在pgbouncer pool中。結果:

transaction type: pgbench_script．sqlscaling factor: 5000query mode: simplenumber of clients: 100number of threads: 2duration: 600 snumber of transactions actually processed: 227064latency average = 264．600 mstps = 377．928241 (including connections establishing)tps = 377．928476 (excluding connections establishing)

運行過程中,可以查看連接狀態(tài):

pgbouncer=# show pools;-[ RECORD 1 ]-----------database   | pgbenchuser       | postgrescl_active  | 100cl_waiting | 0sv_active  | 100sv_idle    | 0sv_used    | 0sv_tested  | 0sv_login   | 0maxwait    | 0maxwait_us | 0pool_mode  | transaction

Pool狀態(tài)顯示有100個客戶端連接(cl_active)從而有100個活躍server連接(sv_active)。第二次執(zhí)行,打開1000個連接,并處于空閑狀態(tài)。Pooler不需要維護任何服務端連接:

pgbouncer=# show pools;-[ RECORD 1 ]-----------database   | pgbenchuser       | postgrescl_active  | 1000cl_waiting | 0sv_active  | 0sv_idle    | 1sv_used    | 0sv_tested  | 0sv_login   | 0maxwait    | 0maxwait_us | 0pool_mode  | transaction

1000個空閑連接下,執(zhí)行pgbench:

transaction type: pgbench_script．sqlscaling factor: 5000query mode: simplenumber of clients: 100number of threads: 2duration: 600 snumber of transactions actually processed: 226827latency average = 264．935 mstps = 377．451418 (including connections establishing)tps = 377．451655 (excluding connections establishing)

下面顯示使用連接池是,性能沒有影響:

pgbouncer=# show pools;-[ RECORD 1 ]-----------database   | pgbenchuser       | postgrescl_active  | 1100cl_waiting | 0sv_active  | 100sv_idle    | 0sv_used    | 0sv_tested  | 0sv_login   | 0maxwait    | 0maxwait_us | 0pool_mode  | transaction

總共有1100個客戶端連接,但是僅有100個服務端連接活躍。

該測試,RDS實例有2個CPU,因此100個進程并行執(zhí)行,導致大量上下文切換,從而造成性能衰減。Pgbouncer配置最多20個數(shù)據連接下性能:

transaction type: pgbench_script．sqlscaling factor: 5000query mode: simplenumber of clients: 100number of threads: 2duration: 600 snumber of transactions actually processed: 256267latency average = 234．286 mstps = 426．828543 (including connections establishing)tps = 426．828801 (excluding connections establishing)

得到了個更高的TPS,狀態(tài):

pgbouncer=# show pools;-[ RECORD 1 ]-----------database   | pgbenchuser       | postgrescl_active  | 20cl_waiting | 80sv_active  | 20sv_idle    | 0sv_used    | 0sv_tested  | 0sv_login   | 0maxwait    | 0maxwait_us | 125884pool_mode  | transaction

只有20個客戶端連接活躍。剩下的80個連接等待被分配。更多的連接并不意味著更多的吞吐量。較少的客戶端連接有助于上下文切換和資源爭用,從而提高總體性能。

總結

連接數(shù)多并不意味著高吞吐。增加連接數(shù),會增加上下文切換和資源爭用,從而影響性能。

PG連接即使空閑狀態(tài),也會消耗資源�？臻e連接不會影響性能的假設不正確。

應用設計的時候需要考慮不要有太多連接。