所有文章是按github的markdown格式书写的，如此页面显示不正常，请跳转到github版
ip地址段查询深度优化案例详解
问题
某日，研发的小伙伴扔过来一个SQL希望帮忙优化。
select nation,province,city
from ip_idc
where ip_start <='113.201.214.203'::inet and
ip_end >='113.201.214.203'::inet;
这个SQL需要执行1秒多。而业务需要高并发的频繁执行这条SQL，1秒多的执行时间无法满足业务需求。
这个SQL是想在ip地址库中找到某个IP地址的归属地。ip地址库的表定义如下，每条记录描述了一个地址范围的相关信息，共300多万条记录，600MB。
postgres=# \d ip_idc
Table "public.ip_idc"
Column | Type | Collation | Nullable | Default
--------------------+------------------------+-----------+----------+---------
id | character varying(255) | | not null |
ip_start | inet | | |
ip_end | inet | | |
nation | character varying(255) | | |
province | character varying(255) | | |
city | character varying(255) | | |
...(略)
Indexes:
"ip_idc_pkey" PRIMARY KEY, btree (id)
"ip_idc_ip_start_ip_end_idx" btree (ip_start, ip_end)
分析
通过检查执行计划，可以很明显看出，这个SQL之所以慢，是因为它使用了全表扫描。
postgres=# explain (analyze ,buffers)select nation,province,city from ip_idc where ip_start <='113.201.214.203'::inet and ip_end >='113.201.214.203'::inet;
QUERY PLAN
-----------------------------------------------------------------------------------------------------------------
Seq Scan on ip_idc (cost=0.00..128204.08 rows=645500 width=29) (actual time=1062.045..1066.116 rows=1 loops=1)
Filter: ((ip_start <= '113.201.214.203'::inet) AND (ip_end >= '113.201.214.203'::inet))
Rows Removed by Filter: 3470145
Buffers: shared hit=4143 read=72010
I/O Timings: read=321.196
Planning time: 17.140 ms
Execution time: 1073.907 ms
(7 rows)
明明表上有索引，为什么还会走全表扫描?
对于btree索引上的范围查询，这其实是一个很正常的现象。
对于联合索引btree(ip_start, ip_end)，起决定作用的是开头的ip_start字段。 这个SQL中，ip_start字段上的约束条件是ip_start <= ‘113.201.214.203’::inet， 即它需要扫描索引中所有小于等于113.201.214.203’::inet的索引项。 这样的索引项的数量越多，执行时间就越长；同时优化器计算出的索引扫描的cost也就越大，大到超过顺序扫描的cost后，优化器就会选择使用顺序扫描的执行计划了。
使用”更小”的ip地址继续查询，可以验证上面的描述。 使用60，10，1开头的IP地址查询，都会走索引扫描，查询时间分别是210毫秒，3毫秒和0.4毫秒。
postgres=# explain (analyze ,buffers)select nation,province,city from ip_idc where ip_start <='60.201.214.203'::inet and ip_end >='60.201.214.203'::inet;
QUERY PLAN
-------------------------------------------------------------------------------------------------------------------------------------------------
Index Scan using ip_idc_ip_start_ip_end_idx on ip_idc (cost=0.43..77943.75 rows=640787 width=29) (actual time=104.813..104.815 rows=1 loops=1)
Index Cond: ((ip_start <= '60.201.214.203'::inet) AND (ip_end >= '60.201.214.203'::inet))
Buffers: shared hit=3240
Planning time: 0.082 ms
Execution time: 104.843 ms
(5 rows)
postgres=# explain (analyze ,buffers)select nation,province,city from ip_idc where ip_start <='10.201.214.203'::inet and ip_end >='10.201.214.203'::inet;
QUERY PLAN
--------------------------------------------------------------------------------------------------------------------------------------------
Index Scan using ip_idc_ip_start_ip_end_idx on ip_idc (cost=0.43..17828.34 rows=30263 width=29) (actual time=2.298..2.299 rows=1 loops=1)
Index Cond: ((ip_start <= '10.201.214.203'::inet) AND (ip_end >= '10.201.214.203'::inet))
Buffers: shared hit=70
Planning time: 0.156 ms
Execution time: 2.327 ms
(5 rows)
postgres=# explain (analyze ,buffers)select nation,province,city from ip_idc where ip_start <='1.201.214.203'::inet and ip_end >='1.201.214.203'::inet;
QUERY PLAN
------------------------------------------------------------------------------------------------------------------------------------------
Index Scan using ip_idc_ip_start_ip_end_idx on ip_idc (cost=0.43..3426.17 rows=5057 width=29) (actual time=0.392..0.393 rows=1 loops=1)
Index Cond: ((ip_start <= '1.201.214.203'::inet) AND (ip_end >= '1.201.214.203'::inet))
Buffers: shared hit=15
Planning time: 0.103 ms
Execution time: 0.413 ms
(5 rows)
测试结果汇总如下:
| 目标IP地址 | 扫描类型 | 扫描数据块数 | 执行时间(ms) |
|---|---|---|---|
| 113.201.214.203 | 顺序扫描 | 76153 | 1073.907 |
| 60.201.214.203 | 索引扫描 | 3240 | 104.843 |
| 10.201.214.203 | 索引扫描 | 70 | 2.327 |
| 1.201.214.203 | 索引扫描 | 15 | 0.413 |
查询条件中虽然有ip_end >='1.201.214.203'::inet的约束条件，但由于ip_end是联合索引的第二个字段，难以发挥作用。
因此，本问题的根因在于btree索引不擅长处理范围类型。
优化方案1
熟悉PostgreSQL的人应该都知道，PostgreSQL里有非常丰富的数据类型，其中就包含范围类型。 利用与之配套的gist索引，可以在索引中同时搜索范围的上下边界，达到比较理想的查询效果。 下面实际验证一下效果。
由于inet范围不是内置类型，先创建一个inet的范围类型。
create type inetrange as range(subtype=inet)
为了不修改表结构，创建inet范围的表达式索引
create index on ip_idc using gist(inetrange(ip_start, ip_end, '[]'::text))
执行查询
postgres=# explain (analyze,buffers) select * from ip_idc where inetrange(ip_start,ip_end,'[]') @> '113.21.214.203'::inet;
QUERY PLAN
-------------------------------------------------------------------------------------------------------------------------------
Bitmap Heap Scan on ip_idc (cost=1.92..3.44 rows=1 width=136) (actual time=11.071..11.072 rows=1 loops=1)
Recheck Cond: (inetrange(ip_start, ip_end, '[]'::text) @> '113.21.214.203'::inet)
Heap Blocks: exact=1
Buffers: shared hit=521
-> Bitmap Index Scan on ip_idc_inetrange_idx (cost=0.00..1.92 rows=1 width=0) (actual time=11.066..11.066 rows=1 loops=1)
Index Cond: (inetrange(ip_start, ip_end, '[]'::text) @> '113.21.214.203'::inet)
Buffers: shared hit=520
Planning time: 0.098 ms
Execution time: 11.140 ms
(9 rows)
使用inet范围索引后，执行时间减少到了11毫秒。 仔细检查这个执行计划，发现这个SQL扫描了520个索引块，似乎有点多，有兴趣的同学可以看看从内核源码角度能不能再优化一下。
注:相同的SQL在9.6上执行时间是300毫秒，需要扫描13435个索引块。应该PG 10对gist索引做过优化。
优化方案2
除了自定义的inetrange类型，inet本身就有表示地址范围的能力，并且支持gist索引。另外还有更高效的第三方的ip4r插件可以做同样的事情。 下面比较一下这3种方式在同一个数据集下的性能。
先创建包含3种数据类型的表，并生成300多万不重复的ip范围
create extension ip4r;
create table ip_idc2(id serial,ip_start inet,ip_end inet,iprange inet,iprange2 ip4r);
insert into ip_idc2(ip_start,ip_end,iprange,iprange2)
select (r1::text ||'.'|| r2::text ||'.'|| r3::text||'.0')::inet,
(r1::text ||'.'|| r2::text ||'.'|| r3::text||'.255')::inet,
(r1::text ||'.'|| r2::text ||'.'|| r3::text||'.0/24')::inet,
(r1::text ||'.'|| r2::text ||'.'|| r3::text||'.0/24')::ip4r
from generate_series(1,60) a(r1),generate_series(1,254) b(r2),generate_series(1,254) c(r3) limit 1;
create index on ip_idc2 using gist(inetrange(ip_start, ip_end, '[]'::text));
create index on ip_idc2 using gist(iprange inet_ops);
create index on ip_idc2 using gist(iprange2);
执行ip地址查询的SQL，比较3种的类型的索引扫描效率。
postgres=# explain (analyze,buffers) select * from ip_idc2 where inetrange(ip_start,ip_end,'[]') @> '33.21.214.203'::inet;
QUERY PLAN
--------------------------------------------------------------------------------------------------------------------------------------
Bitmap Heap Scan on ip_idc2 (cost=384.42..17950.58 rows=19355 width=33) (actual time=15.131..15.133 rows=1 loops=1)
Recheck Cond: (inetrange(ip_start, ip_end, '[]'::text) @> '33.21.214.203'::inet)
Heap Blocks: exact=1
Buffers: shared hit=668
-> Bitmap Index Scan on ip_idc2_inetrange_idx (cost=0.00..379.58 rows=19355 width=0) (actual time=15.122..15.122 rows=1 loops=1)
Index Cond: (inetrange(ip_start, ip_end, '[]'::text) @> '33.21.214.203'::inet)
Buffers: shared hit=667
Planning time: 0.072 ms
Execution time: 15.204 ms
(9 rows)
postgres=# explain (analyze,buffers) select * from ip_idc2 where iprange >>= '33.21.214.203'::inet;
QUERY PLAN
------------------------------------------------------------------------------------------------------------------------------
Index Scan using ip_idc2_iprange_idx on ip_idc2 (cost=0.41..3.43 rows=1 width=33) (actual time=2.758..4.940 rows=1 loops=1)
Index Cond: (iprange >>= '33.21.214.203'::inet)
Buffers: shared hit=227
Planning time: 0.082 ms
Execution time: 4.964 ms
(5 rows)
postgres=# explain (analyze,buffers) select * from ip_idc2 where iprange2 >>= '33.21.214.203'::ip4r;
QUERY PLAN
---------------------------------------------------------------------------------------------------------------------------------
Bitmap Heap Scan on ip_idc2 (cost=54.42..4966.41 rows=3871 width=33) (actual time=0.032..0.032 rows=1 loops=1)
Recheck Cond: (iprange2 >>= '33.21.214.203'::ip4r)
Heap Blocks: exact=1
Buffers: shared hit=4
-> Bitmap Index Scan on ip_idc2_iprange2_idx (cost=0.00..53.45 rows=3871 width=0) (actual time=0.027..0.027 rows=1 loops=1)
Index Cond: (iprange2 >>= '33.21.214.203'::ip4r)
Buffers: shared hit=3
Planning time: 0.083 ms
Execution time: 0.065 ms
(9 rows)
测试结果汇总如下
| 数据类型 | Where条件 | 扫描类型 | 扫描索引块数 | 执行时间(ms) |
|---|---|---|---|---|
| inet范围类型 | inetrange(ip_start,ip_end,’[]’) @> ‘33.21.214.203’::inet | 索引扫描 | 667 | 15.204 |
| inet | iprange »= ‘33.21.214.203’::inet; | 索引扫描 | 227 | 4.964 |
| ip4r | iprange2 »= ‘33.21.214.203’::ip4r | 索引扫描 | 3 | 0.065 |
从测试结果可以看出，原生的inet比自定义的inetrange快了3倍。 而第三方的ip4r又比原生的inet快了76倍，执行时间只有0.065毫秒，执行过程中只扫描了3个索引块，可以认为已经优化到头了。
优化方案3
方案2中的ip4r的性能虽然比较理想，但是需要对现有ip地址库的表数据重新定义，而且还需要安装额外的第三方插件，实施代价比较高。
有没有性能和ip4r相当，又不需要修改表数据以及安装第三方插件的方案呢？
经过和业务方沟通，了解到ip地址库中的地址范围没有重叠，并且ip地址库数据齐全，没有ip遗漏。 也就是说，查询ip地址的SQL一定会返回且只返回一条记录。 既然这样，简单思考一下就不难发现:
ip_start小于等于目标IP的最大的地址范围其实就是要找的记录。
这样的查询只需在SQL上简单的添加 order by + limit 1就可以完成优化。效果如下
在ip_start字段上创建btree索引
create index on ip_idc2(ip_start);
当然也可以继续使用现有的btree(ip_start,ip_end)联合索引。
执行SQL
postgres=# explain (analyze ,buffers)select * from ip_idc2 where ip_start <='33.201.214.203'::inet and ip_end >='33.201.214.203'::inet order by ip_start desc limit 1;
QUERY PLAN
----------------------------------------------------------------------------------------------------------------------------------------------------
---
Limit (cost=0.43..0.53 rows=1 width=33) (actual time=0.019..0.020 rows=1 loops=1)
Buffers: shared hit=4
-> Index Scan Backward using ip_idc2_ip_start_idx on ip_idc2 (cost=0.43..99888.39 rows=957385 width=33) (actual time=0.018..0.018 rows=1 loops=
1)
Index Cond: (ip_start <= '33.201.214.203'::inet)
Filter: (ip_end >= '33.201.214.203'::inet)
Buffers: shared hit=4
Planning time: 0.133 ms
Execution time: 0.044 ms
(8 rows)
优化后，只扫描4个索引块，执行速度比ip4r还快50%，效果符合预期。
小结
对于IP地址段查询的场景，PostgreSQL的ip4r插件是一个性能和通用性都比较不错的一个方案， 但用户不一定方便使用ip4r，比如在未安装ip4r的公有云RDS上或者使用PostgreSQL以外的数据库。
在能满足以下限制条件的情况下，方案3(即order by + limit 1)应该是更好的选择。
- ip地址库中的ip地址范围不能重叠，否则原本应该返回多条记录的结果只能查到第1条记录。
- ip地址库中的ip地址范围齐全，不能有遗漏，否则可能需要扫描一半的索引，性能很差。
最终，业务采纳了方案3。
August 25, 2019