測試實(shí)例規(guī)格

• 引擎版本：AnalyticDB PostgreSQL 7.0版。

• 內(nèi)核小版本：v7.1.0.0。

• 實(shí)例系列：高可用版。

• 節(jié)點(diǎn)規(guī)格：4 C 32 GB。

• 節(jié)點(diǎn)數(shù)量：4 Segment。

• 節(jié)點(diǎn)存儲容量：200 GB。

• 存儲磁盤類型：ESSD云盤PL1。

• Master資源：8 CU。

測試數(shù)據(jù)集

數(shù)據(jù)來源為維基百科英語語料庫的快照，包含500萬條數(shù)據(jù)。下載數(shù)據(jù)，請參見測試數(shù)據(jù)。本次測試了1億條數(shù)據(jù)（將本次測試數(shù)據(jù)重復(fù)導(dǎo)入20次）下的性能情況。

• 數(shù)據(jù)由url、title和body組成。

• 數(shù)據(jù)格式為JSON。

• 數(shù)據(jù)大小為2.34 GB。

性能測試結(jié)果

• BM25索引構(gòu)建耗時(shí)約為Gin(tsvector)索引耗時(shí)的63%。

• 在單Term查詢方面，BM25索引的QPS性能為Gin(tsvector)索引的6-7倍。

• 在多Term查詢方面，BM25索引的QPS性能為Gin(tsvector)索引的6-11倍。

• 在單Term AND點(diǎn)查詢方面，BM25索引的QPS性能為Gin(tsvector)+btree索引的6-9倍。

• 在單Term AND范圍查詢方面，BM25索引的QPS性能為Gin(tsvector)+btree索引的1-9倍。

索引構(gòu)建

查詢單個(gè)Term

在body列上查詢包含某個(gè)Term的TOP 20結(jié)果，例如body:"Gabriel Basso"。這些Term的平均出現(xiàn)頻率為56685（單位：次）。結(jié)果取最大的QPS以及對應(yīng)時(shí)間點(diǎn)的RT。

查詢多個(gè)Term

在body列上查詢包含多個(gè)Term中任意一個(gè)或多個(gè)的TOP20結(jié)果，例如body:handsworth OR body:cern。所有的Term都是從數(shù)據(jù)集中提取的，本次結(jié)果排除了罕見的Term（出現(xiàn)次數(shù)少于100次）。每個(gè)查詢所包含的Term數(shù)量符合權(quán)重分布[0.03, 0.15, 0.25, 0.25, 0.15, 0.08, 0.04, 0.03, 0.02]。即有3%的查詢包含1個(gè)Term、15%的查詢包含2個(gè)Term等。

查詢單Term AND點(diǎn)查

點(diǎn)查條件只命中一條數(shù)據(jù)。

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';

查詢單Term AND范圍查詢

范圍查詢過濾掉99.99%的數(shù)據(jù)，命中1萬條數(shù)據(jù)。

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';