በ PostgreSQL ውስጥ ትይዩ መጠይቆች

ዘመናዊ ሲፒዩዎች ብዙ ኮሮች አሏቸው። ለዓመታት ትግበራዎች መጠይቆችን ወደ ዳታቤዝ በትይዩ እየላኩ ነው። በሰንጠረዥ ውስጥ በበርካታ ረድፎች ላይ የሪፖርት ማድረጊያ ጥያቄ ከሆነ፣ ብዙ ሲፒዩዎችን ሲጠቀም ፈጣን ይሆናል፣ እና PostgreSQL ከስሪት 9.6 ጀምሮ ይህን ማድረግ ችሏል።

ትይዩ የመጠይቅ ባህሪን ለመተግበር 3 ዓመታት ፈጅቷል - ኮዱን በተለያዩ የጥያቄ አፈፃፀም ደረጃዎች እንደገና መፃፍ ነበረብኝ። PostgreSQL 9.6 ኮዱን የበለጠ ለማሻሻል መሠረተ ልማትን አስተዋወቀ። በሚቀጥሉት ስሪቶች ውስጥ, ሌሎች የጥያቄ ዓይነቶች በትይዩ ይከናወናሉ.

ገደቦች

• ሁሉም ኮሮች ስራ ላይ ከዋሉ ትይዩ ማስፈጸሚያን አታንቁ፣ አለበለዚያ ሌሎች ጥያቄዎች ይቀንሳሉ።
• ከሁሉም በላይ ፣ ከከፍተኛ WORK_MEM እሴቶች ጋር ትይዩ ሂደት ብዙ ማህደረ ትውስታን ይጠቀማል - እያንዳንዱ የሃሽ መቀላቀል ወይም መደርደር በ work_mem መጠን ማህደረ ትውስታን ይወስዳል።
• ዝቅተኛ መዘግየት OLTP መጠይቆችን በትይዩ አፈጻጸም ማፋጠን አይቻልም። እና መጠይቁ ነጠላ ረድፍ ከመለሰ፣ ትይዩ ሂደት ፍጥነቱን ይቀንሳል።
• ገንቢዎች የTPC-H መለኪያን መጠቀም ይወዳሉ። ለፍጹም ትይዩ ማስፈጸሚያ ተመሳሳይ ጥያቄዎች ሊኖሩዎት ይችላሉ።
• ያለ ተሳቢ መቆለፍ የ SELECT መጠይቆች ብቻ በትይዩ ይከናወናሉ።
• አንዳንድ ጊዜ ትክክለኛ መረጃ ጠቋሚ ከተከታታይ የሰንጠረዥ ፍተሻዎች በትይዩ የተሻለ ነው።
• መጠይቅ ባለበት ማቆም እና ጠቋሚዎች አይደገፉም።
• የመስኮት ተግባራት እና የታዘዙ የተዋቀሩ አጠቃላይ ተግባራት ትይዩ አይደሉም።
• በ I/O የስራ ጫና ውስጥ ምንም አያገኙም።
• ምንም ትይዩ የመደርደር ስልተ ቀመሮች የሉም። ነገር ግን ከዓይነት ጋር ያሉ መጠይቆች በአንዳንድ ገፅታዎች በትይዩ ሊሄዱ ይችላሉ።
• ትይዩ ሂደትን ለማንቃት CTE (በ...) በተሸፈነ SELECT ይተኩ።
• የውጭ የመረጃ መጠቅለያዎች ትይዩ ሂደትን ገና አይደግፉም (ግን ይችላሉ!)
• ሙሉ ለሙሉ መቀላቀል አይደገፍም።
• max_rows ትይዩ ሂደትን ያሰናክላል።
• ጥያቄው እንደ PARALLEL SAFE ያልተሰየመ ተግባር ካለው ነጠላ-ክር ይሆናል።
• የግብይት ማግለል ደረጃ SERIALIZABLE ትይዩ ሂደትን ያሰናክላል።

የሙከራ አካባቢ

PostgreSQL ገንቢዎች የTPC-H የቤንችማርክ መጠይቆችን ምላሽ ጊዜ ለመቀነስ ሞክረዋል። ቤንችማርክን ያውርዱ እና ከ PostgreSQL ጋር ያስተካክሉት።. ይህ የTPC-H ቤንችማርክ ኦፊሴላዊ ያልሆነ አጠቃቀም ነው - የውሂብ ጎታዎችን ወይም ሃርድዌርን ለማነፃፀር አይደለም።

1. TPC-H_Tools_v2.17.3.zip (ወይም ከዚያ በኋላ) አውርድ ከ TPC ውጪ.
2. makefile.suiteን ወደ Makefile ይሰይሙ እና እዚህ እንደተገለጸው ያሻሽሉ፡ https://github.com/tvondra/pg_tpch . ኮዱን በመሥራት ሰብስቡ።
3. ውሂብ ይፍጠሩ፡ ./dbgen -s 10 23 ጂቢ የውሂብ ጎታ ይፈጥራል. ይህ በትይዩ እና ትይዩ ያልሆኑ መጠይቆች መካከል ያለውን የአፈጻጸም ልዩነት ለማየት በቂ ነው።
4. ፋይሎችን ቀይር tbl в csv с for и sed.
5. ማከማቻውን መዝጋት pg_tpch እና ፋይሎቹን ይቅዱ csv в pg_tpch/dss/data.
6. ጥያቄዎችን በትእዛዝ ይፍጠሩ qgen.
7. በትእዛዙ ውስጥ ውሂቡን ወደ ዳታቤዝ ይጫኑ ./tpch.sh.

ትይዩ ተከታታይ ቅኝት።

ፈጣን ሊሆን የሚችለው በትይዩ ንባብ ሳይሆን ውሂቡ በብዙ የሲፒዩ ኮሮች ውስጥ ስለተበታተነ ነው። በዘመናዊ ስርዓተ ክወናዎች የ PostgreSQL ውሂብ ፋይሎች በደንብ ተደብቀዋል። ወደፊት ተነባቢ ከሆነ የPG ዴሞን ከጠየቀው በላይ የሆነ ብሎክ ከማከማቻው ማግኘት ይቻላል። ስለዚህ የጥያቄ አፈጻጸም በዲስክ አይ/ኦ የተገደበ አይደለም። ለሚከተሉት የሲፒዩ ዑደቶችን ይጠቀማል፡-

• መስመሮችን ከሠንጠረዡ ገጾች አንድ በአንድ ያንብቡ;
• የሕብረቁምፊ እሴቶችን እና ሁኔታዎችን ያወዳድሩ WHERE.

ቀላል ጥያቄን እናካሂድ select:

tpch=# explain analyze select l_quantity as sum_qty from lineitem where l_shipdate <= date '1998-12-01' - interval '105' day;
QUERY PLAN
--------------------------------------------------------------------------------------------------------------------------
Seq Scan on lineitem (cost=0.00..1964772.00 rows=58856235 width=5) (actual time=0.014..16951.669 rows=58839715 loops=1)
Filter: (l_shipdate <= '1998-08-18 00:00:00'::timestamp without time zone)
Rows Removed by Filter: 1146337
Planning Time: 0.203 ms
Execution Time: 19035.100 ms

ተከታታይ ቅኝት ብዙ ረድፎችን ያለምንም ድምር ይሰጣል፣ ስለዚህ መጠይቁ በአንድ ሲፒዩ ኮር ነው።

ካከሉ SUM(), ሁለት የስራ ፍሰቶች መጠይቁን ለማፋጠን እንደሚረዱ ማየት ይችላሉ-

explain analyze select sum(l_quantity) as sum_qty from lineitem where l_shipdate <= date '1998-12-01' - interval '105' day;
QUERY PLAN
----------------------------------------------------------------------------------------------------------------------------------------------------
Finalize Aggregate (cost=1589702.14..1589702.15 rows=1 width=32) (actual time=8553.365..8553.365 rows=1 loops=1)
-> Gather (cost=1589701.91..1589702.12 rows=2 width=32) (actual time=8553.241..8555.067 rows=3 loops=1)
Workers Planned: 2
Workers Launched: 2
-> Partial Aggregate (cost=1588701.91..1588701.92 rows=1 width=32) (actual time=8547.546..8547.546 rows=1 loops=3)
-> Parallel Seq Scan on lineitem (cost=0.00..1527393.33 rows=24523431 width=5) (actual time=0.038..5998.417 rows=19613238 loops=3)
Filter: (l_shipdate <= '1998-08-18 00:00:00'::timestamp without time zone)
Rows Removed by Filter: 382112
Planning Time: 0.241 ms
Execution Time: 8555.131 ms

ትይዩ ድምር

የ"Parallel Seq Scan" መስቀለኛ መንገድ ለከፊል ድምር ረድፎችን ይፈጥራል። የ"ከፊል ድምር" መስቀለኛ መንገድ እነዚህን ረድፎች በ SUM(). መጨረሻ ላይ ከእያንዳንዱ የስራ ሂደት የ SUM ቆጣሪ በ Gather node ይሰበሰባል.

የመጨረሻው ውጤት በ "ማጠናቀቂያ ድምር" መስቀለኛ መንገድ ይሰላል. የእራስዎ የመደመር ተግባራት ካሎት፣ እንደ "ትይዩ ደህንነት" ምልክት ማድረግዎን አይርሱ።

የሰራተኛ ሂደቶች ብዛት

አገልጋዩን እንደገና ሳያስጀምሩ የሰራተኞች ሂደቶች ብዛት ሊጨምር ይችላል-

explain analyze select sum(l_quantity) as sum_qty from lineitem where l_shipdate <= date '1998-12-01' - interval '105' day;
QUERY PLAN
----------------------------------------------------------------------------------------------------------------------------------------------------
Finalize Aggregate (cost=1589702.14..1589702.15 rows=1 width=32) (actual time=8553.365..8553.365 rows=1 loops=1)
-> Gather (cost=1589701.91..1589702.12 rows=2 width=32) (actual time=8553.241..8555.067 rows=3 loops=1)
Workers Planned: 2
Workers Launched: 2
-> Partial Aggregate (cost=1588701.91..1588701.92 rows=1 width=32) (actual time=8547.546..8547.546 rows=1 loops=3)
-> Parallel Seq Scan on lineitem (cost=0.00..1527393.33 rows=24523431 width=5) (actual time=0.038..5998.417 rows=19613238 loops=3)
Filter: (l_shipdate <= '1998-08-18 00:00:00'::timestamp without time zone)
Rows Removed by Filter: 382112
Planning Time: 0.241 ms
Execution Time: 8555.131 ms

እዚህ ምን እየሆነ ነው? 2 እጥፍ ተጨማሪ የሰራተኛ ሂደቶች አሉ፣ እና መጠይቁ 1,6599 ጊዜ ብቻ ፈጣን ነው። ስሌቶቹ አስደሳች ናቸው. 2 የሰራተኛ ሂደቶች እና 1 መሪ ነበሩን። ከለውጡ በኋላ 4+1 ሆነ።

የእኛ ከፍተኛ ፍጥነት ከትይዩ ሂደት፡ 5/3 = 1,66(6) ጊዜ።

ይህ የሚሠራው እንዴት ነው?

ሂደቶች

የጥያቄው አፈጻጸም ሁልጊዜ በመሪነት ሂደት ይጀምራል። መሪው ሁሉንም ነገር ትይዩ ያልሆኑ እና አንዳንድ ትይዩ ሂደቶችን ያደርጋል። ተመሳሳይ ጥያቄዎችን የሚፈጽሙ ሌሎች ሂደቶች የሰራተኛ ሂደቶች ይባላሉ. ትይዩ ማቀነባበሪያ መሠረተ ልማት ይጠቀማል ተለዋዋጭ ዳራ የስራ ፍሰቶች (ከሥሪት 9.4 ጀምሮ)። ሌሎች የPostgreSQL ክፍሎች ከክር ይልቅ ሂደቶችን ስለሚጠቀሙ፣ 3 የሰራተኛ ሂደቶች ያለው ጥያቄ ከተለምዷዊ ሂደት 4 እጥፍ ፈጣን ሊሆን ይችላል።

መስተጋብር

የሰራተኛ ሂደቶች ከመሪው ጋር በመልዕክት ወረፋ (በጋራ ማህደረ ትውስታ ላይ የተመሰረተ) ይገናኛሉ. እያንዳንዱ ሂደት 2 ወረፋዎች አሉት: ለስህተቶች እና ለ tuples.

ምን ያህል የሰራተኛ ሂደቶች ያስፈልግዎታል?

ዝቅተኛው ገደብ መለኪያውን ያዘጋጃል max_parallel_workers_per_gather. ከዚያ የጥያቄው አስፈፃሚው በመለኪያው የተገደበ የሰራተኛ ሂደቶችን ከመዋኛ ገንዳ ይወስዳል max_parallel_workers size. የመጨረሻው ገደብ ነው max_worker_processes, ይህም አጠቃላይ የጀርባ ሂደቶች ቁጥር ነው.

የሰራተኛ ሂደትን ለመመደብ የማይቻል ከሆነ ሂደቱ ነጠላ ሂደት ይሆናል.

የጥያቄ እቅድ አውጪው በሠንጠረዡ ወይም በመረጃ ጠቋሚው መጠን ላይ በመመስረት የስራ ሂደቶችን ሊቀንስ ይችላል። ለዚህ አማራጮች አሉ. min_parallel_table_scan_size и min_parallel_index_scan_size.

set min_parallel_table_scan_size='8MB'
8MB table => 1 worker
24MB table => 2 workers
72MB table => 3 workers
x => log(x / min_parallel_table_scan_size) / log(3) + 1 worker

በእያንዳንዱ ጊዜ ጠረጴዛው በ 3 እጥፍ ይበልጣል min_parallel_(index|table)_scan_size, Postgres የሰራተኛ ሂደትን ይጨምራል. የስራ ፍሰቶች ብዛት በዋጋ ላይ የተመሰረተ አይደለም. ክብ ጥገኝነት ውስብስብ አተገባበርን አስቸጋሪ ያደርገዋል። በምትኩ, መርሐግብር አውጪው ቀላል ደንቦችን ይጠቀማል.

በተግባራዊ ሁኔታ, እነዚህ ደንቦች ሁልጊዜ ለማምረት ተስማሚ አይደሉም, ስለዚህ ለአንድ የተወሰነ ሰንጠረዥ የሰራተኛ ሂደቶችን ቁጥር መቀየር ይቻላል-ALTER TABLE ... አዘጋጅ (parallel_workers = N).

ለምን ትይዩ ሂደት ጥቅም ላይ አይውልም?

ከረጅም ገደቦች ዝርዝር በተጨማሪ የወጪ ቼኮችም አሉ፡-

parallel_setup_cost - የአጭር ጥያቄዎችን ትይዩ ሂደት ለማስወገድ። ይህ ግቤት የማህደረ ትውስታ ዝግጅት፣ ሂደት ጅምር እና የመጀመሪያ የውሂብ ልውውጥ ጊዜን ይገምታል።

parallel_tuple_cost: በመሪው እና በሠራተኞች መካከል ያለው ግንኙነት ከሠራተኛው ሂደቶች ውስጥ ካለው የቱፕል ብዛት ጋር በተመጣጣኝ ሁኔታ ሊዘገይ ይችላል. ይህ ግቤት የውሂብ ልውውጥ ወጪን ግምት ውስጥ ያስገባል.

Nsted Loop Joins - Nsted Loop Join

PostgreSQL 9.6+ может выполнять вложенные циклы параллельно — это простая операция.

explain (costs off) select c_custkey, count(o_orderkey)
                from    customer left outer join orders on
                                c_custkey = o_custkey and o_comment not like '%special%deposits%'
                group by c_custkey;
                                      QUERY PLAN
--------------------------------------------------------------------------------------
 Finalize GroupAggregate
   Group Key: customer.c_custkey
   ->  Gather Merge
         Workers Planned: 4
         ->  Partial GroupAggregate
               Group Key: customer.c_custkey
               ->  Nested Loop Left Join
                     ->  Parallel Index Only Scan using customer_pkey on customer
                     ->  Index Scan using idx_orders_custkey on orders
                           Index Cond: (customer.c_custkey = o_custkey)
                           Filter: ((o_comment)::text !~~ '%special%deposits%'::text)

መሰብሰብ በመጨረሻው ደረጃ ላይ ይከሰታል፣ ስለዚህ Nsted Loop Left Join ትይዩ ክዋኔ ነው። ትይዩ ኢንዴክስ ብቻ ቅኝት በስሪት 10 ውስጥ ብቻ ቀርቧል። እሱ የሚሰራው ከትይዩ ተከታታይ ቅኝት ጋር ተመሳሳይ ነው። ሁኔታ c_custkey = o_custkey ለእያንዳንዱ ደንበኛ ረድፍ አንድ ትዕዛዝ ያነባል። ስለዚህ ትይዩ አይደለም.

Hash Join - Hash Join

እያንዳንዱ የሰራተኛ ሂደት ከ PostgreSQL 11 በፊት የራሱን የሃሽ ሠንጠረዥ ይፈጥራል። እና ከእነዚህ ሂደቶች ውስጥ ከአራት በላይ ከሆኑ አፈፃፀሙ አይሻሻልም። በአዲሱ ስሪት, የሃሽ ጠረጴዛው ይጋራል. የሃሽ ሠንጠረዥ ለመፍጠር እያንዳንዱ የሰራተኛ ሂደት WORK_MEMን መጠቀም ይችላል።

select
        l_shipmode,
        sum(case
                when o_orderpriority = '1-URGENT'
                        or o_orderpriority = '2-HIGH'
                        then 1
                else 0
        end) as high_line_count,
        sum(case
                when o_orderpriority <> '1-URGENT'
                        and o_orderpriority <> '2-HIGH'
                        then 1
                else 0
        end) as low_line_count
from
        orders,
        lineitem
where
        o_orderkey = l_orderkey
        and l_shipmode in ('MAIL', 'AIR')
        and l_commitdate < l_receiptdate
        and l_shipdate < l_commitdate
        and l_receiptdate >= date '1996-01-01'
        and l_receiptdate < date '1996-01-01' + interval '1' year
group by
        l_shipmode
order by
        l_shipmode
LIMIT 1;
                                                                                                                                    QUERY PLAN
-----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------
 Limit  (cost=1964755.66..1964961.44 rows=1 width=27) (actual time=7579.592..7922.997 rows=1 loops=1)
   ->  Finalize GroupAggregate  (cost=1964755.66..1966196.11 rows=7 width=27) (actual time=7579.590..7579.591 rows=1 loops=1)
         Group Key: lineitem.l_shipmode
         ->  Gather Merge  (cost=1964755.66..1966195.83 rows=28 width=27) (actual time=7559.593..7922.319 rows=6 loops=1)
               Workers Planned: 4
               Workers Launched: 4
               ->  Partial GroupAggregate  (cost=1963755.61..1965192.44 rows=7 width=27) (actual time=7548.103..7564.592 rows=2 loops=5)
                     Group Key: lineitem.l_shipmode
                     ->  Sort  (cost=1963755.61..1963935.20 rows=71838 width=27) (actual time=7530.280..7539.688 rows=62519 loops=5)
                           Sort Key: lineitem.l_shipmode
                           Sort Method: external merge  Disk: 2304kB
                           Worker 0:  Sort Method: external merge  Disk: 2064kB
                           Worker 1:  Sort Method: external merge  Disk: 2384kB
                           Worker 2:  Sort Method: external merge  Disk: 2264kB
                           Worker 3:  Sort Method: external merge  Disk: 2336kB
                           ->  Parallel Hash Join  (cost=382571.01..1957960.99 rows=71838 width=27) (actual time=7036.917..7499.692 rows=62519 loops=5)
                                 Hash Cond: (lineitem.l_orderkey = orders.o_orderkey)
                                 ->  Parallel Seq Scan on lineitem  (cost=0.00..1552386.40 rows=71838 width=19) (actual time=0.583..4901.063 rows=62519 loops=5)
                                       Filter: ((l_shipmode = ANY ('{MAIL,AIR}'::bpchar[])) AND (l_commitdate < l_receiptdate) AND (l_shipdate < l_commitdate) AND (l_receiptdate >= '1996-01-01'::date) AND (l_receiptdate < '1997-01-01 00:00:00'::timestamp without time zone))
                                       Rows Removed by Filter: 11934691
                                 ->  Parallel Hash  (cost=313722.45..313722.45 rows=3750045 width=20) (actual time=2011.518..2011.518 rows=3000000 loops=5)
                                       Buckets: 65536  Batches: 256  Memory Usage: 3840kB
                                       ->  Parallel Seq Scan on orders  (cost=0.00..313722.45 rows=3750045 width=20) (actual time=0.029..995.948 rows=3000000 loops=5)
 Planning Time: 0.977 ms
 Execution Time: 7923.770 ms

ከTPC-H ጥያቄ 12 ትይዩ የሃሽ መቀላቀልን ያሳያል። እያንዳንዱ የሰራተኛ ሂደት የጋራ የሃሽ ሠንጠረዥ በመፍጠር ይሳተፋል።

መቀላቀልን አዋህድ

የውህደት መቀላቀል በተፈጥሮ ውስጥ ትይዩ ያልሆነ ነው። ይህ የጥያቄው የመጨረሻ ደረጃ ከሆነ አይጨነቁ - አሁንም በትይዩ ሊሄድ ይችላል።

-- Query 2 from TPC-H
explain (costs off) select s_acctbal, s_name, n_name, p_partkey, p_mfgr, s_address, s_phone, s_comment
from    part, supplier, partsupp, nation, region
where
        p_partkey = ps_partkey
        and s_suppkey = ps_suppkey
        and p_size = 36
        and p_type like '%BRASS'
        and s_nationkey = n_nationkey
        and n_regionkey = r_regionkey
        and r_name = 'AMERICA'
        and ps_supplycost = (
                select
                        min(ps_supplycost)
                from    partsupp, supplier, nation, region
                where
                        p_partkey = ps_partkey
                        and s_suppkey = ps_suppkey
                        and s_nationkey = n_nationkey
                        and n_regionkey = r_regionkey
                        and r_name = 'AMERICA'
        )
order by s_acctbal desc, n_name, s_name, p_partkey
LIMIT 100;
                                                QUERY PLAN
----------------------------------------------------------------------------------------------------------
 Limit
   ->  Sort
         Sort Key: supplier.s_acctbal DESC, nation.n_name, supplier.s_name, part.p_partkey
         ->  Merge Join
               Merge Cond: (part.p_partkey = partsupp.ps_partkey)
               Join Filter: (partsupp.ps_supplycost = (SubPlan 1))
               ->  Gather Merge
                     Workers Planned: 4
                     ->  Parallel Index Scan using <strong>part_pkey</strong> on part
                           Filter: (((p_type)::text ~~ '%BRASS'::text) AND (p_size = 36))
               ->  Materialize
                     ->  Sort
                           Sort Key: partsupp.ps_partkey
                           ->  Nested Loop
                                 ->  Nested Loop
                                       Join Filter: (nation.n_regionkey = region.r_regionkey)
                                       ->  Seq Scan on region
                                             Filter: (r_name = 'AMERICA'::bpchar)
                                       ->  Hash Join
                                             Hash Cond: (supplier.s_nationkey = nation.n_nationkey)
                                             ->  Seq Scan on supplier
                                             ->  Hash
                                                   ->  Seq Scan on nation
                                 ->  Index Scan using idx_partsupp_suppkey on partsupp
                                       Index Cond: (ps_suppkey = supplier.s_suppkey)
               SubPlan 1
                 ->  Aggregate
                       ->  Nested Loop
                             Join Filter: (nation_1.n_regionkey = region_1.r_regionkey)
                             ->  Seq Scan on region region_1
                                   Filter: (r_name = 'AMERICA'::bpchar)
                             ->  Nested Loop
                                   ->  Nested Loop
                                         ->  Index Scan using idx_partsupp_partkey on partsupp partsupp_1
                                               Index Cond: (part.p_partkey = ps_partkey)
                                         ->  Index Scan using supplier_pkey on supplier supplier_1
                                               Index Cond: (s_suppkey = partsupp_1.ps_suppkey)
                                   ->  Index Scan using nation_pkey on nation nation_1
                                         Index Cond: (n_nationkey = supplier_1.s_nationkey)

የ"ውህደት መቀላቀል" መስቀለኛ መንገድ ከ"ሰብስብ ውህደት" በላይ ነው። ስለዚህ ውህደት ትይዩ ሂደትን አይጠቀምም። ነገር ግን "ትይዩ ኢንዴክስ ስካን" መስቀለኛ መንገድ አሁንም በክፍል ውስጥ ይረዳል part_pkey.

ክፍል ግንኙነት

በ PostgreSQL 11 በክፍሎች ግንኙነት በነባሪነት ተሰናክሏል፡ በጣም ውድ የጊዜ ሰሌዳ አለው። ተመሳሳይ ክፍፍል ያላቸው ጠረጴዛዎች ክፍል በክፍል ሊጣመሩ ይችላሉ. ይህ Postgres ትናንሽ የሃሽ ጠረጴዛዎችን እንዲጠቀም ያደርገዋል። እያንዳንዱ የክፍሎች ግንኙነት ትይዩ ሊሆን ይችላል.

tpch=# set enable_partitionwise_join=t;
tpch=# explain (costs off) select * from prt1 t1, prt2 t2
where t1.a = t2.b and t1.b = 0 and t2.b between 0 and 10000;
                    QUERY PLAN
---------------------------------------------------
 Append
   ->  Hash Join
         Hash Cond: (t2.b = t1.a)
         ->  Seq Scan on prt2_p1 t2
               Filter: ((b >= 0) AND (b <= 10000))
         ->  Hash
               ->  Seq Scan on prt1_p1 t1
                     Filter: (b = 0)
   ->  Hash Join
         Hash Cond: (t2_1.b = t1_1.a)
         ->  Seq Scan on prt2_p2 t2_1
               Filter: ((b >= 0) AND (b <= 10000))
         ->  Hash
               ->  Seq Scan on prt1_p2 t1_1
                     Filter: (b = 0)
tpch=# set parallel_setup_cost = 1;
tpch=# set parallel_tuple_cost = 0.01;
tpch=# explain (costs off) select * from prt1 t1, prt2 t2
where t1.a = t2.b and t1.b = 0 and t2.b between 0 and 10000;
                        QUERY PLAN
-----------------------------------------------------------
 Gather
   Workers Planned: 4
   ->  Parallel Append
         ->  Parallel Hash Join
               Hash Cond: (t2_1.b = t1_1.a)
               ->  Parallel Seq Scan on prt2_p2 t2_1
                     Filter: ((b >= 0) AND (b <= 10000))
               ->  Parallel Hash
                     ->  Parallel Seq Scan on prt1_p2 t1_1
                           Filter: (b = 0)
         ->  Parallel Hash Join
               Hash Cond: (t2.b = t1.a)
               ->  Parallel Seq Scan on prt2_p1 t2
                     Filter: ((b >= 0) AND (b <= 10000))
               ->  Parallel Hash
                     ->  Parallel Seq Scan on prt1_p1 t1
                           Filter: (b = 0)

ዋናው ነገር በክፍሎች ያለው ግንኙነት ትይዩ ነው እነዚህ ክፍሎች በቂ መጠን ካላቸው ብቻ ነው.

ትይዩ አባሪ

ትይዩ አባሪ በተለያዩ የስራ ፍሰቶች ውስጥ ከተለያዩ ብሎኮች ይልቅ ጥቅም ላይ ሊውል ይችላል። ይህ ብዙውን ጊዜ በ UNION ሁሉም ጥያቄዎች ይከሰታል። እያንዳንዱ ሰራተኛ ሂደት 1 ጥያቄን ብቻ ስለሚያስተናግድ ጉዳቱ ያነሰ ተመጣጣኝ ነው።

ምንም እንኳን 2 የነቁ ቢሆንም 4 የሰራተኛ ሂደቶች እዚህ ይሰራሉ።

tpch=# explain (costs off) select sum(l_quantity) as sum_qty from lineitem where l_shipdate <= date '1998-12-01' - interval '105' day union all select sum(l_quantity) as sum_qty from lineitem where l_shipdate <= date '2000-12-01' - interval '105' day;
                                           QUERY PLAN
------------------------------------------------------------------------------------------------
 Gather
   Workers Planned: 2
   ->  Parallel Append
         ->  Aggregate
               ->  Seq Scan on lineitem
                     Filter: (l_shipdate <= '2000-08-18 00:00:00'::timestamp without time zone)
         ->  Aggregate
               ->  Seq Scan on lineitem lineitem_1
                     Filter: (l_shipdate <= '1998-08-18 00:00:00'::timestamp without time zone)

በጣም አስፈላጊ ተለዋዋጮች

• WORK_MEM በየሂደቱ የማህደረ ትውስታውን መጠን ይገድባል እንጂ ጥያቄዎችን ብቻ አይደለም፡ work_mem ሂደቶች ግንኙነቶች = ብዙ ማህደረ ትውስታ.
• max_parallel_workers_per_gather - የፈፃሚው መርሃ ግብር ምን ያህል የሰራተኛ ሂደቶችን ከፕላኑ ውስጥ ለትይዩ ሂደት ይጠቀማል።
• max_worker_processes - አጠቃላይ የሰራተኛ ሂደቶችን ቁጥር በአገልጋዩ ላይ ካለው የሲፒዩ ኮሮች ብዛት ጋር ያስተካክላል።
• max_parallel_workers - ተመሳሳይ, ግን ለትይዩ የስራ ፍሰቶች.

ውጤቶች

ከስሪት 9.6 ጀምሮ፣ ትይዩ ሂደት ብዙ ረድፎችን ወይም ኢንዴክሶችን የሚቃኙ ውስብስብ መጠይቆችን አፈጻጸም በእጅጉ ያሻሽላል። በ PostgreSQL 10 ውስጥ፣ ትይዩ ሂደት በነባሪነት ነቅቷል። ከባድ የOLTP የስራ ጫና ባላቸው አገልጋዮች ላይ ማሰናከልዎን አይርሱ። ተከታታይ ወይም የመረጃ ጠቋሚ ፍተሻዎች በጣም ሀብትን የሚጨምሩ ናቸው። በጠቅላላው የውሂብ ስብስብ ላይ ሪፖርት ካላደረጉ፣ የጎደሉ ኢንዴክሶችን በማከል ወይም በትክክል ክፍፍልን በመጠቀም ጥያቄዎችን የበለጠ ውጤታማ ማድረግ ይቻላል።

ማጣቀሻዎች

• https://www.postgresql.org/docs/11/how-parallel-query-works.html
• https://www.postgresql.org/docs/11/parallel-plans.html
• http://ashutoshpg.blogspot.com/2017/12/partition-wise-joins-divide-and-conquer.html
• http://rhaas.blogspot.com/2016/04/postgresql-96-with-parallel-query-vs.html
• http://amitkapila16.blogspot.com/2015/11/parallel-sequential-scans-in-play.html
• https://write-skew.blogspot.com/2018/01/parallel-hash-for-postgresql.html
• http://rhaas.blogspot.com/2017/03/parallel-query-v2.html
• https://blog.2ndquadrant.com/parallel-monster-benchmark/
• https://blog.2ndquadrant.com/parallel-aggregate/
• https://www.depesz.com/2018/02/12/waiting-for-postgresql-11-support-parallel-btree-index-builds/
• በPostgreSQL 11 ውስጥ ተመጣጣኝ

ምንጭ: hab.com