在使用 PostgreSQL 的时候,我们某些时候会往库里插入大量数据,例如,导入测试数据,导入业务数据等等。本篇文章介绍了在导入大量数据时的一些可供选择的优化手段。可以结合自己的情况进行选择。


一、关闭自动提交


关闭自动提交,并且只在每次 (数据拷贝) 结束的时候做一次提交。


如果允许每个插入都独立地提交,那么 PostgreSQL 会为所增加的每行记录做大量的处理。而且在一个事务里完成所有插入的动作的最大的好处就是,如果有一条记录插入失败, 那么,到该点为止的所有已插入记录都将被回滚,这样就不会面对只有部分数据,数据不完整的问题。


postgres=#  echo :AUTOCOMMITon

postgres=# set AUTOCOMMIT offpostgres=#  echo :AUTOCOMMIToff

二、导入阶段不创建索引,或者导入阶段删除索引


如果你正导入一张表的数据,最快的方法是创建表,用 COPY 批量导入,然后创建表需要的索引。在已存在数据的表上创建索引要比递增地更新表的每一行记录要快。


如果你对现有表增加大量的数据,可以先删除索引,导入表的数据,然后重新创建索引。当然,在缺少索引的期间,其它数据库用户的数据库性能将有负面的影响。并且我们在删除唯一索引之前还需要仔细考虑清楚,因为唯一约束提供的错误检查在缺少索引的时候会消失。(慎重考虑索引带来的影响)


三、删除外键约束


和索引一样,整体地检查外键约束比检查递增的数据行更高效。所以我们也可以删除外键约束,导入表地数据,然后重建约束会更高效。


四、增大 maintenance_work_mem


在装载大量的数据的时候,临时增大 maintenance_work_mem 可以改进性能。这个参数也可以帮助加速 CREATE INDEX 和 ALTER TABLE ADD FOREIGN KEY 命令。它不会对 COPY 本身有很大作用,但是它可以加速创建索引和外键约束。


postgres=# show maintenance_work_mem; maintenance_work_mem

----------------------

 64MB

(1 row)

五、单值 insert 改多值 insert


减少 SQL 解析的时间。


六、关闭归档模式并降低 wal 日志级别


当使用 WAL 归档或流复制向一个安装中录入大量数据时,在导入数据结束时,执行一次新的 basebackup 比执行一次增量 WAL 更快。


为了防止录入时的增量 WAL,可以将 wal_level 暂时调整为 minimal, archive_modet 关闭,max_wal_senders 设置为 0 来禁用归档和流复制。但需修改这些设置需要重启服务。


postgres=# show wal_level; wal_level

-----------

 minimal

(1 row)


postgres=# show  archive_mode; archive_mode

--------------

 off

(1 row)


postgres=# show max_wal_senders; max_wal_senders

-----------------

 0

(1 row)

七、增大 max_wal_size


临时增大 max_wal_size 配置变量也可以让大量数据载入更快。这是因为向 PostgreSQL 中载入大量的数据将导致检查点的发生比平常(由 checkpoint_timeout 配置变量指定)更频繁。


发生检查点时,所有脏页都必须被刷写到磁盘上。通过在批量数据载入时临时增加 max_wal_size,减少检查点的数目。


postgres=# show max_wal_size; max_wal_size

--------------

 1GB

(1 row)

八、使用 copy 替代 insert


COPY 针对批量数据加载进行了优化。


COPY 命令是为装载数量巨大的数据行优化过的;它没 INSERT 那么灵活,但是在大量装载数据的情况下,导致的荷载也少很多。因为 COPY 是单条命令,因此填充表的时候就没有必要关闭自动提交了。


如果不能使用 COPY,可以使用 PREPARE 来创建一个预备 INSERT,然后使用 EXECUTE 多次效率更高。这样就避免了重复分析和规划 INSERT 的开销。


九、禁用触发器


导入数据之前先 DISABLE 掉相关表上的触发器,导入完成后重新让他 ENABLE。


ALTER TABLE tab_1 DISABLE TRIGGER ALL;

导入数据ALTER TABLE tab_1 ENABLE TRIGGER ALL;

十、相关导数工具:pg_bulkload


pg_bulkload 是 PostgreSQL 的一个高速数据加载工具,相对于 copy 命令。最大的优势是速度。在 pg_bulkload 的直接模式下,它将跳过共享缓冲区和 WAL 缓冲区,直接写入文件。它还包括数据恢复功能,可在导入失败时进行恢复。


地址:https://github.com/ossc-db/pg_bulkload


十一、导入数据后,使用 analyze


运行 ANALYZE 或者 VACUUM ANALYZE 可以保证规划器有表数据的最新统计。


如果没有统计数据或者统计数据太陈旧,那么规划器可能选择性能很差的执行计划,导致表的查询性能较差。