大規模な INSERT の速度が低下し、ディスク使用量が爆発的に増加する原因は何ですか?
質問
次の定義とインデックスを含む約 310 万行のテーブルがあります。
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");
860 万行の別のテーブルには、最初のテーブルの行の属性が含まれており、これらのテーブルは次のように結合できます。 k_elem_id
そして 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);
最初のテーブルの行を(いくつかの変更を加えて)新しいテーブルに挿入しようとしています。
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)
);
単一の挿入ステートメントを実行すると時間がかかり、ステートメントがスタックしているかどうかを確認できないため、関数のループ内で小さな塊に分けて実行することにしました。
関数は次のようになります。
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;
問題は、ループを非常に高速で通過し始めるが、ある時点でクロールまで速度が低下することです。速度が低下すると、同時に Windows 8 タスク マネージャーのディスク使用率が 99% まで上昇するため、これが何らかの形で問題に関係しているのではないかと思います。
を実行する INSERT
のランダムな値を含むステートメント自体 i
は非常に高速に実行されるため、問題は関数内のループで実行する場合にのみ発生するようです。ここにあります EXPLAIN (ANALYZE,BUFFERS)
そのような 1 つの実行から:
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
私のシステムは、8 GB の RAM を搭載した Windows 8 上で PostgreSQL 9.3.5 を実行しています。
さまざまなバッチサイズ、さまざまな方法でクエリを実行し、Postgres 構成のメモリ変数を増やして実験してきましたが、問題を実際に解決するものはないようです。
デフォルト値から変更された構成変数:
shared_buffers = 2048MB
work_mem = 64MB
effective_cache_size = 6000MB
何が原因でこのようなことが起こっているのか、そしてそれに対して何ができるのかを知りたいと思っています。
解決
を作成するときは、 新しいテーブル 執筆コストを回避する 先行書き込みログ (WAL) 完全に と CREATE TABLE AS
.
見る @カサンドリーの答え WAL がこれにどのように関与するかについては、こちらをご覧ください。
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;
アーカイバーまたはウォル送信者がWALデータを処理する時間を避けることは別として、これを行うと、実際に特定のコマンドがより速くなります。
wal_level
はminimal
. 。(次のことを行うことで、より安価に衝突安全性を保証できます)fsync
最後にWALを書くよりも。)これは次のコマンドに適用されます。
CREATE TABLE AS SELECT
CREATE INDEX
(そして次のような亜種もALTER TABLE ADD PRIMARY KEY
)
ALTER TABLE SET TABLESPACE
CLUSTER
COPY FROM
, ターゲットテーブルが同じトランザクションの前に作成または切り捨てられている場合
こちらも重要
CREATE TABLE AS
擬似型を使用できなくなりますserial
直接。ただし、これは単なる「マクロ」であるため、代わりにすべてを手動で行うことができます。シーケンスを作成し、それを使用して生成しますid
価値観。最後に、列のデフォルトを設定し、列がシーケンスを所有するようにします。関連している:plpgsql 関数ラッパーはオプションです (繰り返し使用する場合に便利です)。 トランザクション内のプレーン SQL:
BEGIN; ... COMMIT;
を追加すると、
PRIMARY KEY
後 (基礎となる) インデックスをまとめて作成する方が、値を段階的に追加するよりも速いため、データの挿入も高速になります。あなたは持っていました 論理エラー パーティション分割で:
WHERE DLE.ogc_fid >= i * batch_size AND DLE.ogc_fid <= i * batch_size + batch_size
最後の行が次のパーティションと重複し、その行が繰り返し挿入され、PK 内で固有の違反が発生します。の用法
<
の代わりに<=
それは修正されるでしょうが、パーティション分割を完全に削除しました。これを繰り返し実行すると、 複数列インデックス の上
digiroad_segmentti (k_elem_id, tyyppi, dyn_tyyppi, region)
データの配布状況によっては、料金が発生する場合があります。
些細なこと
- 言語を引用しないでください
plpgsql
名前、それは識別子です。 - パラメータのない関数を次のようにマークしても無意味です。
STRICT
. VOLATILE
はデフォルトであり、単なるノイズです。使用
COALESCE
NULL 値のデフォルトを提供します。あなたの一部
double precision
(float8
) 列は次のように機能する可能性があります。integer
あなたはほとんど持っていたのでnumeric (9,0)
古いテーブルでは、おそらく安価なプレーンに置き換えることができますinteger
.コラム
region varchar(40)
正規化の候補のように見えます (領域がほとんど一意でない限り?) 領域テーブルを作成し、使用するだけですregion_id
メインテーブルのFK列として。
他のヒント
変更しただけの場合は、 shared_buffers
,work_mem
, 、 そして effective_cache_size
config 変数を使用している場合、おそらくまだ実行中です checkpoint_segments=3
.
この場合、WAL セグメントは 3 つしかないため、それらを継続的にリサイクルする必要があり、そのたびにデータ ファイルへの書き込みが強制されるため、大量の I/O アクティビティが発生し、マシンの速度が確実に低下する可能性があります。ログを調べてフレーズを検索することで、チェックポイントの動作を確認できます。 checkpoints are occurring too frequently
. 。を有効にすることで、彼らが何をしているかを確認することもできます。 log_checkpoints=on
postgresql.conf内で
変更することをお勧めします checkpoint_segments
40 などの大きな値にすると、 checkpoint_completion_target
0.9 に変更して、説明している動作を滑らかにします。
設定については、9.3 の PostgreSQL ドキュメントで詳しく説明されています。 先行書き込みログ セクション。=)