🥇 PostgreSQL मधील समांतर क्वेरी

आधुनिक CPU मध्ये भरपूर कोर आहेत. अनेक वर्षांपासून, अनुप्रयोग समांतरपणे डेटाबेसेसवर प्रश्न पाठवत आहेत. जर ती टेबलमधील एकाधिक पंक्तींवरील अहवाल क्वेरी असेल, तर एकाधिक CPUs वापरताना ते जलद चालते आणि PostgreSQL आवृत्ती 9.6 पासून हे करण्यास सक्षम आहे.

समांतर क्वेरी वैशिष्ट्य लागू करण्यासाठी 3 वर्षे लागली - आम्हाला क्वेरी अंमलबजावणीच्या वेगवेगळ्या टप्प्यांवर कोड पुन्हा लिहावा लागला. PostgreSQL 9.6 ने कोड आणखी सुधारण्यासाठी पायाभूत सुविधा सादर केल्या. त्यानंतरच्या आवृत्त्यांमध्ये, इतर प्रकारच्या क्वेरी समांतरपणे कार्यान्वित केल्या जातात.

निर्बंध

सर्व कोर आधीच व्यस्त असल्यास समांतर अंमलबजावणी सक्षम करू नका, अन्यथा इतर विनंत्या कमी होतील.
सर्वात महत्त्वाचे म्हणजे, उच्च WORK_MEM मूल्यांसह समांतर प्रक्रिया भरपूर मेमरी वापरते - प्रत्येक हॅश जॉइन किंवा क्रमवारी work_mem मेमरी घेते.
कमी विलंब OLTP क्वेरी समांतर अंमलबजावणीद्वारे वेगवान होऊ शकत नाहीत. आणि जर क्वेरी एक पंक्ती परत करत असेल, तर समांतर प्रक्रिया केवळ ते कमी करेल.
विकसकांना TPC-H बेंचमार्क वापरणे आवडते. कदाचित तुमच्याकडे परिपूर्ण समांतर अंमलबजावणीसाठी समान प्रश्न असतील.
प्रिडिकेट लॉकिंगशिवाय फक्त SELECT क्वेरी समांतरपणे कार्यान्वित केल्या जातात.
कधीकधी समांतर मोडमध्ये अनुक्रमिक टेबल स्कॅनिंगपेक्षा योग्य अनुक्रमणिका अधिक चांगली असते.
विराम देणे क्वेरी आणि कर्सर समर्थित नाहीत.
विंडो फंक्शन्स आणि ऑर्डर केलेले सेट एग्रीगेट फंक्शन्स समांतर नाहीत.
I/O वर्कलोडमध्ये तुम्हाला काहीही मिळत नाही.
कोणतेही समांतर वर्गीकरण अल्गोरिदम नाहीत. परंतु काही बाबींमध्ये समांतरपणे क्रमवारीसह क्वेरी कार्यान्वित केल्या जाऊ शकतात.
समांतर प्रक्रिया सक्षम करण्यासाठी CTE (WITH ...) नेस्टेड SELECT सह बदला.
तृतीय-पक्ष डेटा रॅपर अद्याप समांतर प्रक्रियेस समर्थन देत नाहीत (परंतु ते करू शकतात!)
पूर्ण बाह्य सामीलीकरण समर्थित नाही.
max_rows समांतर प्रक्रिया अक्षम करते.
क्वेरीमध्ये समांतर सुरक्षित म्हणून चिन्हांकित नसलेले कार्य असल्यास, ते एकल थ्रेड केलेले असेल.
सीरिअलायझेबल व्यवहार अलगाव पातळी समांतर प्रक्रिया अक्षम करते.

चाचणी वातावरण

PostgreSQL विकसकांनी TPC-H बेंचमार्क प्रश्नांचा प्रतिसाद वेळ कमी करण्याचा प्रयत्न केला. बेंचमार्क डाउनलोड करा आणि ते PostgreSQL मध्ये जुळवून घ्या. हा TPC-H बेंचमार्कचा अनधिकृत वापर आहे - डेटाबेस किंवा हार्डवेअर तुलनासाठी नाही.

डाउनलोड करा TPC-H_Tools_v2.17.3.zip (किंवा नवीन आवृत्ती) TPC ऑफसाइट वरून.
makefile.suite चे नाव Makefile वर बदला आणि येथे वर्णन केल्याप्रमाणे बदला: https://github.com/tvondra/pg_tpch . मेक कमांडसह कोड संकलित करा.
डेटा व्युत्पन्न करा: ./dbgen -s 10 23 GB डेटाबेस तयार करते. समांतर आणि नॉन-समांतर क्वेरीच्या कार्यप्रदर्शनातील फरक पाहण्यासाठी हे पुरेसे आहे.
फायली रूपांतरित करा tbl в csv с for и sed.
रेपॉजिटरी क्लोन करा pg_tpch आणि फाईल्स कॉपी करा csv в pg_tpch/dss/data.
कमांडसह क्वेरी तयार करा qgen.
कमांडसह डेटाबेसमध्ये डेटा लोड करा ./tpch.sh.

समांतर अनुक्रमिक स्कॅनिंग

हे समांतर वाचनामुळे जलद होऊ शकत नाही, परंतु डेटा अनेक CPU कोरमध्ये पसरलेला असल्याने. आधुनिक ऑपरेटिंग सिस्टीममध्ये, PostgreSQL डेटा फाइल्स चांगल्या प्रकारे कॅश केल्या जातात. पुढे वाचून, PG डिमन विनंत्यांपेक्षा स्टोरेजमधून मोठा ब्लॉक मिळवणे शक्य आहे. म्हणून, डिस्क I/O द्वारे क्वेरी कार्यप्रदर्शन मर्यादित नाही. हे यासाठी CPU सायकल वापरते:

टेबलच्या पृष्ठांवरून एका वेळी एक पंक्ती वाचा;
स्ट्रिंग मूल्ये आणि शर्तींची तुलना करा WHERE.

चला एक साधी क्वेरी चालवू 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

अनुक्रमिक स्कॅन एकत्रीकरणाशिवाय बर्याच पंक्ती तयार करते, म्हणून क्वेरी एकाच CPU कोरद्वारे कार्यान्वित केली जाते.

आपण जोडल्यास SUM(), तुम्ही पाहू शकता की दोन वर्कफ्लो क्वेरी वेगवान करण्यात मदत करतील:

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

समांतर एकत्रीकरण

समांतर Seq स्कॅन नोड आंशिक एकत्रीकरणासाठी पंक्ती तयार करतो. "आंशिक एकत्रित" नोड वापरून या ओळी ट्रिम करते SUM(). शेवटी, प्रत्येक कामगार प्रक्रियेतील SUM काउंटर "गॅदर" नोडद्वारे गोळा केले जाते.

अंतिम परिणामाची गणना "अंतिमित एकत्रित" नोडद्वारे केली जाते. तुमची स्वतःची एकत्रीकरण कार्ये असल्यास, त्यांना "समांतर सुरक्षित" म्हणून चिन्हांकित करण्यास विसरू नका.

कामगार प्रक्रियांची संख्या

सर्व्हर रीस्टार्ट न करता कामगार प्रक्रियांची संख्या वाढवता येते:

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

इथे काय चालले आहे? कामाच्या 2 पट अधिक प्रक्रिया होत्या आणि विनंती फक्त 1,6599 पट जलद झाली. गणिते मनोरंजक आहेत. आमच्याकडे 2 कार्यकर्ता प्रक्रिया आणि 1 नेता होता. बदलानंतर ते 4+1 झाले.

समांतर प्रक्रियेतून आमचा कमाल वेग: 5/3 = 1,66(6) वेळा.

ते कसे कार्य करते?

प्रक्रिया

विनंतीची अंमलबजावणी नेहमी अग्रगण्य प्रक्रियेसह सुरू होते. नेता सर्वकाही गैर-समांतर आणि काही समांतर प्रक्रिया करतो. समान विनंत्या करणाऱ्या इतर प्रक्रियांना कामगार प्रक्रिया म्हणतात. समांतर प्रक्रिया पायाभूत सुविधा वापरते डायनॅमिक पार्श्वभूमी कामगार प्रक्रिया (आवृत्ती 9.4 वरून). PostgreSQL चे इतर भाग थ्रेड्सऐवजी प्रक्रिया वापरत असल्याने, 3 वर्कर प्रक्रिया असलेली क्वेरी पारंपारिक प्रक्रियेपेक्षा 4 पट जलद असू शकते.

संवाद

कार्यकर्ता प्रक्रिया संदेश रांगेद्वारे नेत्याशी संवाद साधतात (सामायिक मेमरीवर आधारित). प्रत्येक प्रक्रियेमध्ये 2 रांगा असतात: त्रुटींसाठी आणि ट्यूपल्ससाठी.

किती वर्कफ्लो आवश्यक आहेत?

किमान मर्यादा पॅरामीटरद्वारे निर्दिष्ट केली आहे max_parallel_workers_per_gather. विनंती धावणारा नंतर पॅरामीटरद्वारे मर्यादित पूलमधून कामगार प्रक्रिया घेतो max_parallel_workers size. शेवटची मर्यादा आहे max_worker_processes, म्हणजे, पार्श्वभूमी प्रक्रियांची एकूण संख्या.

कामगार प्रक्रियेचे वाटप करणे शक्य नसल्यास, प्रक्रिया एकल-प्रक्रिया असेल.

क्वेरी प्लॅनर टेबल किंवा इंडेक्सच्या आकारानुसार वर्कफ्लो कमी करू शकतो. यासाठी पॅरामीटर्स आहेत 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

प्रत्येक वेळी टेबल पेक्षा 3 पट मोठा असतो min_parallel_(index|table)_scan_size, Postgres एक कार्यकर्ता प्रक्रिया जोडते. वर्कफ्लोची संख्या खर्चावर आधारित नाही. परिपत्रक अवलंबित्व जटिल अंमलबजावणी कठीण करते. त्याऐवजी, नियोजक साधे नियम वापरतो.

सराव मध्ये, हे नियम नेहमी उत्पादनासाठी योग्य नसतात, त्यामुळे तुम्ही विशिष्ट टेबलसाठी कामगार प्रक्रियेची संख्या बदलू शकता: ALTER TABLE ... SET (parallel_workers = N).

समांतर प्रक्रिया का वापरली जात नाही?

निर्बंधांच्या लांबलचक यादी व्यतिरिक्त, खर्च तपासणी देखील आहेत:

parallel_setup_cost - लहान विनंत्यांची समांतर प्रक्रिया टाळण्यासाठी. हे पॅरामीटर मेमरी तयार करण्यासाठी, प्रक्रिया सुरू करण्यासाठी आणि प्रारंभिक डेटा एक्सचेंजसाठी वेळेचा अंदाज लावते.

parallel_tuple_cost: नेता आणि कामगार यांच्यातील संवाद कार्य प्रक्रियेतील ट्युपल्सच्या संख्येच्या प्रमाणात विलंब होऊ शकतो. हे पॅरामीटर डेटा एक्सचेंजच्या खर्चाची गणना करते.

नेस्टेड लूप जोडतो

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)

संकलन शेवटच्या टप्प्यावर होते, म्हणून नेस्टेड लूप लेफ्ट जॉईन हे समांतर ऑपरेशन आहे. पॅरलल इंडेक्स ओन्ली स्कॅन केवळ आवृत्ती 10 मध्ये सादर केले गेले. हे समांतर अनुक्रमांक स्कॅनिंगसारखेच कार्य करते. अट c_custkey = o_custkey प्रति क्लायंट स्ट्रिंग एक ऑर्डर वाचते. त्यामुळे ते समांतर नाही.

हॅश सामील व्हा

प्रत्येक कार्यकर्ता प्रक्रिया PostgreSQL 11 पर्यंत स्वतःचे हॅश टेबल तयार करते. आणि यापैकी चार पेक्षा जास्त प्रक्रिया असल्यास, कार्यप्रदर्शन सुधारणार नाही. नवीन आवृत्तीमध्ये, हॅश टेबल सामायिक केले आहे. प्रत्येक कार्यकर्ता प्रक्रिया हॅश टेबल तयार करण्यासाठी WORK_MEM वापरू शकते.

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 कडील क्वेरी 12 स्पष्टपणे समांतर हॅश कनेक्शन दर्शवते. प्रत्येक कार्यकर्ता प्रक्रिया सामान्य हॅश टेबल तयार करण्यासाठी योगदान देते.

सामील व्हा

एक विलीन जोडणे निसर्गात समांतर नसलेले असते. ही क्वेरीची शेवटची पायरी असल्यास काळजी करू नका - ती अद्याप समांतर चालू शकते.

-- 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)

"मर्ज जॉईन" नोड "गॅदर मर्ज" वर स्थित आहे. त्यामुळे विलीनीकरण समांतर प्रक्रिया वापरत नाही. परंतु "समांतर इंडेक्स स्कॅन" नोड अजूनही विभागासाठी मदत करतो part_pkey.

विभागांद्वारे कनेक्शन

PostgreSQL 11 मध्ये विभागांद्वारे कनेक्शन डीफॉल्टनुसार अक्षम: यात खूप महाग शेड्यूलिंग आहे. समान विभाजन असलेल्या तक्त्याला विभाजनाद्वारे विभाजन जोडले जाऊ शकते. अशा प्रकारे पोस्टग्रेस लहान हॅश टेबल्स वापरेल. विभागांचे प्रत्येक कनेक्शन समांतर असू शकते.

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)

मुख्य गोष्ट अशी आहे की हे विभाग पुरेसे मोठे असल्यासच विभागांमधील कनेक्शन समांतर आहे.

समांतर जोड

समांतर जोड वेगवेगळ्या वर्कफ्लोमध्ये वेगवेगळ्या ब्लॉक्सऐवजी वापरले जाऊ शकते. हे सहसा युनियन सर्व प्रश्नांसह होते. गैरसोय कमी समांतरता आहे, कारण प्रत्येक कार्यकर्ता प्रक्रिया केवळ 1 विनंतीवर प्रक्रिया करते.

येथे 2 कार्यकर्ता प्रक्रिया चालू आहेत, जरी 4 सक्षम आहेत.

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)

सर्वात महत्वाचे चल

WORK_MEM प्रत्येक प्रक्रियेसाठी मेमरी मर्यादित करते, फक्त क्वेरी नाही: work_mem प्रक्रिया कनेक्शन = भरपूर मेमरी.
max_parallel_workers_per_gather - योजनेच्या समांतर प्रक्रियेसाठी कार्यान्वित करणारा कार्यक्रम किती कामगार प्रक्रिया वापरेल.
max_worker_processes — सर्व्हरवरील CPU कोरच्या संख्येत कामगार प्रक्रियेची एकूण संख्या समायोजित करते.
max_parallel_workers - समान, परंतु समांतर कार्य प्रक्रियेसाठी.

परिणाम

आवृत्ती 9.6 नुसार, समांतर प्रक्रिया अनेक पंक्ती किंवा अनुक्रमणिका स्कॅन करणार्‍या जटिल प्रश्नांच्या कार्यप्रदर्शनात मोठ्या प्रमाणात सुधारणा करू शकते. PostgreSQL 10 मध्ये, समांतर प्रक्रिया डीफॉल्टनुसार सक्षम केली जाते. मोठ्या OLTP वर्कलोडसह सर्व्हरवर ते अक्षम करण्याचे लक्षात ठेवा. अनुक्रमिक स्कॅन किंवा इंडेक्स स्कॅन भरपूर संसाधने वापरतात. तुम्ही संपूर्ण डेटासेटवर अहवाल चालवत नसल्यास, तुम्ही फक्त गहाळ अनुक्रमणिका जोडून किंवा योग्य विभाजन वापरून क्वेरी कार्यप्रदर्शन सुधारू शकता.

संदर्भ

स्त्रोत: www.habr.com

PostgreSQL मध्ये समांतर क्वेरी