mireabulletinRussian Technological JournalRussian Technological Journal2782-32102500-316XRTU MIREA10.32362/2500-316X-2024-12-3-7-24BNQNDImireabulletin-915Research ArticleИНФОРМАЦИОННЫЕ СИСТЕМЫ. ИНФОРМАТИКА. ПРОБЛЕМЫ ИНФОРМАЦИОННОЙ БЕЗОПАСНОСТИINFORMATION SYSTEMS. COMPUTER SCIENCES. ISSUES OF INFORMATION SECURITYОценка эффективности балансировщика соединений PgBouncer для оптимизации вычислительных ресурсов реляционных баз данныхEvaluation of connection pool PgBouncer efficiency for optimizing relational database computing resourceshttps://orcid.org/0009-0008-4911-6609БоронниковА. С.BoronnikovA. S.

Боронников Антон Сергеевич, аспирант, старший преподаватель, кафедра вычислительной техники

119454, Россия, Москва, пр-т Вернадского, д. 78

Anton S. Boronnikov, Postgraduate Student, Senior Lecture, Computer Engineering Department, Institute of Information Technologies

78, Vernadskogo pr., Moscow, 119454 

boronnikov-anton@mail.ruhttps://orcid.org/0009-0007-6354-1364ЦынгалёвП. С.TsyngalevP. S.

Цынгалёв Павел Сергеевич, студент

119454, Россия, Москва, пр-т Вернадского, д. 78

Pavel S. Tsyngalev, Student

78, Vernadskogo pr., Moscow, 119454 

pstsyngalev@mail.ruhttps://orcid.org/0009-0001-0304-3052ИльинВ. Г.IlyinV. G.

Ильин Виктор Георгиевич, студент

119454, Россия, Москва, пр-т Вернадского, д. 78

Victor G. Ilyin, Student

78, Vernadskogo pr., Moscow, 119454 

vgilyin@yahoo.comhttps://orcid.org/0000-0003-3519-6683ДеменковаТ. А.DemenkovaT. A.

Деменкова Татьяна Александровна, к.т.н., доцент, кафедра вычислительной техники, Институт информационных технологий

119454, Россия, Москва, пр-т Вернадского, д. 78

Scopus Author ID 57192958412, ResearcherID AAB-3937-2020

Tatiana A. Demenkova, Cand. Sci. (Eng.), Associate Professor, Computer Engineering Department, Institute of Information Technologies

78, Vernadskogo pr., Moscow, 119454 

Scopus Author ID 57192958412, ResearcherID AAB-3937-2020

demenkova@mirea.ruМИРЭА – Российский технологический университетРоссияMIREA – Russian Technological UniversityRussian Federation202431052024123724Copyright © Боронников А.С., Цынгалёв П.С., Ильин В.Г., Деменкова Т.А., 20242024Боронников А.С., Цынгалёв П.С., Ильин В.Г., Деменкова Т.А.Boronnikov A.S., Tsyngalev P.S., Ilyin V.G., Demenkova T.A.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://www.rtj-mirea.ru/jour/article/view/915Цели

Цели. Целью работы является исследование возможностей использования балансировщика подключений PgBouncer с различными конфигурациями в современных инсталляциях баз данных (БД) путем проведения нагрузочного тестирования с различными сценариями, максимально приближенными к реальной нагрузке, определение критичных показателей, получение результатов тестирования и интерпретация их в виде графиков.

Методы

Методы. В ходе исследования использовались методы эксперимента, индукции, тестирования и статистического анализа.

Результаты

Результаты. Рассмотрены основные возможности, архитектура и режимы работы сервиса PgBouncer. Проведено нагрузочное тестирование на виртуальной машине, развернутой на базе открытой облачной платформы, с различной конфигурацией затрачиваемых вычислительных ресурсов – центрального процессора (CPU), оперативной памяти (RAM) и использованием нескольких сценариев с разной конфигурацией и разным количеством подключений балансировщика к БД. В ходе тестирования были исследованы основные показатели: распределение использования процессора, утилизация оперативной памяти, дискового пространства и центрального процессора. Выполнены интерпретация полученных данных и анализ полученных результатов путем выделения критических параметров. Сформулированы выводы и рекомендации по использованию балансировщика подключения в реальных высоконагруженных инсталляциях для оптимизации утилизируемых ресурсов сервером, на котором расположена система управления базами данных (СУБД). Сформировано заключение о полезности использования балансировщика запросов PgBouncer и предложены варианты конфигурации для последующего использования в реальных инсталляциях.

Выводы

Выводы. Исследована степень влияния использования балансировщика соединений PgBouncer на производительность системы в целом, развернутой в виртуализированной среде. Результаты работы показали, что применение PgBouncer позволяет существенно оптимизировать затрачиваемые вычислительные ресурсы вычислительного узла под сервер СУБД, а именно: уменьшилась нагрузка на CPU на 15%, на RAM – на 25–50%, на дисковую подсистему – на 20%, в зависимости от сценариев тестов, количества подключений к БД, конфигурации балансировщика подключений.

Objectives

Objectives. The aim of the research is to investigate the possibilities of using the PgBouncer connection pool with various configurations in modern database installations by conducting load testing with diverse real-world like scenarios, identifying critical metrics, obtaining testing results, and interpreting them in the form of graphs.

Methods

Methods. The research utilized methods of experimentation, induction, testing, and statistical analysis.

Results

Results. The main features, architecture and modes of operation of the PgBouncer service are considered. Load testing was carried out on a virtual machine deployed on the basis of an open cloud platform with different configurations of computing resources (CPU, RAM) and according to several scenarios with different configurations and different numbers of balancer connections to the database, during which the following main indicators were investigated: distribution of processor usage, utilization of RAM, disk space, and CPU. The interpretation of the data obtained and the analysis of the results obtained by highlighting critical parameters are performed. On the basis of results analysis, conclusions and recommendations are formulated on the use of a connection balancer in real high-load installations for optimizing the resources utilized by the server on which the database management system (DBMS) is located. A conclusion is presented on the usefulness of using the PgBouncer query balancer along with proposed configuration options for subsequent use in real installations.

Conclusions

Conclusions. The degree of influence of the use of the PgBouncer connection balancer on the performance of the system as a whole deployed in a virtualized environment is investigated. The results of the work showed that the use of PgBouncer allows significantly optimization of the computing resources of a computing node for a DBMS server, namely, load on the CPU decreased by 15%, RAM—by 25–50%, disk subsystem—by 20%, depending on the test scenarios, the number of connections to the database, and the configuration of the connection balancer.

PgBouncerPostgreSQLпуллербалансировщикбаза данныхоптимизациямониторингвиртуальная машинаоблачные технологииPgBouncerPostgreSQLconnection poolbalancerdatabasesoptimizationmonitoringvirtual machinescloud technologiesReferencesШараев Е.В. Использование алгоритмических композиций при оптимизации PostgreSQL методами машинного обучения. Научному Прогрессу – Творчество Молодых. 2019;3:135–137.Sharaev E.V. Using Algorithmic Compositions in PostgreSQL Optimization with Machine Learning Methods. Nauchnomu Progressu – Tvorchestvo Molodykh. 2019;3:135–137 (in Russ.).Borodin A., Mirvoda S., Porshnev S., Kulikov I. Optimization of Memory Operations in Generalized Search Trees of PostgreSQL. In: Kozielski S., Mrozek D., Kasprowski P., Małysiak-Mrozek B., Kostrzewa D. (Eds.). Beyond Databases, Architectures and Structures. Towards Efficient Solutions for Data Analysis and Knowledge Representation. BDAS 2017. Communications in Computer and Information Science. 2017;716:224–232. https://doi.org/10.1007/978-3-319-58274-0_19Borodin A., Mirvoda S., Porshnev S., Kulikov I. Optimization of Memory Operations in Generalized Search Trees of PostgreSQL. In: Kozielski S., Mrozek D., Kasprowski P., Małysiak-Mrozek B., Kostrzewa D. (Eds.). Beyond Databases, Architectures and Structures. Towards Efficient Solutions for Data Analysis and Knowledge Representation. BDAS 2017. Communications in Computer and Information Science. 2017;716:224–232. https://doi.org/10.1007/978-3-319-58274-0_19Варакута П.С., Козлов Р.К. Имитационное моделирование пропускной способности пулов соединений к базе данных PostgreSQL. Трибуна ученого. 2022;5:48–53.Varakuta P.S., Kozlov R.K. Simulation of the capacity of connection pools to the PostgreSQL database. Tribuna uchenogo = Tribune of the Scientist. 2022;5:48–53 (in Russ.).Мухамедина А., Айдаров А.К. Современные средства балансировки перегрузки. Научные исследования XXI века. 2021;2:105–109.Mukhamedina A., Aidarov A.K. Modern load balancing tools. Nauchnye issledovaniya 21 veka = Scientific Research of the 21st Century. 2021;2:105–109 (in Russ.).Gudilin D.S., Zvonarev A.E., Goryachkin B.S., Lychagin D.A. Relational Database Performance Comparation. In: Proc. 5th International Youth Conference on Radio Electronics, Electrical and Power Engineering (REEPE). March, 16–18, 2023. Moscow. https://doi.org/10.1109/REEPE57272.2023.10086872Gudilin D.S., Zvonarev A.E., Goryachkin B.S., Lychagin D.A. Relational Database Performance Comparation. In: Proc. 5th International Youth Conference on Radio Electronics, Electrical and Power Engineering (REEPE). March 16–18, 2023. Moscow. https://doi.org/10.1109/REEPE57272.2023.10086872Тупикина М.А. Сравнение систем управления базами данных SQLite, MySQL и PostgreSQL. В сб.: Студенческая наука для развития информационного общества: сборник материалов VIII Всероссийской научно-технической конференции. Часть 2; 22–23 мая 2018 г. Ставрополь: Северо-Кавказский федеральный университет; 2018. С. 345–347.Tupikina M.A. Comparison of database management systems SQLite, MySQL and PostgreSQL. In: Student Science for the Development of the Information Society: collection of materials of the 8th All-Russian Scientific and Technical Conference. Part 2; May 22–23, 2018. Stavropol: North Caucasian Federal University; 2018. P. 345–347 (in Russ.).Виноградова М.В., Барашкова Е.С., Березин И.С., Ореликов М.Г., Лузин Д.С. Обзор системы полнотекстового поиска в постреляционной базе данных PostgreSQL. E-SCIO. 2020;5(44):754–778.Vinogradova M.V., Barashkova E.S., Berezin I.S., Orelikov M.G., Luzin D.S. An overview of the full-text search system in PostgreSQL post-relational database. E-SCIO. 2020;5(44):754–778 (in Russ.).Пантилимонов М.В., Бучацкий Р.А., Жуйков Р.А. Кэширование машинного кода в динамическом компиляторе SQL-запросов для СУБД PostgreSQL. Труды Института системного программирования РАН. 2020;32(1):205–220. https://doi.org/10.15514/ISPRAS-2020-32(1)-11Pantilimonov M.V., Buchatskiy R.A., Zhuykov R.A. Machine code caching in PostgreSQL query JIT-compiler. Trudy Instituta sistemnogo programmirovaniya RAN = Proceedings of the Institute for System Programming of the RAS (Proceedings of ISP RAS). 2020;32(1):205–220 (in Russ.).Портретов В.С. Сравнение PostgreSQL и MySQL. Молодежная наука в развитии регионов. 2017;1:136–139.Portretov V.S. Comparison of PostgreSQL and MySQL. Molodezhnaya Nauka v Razvitii Regionov. 2017;1:136–139 (in Russ.).Chauhan C., Kumar D. PostgreSQL High Performance Cookbook. 2nd ed. Birmingham: Packt Publishing; 2017. 360 p.Chauhan C., Kumar D. PostgreSQL High Performance Cookbook. 2nd ed. Birmingham: Packt Publishing; 2017. 360 p.Рогов Е.В. PostgreSQL 15 изнутри. М.: ДМК Пресс; 2023. 662 с.Rogov E.V. PostgreSQL 15 iznutri (PostgreSQL 15 from the Inside). Moscow: DMK Press; 2023. 662 p. (in Russ.).Новиков Б.А., Горшкова Е.А., Графеева Н.Г. Основы технологий баз данных. 2-е изд. М.: ДМК Пресс; 2020. 582 с.Novikov B.A., Gorshkova E.A., Grafeeva N.G. Osnovy tekhnologii baz dannykh (Bases of Technologies of Databases). 2nd ed. Moscow: DMK Press; 2020. 582 p. (in Russ.).Бойченко А.В., Рогожин Д.К, Корнеев Д.Г. Алгоритм динамического масштабирования реляционных баз данных в облачных средах. Статистика и Экономика. 2014;6–2:461–465.Boichenko A.V., Rogojin D.K., Korneev D.G. Algorithm for dynamic scaling relational database in clouds. Statistika i Ekonomika = Statistics and Economics. 2014;6–2:461–465 (in Russ.).Афанасьев Г.И., Абулкасимов М.М., Белоногов И.Б. Методика создания Docker-образа PostgreSQL в среде Ubuntu Linux. Аллея науки. 2018;2(1–17):913–918.Afanas’ev G.I., Abulkasimov M.M., Belonogov I.B. How to create a PostgreSQL Docker image on Ubuntu Linux. Alleya nauki = Alley of Science. 2018;2(1–17):913–918 (in Russ.).Smolinski M. Impact of storage space configuration on transaction processing performance for relational database in PostgreSQL. In: Kozielski S., Mrozek D., Kasprowski P., Małysiak-Mrozek B., Kostrzewa D. (Eds.). Beyond Databases, Architectures and Structures. Towards Efficient Solutions for Data Analysis and Knowledge Representation. BDAS 2017. Communications in Computer and Information Science. 2018;928:157–167. https://doi.org/10.1007/978-3-319-99987-6_12Smolinski M. Impact of storage space configuration on transaction processing performance for relational database in PostgreSQL. In: Kozielski S., Mrozek D., Kasprowski P., Małysiak-Mrozek B., Kostrzewa D. (Eds.). Beyond Databases, Architectures and Structures. Towards Efficient Solutions for Data Analysis and Knowledge Representation. BDAS 2017. Communications in Computer and Information Science. 2018;928:157–167. https://doi.org/10.1007/978-3-319-99987-6_12

The authors declare that there are no conflicts of interest present.