性能测试

测试实例规格

• 引擎版本：AnalyticDB PostgreSQL 7.0版。

• 内核小版本：v7.1.0.0。

• 实例系列：高可用版。

• 节点规格：4 C 32 GB。

• 节点数量：4 Segment。

• 节点存储容量：200 GB。

• 存储磁盘类型：ESSD云盘PL1。

• Master资源：8 CU。

测试数据集

数据来源为维基百科英语语料库的快照，包含500万条数据。下载数据，请参见测试数据。本次测试了1亿条数据（将本次测试数据重复导入20次）下的性能情况。

• 数据由url、title和body组成。

• 数据格式为JSON。

• 数据大小为2.34 GB。

性能测试结果

• BM25索引构建耗时约为Gin(tsvector)索引耗时的63%。

• 在单Term查询方面，BM25索引的QPS性能为Gin(tsvector)索引的6-7倍。

• 在多Term查询方面，BM25索引的QPS性能为Gin(tsvector)索引的6-11倍。

• 在单Term AND点查询方面，BM25索引的QPS性能为Gin(tsvector)+btree索引的6-9倍。

• 在单Term AND范围查询方面，BM25索引的QPS性能为Gin(tsvector)+btree索引的1-9倍。

索引构建

查询单个Term

在body列上查询包含某个Term的TOP 20结果，例如body:"Gabriel Basso"。这些Term的平均出现频率为56685（单位：次）。结果取最大的QPS以及对应时间点的RT。

查询多个Term

在body列上查询包含多个Term中任意一个或多个的TOP20结果，例如body:handsworth OR body:cern。所有的Term都是从数据集中提取的，本次结果排除了罕见的Term（出现次数少于100次）。每个查询所包含的Term数量符合权重分布[0.03, 0.15, 0.25, 0.25, 0.15, 0.08, 0.04, 0.03, 0.02]。即有3%的查询包含1个Term、15%的查询包含2个Term等。

查询单Term AND点查

点查条件只命中一条数据。

SELECT * FROM articles ORDER BY body @@@ pgsearch.config('body:"David" AND id:80000000');
SELECT * FROM articles_gin WHERE  body_ts @@ to_tsquery('David') AND id = '80000000';

查询单Term AND范围查询

范围查询过滤掉99.99%的数据，命中1万条数据。

SELECT * FROM articles WHERE body @@ pgsearch.config('body:"David" AND id:[110000 TO 120000]');
SELECT * FROM articles_gin WHERE  body_ts @@ to_tsquery('David') AND id >= '110000' AND id <= '120000';