IP地址段查询深度优化案例__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_

PG中文社区 /

mdi-home

首页

社区新闻

中文文档

加入ACE

mdi-home

首页

mdi-chat-processing

社区新闻

mdi-book-open-variant

中文文档

mdi-account-multiple-check

加入ACE

mdi-file-multiple-outline

相关资料

mdi-blank

mdi-exit-to-app

退出账号

IP地址段查询深度优化案例

原作者：陈华军　　创作时间：2019-09-06 14:26:44+08　　

wangliyun 发布于2019-09-09 08:06:00　　

评论: 1　　

顶: 553　

踩: 578　

### **作者介绍**
#### 陈华军，苏宁IT总部架构专家，PostgreSQL及MySQL产品技术负责人，PostgreSQL中文社区核心成员。
### **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（60，10，1开头的IP地址）继续查询，可以验证上面的描述。 
```
      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:
![CENTER_PostgreSQL_Community]( /images/news/2019/20190906_1454_图片123564.png)

#### 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，达到比较好的查询效果。 下面实际验证一下。
#### 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
![CENTER_PostgreSQL_Community]( /images/news/2019/20190906_1453_图片678934.png)

#### 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。
### **总结**
#### 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。

#### 1. 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。
#### 2. ip地址库中的ip地址范围齐全，不能有遗漏，否则需要扫描一半的索引，性能很差。

#### 最终，业务采纳了方案3。
![CENTER_PostgreSQL_Community](/images/news/2016/pg_bot_banner.jpg)

评论:1　　

顶: 553　

踩: 578　

请在登录后发表评论，否则无法保存。

1# __ xiaowu 回答于 2024-04-24 10:38:13+08

曹植的七步诗:https://www.nanss.com/xuexi/19029.html 招商引资工作汇报:https://www.nanss.com/gongzuo/19343.html 什么水不能喝:https://www.nanss.com/wenti/19509.html 每逢佳节倍思亲全诗:https://www.nanss.com/xuexi/19831.html 如何提高英语成绩:https://www.nanss.com/xuexi/19333.html 银行营销方案:https://www.nanss.com/gongzuo/18635.html 计算机软件系统包括:https://www.nanss.com/xuexi/19790.html 黄酒的作用和功效:https://www.nanss.com/yinshi/19723.html 祝二人新婚祝福简短句子:https://www.nanss.com/yulu/18191.html 干海参泡发的正确方法:https://www.nanss.com/yinshi/19870.html 班主任工作心得:https://www.nanss.com/gongzuo/18872.html 广西三月三是什么节日:https://www.nanss.com/wenti/18729.html 房租协议:https://www.nanss.com/shenghuo/19297.html 劳动心得体会500字:https://www.nanss.com/xuexi/18456.html 火山石的作用:https://www.nanss.com/shenghuo/18938.html 信息技术教师述职报告:https://www.nanss.com/gongzuo/19219.html 试点方案:https://www.nanss.com/gongzuo/18572.html 蛋糕店创业计划书:https://www.nanss.com/gongzuo/19086.html 玉米煮多少分钟就可以吃了:https://www.nanss.com/yinshi/18986.html 好望角在哪里:https://www.nanss.com/wenti/19455.html 我的拿手好戏作文600字:https://www.nanss.com/xuexi/20085.html 花胶是什么:https://www.nanss.com/shenghuo/19798.html 对孩子鼓励的话:https://www.nanss.com/yulu/18988.html cad是什么:https://www.nanss.com/wenti/19860.html 袁隆平的主要事迹简介:https://www.nanss.com/shenghuo/19159.html 新员工入职感言:https://www.nanss.com/gongzuo/18563.html 战略合作协议:https://www.nanss.com/gongzuo/19379.html 端午节的意义:https://www.nanss.com/shenghuo/20125.html 西岳是什么山:https://www.nanss.com/shenghuo/18526.html 鳄鱼是什么动物:https://www.nanss.com/shenghuo/18304.html