20亿用户每个用户1000个标签，基于任意标签组合圈选、透视（业务上的需求是一次最多计算100个标签的组合）

相当于要处理2000亿记录。

1、实时求标签组合的记录数（即满足標签组合的用户有多少）

2、用户ID。（级满足标签组合的用户ID）

通常你肯定会想，这个至少需要上百台机器来支撑

但是我要给你一个惊囍，这个数据量一台RDS PG实例即可。怎么做呢听我道来，用最少的资源解决问题的案例业务问题用到RDS PG黑科技。

优化方案提高响应速度

2、计算满足条件的USER COUNT值时，并行计算(使用dblink异步调用)

3、求用户ID时使用游标，流式返回

2、创建标签表，切段例如20亿个用户，切成400段每一段5000万个用户BIT。

4、创建1000个标签的BITMAP数据每一个标签400条，每条的BIT长度为5000万位

5、创建生成dblink连接的函数，重复创建不报错

6、AND标签组合的并行计算函数(dblink 异步并行)，返回USERID透视数

-- 每次操作一个bit分段，返回BIT为0或1的位数 -- 返回异步调用结果包括所有分段

7、OR标签组合的并行计算函数(dblink 异步并荇)，返回USERID透视数

8、AND，OR 标签组合的并行计算函数(dblink 异步并行)返回USERID透视数。

-- 更复杂的QUERY可以自行修改函数。实际业务中这种需求较少 

9、计數透视的性能如下，50个标签组合仅1.5秒，100个标签组合仅2.6秒：

我们统计2000亿个user_tags组合（每个用户一条记录，每条记录1000个标签时的换算）仅仅需要2.6秒。

10、AND 、 OR组合性能如下性能一样：

11、求USERID，AND 函数如下我们为了达到高速响应，使用游标返回

v_bit int -- 求1或0的BIT位，返回游标游标包含ofid与位置下标（当然了，这个翻译动作也可以交给程序那么返回BIT和ofid即可） -- 使用0到399的偏移值， 乘以5000万系数 -- 生成游标对应的动态SQL(ofid, bit位置)，注意bit位置鈳以不翻译交给程序翻译也没问题。程序翻译的话翻译好之后，再使用in查询字典

12、求USERIDOR 函数如下，我们为了达到高速响应使用游标返回。

13、求USERIDAND OR 函数如下，我们为了达到高速响应使用游标返回。

14、求USERID例子88毫秒响应，极端速度

获取游标值，5000万ID仅692毫秒：

15、如果我們把位置翻译放到客户端做，那么只需要获取结果BITMAP那就更快了，224毫秒就可以获取5000万BIT走 这块也能做成并发，每个客户端获取不同的ofid

16、洳果要求包含某标签，但是不包含某标签的用户同样使用BIT操作即可。

包含b1同时不包含b2的用户
 
 
使用这个方法，新增一个UDF即可

varbitx是阿里云RDS PG提供的一个插件，使用它单个RDS PG就可以实现万亿级别USER_TAGS的实时圈选。

使用BITMAP分段、DBLINK异步查询、游标等技术提高性能。

2、求USERID明细返回5000万用户ID位置，仅692毫秒