Keyv项目中使用PostgreSQL非日志表提升性能的探索
2025-06-28 10:28:51作者:翟萌耘Ralph
在基于事件溯源架构的系统设计中,投影(Projection)的稳定性通常不是关键问题,因为事件的存储才是系统的唯一真实来源。针对这一场景,Keyv项目的PostgreSQL适配器可以考虑引入对非日志表(unlogged tables)的支持,以获得显著的性能提升。
非日志表的技术原理
PostgreSQL的非日志表是一种特殊类型的表,它通过绕过预写日志(WAL)机制来实现更高的写入性能。与常规表相比,非日志表具有以下特点:
- 写入操作不记录事务日志
- 服务器崩溃后表数据会自动清空
- 不支持主从复制
- 索引也是非日志的
性能优势分析
在Keyv作为键值存储的场景下,使用非日志表可以带来多方面的性能提升:
- 写入速度提高2-3倍,因为避免了WAL日志的I/O开销
- 减少磁盘空间占用,特别是对于频繁更新的场景
- 降低系统负载,适合高吞吐量的临时数据存储
适用场景建议
虽然非日志表性能优越,但并非适用于所有场景。在Keyv项目中,以下情况特别适合考虑使用非日志表:
- 作为事件溯源架构中的投影存储
- 缓存数据等可丢失的临时数据
- 中间计算结果存储
- 需要快速导入大量临时数据的场景
实现方案设计
在Keyv的PostgreSQL适配器中实现非日志表支持,可以通过以下方式:
- 在构造函数中增加
unlogged选项 - 根据选项动态生成表创建语句
- 提供清晰的文档说明使用限制
注意事项
开发者在Keyv中使用非日志表时需要注意:
- 数据不具备持久性保证
- 不适用于需要复制的环境
- 表结构变更仍会记录日志
- 主键和唯一约束仍然有效
这种优化特别适合那些将Keyv用于事件溯源投影层或者缓存层的应用场景,能够在保证系统核心功能的同时获得显著的性能提升。
登录后查看全文
热门项目推荐
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0191
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0115
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
omega-aiOmega-AI:基于java打造的深度学习框架,帮助你快速搭建神经网络,实现模型推理与训练,引擎支持自动求导,多线程与GPU运算,GPU支持CUDA,CUDNN。Java04
llm-universe本项目是一个面向小白开发者的大模型应用开发教程,在线阅读地址:https://datawhalechina.github.io/llm-universe/Jupyter Notebook08
热门内容推荐
最新内容推荐
项目优选
收起
暂无描述
Dockerfile
763
4.96 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
856
1.92 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
676
1.33 K
Ascend Extension for PyTorch
Python
719
875
deepin linux kernel
C
32
16
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
455
437
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
1.07 K
1.09 K
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
150
252
CANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。
Jupyter Notebook
297
114
昇腾LLM分布式训练框架
Python
178
220