使用 PolarDB 开源版 采用array数组和gin索引高效率解决用户画像、实时精准营销类业务需求

本文涉及的产品
云原生数据库 PolarDB MySQL 版,Serverless 5000PCU 100GB
简介: 背景PolarDB 的云原生存算分离架构, 具备低廉的数据存储、高效扩展弹性、高速多机并行计算能力、高速数据搜索和处理; PolarDB与计算算法结合, 将实现双剑合璧, 推动业务数据的价值产出, 将数据变成生产力.本文将介绍使用 PolarDB 开源版高效率解决用户画像、实时精准营销类业务需求测试...

背景

PolarDB 的云原生存算分离架构, 具备低廉的数据存储、高效扩展弹性、高速多机并行计算能力、高速数据搜索和处理; PolarDB与计算算法结合, 将实现双剑合璧, 推动业务数据的价值产出, 将数据变成生产力.

本文将介绍使用 PolarDB 开源版高效率解决用户画像、实时精准营销类业务需求

测试环境为macOS+docker, PolarDB部署请参考如何用 PolarDB 证明巴菲特的投资理念 - 包括PolarDB简单部署

原理

  1. 场景介绍:

用户画像通常被用于精准营销场景, 根据用户的行为分析并给用户打标签, 充分了解用户属性的诉求可以更好的实现供需连, 例如推送用户之所需, 根据市场需求进行备货等等.

数据分析时解决供需问题, 节省社会成本, 提升社会效率的有力手段.

  1. 难点:

  • 标签多, 标签的多少动态增减, 需要大量DDL, 不适合大宽表

  • 标签过滤需要全表扫描, 非常慢

  • 标签组合(包含、不包含等等), 过滤效率低

  • 每个用户的标签数量可能不一样, 不适合结构化存储

  1. PolarDB如何解决这个问题:

  • 画像存储: 采用数组, 解决了动态增减标签, 个性化标签的需求, 不涉及结构变更.

  • GIN索引: 解决高效率组合搜索过滤问题

  • fast update: 解决实时打标的效率问题. (后台异步merge gin index)

场景模拟和架构设计实践

  1. 创建模拟生成标签的函数

create or replace function gen_arr(normal int, hot int) returns int[] as $$  
  select array(select (100000*random())::int+500 from generate_series(1,$1)) || array(select (500*random())::int from generate_series(1,$2));  
$$ language sql strict;  

体现个性标签+热门标签, 个性标签10万个, 热门标签500个.

例如20个个性标签+10个热门标签, 组成了某个人的画像.

postgres=# select gen_arr(22,10);  
                                                                                 gen_arr                                                                                    
--------------------------------------------------------------------------------------------------------------------------------------------------------------------------  
 {84735,45437,35238,71110,22339,86790,89232,8340,851,50577,6600,53760,63854,95377,28505,12781,34180,56262,10835,53417,42865,67843,235,401,265,372,304,132,309,140,38,254}  
(1 row)  
  1. 创建测试表, 生产500万用户画像数据, 并创建gin索引

create table tbl (uid int8, tag int[]);  
  
insert into tbl select uid, gen_arr(22,10) from generate_series(1,5000000) uid;  
  
create index on tbl using gin (tag);  
  1. 圈选用户测试, 使用GIN倒排索引.

postgres=# explain select count(*) from tbl where tag @> '{100}'::int[];  
                                      QUERY PLAN                                        
--------------------------------------------------------------------------------------  
 Aggregate  (cost=24422.02..24422.03 rows=1 width=8)  
   ->  Bitmap Heap Scan on tbl  (cost=210.25..24359.52 rows=25000 width=0)  
         Recheck Cond: (tag @> '{100}'::integer[])  
         ->  Bitmap Index Scan on tbl_tag_idx  (cost=0.00..204.00 rows=25000 width=0)  
               Index Cond: (tag @> '{100}'::integer[])  
(5 rows)  

圈选某个热门标签

postgres=# select count(*) from tbl where tag @> '{100}'::int[];  
 count   
-------  
 99427  
(1 row)  
  
Time: 693.697 ms  

圈选某些热门标签

postgres=# select count(*) from tbl where tag @> '{100,50}'::int[];  
 count   
-------  
  1841  
(1 row)  
  
Time: 19.100 ms  

圈选某个个性标签

postgres=# select count(*) from tbl where tag @> '{600}'::int[];  
 count   
-------  
  1042  
(1 row)  
  
Time: 69.772 ms  

圈选某些个性标签

postgres=# select count(*) from tbl where tag @> '{600,700}'::int[];  
 count   
-------  
     0  
(1 row)  
  
Time: 11.029 ms  
  
postgres=# select count(*) from tbl where tag @> '{600,680}'::int[];  
 count   
-------  
     0  
(1 row)  
  
Time: 1.050 ms  

圈选某个个性标签, 并排除某个热门标签

postgres=# explain select count(*) from tbl where tag @> '{600}'::int[] and not (tag @> '{60}'::int[]);  
                                      QUERY PLAN                                        
--------------------------------------------------------------------------------------  
 Aggregate  (cost=23537.17..23537.18 rows=1 width=8)  
   ->  Bitmap Heap Scan on tbl  (cost=200.64..23478.51 rows=23463 width=0)  
         Recheck Cond: (tag @> '{600}'::integer[])  
         Filter: (NOT (tag @> '{60}'::integer[]))  
         ->  Bitmap Index Scan on tbl_tag_idx  (cost=0.00..194.78 rows=23917 width=0)  
               Index Cond: (tag @> '{600}'::integer[])  
(6 rows)  
  
Time: 0.570 ms  
  
postgres=# select count(*) from tbl where tag @> '{600}'::int[] and not (tag @> '{60}'::int[]);  
 count   
-------  
  1018  
(1 row)  
  
Time: 3.715 ms  

圈选某个热门标签, 并排除某个个性标签

postgres=# explain select count(*) from tbl where tag @> '{60}'::int[] and not (tag @> '{600}'::int[]);  
                                      QUERY PLAN                                        
--------------------------------------------------------------------------------------  
 Aggregate  (cost=109198.79..109198.80 rows=1 width=8)  
   ->  Bitmap Heap Scan on tbl  (cost=778.85..108962.84 rows=94380 width=0)  
         Recheck Cond: (tag @> '{60}'::integer[])  
         Filter: (NOT (tag @> '{600}'::integer[]))  
         ->  Bitmap Index Scan on tbl_tag_idx  (cost=0.00..755.26 rows=94834 width=0)  
               Index Cond: (tag @> '{60}'::integer[])  
(6 rows)  
  
Time: 1.714 ms  
  
postgres=# select count(*) from tbl where tag @> '{60}'::int[] and not (tag @> '{600}'::int[]);  
 count   
-------  
 98930  
(1 row)  
  
Time: 693.436 ms  

在笔记本上,性能已经起飞,何况是高端机器?

相关实践学习
使用PolarDB和ECS搭建门户网站
本场景主要介绍基于PolarDB和ECS实现搭建门户网站。
阿里云数据库产品家族及特性
阿里云智能数据库产品团队一直致力于不断健全产品体系,提升产品性能,打磨产品功能,从而帮助客户实现更加极致的弹性能力、具备更强的扩展能力、并利用云设施进一步降低企业成本。以云原生+分布式为核心技术抓手,打造以自研的在线事务型(OLTP)数据库Polar DB和在线分析型(OLAP)数据库Analytic DB为代表的新一代企业级云原生数据库产品体系, 结合NoSQL数据库、数据库生态工具、云原生智能化数据库管控平台,为阿里巴巴经济体以及各个行业的企业客户和开发者提供从公共云到混合云再到私有云的完整解决方案,提供基于云基础设施进行数据从处理、到存储、再到计算与分析的一体化解决方案。本节课带你了解阿里云数据库产品家族及特性。
相关文章
|
5月前
|
存储 分布式计算 MaxCompute
Hologres RoaringBitmap实践:千亿级画像数据秒级分析
Hologres RoaringBitmap实践:千亿级画像数据秒级分析
412 1
|
8月前
|
关系型数据库 分布式数据库 PolarDB
|
8月前
|
存储 分布式计算 MaxCompute
Hologres RoaringBitmap实践,千亿级画像数据秒级分析
本文将会分享Hologres RoaringBitmap 方案在画像分析的应用实践,实现更快更准的画像分析。
|
存储 分布式计算 Hadoop
OushuDB 小课堂丨实时分析:示例和优势
OushuDB 小课堂丨实时分析:示例和优势
43 0
|
10天前
|
搜索推荐 关系型数据库 分布式数据库
PolarDB 开源版通过roaringbitmap支持高效用户画像等标签操作
背景PolarDB 的云原生存算分离架构, 具备低廉的数据存储、高效扩展弹性、高速多机并行计算能力、高速数据搜索和处理; PolarDB与计算算法结合, 将实现双剑合璧, 推动业务数据的价值产出, 将数据变成生产力.本文将介绍PolarDB开源版通过roaringbitmap支持用户画像等标签操作场...
22 0
|
10天前
|
关系型数据库 分布式数据库 PolarDB
PolarDB 开源版通过 rum 实现高效率搜索和高效率排序的解决方案
背景PolarDB 的云原生存算分离架构, 具备低廉的数据存储、高效扩展弹性、高速多机并行计算能力、高速数据搜索和处理; PolarDB与计算算法结合, 将实现双剑合璧, 推动业务数据的 价值产出, 将数据变成生产力.本文将介绍PolarDB 开源版通过 rum 实现高效率搜索和高效率排序的解决方案...
23 0
|
10天前
|
关系型数据库 大数据 分布式数据库
PolarDB 开源版 使用PostGIS 数据寻龙点穴(空间聚集分析)- 大数据与GIS分析解决线下店铺选址问题
背景PolarDB 的云原生存算分离架构, 具备低廉的数据存储、高效扩展弹性、高速多机并行计算能力、高速数据搜索和处理; PolarDB与计算算法结合, 将实现双剑合璧, 推动业务数据的价值产出, 将数据变成生产力.本文将介绍PolarDB 开源版 使用PostGIS 数据寻龙点穴(空间聚集分析)-...
36 0
|
10天前
|
算法 关系型数据库 分布式数据库
使用 PolarDB 开源版 smlar 插件进行高效率相似文本搜索、自助选药、相似人群圈选等业务
背景PolarDB 的云原生存算分离架构, 具备低廉的数据存储、高效扩展弹性、高速多机并行计算能力、高速数据搜索和处理; PolarDB与计算算法结合, 将实现双剑合璧, 推动业务数据的价值产出, 将数据变成生产力。本文将介绍使用 PolarDB 开源版 smlar 插件进行高效率相似文本搜索、自助...
22 0
|
存储 并行计算 供应链
使用 PolarDB 开源版 采用array数组和gin索引高效率解决用户画像、实时精准营销类业务需求
PolarDB 的云原生存算分离架构, 具备低廉的数据存储、高效扩展弹性、高速多机并行计算能力、高速数据搜索和处理; PolarDB与计算算法结合, 将实现双剑合璧, 推动业务数据的价值产出, 将数据变成生产力. 本文将介绍使用 PolarDB 开源版高效率解决用户画像、实时精准营销类业务需求
248 0
|
存储 并行计算 搜索推荐
PolarDB 开源版通过roaringbitmap支持高效用户画像等标签操作
PolarDB 的云原生存算分离架构, 具备低廉的数据存储、高效扩展弹性、高速多机并行计算能力、高速数据搜索和处理; PolarDB与计算算法结合, 将实现双剑合璧, 推动业务数据的价值产出, 将数据变成生产力. 本文将介绍PolarDB开源版通过roaringbitmap支持用户画像等标签操作场景。
255 0