V2EX = way to explore
V2EX 是一个关于分享和探索的地方
现在注册
已注册用户请  登录
hxz0803
V2EX  ›  数据库

求助十亿级数据库解决方案,是否有比 PostgreSQL 更好的选择?

  •  
  •   hxz0803 · 2019-08-30 14:16:52 +08:00 · 4296 次点击
    这是一个创建于 1894 天前的主题,其中的信息可能已经有所发展或是发生改变。

    现有几十台测试机,每天一共生成两百万行的测试数据,每一行包含了测试时间、几个设置项与200-300 个测试结果。测试结果几乎都为 20 位浮点数。
    需求
    1.在特定的设置项下,求出每台机每小时各种测试数据的平均值
    2.查询特定设置项与测试时间下的测试结果

    其他要求:
    1.测试结果可能会有增减,意味着可能要在生产中新增列,可以不减列。
    2.一台测试机会同时测几颗 IC (机台有好几个栏位可以同时测试),意味着会有几行数据时间完全相同的情况
    3.如果解决方案需要行的唯一性,那这个唯一性需要机台+测试时间+栏位来确定。
    4.暂时没钱上分布式
    5.暂时不会上云

    现在的实现思路:
    1.上 PostgreSQL,测试时间按每日水平分表,用的是内置分区表(之后考虑用 pg_pathman )
    2.BRIN 索引各设置项与测试时间
    3.建一个平均值表,每小时把上个小时各项测试数据的平均值加进去

    问下还有没有更好的解决方案?

    第 1 条附言  ·  2019-08-31 08:07:46 +08:00
    感谢各位的建议,由于考虑到运维难度、操作系统支持( windows 支持可能是必不可少的)与在公司内推广的可行性,最后选定 TimescaleDB
    19 条回复    2019-08-31 13:06:24 +08:00
    lolizeppelin
        1
    lolizeppelin  
       2019-08-30 15:03:34 +08:00
    时序的数据? 装 pg 的 timescaledb 插件啊

    不用自己弄分区和 BRIN 索引了
    lolizeppelin
        2
    lolizeppelin  
       2019-08-30 15:05:14 +08:00
    思路都是找时序型数据库
    PG 正好有时序插件, 比专门的时序数据库差一点,但是功能上是标准的 sql
    StarkWhite
        3
    StarkWhite  
       2019-08-30 15:28:01 +08:00
    TiDB 吧,听说是专为海量数据的 OLTP 和 OLAP 而生的
    https://pingcap.com/
    EmdeBoas
        4
    EmdeBoas  
       2019-08-30 15:40:15 +08:00
    不适合 TiDB,考虑时序数据库( TDengine 最近好像挺火=-=没实际用过)或者专门的 AP 引擎都行
    liprais
        5
    liprais  
       2019-08-30 15:43:49 +08:00
    tidb 的 olap 跟没有也差不了多少
    opengps
        6
    opengps  
       2019-08-30 15:44:45 +08:00
    没用过 PG,不敢多说话,我按照关系型数据库回复下,看看能不能找到什么突破办法

    需求
    1.在特定的设置项下,求出每台机每小时各种测试数据的平均值
    --每天 1-200 万这个数量级还行,适合每天一个单表
    2.查询特定设置项与测试时间下的测试结果
    --不知道具体业务答不上来

    其他要求:
    1.测试结果可能会有增减,意味着可能要在生产中新增列,可以不减列。
    ---每天一张表的量不算多,插入时候不至于太明显影响性能
    2.一台测试机会同时测几颗 IC (机台有好几个栏位可以同时测试),意味着会有几行数据时间完全相同的情况
    --类似于无主键的设计,但是要用时间列聚集索引,这里我也先想到了时序数据库
    3.如果解决方案需要行的唯一性,那这个唯一性需要机台+测试时间+栏位来确定。
    --行唯一性建议用唯一联合索引
    4.暂时没钱上分布式
    --首先你这个算集群不算分布式,分布式是不同任务的多个组件。集群是相同职能的多台机器
    --然后你的量有点大,注意用多块硬盘,增加硬盘数量分散 io,具体依赖 raid 还是手动分硬盘存储看自己情况
    5.暂时不会上云
    --看得出来是内部测试终端类设别使用,选型时候从来都是建议越靠近用户越好,不上云并不是坏事,注意做好备份
    sadfQED2
        7
    sadfQED2  
       2019-08-30 17:15:48 +08:00
    这个问题,我咋感觉看过几次了?我记忆错乱了吗
    lixia625
        8
    lixia625  
       2019-08-30 17:23:00 +08:00
    上分布式 和 有没有钱 有必然关系吗
    snappyone
        9
    snappyone  
       2019-08-30 17:34:12 +08:00 via Android
    @lixia625 分布式需要多台机器,有的公司机器抠门的要死
    est
        10
    est  
       2019-08-30 17:41:07 +08:00
    量级到千亿就可以考虑 clickhouse 了。而且我寻思 求出每台机每小时各种测试数据的平均值 这个是不是可以自己去做累加。。
    lixia625
        11
    lixia625  
       2019-08-30 18:46:34 +08:00
    @snappyone 现在满大街的虚拟化,分布式和多台机器没啥必然关系,算力才是关键
    optional
        12
    optional  
       2019-08-30 18:52:47 +08:00
    如果查询只是几个 aggregate 的话 pipelinedb
    wlw0327
        13
    wlw0327  
       2019-08-30 18:55:44 +08:00 via Android
    pipelineDB+1
    lolizeppelin
        14
    lolizeppelin  
       2019-08-30 18:59:18 +08:00
    楼上真是搞笑, 虚拟化用傻了?
    一台机虚拟出 10 台是算例翻倍了还是 IO 翻倍了

    没钱没机器还上分布式,你当做实验啊?
    直接物理机都不够用, 还套一层虚拟化?
    AngelCriss
        15
    AngelCriss  
       2019-08-30 19:06:14 +08:00 via Android
    上次不是有人推荐 citus 吗?
    orc
        16
    orc  
       2019-08-30 19:07:12 +08:00 via iPhone
    没细看你的需求,不过 clickhouse 可以了解一下。
    snappyone
        17
    snappyone  
       2019-08-30 23:52:39 +08:00 via Android
    @lixia625 虚拟化的机器就不要钱了?分布式存储 nosql 这种动不动就几十几百个节点的,没钱怎么玩
    CodeCore
        18
    CodeCore  
       2019-08-31 12:53:41 +08:00
    对啊,为啥不用 citus
    test0x01
        19
    test0x01  
       2019-08-31 13:06:24 +08:00 via Android
    说个你不敢用但肯定行的—— MonetDB
    关于   ·   帮助文档   ·   博客   ·   API   ·   FAQ   ·   实用小工具   ·   2829 人在线   最高记录 6679   ·     Select Language
    创意工作者们的社区
    World is powered by solitude
    VERSION: 3.9.8.5 · 24ms · UTC 00:27 · PVG 08:27 · LAX 16:27 · JFK 19:27
    Developed with CodeLauncher
    ♥ Do have faith in what you're doing.