PgBench ile MongoDB Performansını Ölçmek: Foreign Data Wrapper Yaklaşımı

Modern uygulama geliştirme süreçlerinde farklı veritabanı teknolojilerinin bir arada kullanılması yaygın bir durumdur. PostgreSQL, ilişkisel veritabanları dünyasında sağlam bir yer edinirken, MongoDB esnek yapısı ve ölçeklenebilirliği ile NoSQL alanında öne çıkmaktadır. Bu makalede, PostgreSQL’in güçlü benchmark aracı PgBench’i, Foreign Data Wrapper (FDW) teknolojisi aracılığıyla MongoDB üzerinde performans testleri yapmak için nasıl kullanabileceğimizi detaylı bir şekilde inceleyeceğiz. Bu yaklaşım, farklı veritabanı sistemlerini tek bir arayüz üzerinden test etme ve karşılaştırma imkanı sunarak, karmaşık altyapılarda performans analizini kolaylaştırmayı hedeflemektedir.

PgBench Nedir ve Neden Önemlidir?

PgBench, PostgreSQL ile birlikte gelen, veritabanının performansını ölçmek için tasarlanmış basit ama etkili bir benchmark aracıdır. Özellikle ACID (Atomicity, Consistency, Isolation, Durability) özelliklerini test eden standart bir iş yükü (TPC-B benzeri) ile birlikte gelir. Ancak PgBench, sadece bu standart iş yüküyle sınırlı kalmayıp, kullanıcıların kendi SQL betiklerini yazarak özelleştirilmiş test senaryoları oluşturmasına da olanak tanır.

PgBench’in Temelleri

PgBench, bir veritabanı sunucusuna belirli sayıda istemci bağlantısı açar ve bu bağlantılar üzerinden önceden tanımlanmış veya özel SQL sorgularını çalıştırır. Sonuç olarak, saniyede işlenen işlem sayısı (TPS – Transactions Per Second), ortalama gecikme süresi ve işlem başına ortalama süre gibi metrikler sunar. Bu metrikler, veritabanının belirli bir iş yükü altında ne kadar iyi performans gösterdiğini anlamak için kritik öneme sahiptir.

Standart İş Yükleri ve Özelleştirme

PgBench’in varsayılan iş yükü, küçük bir bankacılık uygulamasını simüle eder; hesap bakiyelerinin güncellenmesi, transferler ve kayıtların eklenmesi gibi işlemleri içerir. Bu, veritabanının temel okuma/yazma performansını ve işlem tutarlılığını test etmek için iyi bir başlangıç noktasıdır. Ancak, gerçek dünya senaryoları genellikle daha karmaşıktır. PgBench’in en güçlü yönlerinden biri, kullanıcıların kendi SQL dosyalarını kullanarak spesifik uygulama iş yüklerini taklit edebilmesidir. Bu sayede, uygulamanızın veritabanı ile etkileşimini doğrudan simüle edebilir ve gerçekçi performans verileri elde edebilirsiniz.

Neden MongoDB için PgBench Kullanmak İsteyelim?

PgBench’in bir PostgreSQL aracı olmasına rağmen, FDW aracılığıyla MongoDB üzerinde kullanılması birkaç önemli avantaj sunar. Öncelikle, halihazırda PgBench kullanımına aşina olan ekipler için yeni bir benchmark aracı öğrenme maliyetini ortadan kaldırır. İkinci olarak, farklı veritabanı teknolojileri arasında (örneğin, PostgreSQL ile MongoDB) aynı benchmark aracı ve metodolojisi kullanılarak daha tutarlı performans karşılaştırmaları yapılabilir. Bu, hibrit mimarilerde veya veritabanı geçiş senaryolarında karar verme süreçlerini destekleyebilir. Üçüncü olarak, MongoDB’ye SQL benzeri bir arayüz üzerinden erişim sağlayarak, belirli SQL tabanlı test senaryolarını doğrudan uygulayabilme yeteneği kazandırır.

MongoDB ve Performans Testleri

MongoDB, belge tabanlı bir NoSQL veritabanıdır ve yüksek ölçeklenebilirlik, esneklik ve performans sunar. Genellikle büyük veri kümeleri ve yüksek yazma/okuma yükleri gerektiren uygulamalarda tercih edilir. Ancak, her veritabanı gibi MongoDB’nin de performansını düzenli olarak test etmek ve optimize etmek önemlidir.

MongoDB’nin Yapısı ve Avantajları

MongoDB, JSON benzeri BSON belgelerini kullanarak verileri depolar. Şemasız yapısı, hızlı geliştirme döngülerine ve kolay veri modellemesi değişikliklerine olanak tanır. Yatay ölçeklenebilirlik (sharding) ve yüksek erişilebilirlik (replika setleri) gibi özellikler, onu modern, dağıtık uygulamalar için cazip bir seçenek haline getirir. Ancak bu avantajlar, doğru indeksleme, veri modellemesi ve sorgu optimizasyonu yapılmadığında performans sorunlarına yol açabilir.

MongoDB’de Performans Test Yaklaşımları

MongoDB’nin performansını test etmek için çeşitli yaklaşımlar mevcuttur. MongoDB’nin kendi araçları (örneğin, mongostat, mongotop, db.currentOp()) anlık performans izleme ve sorun giderme için faydalıdır. YCSB (Yahoo! Cloud Serving Benchmark) gibi endüstri standardı NoSQL benchmark araçları, MongoDB gibi dağıtık veritabanlarının genel performansını ölçmek için sıkça kullanılır. Ayrıca, JMeter veya özel yazılmış test betikleri gibi genel amaçlı yük testi araçları da MongoDB API’si üzerinden testler yapmak için kullanılabilir.

Neden FDW Aracılığıyla PgBench?

FDW aracılığıyla PgBench kullanmak, özellikle PostgreSQL ekosistemine aşina olan veya SQL tabanlı bir test metodolojisini korumak isteyen ekipler için çekici bir seçenektir. Bu yaklaşım, MongoDB’nin kendi araçlarının veya YCSB gibi araçların sunduğu derinlemesine NoSQL odaklı metrikleri doğrudan sağlamasa da, belirli SQL benzeri iş yüklerinin MongoDB üzerindeki etkisini ölçmek için benzersiz bir köprü görevi görür. Örneğin, PostgreSQL’den MongoDB’ye geçiş yapan bir uygulama için, mevcut PgBench test senaryolarını yeniden kullanmak, geçişin performans etkilerini değerlendirmede zaman ve çaba tasarrufu sağlayabilir.

Foreign Data Wrapper (FDW) Kavramı

Foreign Data Wrapper (FDW), PostgreSQL’in başka bir veritabanı veya veri kaynağındaki verilere sanki kendi yerel tablolarıymış gibi erişmesini sağlayan güçlü bir özelliktir. Bu, farklı veri sistemleri arasında entegrasyon ve veri birleştirme için mükemmel bir mekanizma sunar. FDW, PostgreSQL sunucusunun bir istemci gibi davranarak dış veri kaynağına bağlanmasını ve sorguları bu kaynağa iletmesini sağlar.

FDW’nin Amacı ve Çalışma Prensibi

FDW’nin temel amacı, farklı veri depolarını tek bir SQL arayüzü altında birleştirmektir. PostgreSQL, FDW uzantısı aracılığıyla, dış veri kaynağına özel bir “sarılmış” sürücü yükler. Kullanıcı bir “foreign table” (dış tablo) tanımladığında, bu tablo aslında dış veri kaynağındaki bir tabloya veya koleksiyona işaret eder. Bir sorgu bu dış tabloya yöneltildiğinde, FDW modülü sorguyu dış veri kaynağının anlayacağı formata dönüştürür, dış veri kaynağına gönderir, sonuçları alır ve PostgreSQL’e geri döndürür. Bu süreç, kullanıcının dış veri kaynağının detaylarını bilmesini gerektirmez; sanki yerel bir tabloya sorgu atıyormuş gibi hisseder.

`mongo_fdw`‘ye Yakından Bakış

mongo_fdw, PostgreSQL’in MongoDB’ye bağlanmasını sağlayan özel bir Foreign Data Wrapper uzantısıdır. Bu uzantı, PostgreSQL’den MongoDB koleksiyonlarına okuma ve yazma işlemleri yapılmasına imkan tanır. mongo_fdw, MongoDB’nin belge tabanlı yapısını PostgreSQL’in ilişkisel tablo yapısına eşlemeye çalışır. Bu eşleme sırasında, MongoDB’deki alanlar PostgreSQL’deki sütunlara karşılık gelir. Karmaşık belge yapıları veya iç içe geçmiş diziler gibi durumlar, FDW’nin yeteneklerini zorlayabilir veya belirli kısıtlamalar getirebilir.

Avantajları ve Sınırlamaları

Avantajları:

Entegrasyon Kolaylığı: PostgreSQL ve MongoDB arasında kolay entegrasyon sağlar.
SQL Arayüzü: MongoDB verilerine SQL sorguları ile erişim imkanı sunar.
Mevcut Araçların Yeniden Kullanımı: PgBench gibi PostgreSQL araçlarını MongoDB üzerinde kullanma olanağı verir.
Veri Birleştirme: MongoDB verilerini yerel PostgreSQL tablolarıyla birleştirme yeteneği.

Sınırlamaları:

Performans Overhead: Sorguların FDW tarafından çevrilmesi ve ağ üzerinden iletilmesi nedeniyle performans ek yükü oluşabilir.
Veri Tipi Eşleşmeleri: MongoDB’nin esnek şeması ve veri tipleri ile PostgreSQL’in katı şeması arasında eşleme sorunları yaşanabilir.
Sorgu Kısıtlamaları: Tüm MongoDB sorgu operatörleri veya karmaşık agregasyonları FDW üzerinden desteklenmeyebilir.
Yazma Performansı: Özellikle toplu yazma işlemlerinde FDW üzerinden performans düşüşleri gözlemlenebilir.

Kurulum ve Yapılandırma

PgBench’i MongoDB üzerinde kullanabilmek için öncelikle PostgreSQL ve mongo_fdw‘yi kurup yapılandırmamız gerekmektedir. Bu bölüm, adım adım kurulum ve yapılandırma sürecini açıklamaktadır.

PostgreSQL ve `mongo_fdw` Kurulumu

PostgreSQL’in sisteminizde kurulu olduğunu varsayıyoruz. Eğer kurulu değilse, işletim sisteminize uygun şekilde kurmanız gerekmektedir. mongo_fdw‘yi kurmak için genellikle kaynak koddan derlemek veya paket yöneticisi aracılığıyla (eğer mevcutsa) kurmak gerekir. Ubuntu/Debian tabanlı sistemler için örnek bir kurulum süreci:

# Gerekli bağımlılıkları yükleyin
sudo apt-get update
sudo apt-get install postgresql-server-dev- build-essential libmongoc-dev

# mongo_fdw kaynak kodunu indirin (GitHub'dan)
git clone https://github.com/mongo-fdw/mongo_fdw.git
cd mongo_fdw

# Derleyin ve kurun
make
sudo make install

# PostgreSQL'e bağlanın ve uzantıyı etkinleştirin
psql -U postgres
CREATE EXTENSION mongo_fdw;

yerine kurulu PostgreSQL sürümünüzü (örneğin, 14 veya 15) yazmalısınız.

MongoDB Bağlantı Ayarları

mongo_fdw uzantısını kurduktan sonra, PostgreSQL'in MongoDB sunucusuna bağlanabilmesi için bir "server" ve "user mapping" tanımlamamız gerekir.

-- MongoDB sunucusunu tanımlayın
CREATE SERVER mongo_server
FOREIGN DATA WRAPPER mongo_fdw
OPTIONS (
    host 'localhost', -- MongoDB sunucusunun IP adresi veya hostname
    port '27017',     -- MongoDB portu
    dbname 'testdb'   -- Bağlanılacak MongoDB veritabanı adı
);

-- MongoDB'ye erişim için kullanıcı eşlemesi oluşturun (isteğe bağlı, kimlik doğrulama gerekiyorsa)
-- MongoDB'de 'pguser' adında bir kullanıcı ve 'password' şifresi ile 'testdb' veritabanına erişim izni olmalı
CREATE USER MAPPING FOR postgres -- PostgreSQL kullanıcısı
SERVER mongo_server
OPTIONS (
    username 'pguser',
    password 'password'
);

Dış Tabloların Oluşturulması

Şimdi, MongoDB'deki bir koleksiyonu temsil eden bir dış tablo oluşturabiliriz. PgBench'in standart iş yükünü taklit etmek için pgbench_accounts benzeri bir tablo oluşturalım. MongoDB'de önceden bu isimde bir koleksiyonun ve içinde örnek verilerin bulunduğunu varsayıyoruz.

-- MongoDB'deki 'pgbench_accounts' koleksiyonunu temsil eden dış tablo
CREATE FOREIGN TABLE pgbench_accounts_foreign (
    aid     integer,
    bid     integer,
    abalance integer,
    filler  varchar(84)
)
SERVER mongo_server
OPTIONS (
    collection 'pgbench_accounts' -- MongoDB koleksiyon adı
);

Bu tablo tanımı, MongoDB'deki pgbench_accounts koleksiyonundaki belgelere PostgreSQL'den SQL sorguları aracılığıyla erişim sağlayacaktır. Veri tiplerinin MongoDB'deki karşılıklarıyla uyumlu olması önemlidir.

Veri Aktarımı ve Hazırlığı

PgBench'i çalıştırmadan önce, dış tabloda test verilerinin bulunması gerekir. PgBench'in pgbench -i komutu, yerel PostgreSQL tablolarını başlatmak için kullanılır. Ancak FDW üzerinde doğrudan çalışmaz. Bu nedenle, veriyi ya doğrudan MongoDB'ye yüklemeli ya da PgBench'in yerel olarak başlattığı verileri dış tabloya aktarmalıyız.

-- PgBench'i yerel bir veritabanında başlatın (örneğin, pgbench_local_db)
-- pgbench -i -s 10 pgbench_local_db

-- Yerel veritabanındaki verileri dış tabloya aktarın (örnek)
INSERT INTO pgbench_accounts_foreign (aid, bid, abalance, filler)
SELECT aid, bid, abalance, filler FROM pgbench_accounts_local; -- pgbench_accounts_local yerel PgBench tablosu

Veya daha iyisi, MongoDB'ye doğrudan PgBench şemasına uygun verileri yüklemek için bir betik kullanmak. Bu, FDW'nin yalnızca okuma/yazma işlemlerini test etmesini sağlar.

PgBench ile Test Senaryoları Oluşturma

Kurulum ve veri hazırlığı tamamlandıktan sonra, PgBench'i FDW üzerinden MongoDB'ye karşı çalıştırmaya başlayabiliriz. Bu bölüm, PgBench'in temel kullanımını ve özelleştirilmiş betiklerle test senaryoları oluşturmayı ele almaktadır.

PgBench'in Temel Kullanımı

PgBench'in pgbench -i (init) komutu, dış tablolar üzerinde doğrudan çalışmaz çünkü bu komut yerel PostgreSQL şemasını oluşturur. Bu nedenle, dış tabloları yukarıda açıklandığı gibi manuel olarak oluşturmalı ve verileri hazırlamalısınız. Testi çalıştırmak için pgbench komutunu kullanabiliriz:

pgbench -h localhost -p 5432 -U postgres -d testdb -c 10 -j 2 -t 1000 -f custom_script.sql

-h localhost -p 5432 -U postgres -d testdb: PostgreSQL bağlantı bilgileri.
-c 10: 10 istemci bağlantısı.
-j 2: 2 iş parçacığı.
-t 1000: Her istemci için 1000 işlem.
-f custom_script.sql: Çalıştırılacak özel SQL betiği.

Özelleştirilmiş PgBench Betikleri

PgBench'in gücü, kendi SQL betiklerinizi tanımlayabilmenizden gelir. pgbench_accounts_foreign tablosu üzerinde çalışacak basit bir UPDATE ve SELECT işlemi içeren bir betik oluşturalım. Bu betiği custom_script.sql olarak kaydedebilirsiniz:

-- custom_script.sql
\set aid random(1, 100000 * :scale)
\set delta random(-5000, 5000)

BEGIN;
UPDATE pgbench_accounts_foreign SET abalance = abalance + :delta WHERE aid = :aid;
SELECT abalance FROM pgbench_accounts_foreign WHERE aid = :aid;
END;

Bu betik, rastgele bir hesap bakiyesini günceller ve ardından güncellenen bakiyeyi okur. :scale değişkeni, PgBench'in pgbench -i -s N komutuyla başlatılan veritabanının boyutunu ifade eder. Eğer manuel veri yüklediyseniz, bu değeri kendi veri aralığınıza göre ayarlamalısınız. Bu tür bir betik, FDW üzerinden MongoDB'ye yönelik hem yazma hem de okuma performansını test etmenize olanak tanır.

Test Verilerinin Hazırlanması

PgBench testlerinin anlamlı olması için MongoDB tarafında uygun indekslerin oluşturulması kritik öneme sahiptir. Yukarıdaki örnek betikte aid sütunu üzerinde bir WHERE koşulu kullanıldığı için, MongoDB'deki pgbench_accounts koleksiyonunda aid alanı üzerinde bir indeks oluşturmak performansı önemli ölçüde artıracaktır:

// MongoDB kabuğunda (mongosh)
db.pgbench_accounts.createIndex({ aid: 1 });

Test verisi boyutu da önemlidir. Gerçekçi bir benchmark için, üretim ortamınızdaki veri hacmine yakın veya daha büyük bir veri setiyle çalışmanız önerilir. Bu, veritabanının disk I/O, bellek yönetimi ve indeks performansı üzerindeki etkilerini daha doğru bir şekilde yansıtacaktır.

Performans Analizi ve Değerlendirme

PgBench testlerini çalıştırdıktan sonra elde edilen sonuçları doğru bir şekilde yorumlamak, performanstaki darboğazları belirlemek ve optimizasyon stratejileri geliştirmek için hayati öneme sahiptir.

PgBench Çıktılarını Yorumlama

PgBench, testin sonunda çeşitli performans metrikleri sunar. En önemli metriklerden bazıları şunlardır:

TPS (Transactions Per Second): Saniyede tamamlanan ortalama işlem sayısı. Bu, sistemin genel işleme kapasitesinin bir göstergesidir.
Average latency: İşlem başına ortalama gecikme süresi. Düşük gecikme, daha iyi performans anlamına gelir.
Number of clients and threads: Test sırasında kullanılan istemci ve iş parçacığı sayısı. Bu değerlerin değiştirilmesi, farklı iş yükü senaryolarını simüle etmenizi sağlar.

FDW üzerinden yapılan testlerde, elde edilen TPS değerleri doğrudan MongoDB'nin yerel performansını yansıtmayabilir. FDW'nin ek yükünü ve ağ gecikmesini de hesaba katmak gerekir. Karşılaştırma yaparken, aynı iş yükünü hem FDW üzerinden hem de MongoDB'nin kendi API'si (örneğin, bir Node.js betiği ile) üzerinden test etmek faydalı olabilir.

Olası Darboğazlar ve Nedenleri

FDW aracılığıyla PgBench çalıştırırken karşılaşılabilecek potansiyel darboğazlar şunlardır:

FDW Overhead: Sorguların PostgreSQL'den MongoDB'ye çevrilmesi ve geri dönüşümler, doğal bir performans ek yükü yaratır.
Ağ Gecikmesi: PostgreSQL ve MongoDB sunucuları farklı makinelerdeyse, ağ gecikmesi önemli bir faktör haline gelebilir.
MongoDB İndeks Eksikliği: MongoDB koleksiyonlarında sorgulanan alanlarda indeks olmaması, tam koleksiyon taramalarına yol açarak performansı düşürür.
Veri Tipi Dönüşümleri: PostgreSQL ve MongoDB veri tipleri arasındaki eşleşme veya dönüşüm zorlukları performansı etkileyebilir.
Yazma Performansı: Özellikle tek tek belge güncellemeleri veya eklemeleri, FDW üzerinden toplu işlemler kadar verimli olmayabilir.

Optimizasyon İpuçları

Performansı artırmak için aşağıdaki optimizasyon ipuçlarını değerlendirebilirsiniz:

MongoDB İndeksleme: Sorgularda kullanılan tüm alanlarda uygun indeksler oluşturduğunuzdan emin olun.
FDW Ayarları: mongo_fdw'nin batch_size veya prefetch_size gibi seçenekleri olabilir (uzantının belgelerine bakın). Bu ayarlar, veri aktarım verimliliğini artırabilir.
Ağ Optimizasyonları: PostgreSQL ve MongoDB sunucuları arasındaki ağ gecikmesini azaltın. Mümkünse aynı veri merkezinde veya aynı makinede çalıştırın (test ortamı için).
Sorgu Optimizasyonu: PgBench betiklerinizdeki SQL sorgularını mümkün olduğunca basit ve verimli tutun. Karmaşık sorgular FDW tarafından iyi çevrilemeyebilir.
MongoDB Sharding ve Replika Setleri: Üretim benzeri testlerde, MongoDB'nin sharding ve replika setleri gibi ölçeklenebilirlik özelliklerini kullanmak, yüksek yükler altında performansın nasıl etkilendiğini anlamanıza yardımcı olur.
PostgreSQL Tarafında Optimizasyonlar: PostgreSQL sunucusunun yeterli kaynağa (CPU, RAM) sahip olduğundan ve uygun şekilde yapılandırıldığından emin olun.

Sonuç

PgBench'i Foreign Data Wrapper aracılığıyla MongoDB üzerinde kullanmak, farklı veritabanı teknolojileri arasında köprü kurarak performans testlerini standartlaştırmak ve mevcut PostgreSQL araçlarını yeniden kullanmak için yenilikçi bir yaklaşımdır. Bu yöntem, özellikle hibrit veritabanı ortamlarında veya PostgreSQL'den MongoDB'ye geçiş yapan projelerde değerli bilgiler sağlayabilir.

Ancak, bu yaklaşımın kendi avantajları ve dezavantajları bulunmaktadır. FDW'nin getirdiği ek yük ve veri tipi eşleştirme zorlukları, doğrudan MongoDB'nin kendi benchmark araçlarına kıyasla bazı performans kısıtlamalarına yol açabilir. Bu nedenle, elde edilen sonuçları dikkatle yorumlamak ve FDW'nin doğasını göz önünde bulundurmak önemlidir. En iyi sonuçlar için, MongoDB'de doğru indeksleme, PgBench betiklerinde verimli sorgular ve FDW ayarlarında ince ayarlar yapmak kritik öneme sahiptir.

Sonuç olarak, PgBench ve mongo_fdw kombinasyonu, belirli senaryolarda MongoDB performansını ölçmek için güçlü ve esnek bir araç seti sunar. Doğru kullanıldığında, bu yaklaşım, veritabanı mimarinizin performans karakteristiklerini daha iyi anlamanıza ve optimize etmenize yardımcı olabilir.

SSS (Sık Sorulan Sorular)

Neden doğrudan MongoDB'nin kendi araçlarını kullanmıyoruz?

MongoDB'nin kendi araçları (YCSB, mongostat vb.) ve API'leri, MongoDB'nin yerel performansını ölçmek için en doğru yöntemdir. Ancak FDW aracılığıyla PgBench kullanmak, PostgreSQL ekosistemine aşina olanlar için öğrenme eğrisini azaltır ve farklı veritabanları arasında aynı metodolojiyle karşılaştırma yapma imkanı sunar. Bu, özellikle karmaşık hibrit mimarilerde veya geçiş senaryolarında faydalı olabilir.

FDW kullanmak performans düşüşüne neden olur mu?

Evet, FDW kullanmak doğal olarak bir miktar performans ek yüküne neden olur. Sorguların PostgreSQL'den dış veri kaynağının anlayacağı formata çevrilmesi, ağ üzerinden iletilmesi ve sonuçların geri dönüştürülmesi ek zaman alır. Bu ek yük, özellikle yüksek hacimli ve düşük gecikme gerektiren işlemlerde belirginleşebilir.

Hangi MongoDB veri tipleri destekleniyor?

mongo_fdw uzantısı, temel MongoDB veri tiplerini (string, integer, double, boolean, date vb.) PostgreSQL'in karşılık gelen veri tiplerine eşlemeye çalışır. Ancak, MongoDB'nin ObjectId, BSON Array, Embedded Document gibi daha karmaşık veri tiplerinin PostgreSQL'e eşlenmesi sınırlı olabilir veya özel yaklaşımlar gerektirebilir. Detaylar için mongo_fdw belgelerine bakmak en doğrusudur.

PgBench'in tüm özellikleri FDW üzerinden çalışır mı?

Hayır, PgBench'in tüm özellikleri FDW üzerinden doğrudan çalışmaz. Özellikle pgbench -i (init) komutu, dış tablolar üzerinde çalışmaz çünkü bu komut yerel PostgreSQL şemasını oluşturur. Ayrıca, FDW'nin desteklemediği karmaşık SQL yapıları veya dış veri kaynağının desteklemediği işlemler PgBench betiklerinde kullanılamaz.

Güvenlik endişeleri nelerdir?

FDW kullanırken güvenlik önemlidir. CREATE USER MAPPING komutunda belirtilen kullanıcı adı ve şifre gibi hassas bilgiler, PostgreSQL sistem kataloğunda saklanır. Bu bilgilere yetkisiz erişimi engellemek için PostgreSQL sunucusunun ve ilgili dosyaların güvenliğini sağlamak esastır. Ayrıca, MongoDB sunucusuna ağ erişimini kısıtlamak ve en az ayrıcalık ilkesini uygulamak da önemlidir.

PgBench ile MongoDB Performansını Ölçmek: Foreign Data Wrapper Yaklaşımı