PostgreSQL ನಲ್ಲಿ ಸಮಾನಾಂತರ ಪ್ರಶ್ನೆಗಳು

ಆಧುನಿಕ CPUಗಳು ಬಹಳಷ್ಟು ಕೋರ್‌ಗಳನ್ನು ಹೊಂದಿವೆ. ವರ್ಷಗಳಿಂದ, ಅಪ್ಲಿಕೇಶನ್‌ಗಳು ಸಮಾನಾಂತರವಾಗಿ ಡೇಟಾಬೇಸ್‌ಗಳಿಗೆ ಪ್ರಶ್ನೆಗಳನ್ನು ಕಳುಹಿಸುತ್ತಿವೆ. ಇದು ಕೋಷ್ಟಕದಲ್ಲಿನ ಬಹು ಸಾಲುಗಳಲ್ಲಿ ವರದಿಯ ಪ್ರಶ್ನೆಯಾಗಿದ್ದರೆ, ಬಹು CPU ಗಳನ್ನು ಬಳಸುವಾಗ ಅದು ವೇಗವಾಗಿ ಚಲಿಸುತ್ತದೆ ಮತ್ತು PostgreSQL ಆವೃತ್ತಿ 9.6 ರಿಂದ ಇದನ್ನು ಮಾಡಲು ಸಾಧ್ಯವಾಗುತ್ತದೆ.

ಸಮಾನಾಂತರ ಪ್ರಶ್ನೆಯ ವೈಶಿಷ್ಟ್ಯವನ್ನು ಕಾರ್ಯಗತಗೊಳಿಸಲು ಇದು 3 ವರ್ಷಗಳನ್ನು ತೆಗೆದುಕೊಂಡಿತು - ಪ್ರಶ್ನೆಯ ಕಾರ್ಯಗತಗೊಳಿಸುವಿಕೆಯ ವಿವಿಧ ಹಂತಗಳಲ್ಲಿ ನಾವು ಕೋಡ್ ಅನ್ನು ಪುನಃ ಬರೆಯಬೇಕಾಗಿತ್ತು. PostgreSQL 9.6 ಕೋಡ್ ಅನ್ನು ಇನ್ನಷ್ಟು ಸುಧಾರಿಸಲು ಮೂಲಸೌಕರ್ಯವನ್ನು ಪರಿಚಯಿಸಿತು. ನಂತರದ ಆವೃತ್ತಿಗಳಲ್ಲಿ, ಇತರ ರೀತಿಯ ಪ್ರಶ್ನೆಗಳನ್ನು ಸಮಾನಾಂತರವಾಗಿ ಕಾರ್ಯಗತಗೊಳಿಸಲಾಗುತ್ತದೆ.

ನಿರ್ಬಂಧಗಳು

• ಎಲ್ಲಾ ಕೋರ್‌ಗಳು ಈಗಾಗಲೇ ಕಾರ್ಯನಿರತವಾಗಿದ್ದರೆ ಸಮಾನಾಂತರ ಕಾರ್ಯಗತಗೊಳಿಸುವಿಕೆಯನ್ನು ಸಕ್ರಿಯಗೊಳಿಸಬೇಡಿ, ಇಲ್ಲದಿದ್ದರೆ ಇತರ ವಿನಂತಿಗಳು ನಿಧಾನವಾಗುತ್ತವೆ.
• ಬಹು ಮುಖ್ಯವಾಗಿ, ಹೆಚ್ಚಿನ WORK_MEM ಮೌಲ್ಯಗಳೊಂದಿಗೆ ಸಮಾನಾಂತರ ಸಂಸ್ಕರಣೆಯು ಬಹಳಷ್ಟು ಮೆಮೊರಿಯನ್ನು ಬಳಸುತ್ತದೆ - ಪ್ರತಿ ಹ್ಯಾಶ್ ಸೇರುವಿಕೆ ಅಥವಾ ವಿಂಗಡಣೆಯು work_mem ಮೆಮೊರಿಯನ್ನು ತೆಗೆದುಕೊಳ್ಳುತ್ತದೆ.
• ಕಡಿಮೆ ಸುಪ್ತತೆಯ OLTP ಪ್ರಶ್ನೆಗಳನ್ನು ಸಮಾನಾಂತರ ಕಾರ್ಯಗತಗೊಳಿಸುವಿಕೆಯಿಂದ ವೇಗಗೊಳಿಸಲಾಗುವುದಿಲ್ಲ. ಮತ್ತು ಪ್ರಶ್ನೆಯು ಒಂದು ಸಾಲನ್ನು ಹಿಂತಿರುಗಿಸಿದರೆ, ಸಮಾನಾಂತರ ಪ್ರಕ್ರಿಯೆಯು ಅದನ್ನು ನಿಧಾನಗೊಳಿಸುತ್ತದೆ.
• ಡೆವಲಪರ್‌ಗಳು TPC-H ಮಾನದಂಡವನ್ನು ಬಳಸಲು ಇಷ್ಟಪಡುತ್ತಾರೆ. ಪರಿಪೂರ್ಣ ಸಮಾನಾಂತರ ಕಾರ್ಯಗತಗೊಳಿಸಲು ನೀವು ಬಹುಶಃ ಇದೇ ರೀತಿಯ ಪ್ರಶ್ನೆಗಳನ್ನು ಹೊಂದಿರಬಹುದು.
• ಪ್ರಿಡಿಕೇಟ್ ಲಾಕ್ ಇಲ್ಲದೆ SELECT ಪ್ರಶ್ನೆಗಳನ್ನು ಮಾತ್ರ ಸಮಾನಾಂತರವಾಗಿ ಕಾರ್ಯಗತಗೊಳಿಸಲಾಗುತ್ತದೆ.
• ಕೆಲವೊಮ್ಮೆ ಸಮಾನಾಂತರ ಕ್ರಮದಲ್ಲಿ ಅನುಕ್ರಮ ಟೇಬಲ್ ಸ್ಕ್ಯಾನಿಂಗ್‌ಗಿಂತ ಸರಿಯಾದ ಇಂಡೆಕ್ಸಿಂಗ್ ಉತ್ತಮವಾಗಿರುತ್ತದೆ.
• ವಿರಾಮಗೊಳಿಸುವ ಪ್ರಶ್ನೆಗಳು ಮತ್ತು ಕರ್ಸರ್‌ಗಳು ಬೆಂಬಲಿತವಾಗಿಲ್ಲ.
• ವಿಂಡೋ ಕಾರ್ಯಗಳು ಮತ್ತು ಆದೇಶದ ಸೆಟ್ ಒಟ್ಟು ಕಾರ್ಯಗಳು ಸಮಾನಾಂತರವಾಗಿರುವುದಿಲ್ಲ.
• I/O ಕೆಲಸದ ಹೊರೆಯಲ್ಲಿ ನೀವು ಏನನ್ನೂ ಗಳಿಸುವುದಿಲ್ಲ.
• ಯಾವುದೇ ಸಮಾನಾಂತರ ವಿಂಗಡಣೆ ಅಲ್ಗಾರಿದಮ್‌ಗಳಿಲ್ಲ. ಆದರೆ ಪ್ರಶ್ನೆಗಳನ್ನು ಕೆಲವು ಅಂಶಗಳಲ್ಲಿ ಸಮಾನಾಂತರವಾಗಿ ಕಾರ್ಯಗತಗೊಳಿಸಬಹುದು.
• ಸಮಾನಾಂತರ ಸಂಸ್ಕರಣೆಯನ್ನು ಸಕ್ರಿಯಗೊಳಿಸಲು CTE (ಇದರೊಂದಿಗೆ ...) ಅನ್ನು ನೆಸ್ಟೆಡ್ SELECT ನೊಂದಿಗೆ ಬದಲಾಯಿಸಿ.
• ಮೂರನೇ ವ್ಯಕ್ತಿಯ ಡೇಟಾ ಹೊದಿಕೆಗಳು ಇನ್ನೂ ಸಮಾನಾಂತರ ಸಂಸ್ಕರಣೆಯನ್ನು ಬೆಂಬಲಿಸುವುದಿಲ್ಲ (ಆದರೆ ಅವರು ಮಾಡಬಹುದು!)
• ಪೂರ್ಣ ಹೊರ ಸೇರುವಿಕೆಗೆ ಬೆಂಬಲವಿಲ್ಲ.
• max_rows ಸಮಾನಾಂತರ ಸಂಸ್ಕರಣೆಯನ್ನು ನಿಷ್ಕ್ರಿಯಗೊಳಿಸುತ್ತದೆ.
• ಪ್ರಶ್ನೆಯು ಸಮಾನಾಂತರ ಸುರಕ್ಷಿತ ಎಂದು ಗುರುತಿಸದ ಕಾರ್ಯವನ್ನು ಹೊಂದಿದ್ದರೆ, ಅದು ಒಂದೇ ಥ್ರೆಡ್ ಆಗಿರುತ್ತದೆ.
• SERIALISABLE ವಹಿವಾಟು ಪ್ರತ್ಯೇಕತೆಯ ಮಟ್ಟವು ಸಮಾನಾಂತರ ಸಂಸ್ಕರಣೆಯನ್ನು ನಿಷ್ಕ್ರಿಯಗೊಳಿಸುತ್ತದೆ.

ಪರೀಕ್ಷಾ ಪರಿಸರ

PostgreSQL ಡೆವಲಪರ್‌ಗಳು TPC-H ಮಾನದಂಡದ ಪ್ರಶ್ನೆಗಳ ಪ್ರತಿಕ್ರಿಯೆ ಸಮಯವನ್ನು ಕಡಿಮೆ ಮಾಡಲು ಪ್ರಯತ್ನಿಸಿದರು. ಮಾನದಂಡವನ್ನು ಡೌನ್‌ಲೋಡ್ ಮಾಡಿ ಮತ್ತು ಅದನ್ನು PostgreSQL ಗೆ ಅಳವಡಿಸಿಕೊಳ್ಳಿ. ಇದು TPC-H ಮಾನದಂಡದ ಅನಧಿಕೃತ ಬಳಕೆಯಾಗಿದೆ - ಡೇಟಾಬೇಸ್ ಅಥವಾ ಹಾರ್ಡ್‌ವೇರ್ ಹೋಲಿಕೆಗಾಗಿ ಅಲ್ಲ.

1. TPC-H_Tools_v2.17.3.zip ಡೌನ್‌ಲೋಡ್ ಮಾಡಿ (ಅಥವಾ ಹೊಸ ಆವೃತ್ತಿ) TPC ಆಫ್‌ಸೈಟ್‌ನಿಂದ.
2. makefile.suite ಅನ್ನು Makefile ಎಂದು ಮರುಹೆಸರಿಸಿ ಮತ್ತು ಇಲ್ಲಿ ವಿವರಿಸಿದಂತೆ ಬದಲಾಯಿಸಿ: https://github.com/tvondra/pg_tpch . ಮೇಕ್ ಆಜ್ಞೆಯೊಂದಿಗೆ ಕೋಡ್ ಅನ್ನು ಕಂಪೈಲ್ ಮಾಡಿ.
3. ಡೇಟಾವನ್ನು ರಚಿಸಿ: ./dbgen -s 10 23 GB ಡೇಟಾಬೇಸ್ ಅನ್ನು ರಚಿಸುತ್ತದೆ. ಸಮಾನಾಂತರ ಮತ್ತು ಸಮಾನಾಂತರವಲ್ಲದ ಪ್ರಶ್ನೆಗಳ ಕಾರ್ಯಕ್ಷಮತೆಯ ವ್ಯತ್ಯಾಸವನ್ನು ನೋಡಲು ಇದು ಸಾಕು.
4. ಫೈಲ್ಗಳನ್ನು ಪರಿವರ್ತಿಸಿ tbl в csv с for и sed.
5. ರೆಪೊಸಿಟರಿಯನ್ನು ಕ್ಲೋನ್ ಮಾಡಿ pg_tpch ಮತ್ತು ಫೈಲ್ಗಳನ್ನು ನಕಲಿಸಿ csv в pg_tpch/dss/data.
6. ಆಜ್ಞೆಯೊಂದಿಗೆ ಪ್ರಶ್ನೆಗಳನ್ನು ರಚಿಸಿ qgen.
7. ಆಜ್ಞೆಯೊಂದಿಗೆ ಡೇಟಾಬೇಸ್‌ಗೆ ಡೇಟಾವನ್ನು ಲೋಡ್ ಮಾಡಿ ./tpch.sh.

ಸಮಾನಾಂತರ ಅನುಕ್ರಮ ಸ್ಕ್ಯಾನಿಂಗ್

ಇದು ವೇಗವಾಗಿರಬಹುದು ಸಮಾನಾಂತರ ಓದುವಿಕೆಯಿಂದಾಗಿ ಅಲ್ಲ, ಆದರೆ ಡೇಟಾವು ಅನೇಕ CPU ಕೋರ್‌ಗಳಲ್ಲಿ ಹರಡಿರುವುದರಿಂದ. ಆಧುನಿಕ ಆಪರೇಟಿಂಗ್ ಸಿಸ್ಟಂಗಳಲ್ಲಿ, PostgreSQL ಡೇಟಾ ಫೈಲ್‌ಗಳನ್ನು ಚೆನ್ನಾಗಿ ಸಂಗ್ರಹಿಸಲಾಗುತ್ತದೆ. ಮುಂದೆ ಓದುವುದರೊಂದಿಗೆ, PG ಡೀಮನ್ ವಿನಂತಿಗಳಿಗಿಂತ ಸಂಗ್ರಹಣೆಯಿಂದ ದೊಡ್ಡ ಬ್ಲಾಕ್ ಅನ್ನು ಪಡೆಯಲು ಸಾಧ್ಯವಿದೆ. ಆದ್ದರಿಂದ, ಪ್ರಶ್ನೆಯ ಕಾರ್ಯಕ್ಷಮತೆಯು ಡಿಸ್ಕ್ I/O ನಿಂದ ಸೀಮಿತವಾಗಿಲ್ಲ. ಇದು CPU ಚಕ್ರಗಳನ್ನು ಇದಕ್ಕೆ ಬಳಸುತ್ತದೆ:

• ಟೇಬಲ್ ಪುಟಗಳಿಂದ ಒಂದೊಂದಾಗಿ ಸಾಲುಗಳನ್ನು ಓದಿ;
• ಸ್ಟ್ರಿಂಗ್ ಮೌಲ್ಯಗಳು ಮತ್ತು ಷರತ್ತುಗಳನ್ನು ಹೋಲಿಕೆ ಮಾಡಿ WHERE.

ಸರಳವಾದ ಪ್ರಶ್ನೆಯನ್ನು ಚಲಾಯಿಸೋಣ 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

ಅನುಕ್ರಮ ಸ್ಕ್ಯಾನ್ ಒಟ್ಟುಗೂಡಿಸದೆ ಹಲವಾರು ಸಾಲುಗಳನ್ನು ಉತ್ಪಾದಿಸುತ್ತದೆ, ಆದ್ದರಿಂದ ಪ್ರಶ್ನೆಯನ್ನು ಒಂದೇ CPU ಕೋರ್‌ನಿಂದ ಕಾರ್ಯಗತಗೊಳಿಸಲಾಗುತ್ತದೆ.

ನೀವು ಸೇರಿಸಿದರೆ SUM(), ಎರಡು ಕೆಲಸದ ಹರಿವುಗಳು ಪ್ರಶ್ನೆಯನ್ನು ವೇಗಗೊಳಿಸಲು ಸಹಾಯ ಮಾಡುತ್ತದೆ ಎಂದು ನೀವು ನೋಡಬಹುದು:

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

ಸಮಾನಾಂತರ ಒಟ್ಟುಗೂಡಿಸುವಿಕೆ

ಪ್ಯಾರಲಲ್ ಸೆಕ್ ಸ್ಕ್ಯಾನ್ ನೋಡ್ ಭಾಗಶಃ ಒಟ್ಟುಗೂಡಿಸುವಿಕೆಗಾಗಿ ಸಾಲುಗಳನ್ನು ಉತ್ಪಾದಿಸುತ್ತದೆ. "ಭಾಗಶಃ ಒಟ್ಟು" ನೋಡ್ ಈ ಸಾಲುಗಳನ್ನು ಬಳಸಿ ಟ್ರಿಮ್ ಮಾಡುತ್ತದೆ SUM(). ಕೊನೆಯಲ್ಲಿ, ಪ್ರತಿ ಕೆಲಸಗಾರ ಪ್ರಕ್ರಿಯೆಯಿಂದ SUM ಕೌಂಟರ್ ಅನ್ನು "ಗ್ಯಾದರ್" ನೋಡ್‌ನಿಂದ ಸಂಗ್ರಹಿಸಲಾಗುತ್ತದೆ.

ಅಂತಿಮ ಫಲಿತಾಂಶವನ್ನು "ಅಂತಿಮಗೊಳಿಸು ಒಟ್ಟು" ನೋಡ್ನಿಂದ ಲೆಕ್ಕಹಾಕಲಾಗುತ್ತದೆ. ನಿಮ್ಮ ಸ್ವಂತ ಒಟ್ಟುಗೂಡಿಸುವ ಕಾರ್ಯಗಳನ್ನು ನೀವು ಹೊಂದಿದ್ದರೆ, ಅವುಗಳನ್ನು "ಸಮಾನಾಂತರ ಸುರಕ್ಷಿತ" ಎಂದು ಗುರುತಿಸಲು ಮರೆಯಬೇಡಿ.

ಕಾರ್ಮಿಕರ ಪ್ರಕ್ರಿಯೆಗಳ ಸಂಖ್ಯೆ

ಸರ್ವರ್ ಅನ್ನು ಮರುಪ್ರಾರಂಭಿಸದೆಯೇ ಕೆಲಸಗಾರರ ಪ್ರಕ್ರಿಯೆಗಳ ಸಂಖ್ಯೆಯನ್ನು ಹೆಚ್ಚಿಸಬಹುದು:

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

ಇಲ್ಲಿ ಏನು ನಡೆಯುತ್ತಿದೆ? 2 ಪಟ್ಟು ಹೆಚ್ಚು ಕೆಲಸದ ಪ್ರಕ್ರಿಯೆಗಳು ಇದ್ದವು, ಮತ್ತು ವಿನಂತಿಯು ಕೇವಲ 1,6599 ಪಟ್ಟು ವೇಗವಾಯಿತು. ಲೆಕ್ಕಾಚಾರಗಳು ಆಸಕ್ತಿದಾಯಕವಾಗಿವೆ. ನಾವು 2 ಕೆಲಸಗಾರರ ಪ್ರಕ್ರಿಯೆಗಳು ಮತ್ತು 1 ನಾಯಕರನ್ನು ಹೊಂದಿದ್ದೇವೆ. ಬದಲಾವಣೆಯ ನಂತರ ಅದು 4+1 ಆಯಿತು.

ಸಮಾನಾಂತರ ಪ್ರಕ್ರಿಯೆಯಿಂದ ನಮ್ಮ ಗರಿಷ್ಠ ವೇಗ: 5/3 = 1,66(6) ಬಾರಿ.

ಇದು ಹೇಗೆ ಕೆಲಸ ಮಾಡುತ್ತದೆ?

ಪ್ರಕ್ರಿಯೆಗಳು

ವಿನಂತಿಯ ಕಾರ್ಯಗತಗೊಳಿಸುವಿಕೆಯು ಯಾವಾಗಲೂ ಪ್ರಮುಖ ಪ್ರಕ್ರಿಯೆಯೊಂದಿಗೆ ಪ್ರಾರಂಭವಾಗುತ್ತದೆ. ನಾಯಕನು ಎಲ್ಲವನ್ನೂ ಸಮಾನಾಂತರವಲ್ಲದ ಮತ್ತು ಕೆಲವು ಸಮಾನಾಂತರ ಸಂಸ್ಕರಣೆಯನ್ನು ಮಾಡುತ್ತಾನೆ. ಅದೇ ವಿನಂತಿಗಳನ್ನು ನಿರ್ವಹಿಸುವ ಇತರ ಪ್ರಕ್ರಿಯೆಗಳನ್ನು ಕೆಲಸಗಾರ ಪ್ರಕ್ರಿಯೆಗಳು ಎಂದು ಕರೆಯಲಾಗುತ್ತದೆ. ಸಮಾನಾಂತರ ಸಂಸ್ಕರಣೆಯು ಮೂಲಸೌಕರ್ಯವನ್ನು ಬಳಸುತ್ತದೆ ಕ್ರಿಯಾತ್ಮಕ ಹಿನ್ನೆಲೆ ಕೆಲಸಗಾರ ಪ್ರಕ್ರಿಯೆಗಳು (ಆವೃತ್ತಿ 9.4 ರಿಂದ). PostgreSQL ನ ಇತರ ಭಾಗಗಳು ಥ್ರೆಡ್‌ಗಳ ಬದಲಿಗೆ ಪ್ರಕ್ರಿಯೆಗಳನ್ನು ಬಳಸುವುದರಿಂದ, 3 ವರ್ಕರ್ ಪ್ರಕ್ರಿಯೆಗಳೊಂದಿಗಿನ ಪ್ರಶ್ನೆಯು ಸಾಂಪ್ರದಾಯಿಕ ಪ್ರಕ್ರಿಯೆಗಿಂತ 4 ಪಟ್ಟು ವೇಗವಾಗಿರುತ್ತದೆ.

ಪರಸ್ಪರ ಕ್ರಿಯೆ

ವರ್ಕರ್ ಪ್ರಕ್ರಿಯೆಗಳು ಸಂದೇಶ ಸರದಿಯ ಮೂಲಕ ನಾಯಕನೊಂದಿಗೆ ಸಂವಹನ ನಡೆಸುತ್ತವೆ (ಹಂಚಿಕೊಂಡ ಮೆಮೊರಿಯ ಆಧಾರದ ಮೇಲೆ). ಪ್ರತಿಯೊಂದು ಪ್ರಕ್ರಿಯೆಯು 2 ಸರತಿ ಸಾಲುಗಳನ್ನು ಹೊಂದಿದೆ: ದೋಷಗಳಿಗಾಗಿ ಮತ್ತು ಟುಪಲ್‌ಗಳಿಗಾಗಿ.

ಎಷ್ಟು ಕೆಲಸದ ಹರಿವು ಅಗತ್ಯವಿದೆ?

ಕನಿಷ್ಠ ಮಿತಿಯನ್ನು ನಿಯತಾಂಕದಿಂದ ನಿರ್ದಿಷ್ಟಪಡಿಸಲಾಗಿದೆ max_parallel_workers_per_gather. ವಿನಂತಿಯ ಓಟಗಾರನು ನಂತರ ಪ್ಯಾರಾಮೀಟರ್‌ನಿಂದ ಸೀಮಿತವಾದ ಪೂಲ್‌ನಿಂದ ಕೆಲಸಗಾರರ ಪ್ರಕ್ರಿಯೆಗಳನ್ನು ತೆಗೆದುಕೊಳ್ಳುತ್ತಾನೆ max_parallel_workers size. ಕೊನೆಯ ಮಿತಿಯಾಗಿದೆ max_worker_processes, ಅಂದರೆ, ಹಿನ್ನೆಲೆ ಪ್ರಕ್ರಿಯೆಗಳ ಒಟ್ಟು ಸಂಖ್ಯೆ.

ಕಾರ್ಮಿಕರ ಪ್ರಕ್ರಿಯೆಯನ್ನು ನಿಯೋಜಿಸಲು ಸಾಧ್ಯವಾಗದಿದ್ದರೆ, ಪ್ರಕ್ರಿಯೆಯು ಏಕ-ಪ್ರಕ್ರಿಯೆಯಾಗಿರುತ್ತದೆ.

ಪ್ರಶ್ನೆ ಯೋಜಕರು ಟೇಬಲ್ ಅಥವಾ ಸೂಚ್ಯಂಕದ ಗಾತ್ರವನ್ನು ಅವಲಂಬಿಸಿ ಕೆಲಸದ ಹರಿವನ್ನು ಕಡಿಮೆ ಮಾಡಬಹುದು. ಇದಕ್ಕಾಗಿ ನಿಯತಾಂಕಗಳಿವೆ 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

ಪ್ರತಿ ಬಾರಿಯೂ ಟೇಬಲ್ 3 ಪಟ್ಟು ದೊಡ್ಡದಾಗಿದೆ min_parallel_(index|table)_scan_size, Postgres ಕೆಲಸಗಾರ ಪ್ರಕ್ರಿಯೆಯನ್ನು ಸೇರಿಸುತ್ತದೆ. ಕೆಲಸದ ಹರಿವಿನ ಸಂಖ್ಯೆಯು ವೆಚ್ಚವನ್ನು ಆಧರಿಸಿಲ್ಲ. ವೃತ್ತಾಕಾರದ ಅವಲಂಬನೆಯು ಸಂಕೀರ್ಣ ಅನುಷ್ಠಾನಗಳನ್ನು ಕಷ್ಟಕರವಾಗಿಸುತ್ತದೆ. ಬದಲಾಗಿ, ಯೋಜಕರು ಸರಳ ನಿಯಮಗಳನ್ನು ಬಳಸುತ್ತಾರೆ.

ಪ್ರಾಯೋಗಿಕವಾಗಿ, ಈ ನಿಯಮಗಳು ಯಾವಾಗಲೂ ಉತ್ಪಾದನೆಗೆ ಸೂಕ್ತವಲ್ಲ, ಆದ್ದರಿಂದ ನೀವು ನಿರ್ದಿಷ್ಟ ಕೋಷ್ಟಕಕ್ಕಾಗಿ ಕಾರ್ಮಿಕರ ಪ್ರಕ್ರಿಯೆಗಳ ಸಂಖ್ಯೆಯನ್ನು ಬದಲಾಯಿಸಬಹುದು: ALTER TABLE ... SET (parallel_workers = N).

ಸಮಾನಾಂತರ ಸಂಸ್ಕರಣೆಯನ್ನು ಏಕೆ ಬಳಸಲಾಗುವುದಿಲ್ಲ?

ನಿರ್ಬಂಧಗಳ ದೀರ್ಘ ಪಟ್ಟಿಗೆ ಹೆಚ್ಚುವರಿಯಾಗಿ, ವೆಚ್ಚ ಪರಿಶೀಲನೆಗಳೂ ಇವೆ:

parallel_setup_cost - ಸಣ್ಣ ವಿನಂತಿಗಳ ಸಮಾನಾಂತರ ಪ್ರಕ್ರಿಯೆಯನ್ನು ತಪ್ಪಿಸಲು. ಈ ನಿಯತಾಂಕವು ಮೆಮೊರಿಯನ್ನು ತಯಾರಿಸಲು, ಪ್ರಕ್ರಿಯೆಯನ್ನು ಪ್ರಾರಂಭಿಸಲು ಮತ್ತು ಆರಂಭಿಕ ಡೇಟಾ ವಿನಿಮಯದ ಸಮಯವನ್ನು ಅಂದಾಜು ಮಾಡುತ್ತದೆ.

parallel_tuple_cost: ಕೆಲಸದ ಪ್ರಕ್ರಿಯೆಗಳಿಂದ ಟುಪಲ್ಸ್ ಸಂಖ್ಯೆಗೆ ಅನುಗುಣವಾಗಿ ನಾಯಕ ಮತ್ತು ಕಾರ್ಮಿಕರ ನಡುವಿನ ಸಂವಹನವನ್ನು ವಿಳಂಬಗೊಳಿಸಬಹುದು. ಈ ನಿಯತಾಂಕವು ಡೇಟಾ ವಿನಿಮಯದ ವೆಚ್ಚವನ್ನು ಲೆಕ್ಕಾಚಾರ ಮಾಡುತ್ತದೆ.

ನೆಸ್ಟೆಡ್ ಲೂಪ್ ಸೇರುತ್ತದೆ

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)

ಸಂಗ್ರಹಣೆಯು ಕೊನೆಯ ಹಂತದಲ್ಲಿ ಸಂಭವಿಸುತ್ತದೆ, ಆದ್ದರಿಂದ ನೆಸ್ಟೆಡ್ ಲೂಪ್ ಎಡ ಸೇರುವಿಕೆ ಒಂದು ಸಮಾನಾಂತರ ಕಾರ್ಯಾಚರಣೆಯಾಗಿದೆ. ಸಮಾನಾಂತರ ಸೂಚ್ಯಂಕ ಮಾತ್ರ ಸ್ಕ್ಯಾನ್ ಅನ್ನು ಆವೃತ್ತಿ 10 ರಲ್ಲಿ ಮಾತ್ರ ಪರಿಚಯಿಸಲಾಗಿದೆ. ಇದು ಸಮಾನಾಂತರ ಸರಣಿ ಸ್ಕ್ಯಾನಿಂಗ್‌ನಂತೆಯೇ ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತದೆ. ಸ್ಥಿತಿ c_custkey = o_custkey ಪ್ರತಿ ಕ್ಲೈಂಟ್ ಸ್ಟ್ರಿಂಗ್‌ಗೆ ಒಂದು ಆದೇಶವನ್ನು ಓದುತ್ತದೆ. ಆದ್ದರಿಂದ ಇದು ಸಮಾನಾಂತರವಾಗಿಲ್ಲ.

ಹ್ಯಾಶ್ ಸೇರಿಕೊಳ್ಳಿ

ಪ್ರತಿಯೊಂದು ವರ್ಕರ್ ಪ್ರಕ್ರಿಯೆಯು PostgreSQL 11 ರವರೆಗೆ ತನ್ನದೇ ಆದ ಹ್ಯಾಶ್ ಟೇಬಲ್ ಅನ್ನು ರಚಿಸುತ್ತದೆ. ಮತ್ತು ಈ ಪ್ರಕ್ರಿಯೆಗಳಲ್ಲಿ ನಾಲ್ಕಕ್ಕಿಂತ ಹೆಚ್ಚು ಇದ್ದರೆ, ಕಾರ್ಯಕ್ಷಮತೆಯು ಸುಧಾರಿಸುವುದಿಲ್ಲ. ಹೊಸ ಆವೃತ್ತಿಯಲ್ಲಿ, ಹ್ಯಾಶ್ ಟೇಬಲ್ ಅನ್ನು ಹಂಚಿಕೊಳ್ಳಲಾಗಿದೆ. ಪ್ರತಿ ಕೆಲಸಗಾರ ಪ್ರಕ್ರಿಯೆಯು ಹ್ಯಾಶ್ ಟೇಬಲ್ ರಚಿಸಲು WORK_MEM ಅನ್ನು ಬಳಸಬಹುದು.

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 ನಿಂದ ಪ್ರಶ್ನೆ 12 ಸ್ಪಷ್ಟವಾಗಿ ಸಮಾನಾಂತರ ಹ್ಯಾಶ್ ಸಂಪರ್ಕವನ್ನು ತೋರಿಸುತ್ತದೆ. ಪ್ರತಿ ಕೆಲಸಗಾರ ಪ್ರಕ್ರಿಯೆಯು ಸಾಮಾನ್ಯ ಹ್ಯಾಶ್ ಟೇಬಲ್ ರಚನೆಗೆ ಕೊಡುಗೆ ನೀಡುತ್ತದೆ.

ವಿಲೀನ ಸೇರಿ

ವಿಲೀನ ಸೇರುವಿಕೆಯು ಪ್ರಕೃತಿಯಲ್ಲಿ ಸಮಾನಾಂತರವಲ್ಲ. ಇದು ಪ್ರಶ್ನೆಯ ಕೊನೆಯ ಹಂತವಾಗಿದ್ದರೆ ಚಿಂತಿಸಬೇಡಿ - ಇದು ಇನ್ನೂ ಸಮಾನಾಂತರವಾಗಿ ಚಲಿಸಬಹುದು.

-- 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)

"ವಿಲೀನ ಸೇರ್ಪಡೆ" ನೋಡ್ "ಗ್ಯಾದರ್ ವಿಲೀನ" ಮೇಲೆ ಇದೆ. ಆದ್ದರಿಂದ ವಿಲೀನಗೊಳಿಸುವಿಕೆಯು ಸಮಾನಾಂತರ ಸಂಸ್ಕರಣೆಯನ್ನು ಬಳಸುವುದಿಲ್ಲ. ಆದರೆ "ಪ್ಯಾರಲಲ್ ಇಂಡೆಕ್ಸ್ ಸ್ಕ್ಯಾನ್" ನೋಡ್ ಇನ್ನೂ ವಿಭಾಗದಲ್ಲಿ ಸಹಾಯ ಮಾಡುತ್ತದೆ part_pkey.

ವಿಭಾಗಗಳ ಮೂಲಕ ಸಂಪರ್ಕ

PostgreSQL 11 ರಲ್ಲಿ ವಿಭಾಗಗಳ ಮೂಲಕ ಸಂಪರ್ಕ ಪೂರ್ವನಿಯೋಜಿತವಾಗಿ ನಿಷ್ಕ್ರಿಯಗೊಳಿಸಲಾಗಿದೆ: ಇದು ತುಂಬಾ ದುಬಾರಿ ವೇಳಾಪಟ್ಟಿಯನ್ನು ಹೊಂದಿದೆ. ಒಂದೇ ರೀತಿಯ ವಿಭಜನೆಯನ್ನು ಹೊಂದಿರುವ ಕೋಷ್ಟಕಗಳನ್ನು ವಿಭಜನೆಯ ಮೂಲಕ ವಿಭಾಗವನ್ನು ಸೇರಿಕೊಳ್ಳಬಹುದು. ಈ ರೀತಿಯಲ್ಲಿ Postgres ಸಣ್ಣ ಹ್ಯಾಶ್ ಕೋಷ್ಟಕಗಳನ್ನು ಬಳಸುತ್ತದೆ. ವಿಭಾಗಗಳ ಪ್ರತಿಯೊಂದು ಸಂಪರ್ಕವು ಸಮಾನಾಂತರವಾಗಿರಬಹುದು.

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)

ಮುಖ್ಯ ವಿಷಯವೆಂದರೆ ಈ ವಿಭಾಗಗಳು ಸಾಕಷ್ಟು ದೊಡ್ಡದಾಗಿದ್ದರೆ ಮಾತ್ರ ವಿಭಾಗಗಳಲ್ಲಿನ ಸಂಪರ್ಕವು ಸಮಾನಾಂತರವಾಗಿರುತ್ತದೆ.

ಸಮಾನಾಂತರ ಅನುಬಂಧ

ಸಮಾನಾಂತರ ಅನುಬಂಧ ವಿಭಿನ್ನ ವರ್ಕ್‌ಫ್ಲೋಗಳಲ್ಲಿ ವಿಭಿನ್ನ ಬ್ಲಾಕ್‌ಗಳ ಬದಲಿಗೆ ಬಳಸಬಹುದು. ಇದು ಸಾಮಾನ್ಯವಾಗಿ UNION ಎಲ್ಲಾ ಪ್ರಶ್ನೆಗಳೊಂದಿಗೆ ಸಂಭವಿಸುತ್ತದೆ. ಅನನುಕೂಲವೆಂದರೆ ಕಡಿಮೆ ಸಮಾನಾಂತರತೆ, ಏಕೆಂದರೆ ಪ್ರತಿ ಕೆಲಸಗಾರ ಪ್ರಕ್ರಿಯೆಯು 1 ವಿನಂತಿಯನ್ನು ಮಾತ್ರ ಪ್ರಕ್ರಿಯೆಗೊಳಿಸುತ್ತದೆ.

ಇಲ್ಲಿ 2 ವರ್ಕರ್ ಪ್ರಕ್ರಿಯೆಗಳು ಚಾಲನೆಯಲ್ಲಿವೆ, ಆದರೂ 4 ಸಕ್ರಿಯಗೊಳಿಸಲಾಗಿದೆ.

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)

ಪ್ರಮುಖ ಅಸ್ಥಿರಗಳು

• WORK_MEM ಪ್ರತಿ ಪ್ರಕ್ರಿಯೆಗೆ ಮೆಮೊರಿಯನ್ನು ಮಿತಿಗೊಳಿಸುತ್ತದೆ, ಕೇವಲ ಪ್ರಶ್ನೆಗಳಲ್ಲ: work_mem ಕಾರ್ಯವಿಧಾನಗಳು ಸಂಪರ್ಕಗಳು = ಬಹಳಷ್ಟು ಮೆಮೊರಿ.
• max_parallel_workers_per_gather - ಯೋಜನೆಯಿಂದ ಸಮಾನಾಂತರ ಪ್ರಕ್ರಿಯೆಗಾಗಿ ಕಾರ್ಯಗತಗೊಳಿಸುವ ಪ್ರೋಗ್ರಾಂ ಎಷ್ಟು ಕೆಲಸಗಾರರ ಪ್ರಕ್ರಿಯೆಗಳನ್ನು ಬಳಸುತ್ತದೆ.
• max_worker_processes - ಸರ್ವರ್‌ನಲ್ಲಿನ CPU ಕೋರ್‌ಗಳ ಸಂಖ್ಯೆಗೆ ವರ್ಕರ್ ಪ್ರಕ್ರಿಯೆಗಳ ಒಟ್ಟು ಸಂಖ್ಯೆಯನ್ನು ಸರಿಹೊಂದಿಸುತ್ತದೆ.
• max_parallel_workers - ಅದೇ, ಆದರೆ ಸಮಾನಾಂತರ ಕೆಲಸ ಪ್ರಕ್ರಿಯೆಗಳಿಗೆ.

ಫಲಿತಾಂಶಗಳು

ಆವೃತ್ತಿ 9.6 ರಂತೆ, ಅನೇಕ ಸಾಲುಗಳು ಅಥವಾ ಸೂಚ್ಯಂಕಗಳನ್ನು ಸ್ಕ್ಯಾನ್ ಮಾಡುವ ಸಂಕೀರ್ಣ ಪ್ರಶ್ನೆಗಳ ಕಾರ್ಯಕ್ಷಮತೆಯನ್ನು ಸಮಾನಾಂತರ ಪ್ರಕ್ರಿಯೆಯು ಹೆಚ್ಚು ಸುಧಾರಿಸುತ್ತದೆ. PostgreSQL 10 ರಲ್ಲಿ, ಸಮಾನಾಂತರ ಸಂಸ್ಕರಣೆಯನ್ನು ಪೂರ್ವನಿಯೋಜಿತವಾಗಿ ಸಕ್ರಿಯಗೊಳಿಸಲಾಗುತ್ತದೆ. ದೊಡ್ಡ OLTP ಕೆಲಸದ ಹೊರೆ ಹೊಂದಿರುವ ಸರ್ವರ್‌ಗಳಲ್ಲಿ ಅದನ್ನು ನಿಷ್ಕ್ರಿಯಗೊಳಿಸಲು ಮರೆಯದಿರಿ. ಅನುಕ್ರಮ ಸ್ಕ್ಯಾನ್‌ಗಳು ಅಥವಾ ಸೂಚ್ಯಂಕ ಸ್ಕ್ಯಾನ್‌ಗಳು ಬಹಳಷ್ಟು ಸಂಪನ್ಮೂಲಗಳನ್ನು ಬಳಸುತ್ತವೆ. ನೀವು ಸಂಪೂರ್ಣ ಡೇಟಾಸೆಟ್‌ನಲ್ಲಿ ವರದಿಯನ್ನು ಚಲಾಯಿಸದಿದ್ದರೆ, ಕಾಣೆಯಾದ ಸೂಚಿಕೆಗಳನ್ನು ಸೇರಿಸುವ ಮೂಲಕ ಅಥವಾ ಸರಿಯಾದ ವಿಭಜನೆಯನ್ನು ಬಳಸಿಕೊಂಡು ನೀವು ಪ್ರಶ್ನೆ ಕಾರ್ಯಕ್ಷಮತೆಯನ್ನು ಸುಧಾರಿಸಬಹುದು.

ಉಲ್ಲೇಖಗಳು

• 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 ರಲ್ಲಿ ಸಮಾನಾಂತರತೆ

ಮೂಲ: www.habr.com