如何 10 分钟内插入 13 亿条记录？

V2EX = way to explore

V2EX 是一个关于分享和探索的地方

现在注册

已注册用户请登录

V2EX 提问指南

这是一个创建于 1287 天前的主题，其中的信息可能已经有所发展或是发生改变。

之前的一个帖子单表 13 亿记录创建索引需要多长时间？测试了在一台 8C32G 服务器给一列加索引大概需要 24 分钟，由于插入脚本没有优化，花费了大概 2 个小时左右。

最近研究了一下，还是 8C32G 服务器，最快的插入大概多久？先上结论：10 分钟。

步骤：

建表：

CREATE unlogged TABLE  "test" (
  "id" SERIAL PRIMARY KEY NOT NULL,
  "ip" integer NOT NULL,
  "domain" varchar DEFAULT 'drawerd.com'
);

再生成一个 12.8 亿条记录的 csv，大概 41G

f = File.open("ii.csv", "w")
(1..1280000000).each do |x|
  f.puts [x, Random.random_number(1000000000), "#{x}.com"].join(",")
end
f.close

csv 概览：

tail -fn20 ii.csv
1279999981,379768240,1279999981.com
1279999982,440776589,1279999982.com
1279999983,194045965,1279999983.com
1279999984,643339201,1279999984.com
1279999985,397295532,1279999985.com
1279999986,308045177,1279999986.com
1279999987,860093304,1279999987.com
1279999988,557636470,1279999988.com
1279999989,882497774,1279999989.com
1279999990,987416658,1279999990.com
1279999991,728315013,1279999991.com
1279999992,163951092,1279999992.com
1279999993,524652,1279999993.com
1279999994,871673632,1279999994.com
1279999995,833545894,1279999995.com
1279999996,635775438,1279999996.com
1279999997,19686670,1279999997.com
1279999998,243310061,1279999998.com
1279999999,706814112,1279999999.com
1280000000,701386384,1280000000.com

使用timesccaledb-parallel-copy，开 8 个进程，batch-size 设置为 10w，并发 copy 。之前以为 timesccaledb-parallel-copy 只能 timescaledb 用，现在测试了一下，纯 pg 也可以用。

timescaledb-parallel-copy --db-name postgres --table test --file ./ii.csv --workers 8 --reporting-period 30s -connection "host=localhost user=postgres password=helloworld sslmode=disable" -truncate -batch-size 100000

如果单纯使用 PG 的 copy 的话，只是利用单进程，使用 imescaledb-parallel-copy 会多进程同时 copy，从图上可以看到 CPU 几乎被跑满。可以达到每秒 200w 的写入。如果是 64 核的机器，只要不到两分钟，神不神奇...

timescaledb-parallel-copy --db-name postgres --table test --file ./ii.csv --workers 8 --reporting-period 30s -connection "host=localhost user=postgres password=helloworld sslmode=disable" -truncate -batch-size 100000
at 30s, row rate 2049993.13/sec (period), row rate 2049993.13/sec (overall), 6.150000E+07 total rows
at 1m0s, row rate 1913075.25/sec (period), row rate 1981529.69/sec (overall), 1.189000E+08 total rows
at 1m30s, row rate 1930261.28/sec (period), row rate 1964442.55/sec (overall), 1.768000E+08 total rows
at 2m0s, row rate 1943332.35/sec (period), row rate 1959165.00/sec (overall), 2.351000E+08 total rows
at 2m30s, row rate 1966667.61/sec (period), row rate 1960665.52/sec (overall), 2.941000E+08 total rows
at 3m0s, row rate 1919998.29/sec (period), row rate 1953887.65/sec (overall), 3.517000E+08 total rows
at 3m30s, row rate 1950001.96/sec (period), row rate 1953332.55/sec (overall), 4.102000E+08 total rows
at 4m0s, row rate 1949999.02/sec (period), row rate 1952915.86/sec (overall), 4.687000E+08 total rows
at 4m30s, row rate 1929999.19/sec (period), row rate 1950369.56/sec (overall), 5.266000E+08 total rows
at 5m0s, row rate 1873333.69/sec (period), row rate 1942665.98/sec (overall), 5.828000E+08 total rows
at 5m30s, row rate 1913172.63/sec (period), row rate 1939984.56/sec (overall), 6.402000E+08 total rows
at 6m0s, row rate 1843488.31/sec (period), row rate 1931943.89/sec (overall), 6.955000E+08 total rows
at 6m30s, row rate 1816666.49/sec (period), row rate 1923076.40/sec (overall), 7.500000E+08 total rows
at 7m0s, row rate 1962938.14/sec (period), row rate 1925924.19/sec (overall), 8.089000E+08 total rows
at 7m30s, row rate 1950394.13/sec (period), row rate 1927555.19/sec (overall), 8.674000E+08 total rows
at 8m0s, row rate 1963333.08/sec (period), row rate 1929791.31/sec (overall), 9.263000E+08 total rows
at 8m30s, row rate 1963333.49/sec (period), row rate 1931764.38/sec (overall), 9.852000E+08 total rows
at 9m0s, row rate 1966666.04/sec (period), row rate 1933703.36/sec (overall), 1.044200E+09 total rows
at 9m30s, row rate 1963333.35/sec (period), row rate 1935262.83/sec (overall), 1.103100E+09 total rows
at 10m0s, row rate 1949999.36/sec (period), row rate 1935999.66/sec (overall), 1.161600E+09 total rows
at 10m30s, row rate 1966667.45/sec (period), row rate 1937460.03/sec (overall), 1.220600E+09 total rows
at 11m0s, row rate 1933333.38/sec (period), row rate 1937272.46/sec (overall), 1.278600E+09 total rows
COPY 1280000000

39 条回复 • 2021-03-09 14:49:48 +08:00

ferock

2020-10-10 09:34:10 +08:00

学习了，感谢

mazyi

2020-10-10 09:58:33 +08:00

主要还是 ssd 厉害

hooopo

2020-10-10 10:11:48 +08:00 via Android

@mazyi 别瞎说你也用 ssd 试一下

sunziren

2020-10-10 10:12:50 +08:00

six ！ six ！ six ！

Numbcoder

2020-10-10 10:28:21 +08:00

炮哥厉害！

opengps

2020-10-10 10:35:40 +08:00

这个测试的意义并不大，与其说是测试写入 io，倒不如说是在测试硬盘写入速度（直接总数据大小除以硬盘平均写入速度）
现实里的这种规模的表：
1，往往不会是自增 id （因为自增有极限值），而是选用时间戳作为聚集索引，写入时候需要考虑维护索引的开销
2，很难使同样的块大小，现实中的大量数据，往往不采用等长大小存储
3，ssd 硬盘的性能，可能有不同的实现方式，比如虚拟机下的 ssd，只能约等于普通物理机械硬盘的 io

chihiro2014

2020-10-10 10:59:05 +08:00

对于这种，磁盘 IO 就是瓶颈了吧= =，内存型应该会更快

hooopo

2020-10-10 11:12:34 +08:00

@opengps

自增有极限值怎么了？你了解一下 int8 的范围再来发言好不好？
请问，目前有什么方案导入到数据库的速度能逼近硬盘写入速度？

liprais

2020-10-10 11:16:58 +08:00

@opengps postgres 哪来的 clustering index ?

leafre

2020-10-10 11:17:04 +08:00

哈哈哈

opengps

2020-10-10 11:32:33 +08:00

@hooopo 没有杠的意思哈，只是发表下个人的理解和评论
应用场景不同，对于超大数据量的应用，实际项目中都是需要避免任何带有极限值的自增 id，这也是出于对于将来分布式数据库的设计考虑，我最近还一不小心因为对于日志表增长的忽视，在 sqlserver 中因为自增 int 爆表了一次。
@liprais pg 我并不熟悉，我是基于我对关系型数据库应用的推断

hooopo

2020-10-10 11:44:53 +08:00 via Android

@opengps 别扯分布式 snowflake uuid 就是 bigint 的分布式么？你自己用 int4 爆表了是连范围都不清楚怪谁？

opengps

2020-10-10 11:45:29 +08:00

@hooopo 好的，不扯了，给你造成不便，。告辞

030

2020-10-10 11:49:09 +08:00

这就是跑分仔？有鲁大师评分吗

hooopo

2020-10-10 11:51:30 +08:00 via Android

@030 啥叫跑分？你在 v 站上搜一下看看其他人 mongo mysql pg 插入的速度你就知道 10 分钟 13 亿是什么水平

chihiro2014

2020-10-10 11:53:40 +08:00

@opengps pg 中的那个叫做 clustered index，叫法不同罢了

mazyi

2020-10-10 11:55:25 +08:00

@hooopo 既然你觉得不是 ssd 厉害，那你换成机械硬盘也跑一个。

liprais

2020-10-10 11:57:53 +08:00

“pg 我并不熟悉，我是基于我对关系型数据库应用的推断”
笑掉大牙

hooopo

2020-10-10 12:08:40 +08:00 via Android

@liprais 这哥们能自己用 int4 主键存日志爆了表，然后来这里指导不能用有极值的类型，估计没跑爆表之前不知道 int4 范围，也是醉了

hooopo

2020-10-10 12:10:50 +08:00 via Android

@mazyi 我换 USB 也比你跑的快

aec4d

2020-10-10 12:22:33 +08:00 via iPhone

插进去了查询也是个问题....... 我选择用 clickhouse

hooopo

2020-10-10 12:26:43 +08:00 via Android

@aec4d ch 能 oltp 吗

aec4d

2020-10-10 12:29:12 +08:00 via iPhone

@hooopo 当然不能

yushiro

2020-10-10 12:33:45 +08:00 via iPhone

这个……不就是对应 mssql 的 bcp 方式导入嘛，buck copy 肯定比单条 insert 快。
大概 10 多年前就这样来准备测试数据了。
当时的机器，单线程 insert 速度在 1000 条 /s
用 bcp 的方式导入，快 2 个数量级。

namelosw

2020-10-10 12:47:46 +08:00 via iPhone

这么大插入是不是可以考虑 Cassandra 或者 Kafka 风格的那种顺序读写，异步索引的方案了？

hooopo

2020-10-10 12:50:42 +08:00 via Android

@yushiro bcp 只是生成了批量 insert 语句吧，怎么都不如 pg 的 copy 快:https://programmer.help/blogs/data-migration-import-and-export-tests-between-postgresql-and-mssql-sql-server.html

hooopo

2020-10-10 12:54:24 +08:00 via Android

@namelosw 有什么好处

mazyi

2020-10-10 12:58:48 +08:00 via iPhone

@hooopo 跑不出就是跑不出，再强硬的姿态也改变不了事实。

hooopo

2020-10-10 13:00:07 +08:00 via Android

@mazyi 你在说什么你是小学生吗

mazyi

2020-10-10 13:01:51 +08:00 via iPhone

@hooopo 没有呢，幼儿园学前班呢

hooopo

2020-10-10 13:37:02 +08:00 via Android

@mazyi 好的

yanfany

2020-10-10 13:43:18 +08:00

一个纯技术交流的帖都能吵起来。。。v 站的讨论氛围恶化

namelosw

2020-10-10 14:01:53 +08:00

@namelosw 比较简单把，可以比较容易达到硬盘理论极限，疯狂插入的场景用的。RDBMS 的设计导致了插入速度慢。

shyling

2020-10-10 14:29:13 +08:00

原问题是 mysql 吧，这都换了几个数据库了=。=

不知道换 rocksdb 这种基于 lsm 的写入是个什么速度

hooopo

2020-10-10 14:30:09 +08:00

@shyling 换了一个

yushiro

2020-10-10 19:05:01 +08:00 via iPhone

@hooopo 不，bcp 是导入导出 mssql 的 cli，数据需要事先生成的，跟你写的类似，先准备 csv 文件。
我觉得此题的要点就是，你所熟悉的 dbms 系统，有没有相应的 buck copy 实现，以及你是否熟悉这种用法。

kingsmalltwo

2020-10-10 20:01:37 +08:00

有一个思路，就是直接写数据库表对应的文件，然后重启服务加载。

yintianwen

2021-03-09 14:47:34 +08:00

PG 参数有什么需要优化的？

hooopo

2021-03-09 14:49:48 +08:00

@yintianwen 没有优化这个要按实际应用类型来吧