博客
关于我
强烈建议你试试无所不能的chatGPT,快点击我
如何加快PostgreSQL结巴分词加载速度
阅读量:6048 次
发布时间:2019-06-20

本文共 7309 字,大约阅读时间需要 24 分钟。

背景

PostgreSQL的全文检索接口是开放API的,所以中文分词的插件也非常多,例如常用的scws分词插件,还有结巴分词的插件。

但是你在使用结巴分词插件的时候,有没有遇到这样的问题。

每个会话,第一次查询会比较慢,接下来的查询就快了。

例如

psql (9.5.3)Type "help" for help.postgres=# \timingTiming is on.postgres=# select * from ts_debug('jiebacfg', '子远e5a1cbb8'); alias | description |  token   | dictionaries | dictionary |  lexemes   -------+-------------+----------+--------------+------------+------------ n     | noun        | 子远     | {jieba_stem} | jieba_stem | {子远} n     | noun        | e5a1cbb8 | {jieba_stem} | jieba_stem | {e5a1cbb8}(2 rows)Time: 863.777 mspostgres=# select * from ts_debug('jiebacfg', '子远e5a1cbb8'); alias | description |  token   | dictionaries | dictionary |  lexemes   -------+-------------+----------+--------------+------------+------------ n     | noun        | 子远     | {jieba_stem} | jieba_stem | {子远} n     | noun        | e5a1cbb8 | {jieba_stem} | jieba_stem | {e5a1cbb8}(2 rows)Time: 1.342 ms

原因分析

第一次加载pg_jieba模块时,需要调用加载字典的动作。

/* * Module load callback */void_PG_init(void){        if (jieba_ctx)                return;        {                const char* dict_path = jieba_get_tsearch_config_filename(DICT_PATH, EXT);                const char* hmm_path = jieba_get_tsearch_config_filename(HMM_PATH, EXT);                const char* user_dict_path = jieba_get_tsearch_config_filename(USER_DICT, EXT);        /*         init will take a few seconds to load dicts.         */        jieba_ctx = Jieba_New(dict_path, hmm_path, user_dict_path);        }}

如果pg_jieba.so没有放在shared_preload_libraries或session_preload_libraries中,那么每个会话启动时,都需要load pg_jieba.so,从而导致了第一次查询速度非常慢。

例子

psql (9.5.3)Type "help" for help.postgres=# \timingTiming is on.postgres=# load 'pg_jieba';LOADTime: 857.098 mspostgres=# select * from ts_debug('jiebacfg', '子远e5a1cbb8'); alias | description |  token   | dictionaries | dictionary |  lexemes   -------+-------------+----------+--------------+------------+------------ n     | noun        | 子远     | {jieba_stem} | jieba_stem | {子远} n     | noun        | e5a1cbb8 | {jieba_stem} | jieba_stem | {e5a1cbb8}(2 rows)Time: 4.952 ms

如何解决

知道问题在哪里了,就好解决。

可以将pg_jieba.so配置在shared_preload_libraries或session_preload_libraries中,就能解决以上问题。

vi postgresql.conf shared_preload_libraries = 'pg_jieba.so'orsession_preload_libraries = 'pg_jieba.so'

重启数据库

pg_ctl restart -m fast

内存开销比对

.1. 未配置

shared_preload_libraries = 'pg_jieba.so'orsession_preload_libraries = 'pg_jieba.so'

session A :

psql (9.5.3)Type "help" for help.postgres=# select pg_backend_pid(); pg_backend_pid ----------------          12254(1 row)

session B :

psql (9.5.3)Type "help" for help.postgres=# select pg_backend_pid(); pg_backend_pid ----------------          12261(1 row)

backend process内存使用情况

# smem|grep 12261  PID User     Command                         Swap      USS      PSS      RSS12261 digoal   postgres: postgres postgres        0      812     1677     3780 # smem|grep 12254  PID User     Command                         Swap      USS      PSS      RSS12254 digoal   postgres: postgres postgres        0      812     1682     3788

在未使用pg_jieba时,通过/proc/12261/smaps 也可以看到没有加载pg_jieba.so。

分别执行加载pg_jieba的模块或执行pg_jieba词法解析后

postgres=# load 'pg_jieba';LOADTime: 872.095 ms

内存飙升

# smem|grep 12254  PID User     Command                         Swap      USS      PSS      RSS12254 digoal   postgres: postgres postgres        0   114404   116326   120272 # smem|grep 12261  PID User     Command                         Swap      USS      PSS      RSS12261 digoal   postgres: postgres postgres        0   114404   116321   120260

.1. 已配置

shared_preload_libraries = 'pg_jieba.so'orsession_preload_libraries = 'pg_jieba.so'

分别执行QUERY后,backend process进程内存没有独占加载pg_jieba.so的内存,算在共享内存中。

[root@iZ28tqoemgtZ ~]# smem|grep 12410  PID User     Command                         Swap      USS      PSS      RSS12410 digoal   postgres: postgres postgres        0     3696    17754   118988 [root@iZ28tqoemgtZ ~]# smem|grep 12412  PID User     Command                         Swap      USS      PSS      RSS12412 digoal   postgres: postgres postgres        0     3124    17115   118296

通过/proc/12410/smaps 也可以看到,只是用到pg_jieba.so时算了少量的Pss。

7fb68fe40000-7fb68fe55000 r-xp 00000000 fd:01 1052111                    /home/digoal/pgsql9.5/lib/pg_jieba.soSize:                 84 kBRss:                  48 kBPss:                  16 kBShared_Clean:         48 kBShared_Dirty:          0 kBPrivate_Clean:         0 kBPrivate_Dirty:         0 kBReferenced:           48 kBAnonymous:             0 kBAnonHugePages:         0 kBSwap:                  0 kBKernelPageSize:        4 kBMMUPageSize:           4 kBLocked:                0 kBVmFlags: rd ex mr mw me 7fb68fe55000-7fb690054000 ---p 00015000 fd:01 1052111                    /home/digoal/pgsql9.5/lib/pg_jieba.soSize:               2044 kBRss:                   0 kBPss:                   0 kBShared_Clean:          0 kBShared_Dirty:          0 kBPrivate_Clean:         0 kBPrivate_Dirty:         0 kBReferenced:            0 kBAnonymous:             0 kBAnonHugePages:         0 kBSwap:                  0 kBKernelPageSize:        4 kBMMUPageSize:           4 kBLocked:                0 kBVmFlags: mr mw me 7fb690054000-7fb690055000 r--p 00014000 fd:01 1052111                    /home/digoal/pgsql9.5/lib/pg_jieba.soSize:                  4 kBRss:                   4 kBPss:                   0 kBShared_Clean:          0 kBShared_Dirty:          4 kBPrivate_Clean:         0 kBPrivate_Dirty:         0 kBReferenced:            4 kBAnonymous:             4 kBAnonHugePages:         0 kBSwap:                  0 kBKernelPageSize:        4 kBMMUPageSize:           4 kBLocked:                0 kBVmFlags: rd mr mw me ac 7fb690055000-7fb690056000 rw-p 00015000 fd:01 1052111                    /home/digoal/pgsql9.5/lib/pg_jieba.so...

参考

  • 另外要提一点,结巴分词没有逗号的问题
  • 效率,每CPU核 约处理56.4万字/s。
postgres=# alter function to_tsvector(regconfig,text) volatile;ALTER FUNCTIONpostgres=# explain (buffers,timing,costs,verbose,analyze) select to_tsvector('jiebacfg','中华人民共和国万岁,如何加快PostgreSQL结巴分词加载速度') from generate_series(1,1000000);                                                                QUERY PLAN                                                                ----------------------------------------------------------------------------------------------------------------------------------- Function Scan on pg_catalog.generate_series  (cost=0.00..260.00 rows=1000 width=0) (actual time=100.054..13943.166 rows=1000000 loops=1)   Output: to_tsvector('jiebacfg'::regconfig, '中华人民共和国万岁,如何加快PostgreSQL结巴分词加载速度'::text)   Function Call: generate_series(1, 1000000)   Buffers: temp read=1710 written=1709 Planning time: 0.040 ms Execution time: 14175.527 ms(6 rows)Time: 14176.044 mspostgres=# select to_tsvector('jiebacfg','中华人民共和国万岁,如何加快PostgreSQL结巴分词加载速度');                                       to_tsvector                                        ------------------------------------------------------------------------------------------ 'postgresql':6 '万岁':2 '中华人民共和国':1 '分词':8 '加快':5 '加载':9 '结巴':7 '速度':10(1 row)Time: 0.522 mspostgres=# select 8*1000000/14.175527;      ?column?       --------------------- 564352.916120860974(1 row)Time: 0.743 ms

小结

  • 为了提高结巴分词插件的装载速度,应该将so文件配置为数据库启动时自动加载。
  • 使用数据库启动时自动加载,还有一个好处,内存使用量也大大减少。

祝大家玩得开心,欢迎随时来 阿里云促膝长谈 业务需求 ,恭候光临。

阿里云的小伙伴们加油,努力做 最贴地气的云数据库

转载地址:http://uhaex.baihongyu.com/

你可能感兴趣的文章
日期工具类 DateTools
查看>>
数据结构5.4_m元多项式的表示
查看>>
14. Longest Common Prefix
查看>>
Servlet页面登录的数据库验证程序(一)
查看>>
使用Promise 解决回调地狱
查看>>
rem简单实现移动端适配
查看>>
ios中利用委托在二个视图间传值
查看>>
iOS融云使用原理篇
查看>>
第六章
查看>>
golang+es 爬取网易云音乐评论
查看>>
Math Constants
查看>>
Ajax.BeginForm的异步提交数据 简介
查看>>
Oracle 11g不能导出空表的三种解决方法
查看>>
Wordpress 文章添加副标题
查看>>
21 段实用便捷的 PHP 代码
查看>>
包子凑数
查看>>
CocosStudio文件解析工具CsdAnalysis
查看>>
python 网络通信编程之tcp套接字socket
查看>>
Sql语句批量更新数据(多表关联)
查看>>
设置密码到期的天数
查看>>