PostgreSQL 强大的多层表继承--及其在海量数据分类按月分区存储
最近发现大家越来越关注 PostgreSQL了。2008年以来,通过对PostgreSQL的实际使用,发现其对象-关系数据库机制对现实问题非常有帮助。在多重表继承下,对上亿条不同类别的数据条目进行按型号、按月份双层分区管理,既可在总表查阅所有条目的共有字段,也可在各类型字表查询附加字段,非常高效。下面把这种分区机制介绍如下! 实验平台:PostgreSQL 9.1 实验背景: 假设有N种数据收集设备,分别叫做 machine1,machine2...machineN,各类收集设备从传感器上采集的数据各不相同。但是他们都包括3个共有属性:1、采集时刻 2、一个电压值 3、机器的ID。 这些机器源源不断的从各个传感器收集信息,每类机器还有各自不同的附加数据。比如,machine1有当前最大单元数、当前已使用单元数两个属性。Machine2有前端传感器的ID和取值。数据量约100万条/天,要求数据库容纳至少5年的数据。 设计原则: 由于采集的频率高,每天会有上百万条数据存入,为了考虑缩小索引的规模,提高检索效率,采用按月分区存储。由于各类机器的字段各有区别,使得我们必须设计不同的表结构, 分别存储各类数据。由于要求能够统一检索基本信息、按需检索额外信息,我们采用PostgreSQL的表继承,首先按照机器类型分类,而后各类型机器内按照月份分类。 数据库结构: 全局ID 序列: CREATE SEQUENCE serial_id_seq INCREMENT 1 MINVALUE 1 MAXVALUE 9223372036854775807 START 1 CACHE 1; ALTER TABLE serial_id_seq OWNER TO postgres; 该序列用于保持全局ID的唯一性。PostgreSQL各个继承表中的主键约束仅仅限于本表,在不想通过检查条件确保唯一的情况下,可以通过触发器手工从序列获取新的值,以及限制用户修改ID来保证唯一。基本表(爷爷表),承载了所有机器的共同属性 CREATE TABLE base_table ( id bigint NOT NULL,dvalue double precision,sample_time timestamp with time zone,machine_code character varying(32),CONSTRAINT pk_base_table_id PRIMARY KEY (id ) ) WITH ( OIDS=FALSE ); ALTER TABLE base_table OWNER TO postgres; CREATE INDEX idx_sample_time ON base_table USING btree (sample_time ); 下面为机器类型1创建按类型分区子表(爸爸表) CREATE TABLE base_table_machine1 ( max_res integer,curr_res integer,CONSTRAINT pk_base_table_machine1 PRIMARY KEY (id ) ) INHERITS (base_table) WITH ( OIDS=FALSE ); ALTER TABLE base_table_machine1 OWNER TO postgres; CREATE INDEX idx_base_table_machine1_sample_time ON base_table_machine1 USING btree (sample_time ); 同样,为机器2创建按类型分区子表 CREATE TABLE base_table_machine2 ( manu_id character varying(16),manu_value character varying(16),CONSTRAINT pk_base_table_machine2 PRIMARY KEY (id ) ) INHERITS (base_table) WITH ( OIDS=FALSE ); ALTER TABLE base_table_machine2 OWNER TO postgres; CREATE INDEX idx_base_table_machine2_sample_time ON base_table_machine2 USING btree (sample_time ); 其他机器不再赘述。创建完后,我们开始写创建按月分区表的触发器(儿子表)。按月分区会判断每次插入的数据的时刻,按照月份放到分区表中。如果分区表不存在,则自动创建。这里给出机器1、机器2 的触发器 -- Function: on_insert_base_table_machine1() -- DROP FUNCTION on_insert_base_table_machine1(); CREATE OR REPLACE FUNCTION on_insert_base_table_machine1() RETURNS trigger AS $BODY$ DECLARE --Variable Hold subtable name str_sub_tablename varchar; --Variable Hold yearmonth info with timestamle str_sub_sample_time varchar; str_sql_cmd varchar; str_sub_checkval varchar; BEGIN --The triggle func will be exectued only when BEFORE INSERT IF TG_OP <> 'INSERT' OR TG_TABLE_NAME <>'base_table_machine1' OR TG_WHEN <> 'BEFORE' THEN RETURN NULL; END IF; --Generate Table Name str_sub_sample_time = date_part('year',NEW.sample_time)::varchar || '_' || CASE WHEN date_part('month',NEW.sample_time) <10 THEN '0' ELSE '' END ||date_part('month',NEW.sample_time)::varchar; str_sub_tablename = 'machine1_' || str_sub_sample_time; --Check if table not created select * from pg_tables where schemaname = 'public' and tablename=str_sub_tablename into str_sql_cmd; IF NOT FOUND THEN --Create table Cmd str_sql_cmd = ' CREATE TABLE '||str_sub_tablename||' ( CONSTRAINT pk_'|| str_sub_tablename||' PRIMARY KEY (id ),CONSTRAINT chk_'|| str_sub_tablename||' CHECK(date_part(''year''::text,sample_time) = '|| date_part('year',NEW.sample_time)::varchar|| '::double precision AND date_part(''month''::text,sample_time) = '|| date_part('month',NEW.sample_time)::varchar||' ) ) INHERITS (base_table_machine1) WITH ( OIDS=FALSE ); ALTER TABLE '||str_sub_tablename||' OWNER TO postgres; CREATE INDEX idx_'|| str_sub_tablename||'_sample_time ON '|| str_sub_tablename||' USING btree (sample_time ); '; EXECUTE str_sql_cmd; END IF; --insert Data str_sql_cmd = 'INSERT INTO '||str_sub_tablename||' ( id,dvalue,sample_time,machine_code,max_res,curr_res) VALUES ( nextval(''serial_id_seq''),$1,$2,$3,$4,$5); '; EXECUTE str_sql_cmd USING NEW.dvalue,NEW.sample_time,NEW.machine_code,NEW.max_res,NEW.curr_res; --return null because main table does not really contain data return NULL; END; $BODY$ LANGUAGE plpgsql VOLATILE COST 100; ALTER FUNCTION on_insert_base_table_machine1() OWNER TO postgres; -- Function: on_insert_base_table_machine2() -- DROP FUNCTION on_insert_base_table_machine2(); CREATE OR REPLACE FUNCTION on_insert_base_table_machine2() RETURNS trigger AS $BODY$ DECLARE --Variable Hold subtable name str_sub_tablename varchar; --Variable Hold yearmonth info with timestamle str_sub_sample_time varchar; str_sql_cmd varchar; str_sub_checkval varchar; BEGIN --The triggle func will be exectued only when BEFORE INSERT IF TG_OP <> 'INSERT' OR TG_TABLE_NAME <>'base_table_machine2' OR TG_WHEN <> 'BEFORE' THEN RETURN NULL; END IF; --Generate Table Name str_sub_sample_time = date_part('year',NEW.sample_time)::varchar; str_sub_tablename = 'machine2_' || str_sub_sample_time; --Check if table not created select * from pg_tables where schemaname = 'public' and tablename=str_sub_tablename into str_sql_cmd; IF NOT FOUND THEN --Create table Cmd str_sql_cmd = ' CREATE TABLE '||str_sub_tablename||' ( CONSTRAINT pk_'|| str_sub_tablename||' PRIMARY KEY (id ),NEW.sample_time)::varchar||' ) ) INHERITS (base_table_machine2) WITH ( OIDS=FALSE ); ALTER TABLE '||str_sub_tablename||' OWNER TO postgres; CREATE INDEX idx_'|| str_sub_tablename||'_sample_time ON '|| str_sub_tablename||' USING btree (sample_time ); '; EXECUTE str_sql_cmd; END IF; --insert Data str_sql_cmd = 'INSERT INTO '||str_sub_tablename||' ( id,manu_id,manu_value) VALUES ( nextval(''serial_id_seq''),NEW.manu_id,NEW.manu_value; --return null because main table does not really contain data return NULL; END; $BODY$ LANGUAGE plpgsql VOLATILE COST 100; ALTER FUNCTION on_insert_base_table_machine2() OWNER TO postgres; 最后,为各个爸爸表设置触发器 CREATE TRIGGER triggle_on_insert_machine1 BEFORE INSERT ON base_table_machine1 FOR EACH ROW EXECUTE PROCEDURE on_insert_base_table_machine1(); CREATE TRIGGER triggle_machine2 BEFORE INSERT ON base_table_machine2 FOR EACH ROW EXECUTE PROCEDURE on_insert_base_table_machine2(); 到此为止,我们可以分别向各个爸爸表(按类型分区表)插入数据,而后通过爷爷表(总表)检索基本信息,通过爸爸表检索详细信息。对总表的操作会遍历反馈到所有子表,试图利用子表的索引进行查询。由于按月存储,插入工作只限于本月,所以检索历史数据效率很高。 当然了,这只是简单的实验,实际字段要比上述字段复杂很多。PostgreSQL的对象-关系数据库对解决上述问题非常有帮助,也全面的运用到我公司的各个环节,达到工业化标准的系统非常稳定,尽管设置了备份,但4年来从未真正用到。我们目前使用 16核心机架服务器,8GB内存,Ubuntu 12.04 LTS,优化配置(Postgresql.conf) 采用设置共享段shared_buffers 512MB,work_mem 32MB,维护maintenance_work_mem 512MB,checkpoint_segments = 16,获得了稳定而持久的生产力提升。 测试: 插入4条数据 insert into base_table_machine1 (dvalue,curr_res) values (22.17273,'2012-06-01 11:22:11','SC3010-192.168.1.12',1,2); insert into base_table_machine1 (dvalue,curr_res) values (12.8273,'2012-07-12 10:23:01','SC3010-192.168.1.14',2); insert into base_table_machine2 (dvalue,manu_value) values (4412.1928,'2011-01-21 02:08:34','PK937-192.168.1.113','TP1','E54DF'); insert into base_table_machine2 (dvalue,'2011-12-31 04:21:31','PK937-192.168.1.112','TP2','CB67D'); 看看 select 语句的结果 select * from base_table; select * from base_table_machine2; select * from base_table_machine1; explain select * from base_table where sample_time >='2012-06-21 00:00:00' and sample_time <='2012-07-21 00:00:00'; 自动使用索引关联到每个子表。 (编辑:李大同) 【声明】本站内容均来自网络,其相关言论仅代表作者个人观点,不代表本站立场。若无意侵犯到您的权利,请及时与联系站长删除相关内容! |