暂无图片
暂无图片
暂无图片
暂无图片
暂无图片

PgSQL · 最佳实践 · 利用异步 dblink 快速从 oss 装载数据

1125

摘要

总所周知,阿里云的 PostgreSQL 和 HybridDB for PostgreSQL 和 oss 是全面互通的。HybridDB for PostgreSQL 由于是 MPP 架构天生包括多个计算节点,能够以为并发的方式读写 oss 上的数据。PostgreSQL 在这方面要差一点,默认情况下只能单进程读写 OSS,不过通过 dblink 的加持,我们也能让 OSS 中的数据快速装载到 PostgreSQL。本文就给大家讲讲这其中的黑科技。

一.准备工作

首先,创建我们要用到的插件。
    create extension dblink;
    create extension oss_fdw;
    复制

    二.创建异步化存储过程

      -- 异步数据装载的准备工作
      CREATE OR REPLACE FUNCTION rds_oss_fdw_load_data_prepare(t_from text, t_to text)
      RETURNS bool AS
      $BODY$
      DECLARE
      t_exist int;
      curs1 refcursor;
      r record;
      filepath text;
      fileindex int8;
      s1 text;
      s2 text;
      s3 text;
      c int = 0;
      s4 text;
      s5 text;
      ss4 text;
      ss5 text;
      sql text;
      BEGIN
      create table if not exists oss_fdw_load_status(id BIGSERIAL primary key, filename text, size int8, rows int8 default 0, status int default 0);

      select count(*) into t_exist from oss_fdw_load_status;

      if t_exist != 0 then
      RAISE NOTICE 'oss_fdw_load_status not empty';
      return false;
      end if;

      -- 通过 oss_fdw_list_file 函数,把外部表 t_from 匹配的 OSS 中的文件列到表中
      insert into oss_fdw_load_status (filename, size) select name,size from oss_fdw_list_file(t_from) order by size desc;

      select count(*) into t_exist from oss_fdw_load_status;
      if t_exist = 0 then
      RAISE NOTICE 'oss_fdw_load_status empty,not task found';
      return false;
      end if;

      return true;
      END;
      $BODY$
      LANGUAGE plpgsql;

      -- 数据装载的工作函数
      CREATE OR REPLACE FUNCTION rds_oss_fdw_load_data_execute(t_from text, t_to text, num_work int, pass text)
      RETURNS bool AS
      $BODY$
      DECLARE
      t_exist int;
      curs1 refcursor;
      r record;
      filepath text;
      fileindex int8;
      s1 text;
      s2 text;
      s3 text;
      c int = 0;
      s4 text;
      s5 text;
      ss4 text;
      ss5 text;
      sql text;
      db text;
      user text;
      BEGIN
      select count(*) into t_exist from oss_fdw_load_status;
      if t_exist = 0 then
      RAISE NOTICE 'oss_fdw_load_status empty';
      return false;
      end if;

      s4 = 'oss_loader';
      s5 = 'idle';
      ss4 = '''' || s4 ||'''';
      ss5 = '''' || s5 ||'''';
      sql = 'select count(*) from pg_stat_activity where application_name = ' || ss4 || ' and state != ' || ss5;

      select current_database() into db;
      select current_user into user;

      -- 通过游标,不断获取单个任务
      OPEN curs1 FOR SELECT id, filename FROM oss_fdw_load_status order by id;
      loop
      fetch curs1 into r;
      if not found then
      exit;
      end if;
      fileindex = r.id;
      filepath = r.filename;

      s1 = '''' || t_from ||'''';
      s2 = '''' || t_to ||'''';
      s3 = '''' || filepath ||'''';

      LOOP
      -- 查看当前正在工作的任务数,过达到并发数就在这里等待
      select a into c from dblink('dbname='||db ||' user='||user || ' password='||pass ,sql)as t(a int);
      IF c < num_work THEN
      EXIT;
      END IF;
      RAISE NOTICE 'current runing % loader', c;
      perform pg_sleep(1);
      END LOOP;

      -- 通过 DBLINK 创建异步任务
      perform dis_conn('oss_loader_'||fileindex);
      perform dblink_connect('oss_loader_'||fileindex, 'dbname='||db ||' user='||user || ' application_name=oss_loader' || ' password='||pass);
      perform dblink_send_query('oss_loader_'||fileindex, format('
      begin;
      select rds_oss_fdw_load_single_file(%s,%s,%s,%s);
      end;'
      , fileindex, s1, s2, s3)
      );
      RAISE NOTICE 'runing loader task % filename %',fileindex, filepath;
      end loop;
      close curs1;

      -- 任务分配完成,等待所有任务完成
      LOOP
      select a into c from dblink('dbname='||db ||' user='||user || ' password='||pass ,sql)as t(a int);
      IF c = 0 THEN
      EXIT;
      END IF;
      RAISE NOTICE 'current runing % loader', c;
      perform pg_sleep(1);
      END LOOP;

      return true;
      END;
      $BODY$
      LANGUAGE plpgsql;

      -- 单个文件的数据装在函数
      CREATE OR REPLACE FUNCTION rds_oss_fdw_load_single_file(taskid int8, t_from text, t_to text, filepath text)
      RETURNS void AS
      $BODY$
      DECLARE
      rowscount int8 = 0;
      current text;
      sql text;
      BEGIN
      -- 配置 GUC 参数,指定要导入的 OSS 上的文件
      perform set_config('oss_fdw.rds_read_one_file',filepath,true);
      select current_setting('oss_fdw.rds_read_one_file') into current;
      RAISE NOTICE 'begin load %', current;

      -- 通过动态 SQL 导入数据
      EXECUTE 'insert into '|| t_to || ' select * from ' || t_from;
      GET DIAGNOSTICS rowscount = ROW_COUNT;

      -- 导入完成后,把结果保存到状态表中
      RAISE NOTICE 'end load id % % to % % rows', taskid, filepath, t_to, rowscount;
      update oss_fdw_load_status set rows = rowscount,status = 1 where id = taskid;
      return;

      EXCEPTION
      when others then
      RAISE 'run rds_oss_fdw_load_single_file with error';
      END;
      $BODY$
      LANGUAGE plpgsql;

      -- 关闭连接不报错
      create or replace function dis_conn(name) returns void as $$
      declare
      begin
      perform dblink_disconnect($1);
      return;
      exception when others then
      return;
      end;
      $$ language plpgsql strict;

      复制

      三.使用函数装载数据

      1. 准备数据

        select rds_oss_fdw_load_data_prepare('oss_table','lineitem');
        复制
        执行后,会看到表 oss_fdw_load_status 中,保存了准备导入的所有文件列表,用户可以做适当的删减定制。

        2. 数据装载

          select rds_oss_fdw_load_data_execute('oss_table','lineitem',10,'mypassword');
          复制
          函数 rds_oss_fdw_load_data_execute 会等待数据导入的完成才返回。

          3. 查询状态

          期间,我们可以通过下列 SQL 查看正在工作的异步会话状态
            select application_name, state, pid,query, now() - xact_start as xact from pg_stat_activity where state != 'idle' and application_name='oss_loader' order by xact desc;
            复制

            4.管理状态

            同时,我们也可以随时中断数据导入工作
              select pg_terminate_backend(pid),application_name, state ,query from pg_stat_activity where state != 'idle' and pid != pg_backend_pid() and application_name='oss_loader';

              复制

              5. 查看进度

              我们也很容易看到整个数据装载的进度(单位 MB)
                select
                (
                select sum(size)/1024/1024 as complete from oss_fdw_load_status where status = 1
                )a,
                (
                select sum(size)/1024/1024 as full from oss_fdw_load_status
                )b;

                复制

                6. 性能

                使用 TPCC 100GB的数据进行装载测试,耗时 10 分钟,平均 170MB/S
                  select rds_oss_fdw_load_data_prepare('t_oss2','lineitem');

                  select rds_oss_fdw_load_data_execute('t_oss2','lineitem',10,'123456Zwj');

                  select sum(size)/1024/1024 from oss_fdw_load_status;
                  ?column?
                  --------------------
                  22561.919849395752
                  (1 row)

                  select pg_size_pretty(pg_relation_size(oid)) from pg_class where relname = 'lineitem';
                  pg_size_pretty
                  ----------------
                  101 GB
                  (1 row)

                  复制

                  总结

                  本文使用 plsql + dblink 的方式加速了 OSS 的数据导入。另外,大家也可以关注到以下三点

                  • 1. PostgreSQL 默认的过程语言 pl/pgsql 相当好用,和 SQL 引擎紧密结合且学习成本低。我们推荐用户把业务逻辑用它实现。使用过程语言相对于在客户端执行 SQL,消除了服务器到和客户端的网络开销,有天然的性能优势。
                  • 2. dblink 的异步接口非常适合做性能加速,且和过程语言紧密结合。推荐在 SQL 和 过程语言中使用。
                  • 3. 阿里云开发的 oss_fdw 能在 PostgreSQL 和 OSS 之间做快速的数据交换。oss_fdw 支持 CSV 和压缩方式 CSV 数据的读和写,且很容易用并行加速。oss_fdw 的性能相对于 jdbc insert 和 copy 有压倒的性能优势。




                  PostgreSQL中文社区欢迎广大技术人员投稿
                  投稿邮箱:press@postgres.cn

                  文章转载自PostgreSQL中文社区,如果涉嫌侵权,请发送邮件至:contact@modb.pro进行举报,并提供相关证据,一经查实,墨天轮将立刻删除相关内容。

                  评论