2meet-data-optimizer/docs/BENCHMARK-SCALE.md

規模效能基準：原生 postmeta vs Hot 表 vs Entity 表

量測日期：2026-09-25　分支：hardening/2.0　目標規模：vendor 100,000、listing 1,000,000

如何重現

# DB 帳密沿用整合測試的 TMDO_TEST_DB_* 環境變數；資料庫名稱必須以 _bench 結尾
TMDO_TEST_DB_NAME=wp_wpdo_bench php tests/bench/seed.php --vendors=100000 --listings=1000000   # 約 7.5 分鐘
TMDO_TEST_DB_NAME=wp_wpdo_bench php tests/bench/run.php --iterations=20                          # 約 20 分鐘

環境與資料

項目	值
資料庫	MariaDB 10.11.14（本機，InnoDB 預設設定）
主機	8 核、31 GB RAM、NVMe
資料	100,000 vendor（users + hp_vendor posts）、1,000,000 listing（90% publish）
原生 meta	postmeta 9,549,796 筆（951 MB）、usermeta 600,000 筆
Entity 表	wpdo_post_hp_listing_core 1,000,000 筆（379 MB）
Hot 表	wpdo_hot_hp_listing 1,000,000 筆（229 MB）

SQL 的形狀與實際程式一致：原生是 WP_Query 的 meta_query（每個條件一個 INNER JOIN、數值用 CAST、SQL_CALC_FOUND_ROWS），Hot 是 TMDO_Query_Router，Entity 是 TMDO_Post_Query_Router。每個情境 20 次，另有 3 次暖機不計入，參數隨機但可重現（--seed=7）。寫入在交易內執行後 rollback。

20 次取樣下 p95 等於最大值，僅供參考。

結果

情境	形式	p50 ms	p95 ms	結果筆數	使用索引
1. 價格區間搜尋（命中約 20%）	原生	14,695	14,890	180,292	postmeta:post_id
	Hot	558	3,605	180,329	h:ALL
	Entity	652	3,817	180,300	e:ALL
2. 價格區間 + verified=1	原生	17,094	17,250	54,197	postmeta:post_id ×2
	Hot	277	299	54,109	idx_hp_verified_hp_price（複合）
	Entity	337	340	54,180	e:ALL
3. 某 vendor 名下的 listing	post_parent（HivePress 實際做法）	0.19	0.25	7	posts:post_parent
	原生 meta hp_vendor	14,432	14,599	8	postmeta:post_id
	Hot	3,405	3,651	10	無可用索引
	Entity	0.28	0.33	8	idx_hp_vendor
4. 單筆 listing 讀全部 meta	原生	0.12	0.15	9 列	postmeta:post_id
	Hot / Entity	0.09	0.11–0.14	1 列	主鍵
5. 列表頁預載 20 筆 meta	原生	0.59	0.61	181 列	postmeta:post_id
	Hot / Entity	0.21–0.22	0.23–0.26	20 列	主鍵
6. 單一 vendor 讀使用者 meta	原生	0.11	0.14	6 列	usermeta:user_id
	Entity	0.08	0.11	1 列	主鍵
7. 寫入：更新一筆價格	原生	0.12	0.16	—	—
	Entity	0.10	0.13	—	—
	dual_write（兩邊都寫）	0.22	0.26	—	—

結論

1. 原生 meta_query 在百萬規模下無法使用。 任何以 meta 為條件的搜尋都要 14–17 秒，扁平化是必要的，不是錦上添花。
2. 扁平表的價值集中在「搜尋與篩選」。 單筆或批次讀 meta（情境 4–6）三種形式都在 1 ms 內，差距可以忽略，而且實務上還有 object cache。
3. 寬範圍搜尋仍有瓶頸（情境 1，p50 約 0.6 秒、p95 約 3.7 秒）。 命中 18 萬筆時，優化器選擇全表掃描；再加上 SQL_CALC_FOUND_ROWS 要算總數、ORDER BY post_date 要排序，還要 JOIN 回 posts 過濾狀態。p50 和 p95 差很多，是因為不同的價格區間讓優化器選了不同的執行計畫。
   • PR-028：post 群組表可存 post_status、post_date 副本與 (post_status, post_date) 索引（wp tmdo post-status-sync）。1M 列實測：加欄位 0.05 秒（instant）、建索引 5.3 秒、分批（1,000 列）回填 32 秒，之後與 posts 0 筆不一致。欄位 collation 必須跟 posts.post_status 相同，否則比對會出現 illegal mix of collations。查詢改寫在 PR-029。
   • PR-029：副本 ready 且無 NULL 時，單一 post type、明確狀態、依日期排序的搜尋改為 INNER JOIN、post_status IN (…)、ORDER BY 副本 post_date、不 GROUP BY（bench 變體 entity+copy，--iterations=5）。仍帶 SQL_CALC_FOUND_ROWS 時：情境 1 p50 670→770 ms、p95 3,739→773 ms；情境 2 p50 356→448 ms（變慢，因為算總數仍要掃完所有符合列）。拿掉 SQL_CALC_FOUND_ROWS 後同形狀情境 1 只要 8 ms（走 idx_post_status_date、LIMIT 提早結束）→ 完整效益要搭配 PR-030。
   • PR-030：路由後的搜尋不再帶 SQL_CALC_FOUND_ROWS；總數改由同一查詢的 COUNT(*) 回答，存在物件快取，key 綁 last_changed(posts)（核心存文、Hook Bus 扁平寫入都會推進）。1M 實測：快取命中時整頁 8 ms（原 694 / 363 ms）；快取失效後第一次為頁面 8 ms + COUNT 608 / 344 ms，與原本相當。任何 post 寫入都讓全部計數失效（WP last_changed 語意），寫入頻繁的站命中率較低。
4. Hot 表的索引規則有漏洞。 add_covering_indexes() 只替 decimal、tinyint，以及名稱以 _time 結尾的 bigint 建索引，所以 hp_vendor 沒有索引，情境 3 要 3.4 秒，比 Entity 慢約 12,000 倍。
5. Entity 表只有單欄索引。 情境 2 輸給有複合索引的 Hot 表（337 ms 對 277 ms）。
   • PR-027 之後：群組可用 register_group( ..., array( 'indexes' => ... ) ) 宣告複合索引。在 1M 列的 Entity 表加上 cidx_verified_price (hp_verified, hp_price) 花 8.1 秒；重跑情境 2（--iterations=10），Entity p50 從 337 ms 降到 278 ms（p95 285 ms），Hot 是 269 ms（p95 280 ms），差距在量測誤差內。執行計畫改走 e:cidx_verified_price。
6. dual_write 的寫入成本約為兩倍（0.22 ms 對 0.12 ms），絕對值很小，不是瓶頸。
7. Hot 表和 Entity 表儲存了同一份 listing 資料（合計約 608 MB），兩者功能重疊。

前台與寫入鏈實測（dev36，Release 2.1，2026-09-26）

上面的數字是純 SQL。這一節是真實站台（dev36：HivePress 1.7.31 + Marketplace、WooCommerce 11.1.2、Redis object cache、listing 約 10 萬筆）上的整頁與整條寫入鏈，決策背景見 adr-004-search-index-mode-for-hp-wc.md。

前台搜尋（tests/live/tools/fe.sh：每個 URL 5 次取中位數，X-S36-Ms = 整個請求到 template_redirect）。「routed」是 post 模式 shadow_read + 核心 2.1 router + HivePress AddOn 0.2.0；「1.0.x」是整合測試當時的 router（報告 notes/tmdo-integration-test-dev36-2026-09-26.md）。

URL	原生 ms	1.0.x ms	2.1 routed ms	ids 與原生相同
listing 價格區間	606	496	311	是（found 差 1 為扁平漂移）
listing 價格區間 + _sort=price__asc	949	1,062	428	是
listing 時薪區間 + _sort=hourly_rate__desc	843	—	873	是
listing _sort=rating__desc	1,717	1,720	870	是
listing 關鍵字 + 價格區間	748	—	743	是
vendor 時薪區間	102	—	86	是（found 差 21 為扁平漂移）
WC 商店價格篩選 / 價格排序	90 / 107	88–94	102 / 118	是（WC 用 lookup 表，不經 router）

• HivePress 搜尋仍帶 tax_query（排除一個 term），WordPress 因此加上 GROUP BY posts.ID，排序需要 temporary + filesort；這是目前 311–428 ms 的主要成本，尚未達到 R-2.1 的 300 ms 目標。
• PR-062b 之前，routed 搜尋因 posts_request 改寫而失去 WordPress 的 split query，改撈整列 posts.*：同一條 SQL 撈 * 要 590 ms，只撈 ID 為 312 ms。
• 量測 gotcha：symlink 切換（plugins/ → plugins-dev）後，PHP-FPM 的 opcache（revalidate_path=0）仍執行舊目標的程式，WP-CLI 不受影響；前台數字要先確認實際載入的檔案。

WP_Query（tests/live/tools/qbench.php，fields=ids，20 筆一頁）：價格區間 296→76 ms、價格 + verified 360→53 ms、rating ≥ 4.5 248→33 ms、rate + _thumbnail_id EXISTS 24→9 ms；OR、多 post type、無 type 數值比較等維持原生，結果與原生相同。

寫入鏈開銷（單一程序，disabled 與 dual_write 交替兩輪取平均）：

寫入	disabled	dual_write	增加
HP listing	754 ms / 348 q	976 ms / 434 q	+29%
WC product	215 ms / 129 q	489 ms / 206 q	+127%
vendor（user + post）	444 ms / 162 q	630 ms / 230 q	+42%

WC product 的成本來自 wc_product 群組，Release 2.2 移除 WC 扁平化後消失。

優化候選（待使用者確認後排入 backlog）

#	候選	針對	預期效果
O-1	Entity 表把 post_status、post_date 一併存進來，並建 (hp_status, post_date) 等複合索引，讓搜尋不必 JOIN 回 posts 排序	情境 1、2	寬範圍搜尋改為走索引排序，避免 filesort
O-2	Entity 表支援群組層級的複合索引宣告，例如 (hp_verified, hp_price)、(hp_featured, hp_price)	情境 2	追上或超過 Hot 表
O-3	Hot 表的索引規則補上外鍵型 bigint 欄位（例如 hp_vendor）	情境 3	3.4 秒降到 1 ms 以下
O-4	提供總數快取，或讓路由後的查詢可以不跑 SQL_CALC_FOUND_ROWS（MySQL 8 已棄用）	情境 1、2	省去每次搜尋都要算出全部符合列的成本
O-5	評估 Hot 表與 Entity 表的整併，避免同一份資料存兩份	容量、寫入	省下約 229 MB 並減少一次寫入