PostgreSQL માં સમાંતર પ્રશ્નો

આધુનિક CPU માં ઘણા બધા કોરો છે. વર્ષોથી, એપ્લિકેશન ડેટાબેઝને સમાંતર પ્રશ્નો મોકલતી રહી છે. જો તે કોષ્ટકમાં બહુવિધ પંક્તિઓ પર રિપોર્ટ ક્વેરી હોય, તો બહુવિધ CPU નો ઉપયોગ કરતી વખતે તે વધુ ઝડપથી ચાલે છે, અને PostgreSQL આવૃત્તિ 9.6 થી આ કરવા સક્ષમ છે.

સમાંતર ક્વેરી સુવિધાને અમલમાં લાવવામાં 3 વર્ષ લાગ્યાં - અમારે ક્વેરી એક્ઝિક્યુશનના વિવિધ તબક્કામાં કોડને ફરીથી લખવો પડ્યો. PostgreSQL 9.6 એ કોડને વધુ સુધારવા માટે ઈન્ફ્રાસ્ટ્રક્ચર રજૂ કર્યું. અનુગામી સંસ્કરણોમાં, અન્ય પ્રકારની ક્વેરી સમાંતર રીતે ચલાવવામાં આવે છે.

પ્રતિબંધો

• જો બધા કોરો પહેલેથી વ્યસ્ત હોય તો સમાંતર અમલને સક્ષમ કરશો નહીં, અન્યથા અન્ય વિનંતીઓ ધીમી થઈ જશે.
• સૌથી અગત્યનું, ઉચ્ચ WORK_MEM મૂલ્યો સાથેની સમાંતર પ્રક્રિયા ઘણી બધી મેમરીનો ઉપયોગ કરે છે - દરેક હેશ જોઇન અથવા સૉર્ટ work_mem મેમરી લે છે.
• ઓછી વિલંબતા OLTP ક્વેરીઝને સમાંતર અમલ દ્વારા ઝડપી કરી શકાતી નથી. અને જો ક્વેરી એક પંક્તિ આપે છે, તો સમાંતર પ્રક્રિયા માત્ર તેને ધીમું કરશે.
• વિકાસકર્તાઓને TPC-H બેન્ચમાર્કનો ઉપયોગ કરવાનું પસંદ છે. કદાચ તમારી પાસે સંપૂર્ણ સમાંતર અમલ માટે સમાન પ્રશ્નો છે.
• પ્રિડિકેટ લૉકિંગ વિના માત્ર SELECT ક્વેરીઝ સમાંતર રીતે ચલાવવામાં આવે છે.
• કેટલીકવાર યોગ્ય અનુક્રમણિકા સમાંતર મોડમાં ક્રમિક ટેબલ સ્કેનિંગ કરતાં વધુ સારી હોય છે.
• ક્વેરી થોભાવવી અને કર્સર સમર્થિત નથી.
• વિન્ડો ફંક્શન્સ અને ઓર્ડર કરેલ સેટ એગ્રીગેટ ફંક્શન્સ સમાંતર નથી.
• તમે I/O વર્કલોડમાં કંઈપણ મેળવી શકતા નથી.
• ત્યાં કોઈ સમાંતર સૉર્ટિંગ અલ્ગોરિધમ્સ નથી. પરંતુ સૉર્ટ સાથેના પ્રશ્નો કેટલાક પાસાઓમાં સમાંતર રીતે ચલાવી શકાય છે.
• સમાંતર પ્રક્રિયાને સક્ષમ કરવા માટે CTE (WITH...) ને નેસ્ટેડ SELECT સાથે બદલો.
• તૃતીય-પક્ષ ડેટા રેપર્સ હજુ સુધી સમાંતર પ્રક્રિયાને સમર્થન આપતા નથી (પરંતુ તેઓ કરી શકે છે!)
• સંપૂર્ણ બહાર જોઇન સપોર્ટેડ નથી.
• max_rows સમાંતર પ્રક્રિયાને અક્ષમ કરે છે.
• જો ક્વેરીનું ફંક્શન હોય કે જેને PARALLEL SAFE તરીકે ચિહ્નિત ન કર્યું હોય, તો તે સિંગલ થ્રેડેડ હશે.
• સીરીયલાઇઝેબલ ટ્રાન્ઝેક્શન આઇસોલેશન લેવલ સમાંતર પ્રક્રિયાને અક્ષમ કરે છે.

પરીક્ષણ વાતાવરણ

PostgreSQL વિકાસકર્તાઓએ TPC-H બેન્ચમાર્ક ક્વેરીઝના પ્રતિભાવ સમયને ઘટાડવાનો પ્રયાસ કર્યો. બેન્ચમાર્ક ડાઉનલોડ કરો અને તેને PostgreSQL માં અનુકૂલન કરો. આ TPC-H બેન્ચમાર્કનો બિનસત્તાવાર ઉપયોગ છે - ડેટાબેઝ અથવા હાર્ડવેર સરખામણી માટે નથી.

1. TPC-H_Tools_v2.17.3.zip (અથવા નવું સંસ્કરણ) ડાઉનલોડ કરો TPC ઑફસાઇટમાંથી.
2. makefile.suite નું નામ બદલીને Makefile કરો અને અહીં વર્ણવ્યા પ્રમાણે બદલો: https://github.com/tvondra/pg_tpch . મેક કમાન્ડ વડે કોડ કમ્પાઈલ કરો.
3. ડેટા જનરેટ કરો: ./dbgen -s 10 23 GB ડેટાબેઝ બનાવે છે. સમાંતર અને બિન-સમાંતર પ્રશ્નોના પ્રદર્શનમાં તફાવત જોવા માટે આ પૂરતું છે.
4. ફાઇલોને કન્વર્ટ કરો tbl в csv с for и sed.
5. રીપોઝીટરીને ક્લોન કરો pg_tpch અને ફાઇલોની નકલ કરો csv в pg_tpch/dss/data.
6. આદેશ સાથે પ્રશ્નો બનાવો qgen.
7. આદેશ સાથે ડેટાબેઝમાં ડેટા લોડ કરો ./tpch.sh.

સમાંતર ક્રમિક સ્કેનિંગ

તે સમાંતર વાંચનને કારણે નહીં, પરંતુ ડેટા ઘણા CPU કોરોમાં ફેલાયેલો હોવાથી તે ઝડપી હોઈ શકે છે. આધુનિક ઓપરેટિંગ સિસ્ટમ્સમાં, PostgreSQL ડેટા ફાઇલો સારી રીતે કેશ કરવામાં આવે છે. આગળ વાંચવાથી, PG ડિમન વિનંતીઓ કરતાં સ્ટોરેજમાંથી મોટો બ્લોક મેળવવો શક્ય છે. તેથી, ક્વેરી કામગીરી ડિસ્ક I/O દ્વારા મર્યાદિત નથી. તે આ માટે CPU ચક્રનો ઉપયોગ કરે છે:

• કોષ્ટક પૃષ્ઠોમાંથી એક સમયે એક પંક્તિઓ વાંચો;
• શબ્દમાળા મૂલ્યો અને શરતોની તુલના કરો WHERE.

ચાલો એક સરળ ક્વેરી ચલાવીએ 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

ક્રમિક સ્કેન એકત્રીકરણ વિના ઘણી બધી પંક્તિઓ બનાવે છે, તેથી ક્વેરી એક જ CPU કોર દ્વારા ચલાવવામાં આવે છે.

જો તમે ઉમેરો SUM(), તમે જોઈ શકો છો કે બે વર્કફ્લો ક્વેરી ઝડપી કરવામાં મદદ કરશે:

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

સમાંતર એકત્રીકરણ

સમાંતર સેક સ્કેન નોડ આંશિક એકત્રીકરણ માટે પંક્તિઓ બનાવે છે. "આંશિક એકંદર" નોડ આ રેખાઓનો ઉપયોગ કરીને ટ્રિમ કરે છે SUM(). અંતે, દરેક કાર્યકર પ્રક્રિયામાંથી SUM કાઉન્ટર "ગેધર" નોડ દ્વારા એકત્રિત કરવામાં આવે છે.

અંતિમ પરિણામ "ફાઇનલાઇઝ એગ્રીગેટ" નોડ દ્વારા ગણવામાં આવે છે. જો તમારી પાસે તમારા પોતાના એકત્રીકરણ કાર્યો છે, તો તેમને "સમાંતર સલામત" તરીકે ચિહ્નિત કરવાનું ભૂલશો નહીં.

કાર્યકર પ્રક્રિયાઓની સંખ્યા

સર્વરને પુનઃપ્રારંભ કર્યા વિના કાર્યકર પ્રક્રિયાઓની સંખ્યા વધારી શકાય છે:

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

અહિયાં શું થઇ રહ્યું છે? ત્યાં 2 ગણી વધુ કાર્ય પ્રક્રિયાઓ હતી, અને વિનંતી માત્ર 1,6599 ગણી ઝડપી બની હતી. ગણતરીઓ રસપ્રદ છે. અમારી પાસે 2 કાર્યકર પ્રક્રિયાઓ અને 1 નેતા હતા. ફેરફાર પછી તે 4+1 થઈ ગયું.

સમાંતર પ્રક્રિયાથી અમારી મહત્તમ ઝડપ: 5/3 = 1,66(6) વખત.

તે કેવી રીતે કામ કરે છે?

પ્રક્રિયાઓ

વિનંતી અમલ હંમેશા અગ્રણી પ્રક્રિયા સાથે શરૂ થાય છે. નેતા બધું બિન-સમાંતર અને કેટલીક સમાંતર પ્રક્રિયા કરે છે. અન્ય પ્રક્રિયાઓ જે સમાન વિનંતીઓ કરે છે તેને વર્કર પ્રક્રિયાઓ કહેવામાં આવે છે. સમાંતર પ્રક્રિયા ઇન્ફ્રાસ્ટ્રક્ચરનો ઉપયોગ કરે છે ગતિશીલ પૃષ્ઠભૂમિ કાર્યકર પ્રક્રિયાઓ (સંસ્કરણ 9.4 થી). પોસ્ટગ્રેએસક્યુએલના અન્ય ભાગો થ્રેડોને બદલે પ્રક્રિયાઓનો ઉપયોગ કરે છે, તેથી 3 વર્કર પ્રક્રિયાઓ સાથેની ક્વેરી પરંપરાગત પ્રક્રિયા કરતાં 4 ગણી ઝડપી હોઈ શકે છે.

વાર્તાલાપ

કાર્યકર પ્રક્રિયાઓ સંદેશ કતાર (શેર્ડ મેમરી પર આધારિત) દ્વારા નેતા સાથે વાતચીત કરે છે. દરેક પ્રક્રિયામાં 2 કતાર હોય છે: ભૂલો માટે અને ટ્યુપલ્સ માટે.

કેટલા વર્કફ્લોની જરૂર છે?

ન્યૂનતમ મર્યાદા પરિમાણ દ્વારા નિર્દિષ્ટ કરવામાં આવે છે max_parallel_workers_per_gather. વિનંતી રનર પછી પરિમાણ દ્વારા મર્યાદિત પૂલમાંથી કાર્યકર પ્રક્રિયાઓ લે છે max_parallel_workers size. છેલ્લી મર્યાદા છે max_worker_processes, એટલે કે, પૃષ્ઠભૂમિ પ્રક્રિયાઓની કુલ સંખ્યા.

જો કાર્યકર પ્રક્રિયાને ફાળવવાનું શક્ય ન હતું, તો પ્રક્રિયા સિંગલ-પ્રક્રિયા હશે.

ક્વેરી પ્લાનર ટેબલ અથવા ઇન્ડેક્સના કદના આધારે વર્કફ્લો ઘટાડી શકે છે. આ માટે પરિમાણો છે 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

દર વખતે ટેબલ કરતાં 3 ગણું મોટું હોય છે min_parallel_(index|table)_scan_size, Postgres એક કાર્યકર પ્રક્રિયા ઉમેરે છે. વર્કફ્લોની સંખ્યા ખર્ચ પર આધારિત નથી. પરિપત્ર અવલંબન જટિલ અમલીકરણને મુશ્કેલ બનાવે છે. તેના બદલે, આયોજક સરળ નિયમોનો ઉપયોગ કરે છે.

વ્યવહારમાં, આ નિયમો હંમેશા ઉત્પાદન માટે યોગ્ય નથી, તેથી તમે ચોક્કસ કોષ્ટક માટે કાર્યકર પ્રક્રિયાઓની સંખ્યા બદલી શકો છો: ALTER TABLE ... SET (parallel_workers = N).

શા માટે સમાંતર પ્રક્રિયાનો ઉપયોગ થતો નથી?

પ્રતિબંધોની લાંબી સૂચિ ઉપરાંત, ખર્ચની તપાસ પણ છે:

parallel_setup_cost - ટૂંકી વિનંતીઓની સમાંતર પ્રક્રિયા ટાળવા માટે. આ પરિમાણ મેમરી તૈયાર કરવા, પ્રક્રિયા શરૂ કરવા અને પ્રારંભિક ડેટા વિનિમય માટેના સમયનો અંદાજ કાઢે છે.

parallel_tuple_cost: કાર્ય પ્રક્રિયાઓમાંથી ટ્યુપલ્સની સંખ્યાના પ્રમાણમાં નેતા અને કાર્યકરો વચ્ચેના સંચારમાં વિલંબ થઈ શકે છે. આ પરિમાણ ડેટા વિનિમયની કિંમતની ગણતરી કરે છે.

નેસ્ટેડ લૂપ જોડાય છે

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)

સંગ્રહ છેલ્લા તબક્કામાં થાય છે, તેથી નેસ્ટેડ લૂપ લેફ્ટ જોઇન એ સમાંતર કામગીરી છે. પેરેલલ ઈન્ડેક્સ ઓન્લી સ્કેન માત્ર વર્ઝન 10 માં જ રજૂ કરવામાં આવ્યું હતું. તે સમાંતર સીરીયલ સ્કેનિંગ જેવું જ કામ કરે છે. શરત c_custkey = o_custkey ક્લાયન્ટ સ્ટ્રિંગ દીઠ એક ઓર્ડર વાંચે છે. તેથી તે સમાંતર નથી.

હેશ જોડાઓ

દરેક કાર્યકર પ્રક્રિયા PostgreSQL 11 સુધી તેનું પોતાનું હેશ ટેબલ બનાવે છે. અને જો આમાંથી ચાર કરતાં વધુ પ્રક્રિયાઓ હોય, તો કામગીરીમાં સુધારો થશે નહીં. નવા સંસ્કરણમાં, હેશ ટેબલ શેર કરવામાં આવ્યું છે. દરેક કાર્યકર પ્રક્રિયા હેશ ટેબલ બનાવવા માટે WORK_MEM નો ઉપયોગ કરી શકે છે.

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 તરફથી ક્વેરી 12 સ્પષ્ટપણે સમાંતર હેશ કનેક્શન દર્શાવે છે. દરેક કાર્યકર પ્રક્રિયા સામાન્ય હેશ ટેબલ બનાવવા માટે ફાળો આપે છે.

જોડાઓ મર્જ કરો

મર્જ જોઇન પ્રકૃતિમાં બિન-સમાંતર છે. ચિંતા કરશો નહીં જો આ ક્વેરીનું છેલ્લું પગલું છે - તે હજુ પણ સમાંતર ચાલી શકે છે.

-- 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)

"મર્જ જોઇન" નોડ "ગેધર મર્જ" ની ઉપર સ્થિત છે. તેથી મર્જિંગ સમાંતર પ્રક્રિયાનો ઉપયોગ કરતું નથી. પરંતુ "સમાંતર ઇન્ડેક્સ સ્કેન" નોડ હજુ પણ સેગમેન્ટમાં મદદ કરે છે part_pkey.

વિભાગો દ્વારા જોડાણ

PostgreSQL 11 માં વિભાગો દ્વારા જોડાણ ડિફૉલ્ટ રૂપે અક્ષમ: તે ખૂબ ખર્ચાળ સમયપત્રક ધરાવે છે. સમાન પાર્ટીશન સાથેના કોષ્ટકોને પાર્ટીશન દ્વારા પાર્ટીશનમાં જોડી શકાય છે. આ રીતે Postgres નાના હેશ કોષ્ટકોનો ઉપયોગ કરશે. વિભાગોનું દરેક જોડાણ સમાંતર હોઈ શકે છે.

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)

મુખ્ય વસ્તુ એ છે કે વિભાગોમાં જોડાણ સમાંતર છે જો આ વિભાગો પૂરતા પ્રમાણમાં મોટા હોય.

સમાંતર એપેન્ડ

સમાંતર એપેન્ડ વિવિધ વર્કફ્લોમાં વિવિધ બ્લોક્સને બદલે ઉપયોગ કરી શકાય છે. આ સામાન્ય રીતે યુનિયન તમામ પ્રશ્નો સાથે થાય છે. ગેરલાભ એ ઓછી સમાનતા છે, કારણ કે દરેક કાર્યકર પ્રક્રિયા માત્ર 1 વિનંતી પર પ્રક્રિયા કરે છે.

અહીં 2 કાર્યકર પ્રક્રિયાઓ ચાલી રહી છે, જો કે 4 સક્ષમ છે.

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)

સૌથી મહત્વપૂર્ણ ચલો

• WORK_MEM પ્રક્રિયા દીઠ મેમરીને મર્યાદિત કરે છે, માત્ર ક્વેરીઝ નહીં: work_mem પ્રક્રિયાઓ જોડાણો = ઘણી બધી મેમરી.
• max_parallel_workers_per_gather - એક્ઝિક્યુટીંગ પ્રોગ્રામ યોજનામાંથી સમાંતર પ્રક્રિયા માટે કેટલી કાર્યકર પ્રક્રિયાઓનો ઉપયોગ કરશે.
• max_worker_processes — સર્વર પર CPU કોરોની સંખ્યા સાથે કાર્યકર પ્રક્રિયાઓની કુલ સંખ્યાને સમાયોજિત કરે છે.
• max_parallel_workers - સમાન, પરંતુ સમાંતર કાર્ય પ્રક્રિયાઓ માટે.

પરિણામો

સંસ્કરણ 9.6 મુજબ, સમાંતર પ્રક્રિયા જટિલ પ્રશ્નોના પ્રભાવને મોટા પ્રમાણમાં સુધારી શકે છે જે ઘણી પંક્તિઓ અથવા અનુક્રમણિકાઓને સ્કેન કરે છે. PostgreSQL 10 માં, સમાંતર પ્રક્રિયા મૂળભૂત રીતે સક્ષમ છે. મોટા OLTP વર્કલોડ સાથે સર્વર પર તેને અક્ષમ કરવાનું યાદ રાખો. ક્રમિક સ્કેન અથવા ઇન્ડેક્સ સ્કેન ઘણા સંસાધનોનો ઉપયોગ કરે છે. જો તમે સમગ્ર ડેટાસેટ પર રિપોર્ટ ચલાવી રહ્યા નથી, તો તમે ગુમ થયેલ અનુક્રમણિકાઓ ઉમેરીને અથવા યોગ્ય પાર્ટીશનનો ઉપયોગ કરીને ક્વેરી કામગીરીને સુધારી શકો છો.

સંદર્ભો

• 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 માં સમાનતા

સોર્સ: www.habr.com