PostgreSQL-এ সমান্তরাল প্রশ্ন

আধুনিক CPU-তে প্রচুর কোর থাকে। বছরের পর বছর ধরে, অ্যাপ্লিকেশনগুলি সমান্তরালভাবে ডেটাবেসে প্রশ্ন পাঠাচ্ছে। যদি এটি একটি টেবিলের একাধিক সারিতে একটি প্রতিবেদনের প্রশ্ন হয়, তবে একাধিক CPU ব্যবহার করার সময় এটি দ্রুত চলে এবং PostgreSQL সংস্করণ 9.6 থেকে এটি করতে সক্ষম হয়েছে।

সমান্তরাল ক্যোয়ারী বৈশিষ্ট্যটি বাস্তবায়ন করতে 3 বছর লেগেছে - আমাদের ক্যোয়ারী সম্পাদনের বিভিন্ন পর্যায়ে কোডটি পুনরায় লিখতে হয়েছিল। PostgreSQL 9.6 কোডকে আরও উন্নত করার জন্য অবকাঠামো চালু করেছে। পরবর্তী সংস্করণগুলিতে, অন্যান্য ধরণের প্রশ্নগুলি সমান্তরালভাবে কার্যকর করা হয়।

সীমাবদ্ধতা

• সমস্ত কোর ইতিমধ্যেই ব্যস্ত থাকলে সমান্তরাল সম্পাদন সক্ষম করবেন না, অন্যথায় অন্যান্য অনুরোধগুলি ধীর হয়ে যাবে।
• সবচেয়ে গুরুত্বপূর্ণ, উচ্চ WORK_MEM মান সহ সমান্তরাল প্রক্রিয়াকরণ অনেক মেমরি ব্যবহার করে - প্রতিটি হ্যাশ যোগদান বা সাজানোর কাজ_মেম মেমরি গ্রহণ করে।
• কম লেটেন্সি OLTP প্রশ্ন সমান্তরাল সম্পাদন দ্বারা ত্বরান্বিত করা যাবে না। এবং যদি ক্যোয়ারী একটি সারি প্রদান করে, সমান্তরাল প্রক্রিয়াকরণ শুধুমাত্র এটিকে ধীর করে দেবে।
• বিকাশকারীরা TPC-H বেঞ্চমার্ক ব্যবহার করতে পছন্দ করে। হয়তো আপনার নিখুঁত সমান্তরাল মৃত্যুদন্ডের জন্য অনুরূপ প্রশ্ন আছে।
• পূর্বনির্ধারিত লকিং ছাড়া শুধুমাত্র SELECT প্রশ্নগুলি সমান্তরালভাবে কার্যকর করা হয়।
• কখনও কখনও সঠিক সূচীকরণ সমান্তরাল মোডে ক্রমিক টেবিল স্ক্যানিংয়ের চেয়ে ভাল।
• পজ করা প্রশ্ন এবং কার্সার সমর্থিত নয়।
• উইন্ডো ফাংশন এবং অর্ডারকৃত সেট সামগ্রিক ফাংশন সমান্তরাল নয়।
• I/O কাজের চাপে আপনি কিছুই লাভ করবেন না।
• কোন সমান্তরাল বাছাই অ্যালগরিদম আছে. কিন্তু কিছু বিষয়ে সমান্তরালভাবে বিভিন্ন ধরণের প্রশ্ন করা যেতে পারে।
• সমান্তরাল প্রক্রিয়াকরণ সক্ষম করতে একটি নেস্টেড SELECT দিয়ে CTE (সহ ...) প্রতিস্থাপন করুন।
• তৃতীয় পক্ষের ডেটা মোড়কগুলি এখনও সমান্তরাল প্রক্রিয়াকরণ সমর্থন করে না (তবে তারা পারে!)
• সম্পূর্ণ বাইরের যোগদান সমর্থিত নয়।
• max_rows সমান্তরাল প্রক্রিয়াকরণ নিষ্ক্রিয় করে।
• যদি একটি প্রশ্নে এমন একটি ফাংশন থাকে যা সমান্তরাল নিরাপদ হিসাবে চিহ্নিত করা হয় না, তবে এটি একক থ্রেডেড হবে৷
• সিরিয়ালাইজেবল লেনদেন বিচ্ছিন্নতা স্তর সমান্তরাল প্রক্রিয়াকরণ অক্ষম করে।

পরীক্ষার পরিবেশ

PostgreSQL বিকাশকারীরা TPC-H বেঞ্চমার্ক প্রশ্নের প্রতিক্রিয়া সময় কমানোর চেষ্টা করেছে। বেঞ্চমার্ক ডাউনলোড করুন এবং PostgreSQL এর সাথে মানিয়ে নিন. এটি TPC-H বেঞ্চমার্কের একটি অনানুষ্ঠানিক ব্যবহার - ডাটাবেস বা হার্ডওয়্যার তুলনার জন্য নয়।

1. ডাউনলোড করুন TPC-H_Tools_v2.17.3.zip (বা নতুন সংস্করণ) TPC অফসাইট থেকে.
2. makefile.suite এর নাম পরিবর্তন করে Makefile করুন এবং এখানে বর্ণিত হিসাবে পরিবর্তন করুন: https://github.com/tvondra/pg_tpch . মেক কমান্ড দিয়ে কোড কম্পাইল করুন।
3. ডেটা তৈরি করুন: ./dbgen -s 10 একটি 23 জিবি ডাটাবেস তৈরি করে। সমান্তরাল এবং অ-সমান্তরাল প্রশ্নের কর্মক্ষমতা পার্থক্য দেখতে এটি যথেষ্ট।
4. ফাইল কনভার্ট করুন tbl в csv с for и sed.
5. সংগ্রহস্থল ক্লোন করুন pg_tpch এবং ফাইল কপি করুন csv в pg_tpch/dss/data.
6. একটি কমান্ড দিয়ে প্রশ্ন তৈরি করুন qgen.
7. কমান্ড দিয়ে ডাটাবেসে ডেটা লোড করুন ./tpch.sh.

সমান্তরাল ক্রমিক স্ক্যানিং

এটি সমান্তরাল পড়ার কারণে দ্রুততর হতে পারে, কিন্তু ডেটা অনেক CPU কোরে ছড়িয়ে থাকার কারণে। আধুনিক অপারেটিং সিস্টেমে, PostgreSQL ডেটা ফাইলগুলি ভালভাবে ক্যাশে করা হয়। সামনে পড়ার সাথে সাথে, PG ডেমন অনুরোধের চেয়ে স্টোরেজ থেকে একটি বড় ব্লক পাওয়া সম্ভব। অতএব, ক্যোয়ারী কর্মক্ষমতা ডিস্ক I/O দ্বারা সীমাবদ্ধ নয়। এটি সিপিইউ চক্র ব্যবহার করে:

• টেবিল পৃষ্ঠা থেকে এক সময়ে সারি পড়ুন;
• স্ট্রিং মান এবং শর্ত তুলনা করুন WHERE.

এর একটি সহজ প্রশ্ন চালানো যাক 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

ক্রমিক স্ক্যানটি একত্রীকরণ ছাড়াই অনেকগুলি সারি তৈরি করে, তাই ক্যোয়ারীটি একটি একক CPU কোর দ্বারা কার্যকর করা হয়।

যদি আপনি যোগ করেন SUM(), আপনি দেখতে পাচ্ছেন যে দুটি কর্মপ্রবাহ কোয়েরির গতি বাড়াতে সাহায্য করবে:

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

সমান্তরাল সমষ্টি

সমান্তরাল Seq স্ক্যান নোড আংশিক একত্রিতকরণের জন্য সারি তৈরি করে। "আংশিক সমষ্টি" নোড এই লাইনগুলি ব্যবহার করে ছাঁটাই করে SUM(). শেষে, প্রতিটি কর্মী প্রক্রিয়া থেকে SUM কাউন্টার "গ্যাদার" নোড দ্বারা সংগ্রহ করা হয়।

চূড়ান্ত ফলাফল "ফাইনালাইজ এগ্রিগেট" নোড দ্বারা গণনা করা হয়। যদি আপনার নিজস্ব একত্রীকরণ ফাংশন থাকে, তবে সেগুলিকে "সমান্তরাল নিরাপদ" হিসাবে চিহ্নিত করতে ভুলবেন না৷

কর্মী প্রক্রিয়ার সংখ্যা

সার্ভার পুনরায় চালু না করেই কর্মী প্রক্রিয়ার সংখ্যা বাড়ানো যেতে পারে:

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

এখানে কি হচ্ছে? 2 গুণ বেশি কাজের প্রক্রিয়া ছিল, এবং অনুরোধটি মাত্র 1,6599 গুণ দ্রুততর হয়েছে। হিসাব কৌতূহলোদ্দীপক। আমাদের 2 জন কর্মী প্রক্রিয়া এবং 1 জন নেতা ছিল। পরিবর্তনের পর এটি 4+1 হয়ে গেল।

সমান্তরাল প্রক্রিয়াকরণ থেকে আমাদের সর্বোচ্চ গতি: 5/3 = 1,66(6) বার।

এটা কিভাবে কাজ করে?

প্রসেস

অনুরোধ সম্পাদন সর্বদা অগ্রণী প্রক্রিয়া দিয়ে শুরু হয়। নেতা সবকিছু অ-সমান্তরাল এবং কিছু সমান্তরাল প্রক্রিয়াকরণ করে। একই অনুরোধগুলি সম্পাদন করে এমন অন্যান্য প্রক্রিয়াগুলিকে কর্মী প্রক্রিয়া বলা হয়। সমান্তরাল প্রক্রিয়াকরণ অবকাঠামো ব্যবহার করে গতিশীল ব্যাকগ্রাউন্ড কর্মী প্রক্রিয়া (সংস্করণ 9.4 থেকে)। যেহেতু PostgreSQL-এর অন্যান্য অংশ থ্রেডের পরিবর্তে প্রসেস ব্যবহার করে, তাই 3 কর্মী প্রসেস সহ একটি ক্যোয়ারী প্রথাগত প্রক্রিয়াকরণের চেয়ে 4 গুণ দ্রুত হতে পারে।

মিথষ্ক্রিয়া

কর্মী প্রক্রিয়াগুলি একটি বার্তা সারির মাধ্যমে নেতার সাথে যোগাযোগ করে (শেয়ার করা মেমরির উপর ভিত্তি করে)। প্রতিটি প্রক্রিয়ার 2টি সারি রয়েছে: ত্রুটির জন্য এবং টিপলের জন্য।

কত কর্মপ্রবাহ প্রয়োজন?

সর্বনিম্ন সীমা পরামিতি দ্বারা নির্দিষ্ট করা হয় max_parallel_workers_per_gather. অনুরোধ রানার তারপর প্যারামিটার দ্বারা সীমিত পুল থেকে কর্মী প্রক্রিয়া নেয় max_parallel_workers size. শেষ সীমাবদ্ধতা হল max_worker_processes, অর্থাৎ, পটভূমি প্রক্রিয়ার মোট সংখ্যা।

যদি কর্মী প্রক্রিয়া বরাদ্দ করা সম্ভব না হয় তবে প্রক্রিয়াকরণ হবে একক-প্রক্রিয়া।

ক্যোয়ারী প্ল্যানার টেবিল বা সূচকের আকারের উপর নির্ভর করে কর্মপ্রবাহ কমাতে পারে। এই জন্য পরামিতি আছে 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

প্রতিবার টেবিলের চেয়ে 3 গুণ বড় min_parallel_(index|table)_scan_size, Postgres একটি কর্মী প্রক্রিয়া যোগ করে। কর্মপ্রবাহের সংখ্যা খরচের উপর ভিত্তি করে নয়। সার্কুলার নির্ভরতা জটিল বাস্তবায়নকে কঠিন করে তোলে। পরিবর্তে, পরিকল্পনাকারী সহজ নিয়ম ব্যবহার করে।

অনুশীলনে, এই নিয়মগুলি সর্বদা উত্পাদনের জন্য উপযুক্ত নয়, তাই আপনি একটি নির্দিষ্ট টেবিলের জন্য কর্মী প্রক্রিয়ার সংখ্যা পরিবর্তন করতে পারেন: ALTER TABLE ... SET (parallel_workers = N).

কেন সমান্তরাল প্রক্রিয়াকরণ ব্যবহার করা হয় না?

বিধিনিষেধের দীর্ঘ তালিকা ছাড়াও, খরচ চেকও রয়েছে:

parallel_setup_cost - সংক্ষিপ্ত অনুরোধের সমান্তরাল প্রক্রিয়াকরণ এড়াতে। এই প্যারামিটারটি মেমরি প্রস্তুত করার, প্রক্রিয়া শুরু করার এবং প্রাথমিক ডেটা বিনিময়ের সময় অনুমান করে।

parallel_tuple_cost: নেতা এবং কর্মীদের মধ্যে যোগাযোগ কাজ প্রক্রিয়া থেকে tuples সংখ্যা অনুপাতে বিলম্বিত হতে পারে. এই পরামিতি ডেটা বিনিময়ের খরচ গণনা করে।

নেস্টেড লুপ যোগদান করে

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)

সংগ্রহ শেষ পর্যায়ে ঘটে, তাই নেস্টেড লুপ বাম যোগ একটি সমান্তরাল অপারেশন। প্যারালাল ইনডেক্স অনলি স্ক্যান শুধুমাত্র 10 সংস্করণে চালু করা হয়েছিল। এটি সমান্তরাল সিরিয়াল স্ক্যানিংয়ের মতোই কাজ করে। অবস্থা c_custkey = o_custkey ক্লায়েন্ট স্ট্রিং প্রতি একটি অর্ডার পড়ে। তাই এটা সমান্তরাল না.

হ্যাশ যোগদান

প্রতিটি কর্মী প্রক্রিয়া PostgreSQL 11 পর্যন্ত নিজস্ব হ্যাশ টেবিল তৈরি করে। এবং যদি এই প্রক্রিয়াগুলির মধ্যে চারটির বেশি থাকে, কর্মক্ষমতা উন্নত হবে না। নতুন সংস্করণে, হ্যাশ টেবিল ভাগ করা হয়. প্রতিটি কর্মী প্রক্রিয়া একটি হ্যাশ টেবিল তৈরি করতে WORK_MEM ব্যবহার করতে পারে।

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

TPC-H থেকে প্রশ্ন 12 স্পষ্টভাবে একটি সমান্তরাল হ্যাশ সংযোগ দেখায়। প্রতিটি কর্মী প্রক্রিয়া একটি সাধারণ হ্যাশ টেবিল তৈরিতে অবদান রাখে।

যোগদান একত্রিত করুন

একটি মার্জ যোগ প্রকৃতিতে অ-সমান্তরাল। চিন্তা করবেন না যদি এটি প্রশ্নের শেষ ধাপ হয় - এটি এখনও সমান্তরালভাবে চলতে পারে।

-- 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)

"মার্জ জয়েন" নোডটি "গ্যাদার মার্জ" এর উপরে অবস্থিত। তাই মার্জিং সমান্তরাল প্রক্রিয়াকরণ ব্যবহার করে না। কিন্তু "সমান্তরাল সূচক স্ক্যান" নোড এখনও সেগমেন্টে সাহায্য করে part_pkey.

বিভাগ দ্বারা সংযোগ

PostgreSQL 11-এ বিভাগ দ্বারা সংযোগ ডিফল্টরূপে অক্ষম: এটির খুব ব্যয়বহুল সময়সূচী রয়েছে। অনুরূপ পার্টিশন সহ টেবিলগুলিকে পার্টিশন দ্বারা পার্টিশনে যুক্ত করা যেতে পারে। এইভাবে পোস্টগ্রেস ছোট হ্যাশ টেবিল ব্যবহার করবে। বিভাগগুলির প্রতিটি সংযোগ সমান্তরাল হতে পারে।

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)

প্রধান জিনিস হল যে বিভাগগুলির সংযোগটি সমান্তরাল হয় শুধুমাত্র যদি এই বিভাগগুলি যথেষ্ট বড় হয়।

সমান্তরাল সংযোজন

সমান্তরাল সংযোজন বিভিন্ন ওয়ার্কফ্লোতে বিভিন্ন ব্লকের পরিবর্তে ব্যবহার করা যেতে পারে। এটি সাধারণত UNION সমস্ত প্রশ্নের সাথে ঘটে। অসুবিধাটি কম সমান্তরালতা, কারণ প্রতিটি কর্মী প্রক্রিয়া শুধুমাত্র 1টি অনুরোধ প্রক্রিয়া করে।

এখানে 2টি কর্মী প্রক্রিয়া চলছে, যদিও 4টি সক্ষম৷

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)

সবচেয়ে গুরুত্বপূর্ণ ভেরিয়েবল

• WORK_MEM প্রক্রিয়া প্রতি মেমরি সীমিত করে, শুধু প্রশ্ন নয়: work_mem প্রসেস সংযোগ = অনেক মেমরি।
• max_parallel_workers_per_gather — পরিকল্পনা থেকে সমান্তরাল প্রক্রিয়াকরণের জন্য নির্বাহকারী প্রোগ্রাম কতজন কর্মী প্রক্রিয়া ব্যবহার করবে।
• max_worker_processes — সার্ভারে CPU কোরের সংখ্যার সাথে কর্মী প্রক্রিয়ার মোট সংখ্যা সামঞ্জস্য করে।
• max_parallel_workers - একই, কিন্তু সমান্তরাল কাজের প্রক্রিয়ার জন্য।

ফলাফল

সংস্করণ 9.6 অনুসারে, সমান্তরাল প্রক্রিয়াকরণ জটিল প্রশ্নের কর্মক্ষমতাকে ব্যাপকভাবে উন্নত করতে পারে যা অনেক সারি বা সূচী স্ক্যান করে। PostgreSQL 10-এ, সমান্তরাল প্রক্রিয়াকরণ ডিফল্টরূপে সক্রিয় করা হয়। একটি বড় OLTP ওয়ার্কলোড সহ সার্ভারে এটি নিষ্ক্রিয় করতে মনে রাখবেন। অনুক্রমিক স্ক্যান বা সূচক স্ক্যানগুলি প্রচুর সংস্থান গ্রহণ করে। আপনি যদি সম্পূর্ণ ডেটাসেটের উপর একটি প্রতিবেদন না চালান, তাহলে আপনি কেবল অনুপস্থিত সূচী যোগ করে বা সঠিক পার্টিশন ব্যবহার করে ক্যোয়ারী কর্মক্ষমতা উন্নত করতে পারেন।

রেফারেন্স

• 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/
• PostgreSQL 11-এ সমান্তরালতা

উত্স: www.habr.com