接网站开发私活如何签合同制作ppt的软件叫啥

当前位置： 首页 > news >正文

接网站开发私活如何签合同,制作ppt的软件叫啥,网站搭建费用价格表,无需下载直接进入的网站的代码前言 针对PostgreSQL进行压缩#xff0c;有很多相关的工具。有同学又要问了#xff0c;为何还要再搞一个#xff1f;比如#xff0c;pgbench, sysbench之类的#xff0c;已经很强大了。是的#xff0c;它们都很强大。但有时候#xff0c;在一些特殊的场景#xff0c;可… 前言 针对PostgreSQL进行压缩有很多相关的工具。有同学又要问了为何还要再搞一个比如pgbench, sysbench之类的已经很强大了。是的它们都很强大。但有时候在一些特殊的场景可能自己构造一个更能接近真实的生产环境。 这里我半写半借助于ChatGPT搞出一个代码片段来模拟启动一段多线程并发SQL请求作用于PostgreSQL数据库。然后你可以对请求执行完以后的结果进行观测尤其是表膨胀受影响记录条数之类的。 基于此我们还可以进行持续改造快速用于工作之中。 实作 需求 实现一段代码读取一个sql文件然后分段分批执行并且是以多线程比如10个线程go里边可能就是协程非常高效去执行这个SQL中的所有SQL语句。再加一个时间限制比如持续执行120秒。 实现: package mainimport (bufiocontextdatabase/sqlfmtioosstringssynctime_ github.com/lib/pq )const (host      localhostport       5555user      postgrespassword  passworddbname    mydb )func executesqls(ctx context.Context, sqls []string, wg *sync.WaitGroup, thread int) {defer wg.Done()psqlInfo : fmt.Sprintf(host%s port%d user%s password%s dbname%s sslmodedisable, host, port, user, password, dbname)db, err : sql.Open(postgres, psqlInfo)if err ! nil {panic(err)}defer db.Close()start : time.Now()for {for , sql : range sqls {select {case -ctx.Done():elapsed : time.Since(start)fmt.Printf(Thread %d stopped. It executed SQLs for %s \n, thread, elapsed)returndefault:_, err : db.Exec(sql)if err ! nil {fmt.Println(err)}}}} }func read_sqls(file string) []string {f, err : os.Open(file)if err ! nil {panic(err)}defer f.Close()sqls : make([]string, 0)r : bufio.NewReader(f)for {line, err : r.ReadString(;)if err  io.EOF {break} else if err ! nil {panic(err)}sql : strings.TrimSpace(line)if sql !  {sqls  append(sqls, sql)}}return sqls }func main() {filepath : file.sql // Replace with your file pathnumThreads : 10  // Number of threadssqls : read_sqls(filepath)var wg sync.WaitGroupctx, cancel : context.WithTimeout(context.Background(), 60*time.Second) // 60 secondsfor i : 0; i  numThreads; i {wg.Add(1)go execute_sqls(ctx, sqls, wg, i)}wg.Wait()cancel()fmt.Println(All goroutines stopped) }上边的代码关于输入文件file.sql,  线程数10 运行时间60秒都是硬编码进去的。你可以根据实际情况进行参数化。 体验 在你的go环境已经安装了github.com/lib/pq等必备包之后go get github.com/lib/pq)就可以直接执行了。我们准备一个pg的基本环境。database: mydb,  端口5555, 就用postgres用户及相应密码仅用于测试目的不缀述。 目标表的准备 \c mydb create table t(id int, col2 varchar(32));file.sql文件内容如下 insert into t values ((10000*random())::int, md5(random()::varchar)); with updates as (select (10000*random())::int as id) update t set col2  update || updates.id from updates where t.idupdates.id returning updates.id;这个测试的代码片段就是插入一条随机记录并且再随机更新一条记录使用CTE语法把对应的id值返回来有可能找不到对应的记录就返回的是空值。在并发大的情况下update语句慢慢就起作用了。这样就可以反复执行。 来看看效果 go run ./stress.gohread 7 stopped. It executed SQLs for 59.999324s  Thread 1 stopped. It executed SQLs for 1m0.000756208s  Thread 2 stopped. It executed SQLs for 1m0.000604792s  Thread 4 stopped. It executed SQLs for 1m0.001703583s  Thread 0 stopped. It executed SQLs for 1m0.008518875s  Thread 9 stopped. It executed SQLs for 1m0.008456083s  Thread 5 stopped. It executed SQLs for 1m0.007964375s  Thread 6 stopped. It executed SQLs for 1m0.007968292s  Thread 3 stopped. It executed SQLs for 1m0.008145042s  Thread 8 stopped. It executed SQLs for 1m0.008202209s  All goroutines stopped1分钟跑完之后我们看到这样的部分记录结果 mydb# select  from t limit 10;id  |    col2 ——————4792 | update47923416 | update34169290 | update9290887 | update8878778 | update87787472 | update74724602 | update46023454 | update34542604 | update26041990 | update1990 (10 rows)总记录条数 mydb# select count() from t;count ——–126056 (1 row)引申可以认为单个CU操作10个线程并发1分钟入库12.6万。 表大小 mydb# select pg_total_relation_size(t);pg_total_relation_size ————————8372224 (1 row)使用下边的SQL看看相关指标 WITH cteTableInfo AS  (SELECT COUNT(1) AS ct,SUM(length(t::text)) AS TextLength  ,public.t::regclass AS TableName  FROM public.t AS t   ) ,cteRowSize AS  (SELECT ARRAY [pg_relation_size(TableName), pg_relation_size(TableName, vm), pg_relation_size(TableName, fsm), pg_table_size(TableName), pg_indexes_size(TableName), pg_total_relation_size(TableName), TextLength] AS val, ARRAY [Relation Size, Visibility Map, Free Space Map, Table Included Toast Size, Indexes Size, Total Relation Size, Live Row Byte Size] AS NameFROM cteTableInfo ) SELECT unnest(name) AS Description,unnest(val) AS Bytes,pg_size_pretty(unnest(val)) AS BytesPretty,unnest(val) / ct AS bytes_per_row FROM cteTableInfo, cteRowSizeUNION ALL SELECT ——————————, NULL, NULL, NULL UNION ALL SELECT TotalRows, ct, NULL, NULL FROM cteTableInfo UNION ALL SELECT LiveTuples, pg_stat_get_live_tuples(TableName), NULL, NULL FROM cteTableInfo UNION ALL SELECT DeadTuples, pg_stat_get_dead_tuples(TableName), NULL, NULL FROM cteTableInfo;结果: description           |  bytes  | bytespretty | bytes_per_row ———————————————————————Relation Size                  | 8339456 | 8144 kB     |            66Visibility Map                 |    8192 | 8192 bytes  |             0Free Space Map                 |   24576 | 24 kB       |             0Table Included Toast Size      | 8372224 | 8176 kB     |            66Indexes Size                   |       0 | 0 bytes     |             0Total Relation Size            | 8372224 | 8176 kB     |            66Live Row Byte Size             | 2338451 | 2284 kB     |            18—————————— |         |             |TotalRows                      |  126056 |             |LiveTuples                     |  126056 |             |DeadTuples                     |   12274 |             | (11 rows)里边有涉及到的死元组为12274行。 mydb# create extension pgstattuple; CREATE EXTENSIONmydb# select * from pgstattuple(public.t) \gx -[ RECORD 1 ]————– table_len          | 8339456 tuple_count        | 126056 tuple_len          | 5125646 tuple_percent      | 61.46 dead_tuple_count   | 12110 dead_tuple_len     | 483172 dead_tuple_percent | 5.79 free_space         | 1451672 free_percent       | 17.41这两种统计结果也都比较接近。 当你针对相同的表进行随机多次测试发现上边的值也会不断变化update的命中率会越来越高。 总结 本文的目的只是作一个抛砖引玉可以随时使用go, python甚至rust去构建一个小的压缩环境对各种复杂的压力环境进行模拟并得出相关结论。当然作为一个团队可以开发出使用Java之类的接近业务逻辑的工具也是可以的。也有的测试团队原意使用JMeter jdbc来构建测试套集都不失为一种方式。这类工具是介于pgbench 和 真实业务场景压测之间的一种使用方式。哪个更方便就可以用哪个。 上边的代码片段稍加改造就可以用到实际的实验当中。 关于表膨胀可以看看我前边的文章 也聊聊PostgreSQL中的空间膨胀与AutoVacuum PG中的一例简单的update看表膨胀