PostgreSQL性能优化：详解性能压测工具（pgbench）

文章目录

• • [一、pgbench 基础：安装与默认测试](#一、pgbench 基础：安装与默认测试)
  • • [1.1 安装与验证](#1.1 安装与验证)
    • [1.2 默认测试模型（TPC-B 简化版）](#1.2 默认测试模型（TPC-B 简化版）)
    • [1.3 初始化测试数据](#1.3 初始化测试数据)
  • 二、执行压测：核心参数详解
  • • [2.1 基本压测命令](#2.1 基本压测命令)
    • [2.2 关键参数说明](#2.2 关键参数说明)
    • • （1）客户端与线程模型
      • （2）测试时长与事务数
      • （3）预热与冷却
      • （4）连接与认证
  • 三、自定义测试脚本：超越默认模型
  • • [3.1 脚本语法基础](#3.1 脚本语法基础)
    • [3.2 编写只读查询脚本（example_ro.sql）](#3.2 编写只读查询脚本（example_ro.sql）)
    • [3.3 编写混合读写脚本（example_mixed.sql）](#3.3 编写混合读写脚本（example_mixed.sql）)
    • [3.4 多脚本权重测试](#3.4 多脚本权重测试)
  • 四、高级功能与技巧
  • • [4.1 使用内置脚本（-b）](#4.1 使用内置脚本（-b）)
    • [4.2 控制数据分布](#4.2 控制数据分布)
    • [4.3 输出详细统计](#4.3 输出详细统计)
    • [4.4 连接池测试](#4.4 连接池测试)
  • 五、结果解读与性能分析
  • • [5.1 标准输出示例](#5.1 标准输出示例)
    • [5.2 性能瓶颈判断](#5.2 性能瓶颈判断)
  • 六、实战案例：配置调优验证
  • • [场景：验证 `synchronous_commit` 对写入性能的影响](#场景：验证 synchronous_commit 对写入性能的影响)
  • 七、局限性与替代方案
  • • [7.1 pgbench 的局限](#7.1 pgbench 的局限)
    • [7.2 替代工具推荐](#7.2 替代工具推荐)
  • 八、实践总结
  • 附录：常用命令速查

在数据库性能优化、容量规划、配置验证和版本升级等关键场景中，科学的性能压测 是不可或缺的环节。PostgreSQL 自带的 pgbench 是一款轻量级但功能强大的基准测试工具，能够模拟多客户端并发访问，评估数据库在不同负载下的吞吐量（TPS）、延迟和资源消耗。

尽管 pgbench 默认仅提供简单的 TPC-B 类似测试，但通过自定义脚本、参数调优和结果分析，它可以胜任从基础性能摸底到复杂业务场景仿真的各类压测任务。

本文将全面解析 pgbench 的工作原理、核心参数、脚本编写、高级用法及实战案例，助你构建可复现、可对比、可量化的 PostgreSQL 性能评估体系。

---

一、pgbench 基础：安装与默认测试

1.1 安装与验证

pgbench 通常随 PostgreSQL 服务端或客户端包一同安装。若未安装，可通过以下方式获取：

• Ubuntu/Debian ：apt install postgresql-contrib
• RHEL/CentOS ：yum install postgresql-contrib
• 源码编译 ：位于 src/bin/pgbench/

验证安装：

pgbench --version

1.2 默认测试模型（TPC-B 简化版）

pgbench 默认模拟一个银行转账场景，涉及四张表：

• pgbench_accounts（账户表，主数据）
• pgbench_branches（分行表）
• pgbench_tellers（柜员表）
• pgbench_history（交易历史表）

默认事务逻辑：

BEGIN;
UPDATE pgbench_accounts SET abalance = abalance + :delta WHERE aid = :aid;
SELECT abalance FROM pgbench_accounts WHERE aid = :aid;
UPDATE pgbench_tellers SET tbalance = tbalance + :delta WHERE tid = :tid;
UPDATE pgbench_branches SET bbalance = bbalance + :delta WHERE bid = :bid;
INSERT INTO pgbench_history (tid, bid, aid, delta, mtime) VALUES (:tid, :bid, :aid, :delta, CURRENT_TIMESTAMP);
END;

该事务包含 1 次 SELECT、3 次 UPDATE 和 1 次 INSERT，具有典型的 OLTP 特征。

1.3 初始化测试数据

在压测前，需先初始化测试表：

# 创建测试数据库
createdb pgbench_test

# 初始化数据（-s 指定 scale factor）
pgbench -i -s 100 pgbench_test

• -s 100 表示 pgbench_accounts 表将包含 100 万行（100 × 10,000）；
• 其他表行数固定：branches=1×scale，tellers=10×scale，history=0（初始为空）。

注意：初始化过程会创建主键和索引，确保测试环境接近真实。

---

二、执行压测：核心参数详解

2.1 基本压测命令

pgbench -c 16 -j 4 -T 300 -d pgbench_test

参数	含义
-c 16	并发客户端数量（16 个连接）
-j 4	并发线程数（用于驱动客户端，建议 ≤ CPU 核数）
-T 300	测试持续时间（300 秒）
-d pgbench_test	目标数据库

若不指定 -T 或 -t（事务总数），pgbench 默认只运行 10 秒。

2.2 关键参数说明

（1）客户端与线程模型

• -c N：启动 N 个数据库连接（会话）；
• -j M：使用 M 个本地线程驱动这些连接；
• 建议 ：-j 设为 CPU 物理核数，-c 根据目标并发调整（如 2×CPU 核数）。

（2）测试时长与事务数

• -T seconds：按时间运行；
• -t transactions：按事务总数运行；
• 二者互斥，推荐使用 -T 以获得稳定平均值。

（3）预热与冷却

• -P seconds：每 N 秒输出进度报告（便于观察稳定性）；
• 预热：正式测试前先运行 30--60 秒"热身"测试，使缓存、统计信息稳定；
• 冷却：测试后观察系统恢复情况（非 pgbench 功能，需手动）。

（4）连接与认证

• -h host, -p port, -U user：指定连接信息；
• 支持 .pgpass 文件免密。

---

三、自定义测试脚本：超越默认模型

3.1 脚本语法基础

pgbench 支持使用类 SQL 脚本定义事务逻辑，支持变量、条件、循环等。

变量：

• 内置变量：:client_id, :random, :scale 等；
• 自定义变量：\set name value

常用函数：

• random(a, b)：生成 [a, b] 随机整数；
• random_exponential(a, b, threshold)：指数分布随机数；
• sqrt(x), pow(x,y) 等数学函数。

3.2 编写只读查询脚本（example_ro.sql）

\set aid random(1, 1000000 * :scale)
SELECT abalance FROM pgbench_accounts WHERE aid = :aid;

执行：

pgbench -c 32 -j 8 -T 300 -f example_ro.sql pgbench_test

3.3 编写混合读写脚本（example_mixed.sql）

\set aid random(1, 1000000 * :scale)
\set bid random(1, 1 * :scale)
\set tid random(1, 10 * :scale)
\set delta random(-5000, 5000)

BEGIN;
UPDATE pgbench_accounts SET abalance = abalance + :delta WHERE aid = :aid;
INSERT INTO pgbench_history (tid, bid, aid, delta, mtime) 
VALUES (:tid, :bid, :aid, :delta, CURRENT_TIMESTAMP);
COMMIT;

3.4 多脚本权重测试

可同时指定多个脚本，并分配执行比例：

pgbench -c 20 -T 300 \
  -b select-only@70% \
  -f update-heavy.sql@30% \
  pgbench_test

或使用文件：

pgbench -c 20 -T 300 \
  -f ro.sql@7 \
  -f rw.sql@3 \
  pgbench_test

表示 70% 执行 ro.sql，30% 执行 rw.sql。

---

四、高级功能与技巧

4.1 使用内置脚本（-b）

pgbench 提供多种预定义脚本：

脚本名	描述
tpcb-like	默认脚本（含 BEGIN/COMMIT）
select-only	仅 SELECT abalance
simple-update	UPDATE accounts + INSERT history（无 branches/tellers 更新）
aggregates	包含 COUNT(), SUM() 等聚合

示例：

pgbench -c 16 -T 300 -b simple-update pgbench_test

4.2 控制数据分布

• 默认 aid 为均匀分布，但真实业务常呈"热点"分布；
• 使用 random_exponential 模拟长尾效应：

\set aid random_exponential(1, 1000000 * :scale, 10)

4.3 输出详细统计

• -r：显示每条 SQL 的平均延迟；
• --latency-limit=N：丢弃超过 N 毫秒的事务（模拟超时）；
• --rate=N：限制每秒事务数（throttling），用于测试系统在固定负载下的延迟。

4.4 连接池测试

若使用 PgBouncer 等连接池，可测试其性能：

pgbench -h pgbouncer_host -p 6432 -c 100 -j 10 -T 300 pgbench_test

注意：此时 -c 表示应用连接数，实际后端连接由 PgBouncer 控制。

---

五、结果解读与性能分析

5.1 标准输出示例

transaction type: <custom script>
scaling factor: 100
query mode: simple
number of clients: 16
number of threads: 4
duration: 300 s
number of transactions actually processed: 456789
latency average = 10.520 ms
latency stddev = 2.345 ms
tps = 1522.63 (including connections establishing)
tps = 1525.10 (excluding connections establishing)

关键指标：

• TPS（Transactions Per Second）：核心吞吐指标；
• Latency Average：平均延迟，反映响应速度；
• Latency Stddev：延迟标准差，值越大波动越剧烈。

注意：excluding connections establishing 更准确，因连接建立开销不应计入事务性能。

5.2 性能瓶颈判断

现象	可能原因
TPS 随 -c 增加而饱和	CPU 或 I/O 瓶颈
延迟标准差大	锁竞争、I/O 抖动
TPS 极低但 CPU 闲置	网络延迟、WAL fsync 瓶颈
内存使用高但 TPS 低	shared_buffers 过大或 work_mem 不足

结合 iostat、vmstat、EXPLAIN 等工具交叉分析。

---

六、实战案例：配置调优验证

场景：验证 synchronous_commit 对写入性能的影响

步骤：

1. 初始化数据：

   pgbench -i -s 50 pgbench_test

2. 默认配置测试（synchronous_commit = on）：

   pgbench -c 8 -j 4 -T 120 -b tpcb-like pgbench_test > result_on.log

3. 修改配置（postgresql.conf）：

   synchronous_commit = off

   重启或 reload。

4. 再次测试：

   pgbench -c 8 -j 4 -T 120 -b tpcb-like pgbench_test > result_off.log

5. 对比 TPS：

   • on：TPS ≈ 800
   • off：TPS ≈ 2500

结论：关闭同步提交可显著提升写入吞吐，但牺牲持久性，适用于可容忍少量丢失的日志场景。

---

七、局限性与替代方案

7.1 pgbench 的局限

• 无法模拟复杂 JOIN、子查询、窗口函数；
• 不支持 JSON、数组等高级类型操作；
• 事务逻辑简单，难以完全复现业务特征。

7.2 替代工具推荐

工具	适用场景
sysbench	支持更灵活的 Lua 脚本，跨数据库
HammerDB	TPC-C/TPC-H 标准测试，图形化界面
JMeter + JDBC	结合业务代码，高度定制化
自研压测框架	使用 Python/Go 模拟真实 API 调用

建议：pgbench 用于快速验证配置和硬件，复杂场景用 JMeter 或 sysbench。

---

八、实践总结

1. 明确测试目标：是测 CPU、I/O、还是网络？
2. 数据规模合理 ：-s 应使数据大于 shared_buffers，触发真实 I/O；
3. 预热必不可少：先运行 60 秒再正式测试；
4. 多次取平均：避免单次波动影响结论；
5. 监控系统资源：同步采集 CPU、I/O、内存数据；
6. 保留测试环境：记录 PG 版本、配置、硬件信息，确保可复现；
7. 结合业务脚本：尽可能贴近真实 SQL 模式。

---

附录：常用命令速查

# 初始化 1000 万行数据
pgbench -i -s 1000 mydb

# 32 并发，运行 5 分钟，使用自定义脚本
pgbench -c 32 -j 8 -T 300 -f my_script.sql mydb

# 测试只读性能
pgbench -c 64 -T 120 -b select-only mydb

# 每 10 秒输出进度
pgbench -c 16 -T 300 -P 10 mydb

# 限制 TPS 为 1000，测延迟
pgbench -c 16 -T 300 --rate=1000 mydb

通过系统性使用 pgbench，你可以量化 PostgreSQL 的性能表现，科学评估配置变更、硬件升级或 SQL 优化的效果，为数据库稳定性与高可用提供坚实的数据支撑。