标签
PostgreSQL , varbitx , 标签 , 任意圈选 , 阿里云 , RDS , bitmap , 分段 , 并行计算 , 异步调用 , dblink , 异步dblink , 游标
背景
20亿用户，每个用户1000个标签，基于任意标签组合圈选、透视（业务上的需求是一次最多计算100个标签的组合）。
相当于要处理2000亿记录。
1、实时求标签组合的记录数。（即满足标签组合的用户有多少）
2、用户ID。（级满足标签组合的用户ID。）
要求实时响应。
通常你肯定会想，这个至少需要上百台机器来支撑。
但是我要给你一个惊喜，这个数据量，一台RDS PG实例即可。怎么做呢？听我道来，用最少的资源解决业务问题，用到RDS PG黑科技。
RDS PG 解决方案
方案如下：
《阿里云RDS PostgreSQL varbitx实践 - 流式标签 (阅后即焚流式批量计算) - 万亿级，任意标签圈人，毫秒响应》
优化方案，提高响应速度
1、bitmap切段
2、计算满足条件的USER COUNT值时，并行计算(使用dblink异步调用)
3、求用户ID时，使用游标，流式返回。
DEMO
1、需要用到的插件
create extension dblink;
create extension varbitx;
2、创建标签表，切段，例如20亿个用户，切成400段，每一段5000万个用户BIT。
postgres=# create table t_bitmap (
tagid int, -- 标签ID
ofid int, -- 偏移值, 乘以5000万
v varbit -- userid 比特
);
CREATE TABLE
3、创建索引(约束)
create unique index idx_t_bitmap_1 on t_bitmap (tagid, ofid);
4、创建1000个标签的BITMAP数据，每一个标签400条，每条的BIT长度为5000万位。
postgres=# do language plpgsql $$
declare v varbit := repeat('1',5000000)::varbit;
begin
for i in 1..100 loop
for x in 0..399 loop
insert into t_bitmap values (i, x, v);
end loop;
end loop;
end;
$$;
DO
Time: 150468.359 ms (02:30.468)
5、创建生成dblink连接的函数，重复创建不报错。
create or replace function conn(
name, -- dblink名字
text -- 连接串,URL
) returns void as $$
declare
begin
perform dblink_connect($1, $2);
return;
exception when others then
return;
end;
$$ language plpgsql strict;
6、AND标签组合的并行计算函数(dblink 异步并行)，返回USERID透视数。
create or replace function get_bitcount_and(
and_tagids int[], -- 输入标签ID数组
v_bit int, -- 求1或0的比特个数
conn text, -- 连接串
OUT cnt int8 -- 返回值, 多少个1或0
) returns setof int8 as $$
declare
begin
for i in 0..399 loop -- 生成400个链接，因为每行5000万，20亿个BIT，刚好400条。并LOOP
perform conn('link'||i, conn); -- 连接
perform dblink_get_result('link'||i); -- 消耗掉上一次异步连接的结果，否则会报错。
-- 发送异步DBLINK调用
-- 每次操作一个bit分段，返回BIT为0或1的位数
perform dblink_send_query('link'||i, format('select bit_count(bit_and(v), %s) from t_bitmap where tagid = any (%L) and ofid=%s', v_bit, and_tagids, i));
end loop;
for i in 0..399 loop
-- 返回异步调用结果，包括所有分段
return query SELECT * FROM dblink_get_result('link'||i) as t(cnt int8);
end loop;
end;
$$ language plpgsql strict;
7、OR标签组合的并行计算函数(dblink 异步并行)，返回USERID透视数。
create or replace function get_bitcount_or(
or_tagids int[],
v_bit int,
conn text, -- 连接串
OUT cnt int8
) returns setof int8 as $$
declare
begin
for i in 0..399 loop
perform conn('link'||i, conn);
perform dblink_get_result('link'||i);
perform dblink_send_query('link'||i, format('select bit_count(bit_or(v), %s) from t_bitmap where tagid = any (%L) and ofid=%s', v_bit, or_tagids, i));
end loop;
for i in 0..399 loop
return query SELECT * FROM dblink_get_result('link'||i) as t(cnt int8);
end loop;
end;
$$ language plpgsql strict;
8、AND，OR 标签组合的并行计算函数(dblink 异步并行)，返回USERID透视数。
create or replace function get_bitcount_and_or(
and_tagids int[],
or_tagids int[],
v_bit int,
conn text, -- 连接串
OUT cnt int8
) returns setof int8 as $$
declare
begin
for i in 0..399 loop
perform conn('link'||i, conn);
perform dblink_get_result('link'||i);
perform dblink_send_query('link'||i, format('
with t1 as (select bit_and(v) b from t_bitmap where tagid = any (%L) and ofid=%s),
t2 as (select bit_or(v) b from t_bitmap where tagid = any (%L) and ofid=%s)
select bit_count(bitor(t1.b, t2.b), %s) from t1,t2',
and_tagids, i, or_tagids, i, v_bit));
end loop;
for i in 0..399 loop
return query SELECT * FROM dblink_get_result('link'||i) as t(cnt int8);
end loop;
end;
$$ language plpgsql strict;
-- 更复杂的QUERY，可以自行修改函数。实际业务中这种需求较少。
-- (a and b andc or d) or (a and c) or (d and not b)..........
9、计数透视的性能如下，50个标签组合，仅1.5秒，100个标签组合，仅2.6秒：
我们统计2000亿个user_tags组合（每个用户一条记录，每条记录1000个标签时的换算），仅仅需要2.6秒。
一个标签：
postgres=# select sum(cnt) from (select get_bitcount_and(array_agg(id),1,'dbname=postgres user=postgres') cnt from generate_series(1,1) t(id)) t;
sum
------------
2000000000
(1 row)
Time: 791.392 ms
10个标签组合：
postgres=# select sum(cnt) from (select get_bitcount_and(array_agg(id),1,'dbname=postgres user=postgres') cnt from generate_series(1,10) t(id)) t;
sum
------------
2000000000
(1 row)
Time: 847.427 ms
50个标签组合：
postgres=# select sum(cnt) from (select get_bitcount_and(array_agg(id),1,'dbname=postgres user=postgres') cnt from generate_series(1,50) t(id)) t;
sum
------------
2000000000
(1 row)
Time: 1478.847 ms (00:01.479)
100个标签组合：
postgres=# select sum(cnt) from (select get_bitcount_and(array_agg(id),1,'dbname=postgres user=postgres') cnt from generate_series(1,100) t(id)) t;
sum
------------
2000000000
(1 row)
Time: 2574.761 ms (00:02.575)
10、AND 、 OR组合性能如下，性能一样：
postgres=# select sum(cnt) from (select get_bitcount_and_or(array_agg(case mod(id,2) when 0 then id end), array_agg(case mod(id,2) when 1 then id end), 1,'dbname=postgres user=postgres') cnt from generate_series(1,1) t(id)) t;
sum
-----
(1 row)
Time: 854.934 ms
postgres=# select sum(cnt) from (select get_bitcount_and_or(array_agg(case mod(id,2) when 0 then id end), array_agg(case mod(id,2) when 1 then id end), 1,'dbname=postgres user=postgres') cnt from generate_series(1,10) t(id)) t;
sum
------------
2000000000
(1 row)
Time: 889.472 ms
postgres=# select sum(cnt) from (select get_bitcount_and_or(array_agg(case mod(id,2) when 0 then id end), array_agg(case mod(id,2) when 1 then id end), 1,'dbname=postgres user=postgres') cnt from generate_series(1,50) t(id)) t;
sum
------------
2000000000
(1 row)
Time: 1519.031 ms (00:01.519)
postgres=# select sum(cnt) from (select get_bitcount_and_or(array_agg(case mod(id,2) when 0 then id end), array_agg(case mod(id,2) when 1 then id end), 1,'dbname=postgres user=postgres') cnt from generate_series(1,100) t(id)) t;
sum
------------
2000000000
(1 row)
Time: 2597.701 ms (00:02.598)
11、求USERID，AND 函数如下，我们为了达到高速响应，使用游标返回。
create or replace function get_pos_and(
and_tagids int[], -- 标签组合
v_bit int -- 求1或0的BIT位，返回游标，游标包含ofid与位置下标（当然了，这个翻译动作也可以交给程序，那么返回BIT和ofid即可）
) returns setof refcursor as $$
declare
ref refcursor[]; -- 返回游标数组
res refcursor; -- 返回游标
sql text; -- 游标对应的SQL，即取USERID位置的SQL
begin
for x in 1..400 loop -- 生成400个游标名
ref[x] := 'cur'||x;
end loop;
for i in 0..399 loop
-- 使用0到399的偏移值， 乘以5000万系数。
-- 赋予游标名
res := ref[i+1];
-- 生成游标对应的动态SQL(ofid, bit位置)，注意bit位置可以不翻译，交给程序翻译也没问题。程序翻译的话，翻译好之后，再使用in查询字典
-- select uid from uid_mapping where pos in (pos_array);
-- 1亿，in 100万, 380毫秒
-- [《HTAP数据库 PostgreSQL 场景与性能测试之 25 - (OLTP) IN , EXISTS 查询》](201711/20171107_26.md)
sql := format('select %s, bit_posite(bit_and(v), %s, true) from t_bitmap where tagid = any (%L) and ofid=%s', i, v_bit, and_tagids, i);
-- 打开游标
open res for execute sql ;
-- 返回游标
return next res;
end loop;
end;
$$ language plpgsql strict;
12、求USERID，OR 函数如下，我们为了达到高速响应，使用游标返回。
create or replace function get_pos_or(
or_tagids int[],
v_bit int
) returns setof refcursor as $$
declare
ref refcursor[];
res refcursor;
sql text;
begin
for x in 1..400 loop
ref[x] := 'cur'||x;
end loop;
for i in 0..399 loop
res := ref[i+1];
sql := format('select %s, bit_posite(bit_or(v), %s, true) from t_bitmap where tagid = any (%L) and ofid=%s', i, v_bit, or_tagids, i);
open res for execute sql ;
return next res;
end loop;
end;
$$ language plpgsql strict;
13、求USERID，AND OR 函数如下，我们为了达到高速响应，使用游标返回。
create or replace function get_pos_and_or(
and_tagids int[],
or_tagids int[],
v_bit int
) returns setof refcursor as $$
declare
ref refcursor[];
res refcursor;
sql text;
begin
for x in 1..400 loop
ref[x] := 'cur'||x;
end loop;
for i in 0..399 loop
res := ref[i+1];
sql := format('with t1 as
(select bit_and(v) v from t_bitmap where tagid = any (%L) and ofid=%s),
t2 as
(select bit_or(v) v from t_bitmap where tagid = any (%L) and ofid=%s)
select %s, bit_posite(bitor(t1.v, t2.v), %s, true) from t1,t2',
and_tagids, i, or_tagids, i, i, v_bit);
open res for execute sql ;
return next res;
end loop;
end;
$$ language plpgsql strict;
14、求USERID例子，88毫秒响应，极端速度。
postgres=# begin;
BEGIN
Time: 0.031 ms
postgres=# select * from get_pos_and_or(array[1,2,3], array[4,5,6], 1);
get_pos_and_or
----------------
cur1
cur2
cur3
cur4
cur5
cur6
cur7
....
cur399
cur400
(400 rows)
Time: 88.069 ms
获取游标值，5000万ID，仅692毫秒：
fetch 1 from cur1;
Time: 692.408 ms
15、如果我们把位置翻译放到客户端做，那么只需要获取结果BITMAP，那就更快了，224毫秒就可以获取5000万BIT走。 这块也能做成并发，每个客户端获取不同的ofid。
CREATE OR REPLACE FUNCTION public.get_pos_and(and_tagids integer[])
RETURNS SETOF refcursor
LANGUAGE plpgsql
STRICT
AS $function$
declare
ref refcursor[];
res refcursor;
sql text;
begin
for x in 1..400 loop
ref[x] := 'cur'||x;
end loop;
for i in 0..399 loop
res := ref[i+1];
-- sql := format('select %s, bit_posite(bit_and(v), %s, true) from t_bitmap where tagid = any (%L) and ofid=%s', i, v_bit, and_tagids, i);
sql := format('select %s, bit_and(v) from t_bitmap where tagid = any (%L) and ofid=%s', i, and_tagids, i);
open res for execute sql ;
return next res;
end loop;
end;
$function$;
postgres=# \timing
Timing is on.
postgres=# begin;
BEGIN
Time: 0.045 ms
postgres=# select get_pos_and(array_agg(id)) from generate_series(1,100) t(id);
get_pos_and
-------------
cur1
cur2
cur3
...
cur397
cur398
cur399
cur400
(400 rows)
fetch 1 from cur1;
Time: 224.776 ms
小结
varbitx是阿里云RDS PG提供的一个插件，使用它，单个RDS PG就可以实现万亿级别USER_TAGS的实时圈选。
使用BITMAP分段、DBLINK异步查询、游标等技术，提高性能。
性能指标：
1、求COUNT，2000亿（20亿用户，100个标签组合）USER_IDS，响应速度2.6秒。
2、求USERID明细，返回5000万用户ID位置，仅692毫秒。
3、求USERID明细，如果只返回BITMAP，5000万个BIT仅需224毫秒。
参考
《阿里云RDS PostgreSQL varbitx实践 - 流式标签 (阅后即焚流式批量计算) - 万亿级，任意标签圈人，毫秒响应》
《阿里云RDS for PostgreSQL varbitx插件与实时画像应用场景介绍》
《基于 阿里云 RDS PostgreSQL 打造实时用户画像推荐系统(varbitx)》
