pg常用插件

2023-09-19 10:15:14

pg软件包自带插件

前言

pg的插件是基于库的；

pg的数据字典介绍：

1、pg_stat_statements插件

Pg_stat_statements 是一个扩展，而不是核心数据库的一部分。它是一个contrib 扩展，随 postgres 源代码一起提供。pg_stat_statements 的功能位于一个名为 pg_stat_statements.so 的库中，并且必须将 postgres 配置为通过设置加载该库shared_preload_libraries。

一般我们编译安装是make & make install的方式，这种方式不会编译contrib下的内容，需要再手动编译contrib下的扩展

源码编译pg_stat_statements插件：

cd ./contrib/pg_stat_statements

make & make install

修改postgresql.conf，添加：

shared_preload_libraries = 'pg_stat_statements'

pg_stat_statements.max = 10000

pg_stat_statements.track = all

重启：

pg_ctl restart

创建插件：

create extension pg_stat_statements;

查看插件是否创建成功：

SELECT * FROM pg_extension;

查询单次调用最耗 IO SQL TOP 5:

select userid::regrole, dbid, query from pg_stat_statements order by (blk_read_time+blk_write_time)/calls desc limit 5;

查询总最耗 IO SQL TOP 5:

select userid::regrole, dbid, query from pg_stat_statements order by (blk_read_time+blk_write_time) desc limit 5;

查询响应时间抖动最严重 SQL:

select userid::regrole, dbid, query from pg_stat_statements order by stddev_time desc limit 5;

查询最耗共享内存 SQL:

select userid::regrole, dbid, query from pg_stat_statements order by (shared_blks_hit+shared_blks_dirtied) desc limit 5;

查询最耗临时空间 SQL:

select userid::regrole, dbid, query from pg_stat_statements order by temp_blks_written desc limit 5;

清理历史记录：

select pg_stat_statements_reset();

2、auto_explain

我们可以通过explain/explain analyze查看sql的预执行计划/实际执行计划；但是无法查看性能问题发生时的历史执行计划，可以通过auto_explain插件来进行分析

源码编译pg_stat_statements插件：

cd ./contrib/auto_explain

make & make install

修改postgresql.conf，添加：

shared_preload_libraries = 'pg_stat_statements,auto_explain'

auto_explain.log_min_duration='100ms'

auto_explain.log_analyze=on

auto_explain.log_buffers=off

重启：

pg_ctl restart -m fast

测试：

sysbench=# \timing

Timing is on.

sysbench=# select count(*) from pgbench_accounts;

count

----------

10000000

(1 row)

Time: 6725.638 ms (00:06.726)

查看日志中的执行计划：

3、pg_prewarm

数据库重启后，数据库的缓存将被清空，若为生产系统，会在数据库重启后的一段时间内读取硬盘数据，从而可能造成性能问题。pg_prewarm插件可以将数据（表或索引）预先加载到数据库缓存/操作系统缓存

cd contrib/pg_prewarm

make & make install

要在表/索引所在的库中创建pg_prewarm的插件

返回的166549是预估的表的block数量（block_size为8k），analyse命令可以刷新此值（analyze pgbench_accounts;），buffer表示加载到数据库缓存；read表示同步加载到OS缓存；prefetch表示异步加载到OS缓存

也可以缓存索引：

pg_prewarm仅用于对热表数据预热，内存不够时被缓存的数据有可能被挤出，无法持久化到内存

pg_prewarm没出来之前有第三方工具pgfincore功能较丰富，支持表、索引加载到OS缓存，也支持刷出，同时支持查看表被缓存的情况。

4、postgres_fdw

此插件为pg外部表插件，可以访问其他pg实例的表（在本地映射），或者跨database访问（同一个sql不能同时查询两个库），类似oracle的dblink

安装插件：

cd contrib/postgres_fdw

make & make install

创建插件：

create extension postgres_fdw;

查询已安装插件：

SELECT * FROM pg_extension;

创建server：

CREATE SERVER haodb_server FOREIGN DATA WRAPPER postgres_fdw OPTIONS (host '10.10.237.23', port '5432', dbname 'haodb');

select * from information_schema.foreign_servers;

select * from pg_foreign_server;

创建mapping用户：

CREATE USER mapping FOR haodb SERVER haodb_server OPTIONS (user 'haodb', password 'haodb');

select * from information_schema.user_mappings;

创建外部表：

import foreign schema public limit to (test1) from server haodb_server into joyce_schema;

查询外部表：

select * from information_schema.foreign_tables;

select * from pg_foreign_table;

外部表不仅可以查询，也可以进行增删改的操作:

目标库：

源库：

也可以进行DDL操作（可以修改表结构，不能drop table）：

删除外部表：

drop FOREIGN table joyce_schema.test1;

如果想导入外部某个schema下的全部表，可以使用：

import foreign schema public from server haodb_server;

参考文档：

「建议收藏」PostgreSQL FDW

同理也有mysql_fdw、oracle_fdw来通过pg查询mysql、oracle的表，见【其他插件】

5、file_fdw

file_fdw插件为pg提供了访问外部文件的能力，目前只提供了只读能力，外部文件必须是符合COPY规则的

安装插件：

cd contrib/file_fdw

make & make install

创建插件：

create extension file_fdw;

查询已安装插件：

SELECT * FROM pg_extension;

创建外部服务：

CREATE SERVER fileserver FOREIGN DATA WRAPPER file_fdw;

有个csv外部文件，创建对应的外部表：

head /tmp/pg_foreign_table.csv

CREATE FOREIGN TABLE pgtable (

schemaname varchar,

tablename text,

owner text,

tablespace text,

col1 boolean,

col2 boolean,

col3 boolean,

col4 boolean

) SERVER fileserver

OPTIONS ( filename '/tmp/pg_foreign_table.csv', format 'csv' );

6、dblink

与postgres_fdw类似，编译安装方法也类似

cd contrib/dblink

make & make install

create extension dblink;

创建myconn dblink：

select dblink_connect('myconn','host=10.10.237.23 port=5432 dbname=haodb user=haodb password=haodb');

引用dblink：

select * from dblink ('myconn','select * from test') as dblink_test(a int);

用法有点奇奇怪怪，fdw强于dblink插件，建议使用外部表

7、pageinspect

pageinspect插件是查看表文件的一个插件，可以查询表的历史事务，对MVCC有更深入的理解

瀚高利用此特性可以实现闪回查询，原生pg不行

安装插件：

cd contrib/pageinspect

make & make install

创建插件：

create extension pageinspect;

查询已安装插件：

SELECT * FROM pg_extension;

查询插件支持的function：

\dx+ pageinspect

测试

我们使用hash_page_items和get_raw_page来读取表文件的内容

create table t1(id int,name varchar(10));
insert into t1 values(1,'a'),(2,'b');
select xmin,xmax,ctid,* from t1;  --查询表中的内容
select t_xmin,t_xmax,t_ctid from heap_page_items(get_raw_page('t1',0)); --查询表文件中的内容

此时表和表文件的xmin一致：

对表做update操作：

update t1 set name='c' where id=1;
select xmin,xmax,ctid,* from t1;
select t_xmin,t_xmax,t_ctid from heap_page_items(get_raw_page('t1',0));

此时表文件中出现了行的多版本信息（t_xmax不为0的那行是待回收的行）

也可以看出，pg中update是delete+insert的

手动做vacuum

vacuum t1;

可以发现空间被清理，但未被回收

vacuum full t1;

空间被回收：

其他插件

1、mysql_fdw

下载mysql_fdw最新版本

https://github.com/EnterpriseDB/mysql_fdw/releases

编译安装

export PATH=$PATH:/usr/local/mysql/bin:/haodb/haodb/bin

export LD_LIBRARY_PATH=/usr/lib:/usr/lib64:/usr/local/mysql/lib:/haodb/haodb/lib

yum -y install mysql-devel

cd contrib (pg的contrib目录）

unzip /soft/mysql_fdw-REL-2_9_0.zip

cd mysql_fdw-REL-2_9_0/

make & make install

创建mysql_fdw插件

create extension mysql_fdw;

CREATE SERVER mysql_server FOREIGN DATA WRAPPER mysql_fdw OPTIONS (host '10.10.237.20', port '3306');

CREATE USER MAPPING FOR haodb SERVER mysql_server OPTIONS (username 'test', password 'test');

CREATE FOREIGN TABLE fdw_t1

(

TABLE_SCHEMA varchar,

TABLE_NAME varchar

)

SERVER mysql_server

OPTIONS (dbname 'test', table_name 't1');

2、oracle_fdw

下载oracle_fdw

GitHub - laurenz/oracle_fdw: PostgreSQL Foreign Data Wrapper for Oracle

编译安装

添加如下变量配置到/etc/profile

export ORACLE_HOME=/oracle/product/19c

export LD_LIBRARY_PATH=$ORACLE_HOME/lib:$LD_LIBRARY_PATH

export PATH=$ORACLE_HOME/bin:$PATH

export TNS_ADMIN=$ORACLE_HOME/network/admin

source /etc/profile

cd contrib

unzip /soft/oracle_fdw-master.zip

make & make install

create extension oracle_fdw;

可能报以下错误：

（1）libclntsh.so.19.1: cannot open shared object file: No such file or directory

可以通过配置以下解决：

vi /etc/ld.so.conf.d/oracle-x86_64.conf

/oracle/product/19c/lib

haodb用户下执行 sudo ldconfig （注意先给haodb sudo权限）

（2）执行sudo ldconfig报错如下：

是由于上面两个文件都是实体文件不是软链接，可以通过将实体文件重命名，再重新软连接解决

su - oracle

mv /oracle/product/19c/lib/libexpat.so.1 /oracle/product/19c/lib/libexpat.so.1.bk

ln -s /oracle/product/19c/lib/libexpat.so.1.bk /oracle/product/19c/lib/libexpat.so.1

mv /oracle/product/19c/lib/libsrvm19.so /oracle/product/19c/lib/libsrvm19.so.bk

ln -s /oracle/product/19c/lib/libsrvm19.so.bk /oracle/product/19c/lib/libsrvm19.so

再次创建oracle_fdw插件不再报错

create extension oracle_fdw;

--注意haodb软件的用户需要能调用sqlplus连接oracle库

CREATE SERVER oradb FOREIGN DATA WRAPPER oracle_fdw OPTIONS (dbserver '10.10.237.20:1521/cc');

CREATE USER MAPPING FOR haodb SERVER oradb OPTIONS (user 'test', password 'test');

CREATE FOREIGN TABLE fdw_t2 (

owner VARCHAR(128),

TABLE_NAME VARCHAR(128)

) SERVER oradb OPTIONS (schema 'TEST', table 'T2');

CREATE FOREIGN TABLE fdw_t3 (

id int,

name varchar(10)

) SERVER oradb OPTIONS (schema 'TEST', table 'T3');

--注意因为oracle表名都是大写存储的，这里的schema和table都要大写，防止小写找不到表

这种sql都正常执行，但是fdw_t2有2000多行记录，count(*)会导致报错，原因不明

给源库的t3 insert一行记录，count(*)也会报错

似乎是个bug

查看所有外部对象：

查看所有外部server： /des+

查看所有外部user mapping： /deu+

查看所有外部表：/det+

3、pg_profile

pg_profile扩展是基于postgres的标准统计视图，类似于Oracle AWR架构，在指定时间生成快照，并切提供html格式来解释快照之间的统计数据

使用pg_profile的前提是安装了dblink和pg_stat_statements插件，pg_profile需要如下的参数设置：

track_activities = on

track_counts = on

track_io_timing = on

#track_wal_io_timing = on # Since Postgres 14

track_functions = all

pg_ctl reload 即可生效，无需重启

下载pg_profile

https://github.com/zubkov-andrei/pg_profile

解压安装：

cd contrib

unzip /soft/pg_profile-master.zip

cd pg_profile-master

make & make install

create extension pg_profile;

很多表被自动创建了

select show_samples(); --查看当前已存在的快照

select * from take_sample(); --手动创建快照

生成awr报告：

psql -Aqtc "select get_report(1,2)" --output awr_report_postgres_1_2.html

html报告的主内容如下图：

crontab中配置每半小时生成快照：

*/30 * * * * psql -c 'SELECT profile.snapshot()' > /haodb/haodb/pg_awr.log 2>&1

同时pg_profile有自带的grafana监控模板，可以在grafana新建postgres的data source

导入pg_profile_visualization.json，新建dashboard

可以看到dashboard监控（但是感觉没什么意思）

4、pgwatch2+grafana

下载pgwatch2

https://github.com/cybertec-postgresql/pgwatch2/releases

rpm -ivh pgwatch2_1.10.0_linux_64-bit.rpm

创建configdb

psql -c "create user pgwatch2 password 'pgwatch2'" -Uhaodb

psql -c "create database pgwatch2 owner pgwatch2" -Uhaodb

psql -f /etc/pgwatch2/sql/config_store/config_store.sql pgwatch2 -Uhaodb

psql -f /etc/pgwatch2/sql/config_store/metric_definitions.sql pgwatch2 -Uhaodb

创建metrics storage DB

cd contrib/btree_gin/

make & nake install

psql -c "create database pgwatch2_metrics owner pgwatch2" -Uhaodb

cd /etc/pgwatch2/sql/metric_store

psql -f roll_out_metric_time.psql pgwatch2_metrics -Uhaodb

安装python3

yum install python3 python3-pip python3-devel

su - haodb

cd /etc/pgwatch2/

pip3 install -U -r webpy/requirements_pg_metrics.txt --default-timeout=100

pip3 install -U -r webpy/requirements_influx_metrics.txt --default-timeout=100

cd webpy

若8080端口已被占用，可修改web.py为未被占用的端口

启动pgwatch2

python3 web.py --datastore=haodb --pg-metric-store-conn-str="dbname=pgwatch2_metrics user=pgwatch2"

若出现以下说明WebUI启动成功

cd /usr/lib/systemd/system/

cp /etc/pgwatch2/webpy/startup-scripts/pgwatch2-webui.service .

按照实际的配置修改pgwatch2-webui.service

ln -s /haodb/haodb/lib/libpq.so.5.13 /usr/lib64/libpq.so.5

systemctl start pgwatch2-webui

访问http://10.10.237.20:8000/

被监控的数据库中创建监控用户：

CREATE ROLE m_pgwatch2 WITH LOGIN PASSWORD 'm_pgwatch2';

ALTER ROLE m_pgwatch2 CONNECTION LIMIT 3;

GRANT pg_monitor TO m_pgwatch2;

GRANT CONNECT ON DATABASE haodb TO m_pgwatch2;

GRANT USAGE ON SCHEMA public TO m_pgwatch2;

GRANT EXECUTE ON FUNCTION pg_stat_file(text) to m_pgwatch2;

新增监控数据库信息：

填写完成后点击New

被监控机器启动agent：

pgwatch2-daemon --host=10.10.237.20 --user=pgwatch2 --dbname=pgwatch2 --datastore=postgres --pg-metric-store-conn-str=postgresql://pgwatch2@10.10.237.20:5432/pgwatch2_metrics --verbose=info

导入dashboard.json到grafana，这里我没有把数据显示出来，与之前的pgscv有点类似，就没深入追究了

5、pgbadger

用于解析pg的log文件

要开启慢sql

log_min_duration_statement='5s'

logging_collector = on

log_directory = '/haodb/haodb/log'

log_filename = 'haodb-%Y-%m-%d_%H%M%S.log'

log_rotation_age = 1d

log_rotation_size = 10MB

log_line_prefix = '%m [%p] '

下载pgbadger

https://github.com/darold/pgbadger/releases

解压并安装

unzip pgbadger-12.1.zip

cd pgbadger-12.1

yum install cpan perl-ExtUtils-CBuilder perl-ExtUtils-MakeMaker -y

cpan ExtUtils::Install

perl Makefile.PL

make & make install

/usr/local/bin/pgbadger -V

安装httpd

yum install httpd -y

mkdir /var/www/html/pgbadger

systemctl start httpd

分析log：

pgbadger --prefix '%m [%p] ' /haodb/haodb/log/haodb-*.log -o /var/www/html/pgbadger/out.html -f stderr -s 10

查看:

还有一些插件这里没有深入介绍：如分片插件citus、oracle语法兼容插件orafce等

更多推荐

在混合云中优化边缘计算的三种方法

回答这些关键问题，以确保在部署边缘计算时获得更大的价值和更好的结果。企业通过混合云部署分散计算资源的努力揭示了一种独立但相关的策略：边缘计算的使用，在这种策略中，组织利用远程位置或托管设施的本地数据中心资源。两个通用原则定义了边缘计算。首先，它是分布式的，计算和处理在远离集中式数据中心或云的地方进行。其次，它是特定于位

“淘宝” 开放平台接口设计思路（内附API接口免费接入地址）

最近对接的开放平台有点多，像淘宝、天猫、京东、拼多多、快手、抖音等电商平台的开放平台基本对接了个遍，什么是CRUDBODY也许就是这样的吧！！！经过这几天的整理，脑子里大概有了个开放平台接口的设计套路，故整理成文章方便有需要的时间去实现自己的开放平台接口。开放平台比较关注的几个点：易用性：接口设计要简洁，请求参数要见名

接口性能优化

1.批量操作数据库2.异步执行，降低接口耗时，可以使用线程池或消息队列。3.使用缓存，把要查的数据，提前放好到缓存里面，需要时，直接查缓存，而避免去查数据库或者计算的过程。4.提前初始化到缓存，避免一些复杂的计算的耗时。5.池化思想，使用线程池，重复利用线程，避免不必要的耗时。6.拒绝阻塞等待。7.远程调用由串行改为并

企业电子招标采购系统源码之从供应商管理到采购招投标、采购合同、采购执行的全过程数字化管理

功能描述1、门户管理：所有用户可在门户页面查看所有的公告信息及相关的通知信息。主要板块包含：招标公告、非招标公告、系统通知、政策法规。2、立项管理：企业用户可对需要采购的项目进行立项申请，并提交审批，查看所有的立项信息。主要功能包含：招标立项申请、非招标立项申请、采购立项管理。3、采购项目管理：可对项目采购过程全流程管

OpenCV（四十七）：RANSAC优化特征点匹配

1.RANSAC算法介绍RANSAC是一种常用的参数估计方法，全称为RandomSampleConsensus（随机抽样一致性）。它的主要思想是通过随机选择一部分数据样本，构建模型并评估其拟合程度，迭代过程中逐步优化模型，最终得到一个拟合较好的模型。其基本流程如下：随机取样，计算规律(特征点匹配中计算单应矩阵)测试规律

【JMeter】threadNum：将接口查询结果列表按顺序赋值给各线程

【软件测试行业现状】2023年了你还敢学软件测试？未来已寄..测试人该何去何从？【自动化测试、测试开发、性能测试】使用JMeter做性能测试会遇到这么一个场景：后面的请求需要根据前面的查询列表结果通过正则表达式提取器取值后赋值，而后面用户的赋值必须是唯一的，此时该如何做？如果按编程思维来说，这个问题并不难。只需要把前面

打卡中国人民大学与加拿大女王大学金融硕士项目，读研梦想从这里起飞

2024年硕士研究生网报即将于10月8日开启，中国人民大学硕士研究生招生简章也已公布，计划报考人大研究生的在职人士你们复习的怎么样了呢，录取的比率逐年下降，想要成功上岸还是需要做多重准备的，除了PlanA我们还要做PlanB或PlanC等，中国人民大学与加拿大女王大学金融硕士项目邀你来打卡，你的读研梦想也可以从这里起飞

Hadoop的YARN高可用

一、YARN简介Hadoop2.0即第二代Hadoop，由分布式存储系统HDFS、并行计算框架MapReduce和分布式资源管理系统YARN三个系统组成，其中YARN是一个资源管理系统，负责集群资源管理和调度，MapReduce则是运行在YARN上的离线处理框架。YARN一种开源的分布式资源管理和作业调度技术，它是作为

通过java代码在指定目录生成一个指定内容的vue文件

可能很多人觉得用java写vue会更快或者有什么固定格式但其实那需要构建一套非常完整的系统架构如果什么都没构建那么用前端编辑器肯定是比你用java写的快而且写的好的我们直接创建一个类叫Main编写代码如下importjava.io.FileWriter;importjava.io.IOException;publicc

如何搭建数据驱动自动化测试框架？

前言说到数据驱动自动化测试，你会不会有这样的疑问：数据怎么管理？数据怎么才能驱动测试用例执行？到底怎么样才算数据驱动？那么本篇文章就教你如何进行数据驱动测试，相信你一定能对数据驱动自动化测试有一个不一样的理解，希望这篇文章能帮助还在懵懵懂懂的你了解数据驱动测试，如何来做数据驱动测试？那么就跟上我的脚步吧^_^项目介绍1

动态近场通信标签：如何使用C++与微控制器进行NFC交互的完整指南

1.引言近场通信（NFC）技术已经成为现代电子设备中不可或缺的一部分。从手机支付到门禁系统，NFC为我们的日常生活带来了许多便利。但是，你知道我们可以如何使用C++与微控制器进行NFC交互吗？在本文中，我们将深入探讨如何使用开源NFC标签与微控制器进行通信。2.NFC简介近场通信（NFC）是一种建立在射频识别（RFID

热文推荐
  1. 项目进度管理有哪些方法？项目管理中的进度管理

    项目进度管理是项目实施过程中，根据制定的计划对各阶段的任务和项目最终完成的期限所进行的管理。在执行该计划的过程中，检查实际进度是否按计划要求进行，若出现偏差，便要及时找出原因，采取必要的措施或调整，直至项目完成。保证项目能在满足其时间约束条件的前提下实现总体目标。管事：项目进度管理主要涉及到对项目的任务进行分解，并设计

  2. uniapp 使用subNVue原生子窗体显示弹框或悬浮框

    效果展示在uniapp中，我们可以使用subNVue原生子窗体来解决web-view等原生页面中弹框无法显示的问题。subNVue原生子窗体是uniapp提供的一种原生组件，可以在uniapp中嵌入原生页面，并且可以与uniapp页面进行通信。我们可以在原生页面中使用uniapp提供的API来与uniapp页面进行通信

  3. 【开发篇】二、属性绑定与校验

    文章目录1、@ConfigurationProperties自定义Bean属性绑定2、@EnableConfigurationProperties注解3、@ConfigurationProperties第三方Bean属性绑定4、松散绑定5、常用计量单位6、数据校验7、yaml绑定值的坑--关于进制1、@Configur

  4. 玩转 gpgpu sim 02记 —— 构建了什么

    1.设置环境变量编译gpgpu-sim需要先运行脚本setup_environment,sourcesetup_environment，注释如下，主要是设置一些Makefile中会用到的环境变量#seeREADMEbeforerunningthis#下面这句用来检测当前的shell环境是不是bash或者sh或者zsh，

  5. Jtti：新加坡云服务器怎么部署javaweb

    在新加坡云服务器上部署JavaWeb应用程序需要执行以下步骤：1.准备云服务器：首先，您需要租用或创建一个新加坡地区的云服务器，确保服务器的操作系统和硬件资源满足您的需求。2.安装Java环境：确保您的服务器上已经安装了Java开发环境(JDK)。您可以使用以下命令来检查是否已经安装：java-version如果未安装

  6. 乖离率BIAS指标选股公式，判断多空力量和超买超卖

    乖离率(BIAS)指标用于衡量股价与移动平均线之间的偏离程度，可以用来判断当前市场的多空力量和超买超卖情况。乖离率的计算公式比较简单，如下：BIAS=(收盘价-N日移动平均价)/N日移动平均价×100其中，N代表选择的时间周期，比如5日、10日或20日等。从公式可以看出乖离率BIAS的正负值表示股价相对于均线的偏离方向

  7. 思腾云计算

    近日，IDC发布了《2022年H2中国加速计算市场分析报告》。报告显示，2022年加速服务器市场同比增长22.9%。中国加速服务器市场预计将在未来五年内保持稳定增长。IDC预测，到2027年，中国加速发展的服务器市场将达到163亿美元。思腾合力经过近几年的快速发展，已逐步成长为国内人工智能服务器领域领先企业。本次报告榜

  8. 传统企业如何实现数字化转型？

    传统企业实现数字化转型是一个复杂且多方面的过程，涉及将数字技术和战略融入业务的各个方面，以推动创新、效率和竞争力。以下是传统企业实现数字化转型可以遵循的步骤和策略：1.领导层的认可和愿景：首先要确保最高领导层（包括首席执行官和董事会）的承诺。他们应该了解数字化转型的重要性并愿意对其进行投资。就数字化转型对组织的意义制定

  9. Python实现猎人猎物优化算法(HPO)优化LightGBM回归模型(LGBMRegressor算法)项目实战

    说明：这是一个机器学习实战项目（附带数据+代码+文档+视频讲解），如需数据+代码+文档+视频讲解可以直接到文章最后获取。1.项目背景猎人猎物优化搜索算法(Hunter–preyoptimizer,HPO)是由Naruei&Keynia于2022年提出的一种最新的优化搜索算法。受到捕食动物(如狮子、豹子和狼)和猎物(如雄