我运行一个python程序，产生8个线程，每个线程通过psycopg2启动自己的postmaster进程。 这是为了最大限度地使用我的CPU核心（8）。 每个线程调用一系列SQL函数。 这些函数中的大多数通过使用unnest（）并将每个FLOAT8乘以与每行关联的另一个FLOAT8，从而通过成千上万的行关联到一个大的FLOAT8 []数组（250-300）值。 这种数组方法最大限度地减less了索引和表的大小。 该函数以插入到同一表格（pk INT4，数组FLOAT8 []）的一行的另一个表中的方式结束。 一些由python调用的SQL函数将会更新这些types的表（大数组）。
现在我已经configurationPostgreSQL使用大部分的内存caching（我认为57 GB的effective_cache_size），只有less量的共享内存（我认为是1GB）。 首先，我想知道Cache和共享内存在PostgreSQL（和我的应用程序）方面有什么区别。
我注意到，在大多数读取密集型应用程序（Select unnest（array）等）期间，我的总CPU处理能力只有大约20-40％被使用。 所以第二，我想知道我能做些什么来改善这个问题，这样就可以使用100％的CPU。 根据我的观察，似乎与python或其GIL没有任何关系。
谢谢
effective_cache_size不会更改任何内存设置，它仅用于查询计划中的估计目的。 将共享缓冲区占用大约25％的可用内存，查看速度是否有差异。
另外，使用EXPLAIN来获取查询计划，看看你是否需要一些额外的索引或更好的configuration。
看来你已经遇到了I / O瓶颈。 你有很多高速缓冲存储器，但是数据集有多大？ 什么是当前的磁盘configuration？ 磁盘有多忙？ 瓶颈是networking吗？
另一件要检查的是每个进程有多less工作内存。 有可能是没有理由有很多的内存stream量。
这个网站有一个良好的调整postgres概述。