Ciò che causa il grande inserto per rallentare e l'utilizzo del disco da esplodere?

dba.stackexchange https://dba.stackexchange.com/questions/114856

Domanda

Ho una tabella di circa 3,1 milioni di righe con la seguente definizione e indici: 

CREATE TABLE digiroad_liikenne_elementti (
    ogc_fid serial NOT NULL,
    wkb_geometry geometry(Geometry,4258),
    tiee_tila numeric(9,0),
    vaylatyypp numeric(9,0),
    toiminnall numeric(9,0),
    eurooppati character varying(254),
    kansalline numeric(9,0),
    tyyppi numeric(9,0),
    liikennevi numeric(9,0),
    ens_talo_o numeric(9,0),
    talonumero numeric(9,0),
    ens_talo_v numeric(9,0),
    oik_puol_t character varying(254),
    tieosan_ta numeric(9,0),
    viim_talo_ numeric(9,0),
    viim_tal_1 numeric(9,0),
    vas_puol_t character varying(254),
    laut_tyypp numeric(9,0),
    lautta_lii numeric(9,0),
    inv_paalu_ numeric(19,11),
    inv_paal_1 numeric(19,11),
    liitalue_o numeric(9,0),
    ketju_oid numeric(9,0),
    tietojoukk numeric(9,0),
    ajoratanum numeric(4,0),
    viite_guid character varying(254),
    "timestamp" date,
    tiee_kunta numeric(9,0),
    toissij_ti character varying(254),
    viite_oid numeric(9,0),
    k_elem_id numeric(9,0),
    region character varying(40) DEFAULT 'REGION'::character varying,
    CONSTRAINT digiroad_liikenne_elementti_pkey PRIMARY KEY (ogc_fid)
);

CREATE INDEX digiroad_liikenne_elementti_wkb_geometry_geom_idx
  ON digiroad_liikenne_elementti USING gist (wkb_geometry);

CREATE INDEX dle_k_elem_id_idx
  ON digiroad_liikenne_elementti USING btree (k_elem_id);

CREATE INDEX dle_ogc_fid_idx
  ON digiroad_liikenne_elementti USING btree (ogc_fid);

CREATE INDEX dle_region_idx
  ON digiroad_liikenne_elementti USING btree (region COLLATE pg_catalog."default");
.

Un altro tavolo con 8,6 milioni di righe contiene attributi per le righe della prima tabella, le tabelle possono essere unite con k_elem_id e region. 

CREATE TABLE digiroad_segmentti (
    ogc_fid serial NOT NULL,
    wkb_geometry geometry(Geometry,4258),
    segm_tila numeric(9,0),
    tyyppi numeric(9,0),
    loppupiste numeric(19,11),
    alkupiste numeric(19,11),
    vaikutuska numeric(9,0),
    vaikutussu numeric(9,0),
    vaikutusai character varying(254),
    tieosanume numeric(19,11),
    tienumero numeric(9,0),
    dyn_arvo numeric(9,0),
    dyn_tyyppi numeric(9,0),
    omistaja_t numeric(9,0),
    pysakki_va numeric(9,0),
    pysakki_ty numeric(9,0),
    pysakki_su numeric(9,0),
    pysakki_ka numeric(9,0),
    pysakki_yl character varying(254),
    palvelu_pa numeric(9,0),
    toissijain numeric(9,0),
    siltataitu numeric(9,0),
    rdtc_tyypp numeric(9,0),
    rdtc_alaty numeric(9,0),
    rdtc_paikk numeric(19,11),
    rdtc_luokk numeric(9,0),
    rdtc_liitt character varying(254),
    palvelu_ob numeric(9,0),
    ketju_oid numeric(9,0),
    tietojoukk numeric(9,0),
    ajoratanum numeric(4,0),
    viite_guid character varying(254),
    "timestamp" date,
    sivusiirty numeric(19,11),
    toissij_ti character varying(254),
    viite_oid numeric(9,0),
    k_elem_id numeric(9,0),
    region character varying(40) DEFAULT 'REGION'::character varying,
    CONSTRAINT digiroad_segmentti_pkey PRIMARY KEY (ogc_fid)
);

CREATE INDEX digiroad_segmentti_wkb_geometry_geom_idx
  ON digiroad_segmentti USING gist (wkb_geometry);

CREATE INDEX ds_dyn_arvo_idx
  ON digiroad_segmentti USING btree (dyn_arvo);

CREATE INDEX ds_dyn_tyyppi_idx
  ON digiroad_segmentti USING btree (dyn_tyyppi);

CREATE INDEX ds_k_elem_id_idx
  ON digiroad_segmentti USING btree (k_elem_id);

CREATE INDEX ds_ogc_fid_idx
  ON digiroad_segmentti USING btree (ogc_fid);

CREATE INDEX ds_region_idx
  ON digiroad_segmentti USING btree (region COLLATE pg_catalog."default");

CREATE INDEX ds_tyyppi_idx
  ON digiroad_segmentti USING btree (tyyppi);
.

Sto cercando di inserire le righe della prima tabella (con alcune modifiche) in una nuova tabella: 

CREATE TABLE edge_table (
    id serial NOT NULL,
    geom geometry,
    source integer,
    target integer,
    km double precision,
    kmh double precision DEFAULT 60,
    kmh_winter double precision DEFAULT 50,
    cost double precision,
    cost_winter double precision,
    reverse_cost double precision,
    reverse_cost_winter double precision,
    x1 double precision,
    y1 double precision,
    x2 double precision,
    y2 double precision,
    k_elem_id integer,
    region character varying(40),
    CONSTRAINT edge_table_pkey PRIMARY KEY (id)
);
.

Dal momento che eseguire una singola dichiarazione di inserimento richiederebbe molto tempo e non sarei in grado di vedere se la dichiarazione è bloccata o qualcosa del genere, ho deciso di farlo in pezzi più piccoli all'interno di un anello in una funzione.

La funzione è simile a questa: 

DROP FUNCTION IF EXISTS insert_function();
CREATE OR REPLACE FUNCTION insert_function()
    RETURNS VOID AS
    $$
DECLARE
    const_type_1 CONSTANT int := 5;
    const_type_2 CONSTANT int := 11;
    i int := 0;
    row_count int;
BEGIN

    CREATE TABLE IF NOT EXISTS edge_table (
        id serial PRIMARY KEY,
        geom geometry,
        source integer,
        target integer,
        km double precision,
        kmh double precision DEFAULT 60,
        kmh_winter double precision DEFAULT 50,
        cost double precision,
        cost_winter double precision,
        reverse_cost double precision,
        reverse_cost_winter double precision,
        x1 double precision,
        y1 double precision,
        x2 double precision,
        y2 double precision,
        k_elem_id integer,
        region varchar(40)
    );


    batch_size := 1000;
    SELECT COUNT(*) FROM digiroad_liikenne_elementti INTO row_count;

    WHILE i*batch_size < row_count LOOP

        RAISE NOTICE 'insert: % / %', i * batch_size, row_count;

        INSERT INTO edge_table (kmh, kmh_winter, k_elem_id, region)
        SELECT      CASE WHEN DS.dyn_arvo IS NULL THEN 60 ELSE DS.dyn_arvo END,
                    CASE WHEN DS.dyn_Arvo IS NULL THEN 50 ELSE DS.dyn_arvo END,
                    DR.k_elem_id,
                    DR.region
        FROM        (
                        SELECT  DLE.k_elem_id,
                                DLE.region,
                        FROM    digiroad_liikenne_elementti DLE
                        WHERE   DLE.ogc_fid >= i * batch_size
                                AND
                                DLE.ogc_fid <= i * batch_size + batch_size
                    ) AS DR
                    LEFT JOIN
                    digiroad_segmentti DS ON
                        DS.k_elem_id = DR.k_elem_id
                        AND
                        DS.region = DR.region
                        AND
                        DS.tyyppi = const_type_1
                        AND
                        DS.dyn_tyyppi = const_type_2;

        i := i + 1;
    END LOOP;
END;
$$
LANGUAGE 'plpgsql' VOLATILE STRICT;
.

Il problema è che inizia a passare attraverso i loop abbastanza veloci, ma poi ad un certo punto rallenta fino a un gattonio. Quando rallenta, allo stesso tempo l'utilizzo del disco nel mio Task Manager di Windows 8 sale fino al 99%, quindi sospetto che questo sia correlato al problema in qualche modo.

Esecuzione dell'istruzione INSERT da solo con un valore casuale di i esegue molto rapidamente, quindi il problema sembra solo sorgere quando lo esegue nel ciclo all'interno di una funzione. Ecco il EXPLAIN (ANALYZE,BUFFERS) da una tale singola esecuzione: 

Insert on edge_table  (cost=0.86..361121.68 rows=1031 width=23) (actual time=3405.101..3405.101 rows=0 loops=1)
  Buffers: shared hit=36251 read=3660 dirtied=14
  ->  Nested Loop Left Join  (cost=0.86..361121.68 rows=1031 width=23) (actual time=61.901..3377.609 rows=986 loops=1)
        Buffers: shared hit=32279 read=3646
        ->  Index Scan using dle_ogc_fid_idx on digiroad_liikenne_elementti dle  (cost=0.43..85.12 rows=1031 width=19) (actual time=31.918..57.309 rows=986 loops=1)
              Index Cond: ((ogc_fid >= 200000) AND (ogc_fid < 201000))
              Buffers: shared hit=27 read=58
        ->  Index Scan using ds_k_elem_id_idx on digiroad_segmentti ds  (cost=0.44..350.16 rows=1 width=23) (actual time=2.861..3.337 rows=0 loops=986)
              Index Cond: (k_elem_id = dle.k_elem_id)
              Filter: ((tyyppi = 5::numeric) AND (dyn_tyyppi = 11::numeric) AND (vaikutussu = 3::numeric) AND ((region)::text = (dle.region)::text))
              Rows Removed by Filter: 73
              Buffers: shared hit=31266 read=3588
Total runtime: 3405.270 ms
.

Il mio sistema è in esecuzione PostgreSQL 9.3.5 su Windows 8 con 8 GB di RAM.

Ho sperimentato diverse dimensioni in batch, facendo la query in diversi modi e aumentando le variabili di memoria nella configurazione di Postgres, ma nulla sembra aver davvero risolto il problema.

Variabili di configurazione che sono state modificate dai loro valori predefiniti: 

shared_buffers = 2048MB
work_mem = 64MB
effective_cache_size = 6000MB
.

Mi piacerebbe scoprire cosa sta facendo accadere questo e cosa potrebbe essere fatto a riguardo.

È stato utile?

Soluzione

Durante la creazione di una nuova tabella New Table Evita il costo della scrittura Scrivi un registro avanti (wal) completamente con CREATE TABLE AS .
Vedi @ Risposta di Kassandry per una spiegazione Come le figure wal in questo. 

CREATE OR REPLACE FUNCTION insert_function()
  RETURNS void AS
$func$
DECLARE
   const_type_1 CONSTANT int := 5;
   const_type_2 CONSTANT int := 11;
BEGIN    
   CREATE SEQUENCE edge_table_id_seq;

   CREATE TABLE edge_table AS
   SELECT nextval('edge_table_id_seq'::regclass)::int AS id
        , NULL::geometry         AS geom
        , NULL::integer          AS source
        , target::integer        AS target
        , NULL::float8           AS km
        , COALESCE(DS.dyn_arvo::float8, float8 '60') AS kmh
        , COALESCE(DS.dyn_Arvo::float8, float8 '50') AS kmh_winter
        , NULL::float8           AS cost
        , NULL::float8           AS cost_winter
        , NULL::float8           AS reverse_cost
        , NULL::float8           AS reverse_cost_winter
        , NULL::float8           AS x1
        , NULL::float8           AS y1
        , NULL::float8           AS x2
        , NULL::float8           AS y2
        , D.k_elem_id::integer   AS k_elem_id
        , D.region::varchar(40)  AS region
   FROM   digiroad_liikenne_elementti D
   LEFT   JOIN digiroad_segmentti DS
             ON DS.k_elem_id = D.k_elem_id
            AND DS.region = D.region
            AND DS.tyyppi = const_type_1
            AND DS.dyn_tyyppi = const_type_2;

   ALTER TABLE edge_table
      ADD CONSTRAINT edge_table_pkey PRIMARY KEY(id)
    , ALTER COLUMN id SET NOT NULL
    , ALTER COLUMN id SET DEFAULT nextval('edge_table_id_seq'::regclass)
    , ALTER COLUMN kmh SET DEFAULT 60
    , ALTER COLUMN kmh_winter SET DEFAULT 50;

   ALTER SEQUENCE edge_table_id_seq OWNED BY edge_table.id;    
END
$func$ LANGUAGE plpgsql;
.

La documentazione:

.

Oltre a evitare il tempo per l'elaborazione del mittente dell'archivio o del wal I dati WAL, facendo ciò creerà effettivamente determinati comandi più velocemente, perché sono progettati per non scrivere WAL per tutto se wal_level è minimal. (Possono garantire la sicurezza di crash più a buon mercato facendo un fsync alla fine che scrivendo Wal.) Si applica a quanto segue Comandi:

    .

  • CREATE TABLE AS SELECT

  • CREATE INDEX (e varianti come ALTER TABLE ADD PRIMARY KEY)

  • ALTER TABLE SET TABLESPACE

  • CLUSTER

  • COPY FROM, quando la tabella di destinazione è stata creata o troncata in precedenza nella stessa transazione

anche importante

    .

  • CREATE TABLE AS rende impossibile utilizzare il tipo Pseudo-tipo serial direttamente. Ma poiché questo è solo un "Makro", puoi fare tutto a mano invece: creare la sequenza, usarlo per generare valori id. Infine, impostare la colonna predefinita e rendi la colonna della sequenza. Correlato:

  • L'involucro funzionante PLPGSQL è facoltativo (utile per uso ripetuto), è possibile semplicemente eseguire Plain SQL in una transazione : BEGIN; ... COMMIT;

  • Aggiunta del PRIMARY KEY Dopo Inserimento dei dati è anche più veloce perché la creazione dell'indice (sottostante) in un unico pezzo è più veloce di aggiungere i valori in modo incrementale.

  • Hai avuto un errore di logica nel partizionamento: 

    WHERE DLE.ogc_fid >= i * batch_size
AND   DLE.ogc_fid <= i * batch_size + batch_size
    .

    L'ultima riga si sovrapponga alla partizione successiva, la riga sarebbe stata inserita ripetutamente, portando a una violazione unica nel PK. L'uso di < invece di <= firerebbe - ma ho rimosso il partizionamento del tutto.

  • Se lo si esegue ripetutamente, un INDICE MULTICOLUMN su digiroad_segmentti (k_elem_id, tyyppi, dyn_tyyppi, region) potrebbe pagare, a seconda della distribuzione dei dati.

cose minori

    .
  • Non citare il nome della lingua plpgsql Nome, è un identificatore.
  • Sarebbe inutile segnare una funzione senza parametri come STRICT.
  • VOLATILE è il predefinito e il semplice rumore.

  • Utilizzare COALESCE per fornire un valore predefinito per valori nulli.

  • Alcune delle colonne double precision (float8) potrebbero funzionare meglio come integer poiché è stato principalmente avuto generatoDicetagCode nelle tue vecchie tabelle, che può probabilmente essere sostituito con il numeric (9,0) in meno semplice.

  • La colonna integer sembra un candidato per la normalizzazione (a meno che le regioni siano per lo più uniche?) Creare una tabella regione e basta utilizzare region varchar(40) come colonna FK nella tabella principale.

Altri suggerimenti

Se si modificate solo le variabili shared_buffers, work_mem e effective_cache_size Config Variables, probabilmente stai ancora in esecuzione con checkpoint_segments=3.

In questo caso hai solo tre segmenti WAL e, in quanto tale, è necessario riciclarli continuamente, costringendo a scrivere i file di dati ogni volta, che causa un'enorme quantità di attività I / O e può certamente rallentare la macchina a un gattonio. È possibile controllare il comportamento checkpointing guardando nel registro e cerca la frase checkpoints are occurring too frequently. Puoi anche guardare ciò che stanno facendo abilitando log_checkpoints=on nel tuo postgresql.conf

Consiglierei di cambiare il checkpoint_segments a qualcosa di più grande, come 40 e il checkpoint_completion_target a 0.9 per cercare di appianare il comportamento che stai descrivendo.

Le impostazioni sono ulteriormente descritte qui nella documentazione PostgreSQL per 9.3 nel Scrivi la sezione Avanti log .=)

Autorizzato sotto: CC-BY-SA insieme a attribuzione
Non affiliato a dba.stackexchange
scroll top