නවීන CPU වල cores ගොඩක් තියෙනවා. වසර ගණනාවක් තිස්සේ, යෙදුම් සමාන්තරව දත්ත සමුදායන් වෙත විමසුම් යවයි. එය වගුවක පේළි කිහිපයක වාර්තා විමසුමක් නම්, බහු CPU භාවිතා කරන විට එය වේගයෙන් ක්රියාත්මක වන අතර, PostgreSQL හට 9.6 අනුවාදයේ සිට මෙය කිරීමට හැකි වී ඇත.
සමාන්තර විමසුම් විශේෂාංගය ක්රියාත්මක කිරීමට වසර 3ක් ගත විය - විමසුම් ක්රියාත්මක කිරීමේ විවිධ අවස්ථා වලදී අපට කේතය නැවත ලිවීමට සිදු විය. PostgreSQL 9.6 කේතය තවදුරටත් වැඩිදියුණු කිරීම සඳහා යටිතල පහසුකම් හඳුන්වා දෙන ලදී. පසු අනුවාදවලදී, වෙනත් ආකාරයේ විමසුම් සමාන්තරව ක්රියාත්මක වේ.
සීමා කිරීම්
- සියලුම හරයන් දැනටමත් කාර්යබහුල නම් සමාන්තර ක්රියාත්මක කිරීම සක්රීය නොකරන්න, එසේ නොමැති නම් අනෙකුත් ඉල්ලීම් මන්දගාමී වනු ඇත.
- වැදගත්ම දෙය නම්, ඉහළ WORK_MEM අගයන් සහිත සමාන්තර සැකසුම් බොහෝ මතකයක් භාවිතා කරයි - එක් එක් හැෂ් එකතු කිරීම හෝ අනුකරණය කිරීම work_mem මතකය ලබා ගනී.
- අඩු ප්රමාද OLTP විමසුම් සමාන්තර ක්රියාත්මක කිරීම මගින් වේගවත් කළ නොහැක. සහ විමසුම එක් පේළියක් ආපසු ලබා දෙන්නේ නම්, සමාන්තර සැකසුම් එය මන්දගාමී වනු ඇත.
- සංවර්ධකයින් TPC-H මිණුම් ලකුණ භාවිතා කිරීමට කැමතියි. සමහරවිට ඔබට පරිපූර්ණ සමාන්තර ක්රියාත්මක කිරීම සඳහා සමාන විමසුම් තිබේ.
- පුරෝකථන අගුලු දැමීමකින් තොරව SELECT විමසුම් පමණක් සමාන්තරව ක්රියාත්මක වේ.
- සමහර විට නිසි සුචිගත කිරීම සමාන්තර මාදිලියේ අනුක්රමික වගු පරිලෝකනයට වඩා හොඳය.
- විරාම විමසුම් සහ කර්සර සහාය නොදක්වයි.
- කවුළු ශ්රිත සහ ඇණවුම් කළ සමස්ථ ශ්රිත සමාන්තර නොවේ.
- I/O කාර්ය භාරය තුළ ඔබට කිසිවක් නොලැබේ.
- සමාන්තර වර්ග කිරීමේ ඇල්ගොරිතම නොමැත. නමුත් වර්ග සහිත විමසුම් සමහර පැතිවලින් සමාන්තරව ක්රියාත්මක කළ හැක.
- සමාන්තර සැකසුම් සක්රීය කිරීමට CTE (WITH ...) කැදැලි SELECT එකක් සමඟ ප්රතිස්ථාපනය කරන්න.
- තෙවන පාර්ශවීය දත්ත දවටන තවමත් සමාන්තර සැකසුම් සඳහා සහය නොදක්වයි (නමුත් ඔවුන්ට හැකි වේ!)
- FULL OUTER JOIN සඳහා සහය නොදක්වයි.
- max_row සමාන්තර සැකසුම් අක්රීය කරයි.
- විමසුමක PARALLEL SAFE ලෙස සලකුණු නොකළ ශ්රිතයක් තිබේ නම්, එය තනි නූල් එකක් වනු ඇත.
- SERILIZABLE ගනුදෙනු හුදකලා මට්ටම සමාන්තර සැකසුම් අබල කරයි.
පරීක්ෂණ පරිසරය
PostgreSQL සංවර්ධකයින් TPC-H මිණුම් සලකුණු විමසුම්වල ප්රතිචාර කාලය අඩු කිරීමට උත්සාහ කළහ. මිණුම් ලකුණ බාගන්න සහ
- TPC-H_Tools_v2.17.3.zip බාගන්න (හෝ නව අනුවාදය)
TPC offsite වෙතින් . - makefile.suite එක Makefile ලෙස නැවත නම් කර මෙහි විස්තර කර ඇති පරිදි වෙනස් කරන්න:
https://github.com/tvondra/pg_tpch . සාදන්න විධානය සමඟ කේතය සම්පාදනය කරන්න. - දත්ත උත්පාදනය කරන්න:
./dbgen -s 10
23 GB දත්ත සමුදායක් නිර්මාණය කරයි. සමාන්තර හා සමාන්තර නොවන විමසුම්වල ක්රියාකාරීත්වයේ වෙනස දැකීමට මෙය ප්රමාණවත් වේ. - ගොනු පරිවර්තනය කරන්න
tbl
вcsv с for
иsed
. - ගබඩාව ක්ලෝන කරන්න
pg_tpch
සහ ගොනු පිටපත් කරන්නcsv
вpg_tpch/dss/data
. - විධානයක් සමඟ විමසුම් සාදන්න
qgen
. - විධානය සමඟ දත්ත ගබඩාවට දත්ත පූරණය කරන්න
./tpch.sh
.
සමාන්තර අනුක්රමික ස්කෑන් කිරීම
එය වේගවත් විය හැක්කේ සමාන්තර කියවීම නිසා නොව, දත්ත බොහෝ CPU හරයන් හරහා පැතිරී ඇති බැවිනි. නවීන මෙහෙයුම් පද්ධතිවල, PostgreSQL දත්ත ගොනු හොඳින් හැඹිලිගත කර ඇත. ඉදිරි කියවීමත් සමඟ, PG ඩීමන් ඉල්ලීම් වලට වඩා විශාල බ්ලොක් එකක් ගබඩාවෙන් ලබා ගත හැක. එබැවින්, විමසුම් කාර්ය සාධනය තැටි I/O මගින් සීමා නොවේ. එය CPU චක්ර පරිභෝජනය කරයි:
- වගු පිටු වලින් පේළි එකින් එක කියවන්න;
- තන්තු අගයන් සහ කොන්දේසි සංසන්දනය කරන්න
WHERE
.
අපි සරල විමසුමක් ධාවනය කරමු 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
අනුක්රමික ස්කෑන් එක එකතු කිරීමකින් තොරව බොහෝ පේළි නිපදවයි, එබැවින් විමසුම තනි CPU හරයකින් ක්රියාත්මක වේ.
එකතු කරන්නේ නම් SUM()
, කාර්ය ප්රවාහ දෙකක් විමසුම වේගවත් කිරීමට උපකාරී වන බව ඔබට දැක ගත හැක:
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
සමාන්තර එකතු කිරීම
Parallel Seq ස්කෑන් නෝඩය අර්ධ එකතු කිරීම සඳහා පේළි නිපදවයි. "පාර්ශ්වික සමස්ථ" නෝඩය භාවිතයෙන් මෙම රේඛා කප්පාදු කරයි SUM()
. අවසානයේදී, එක් එක් සේවක ක්රියාවලියෙන් SUM කවුන්ටරය "රැස් කරන්න" නෝඩය මගින් එකතු කරනු ලැබේ.
අවසාන ප්රතිඵලය "අවසන් සමස්ථ" නෝඩය මගින් ගණනය කරනු ලැබේ. ඔබට ඔබේම එකතු කිරීමේ කාර්යයන් තිබේ නම්, ඒවා "සමාන්තර ආරක්ෂිත" ලෙස සලකුණු කිරීමට අමතක නොකරන්න.
සේවක ක්රියාවලීන් සංඛ්යාව
සේවාදායකය නැවත ආරම්භ නොකර සේවක ක්රියාවලි ගණන වැඩි කළ හැක:
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
මොකද මෙතන වෙන්නෙ? වැඩ ක්රියාවලීන් 2 ගුණයකින් වැඩි වූ අතර ඉල්ලීම 1,6599 ගුණයකින් වේගවත් විය. ගණනය කිරීම් සිත්ගන්නා සුළුය. අපිට සේවක ක්රියාවලි 2ක් සහ නායකයෙක් හිටියා. වෙනස් කිරීමෙන් පසු එය 1+4 බවට පත් විය.
සමාන්තර සැකසුම් වලින් අපගේ උපරිම වේගය: 5/3 = 1,66(6) වාරයක්.
එය ක්රියාත්මක වන්නේ කෙසේද?
ක්රියාවලි
ඉල්ලීම ක්රියාත්මක කිරීම සැමවිටම ප්රමුඛ ක්රියාවලියෙන් ආරම්භ වේ. නායකයා සෑම දෙයක්ම සමාන්තර නොවන සහ සමහර සමාන්තර සැකසුම් කරයි. එකම ඉල්ලීම් ඉටු කරන අනෙකුත් ක්රියාවලීන් සේවක ක්රියාවලි ලෙස හැඳින්වේ. සමාන්තර සැකසුම් යටිතල පහසුකම් භාවිතා කරයි
අන්තර්ක්රියා
සේවක ක්රියාවලි නායකයා සමඟ පණිවිඩ පෝලිමක් හරහා සන්නිවේදනය කරයි (හවුල් මතකය මත පදනම්ව). සෑම ක්රියාවලියකටම පෝලිම් 2ක් ඇත: දෝෂ සඳහා සහ ටියුපල් සඳහා.
වැඩ ප්රවාහ කීයක් අවශ්යද?
අවම සීමාව පරාමිතිය මගින් නියම කර ඇත max_parallel_workers_per_gather
max_parallel_workers size
max_worker_processes
සේවක ක්රියාවලියක් වෙන් කිරීමට නොහැකි වූයේ නම්, සැකසීම තනි ක්රියාවලියක් වනු ඇත.
විමසුම් සැලසුම්කරුට මේසයේ හෝ දර්ශකයේ ප්රමාණය අනුව වැඩ ප්රවාහයන් අඩු කළ හැක. මේ සඳහා පරාමිතීන් ඇත min_parallel_table_scan_size
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
සෑම අවස්ථාවකදීම මේසයට වඩා 3 ගුණයක් විශාල වේ min_parallel_(index|table)_scan_size
, Postgres සේවක ක්රියාවලියක් එක් කරයි. කාර්ය ප්රවාහ සංඛ්යාව පිරිවැය මත පදනම් නොවේ. චක්රලේඛ යැපීම සංකීර්ණ ක්රියාත්මක කිරීම් අපහසු කරයි. ඒ වෙනුවට, සැලසුම්කරු සරල නීති භාවිතා කරයි.
ප්රායෝගිකව, මෙම නීති සෑම විටම නිෂ්පාදනය සඳහා සුදුසු නොවේ, එබැවින් ඔබට නිශ්චිත වගුවක් සඳහා සේවක ක්රියාවලීන් ගණන වෙනස් කළ හැකිය: ALTER TABLE ... SET (parallel_workers = N
).
සමාන්තර සැකසුම් භාවිතා නොකරන්නේ ඇයි?
සීමා කිරීම් දිගු ලැයිස්තුවට අමතරව, පිරිවැය චෙක්පත් ද ඇත:
parallel_setup_cost
parallel_tuple_cost
Nested Loop Joins
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)
එකතුව අවසන් අදියරේදී සිදු වේ, එබැවින් Nested Loop Left Join යනු සමාන්තර මෙහෙයුමකි. සමාන්තර දර්ශක පමණක් ස්කෑන් හඳුන්වා දුන්නේ 10 අනුවාදයේ පමණි. එය සමාන්තර අනුක්රමික පරිලෝකනයට සමානව ක්රියා කරයි. තත්ත්වය c_custkey = o_custkey
සේවාදායක තන්තුවකට එක් ඇණවුමක් කියවයි. එබැවින් එය සමාන්තර නොවේ.
හෑෂ් එකතු වෙන්න
සෑම සේවක ක්රියාවලියක්ම PostgreSQL 11 දක්වා තමන්ගේම හැෂ් වගුවක් නිර්මාණය කරයි. තවද මෙම ක්රියාවලි හතරකට වඩා තිබේ නම්, කාර්ය සාධනය වැඩි දියුණු නොවේ. නව අනුවාදයේ, හැෂ් වගුව බෙදා ඇත. සෑම සේවක ක්රියාවලියකටම හැෂ් වගුවක් සෑදීමට WORK_MEM භාවිතා කළ හැක.
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 වෙතින් විමසුම් 12 පැහැදිලිව සමාන්තර හැෂ් සම්බන්ධතාවයක් පෙන්වයි. සෑම සේවක ක්රියාවලියක්ම පොදු හැෂ් වගුවක් නිර්මාණය කිරීමට දායක වේ.
ඒකාබද්ධ කරන්න
ඒකාබද්ධ කිරීම සමාන්තර නොවන ස්වභාවයකි. මෙය විමසුමේ අවසාන පියවර නම් කරදර නොවන්න - එය තවමත් සමාන්තරව ක්රියාත්මක විය හැක.
-- 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)
"Merge Join" නෝඩය "Gather Merge" ට ඉහලින් පිහිටා ඇත. එබැවින් ඒකාබද්ධ කිරීම සමාන්තර සැකසුම් භාවිතා නොකරයි. නමුත් "සමාන්තර දර්ශක ස්කෑන්" නෝඩය තවමත් කොටස සමඟ උපකාරී වේ part_pkey
.
කොටස් මගින් සම්බන්ධ කිරීම
PostgreSQL 11 හි
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)
ප්රධාන දෙය නම් කොටස්වල සම්බන්ධතාවය සමාන්තර වන්නේ මෙම කොටස් ප්රමාණවත් තරම් විශාල නම් පමණි.
සමාන්තර ඇමුණුම
2ක් සක්රීය කර ඇතත්, මෙහි සේවක ක්රියාවලි 4ක් ක්රියාත්මක වේ.
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)
වඩාත්ම වැදගත් විචල්යයන්
- WORK_MEM විමසුම් පමණක් නොව ක්රියාවලියකට මතකය සීමා කරයි: work_mem ක්රියාවලි සම්බන්ධතා = මතකය ගොඩක්.
— සැලැස්මේ සිට සමාන්තර සැකසුම් සඳහා ක්රියාත්මක කිරීමේ වැඩසටහන කොපමණ සේවක ක්රියාවලි ප්රමාණයක් භාවිතා කරයිද?max_parallel_workers_per_gather
— සේවාදායකයේ ඇති CPU මධ්ය ගණනට සේවක ක්රියාවලි ගණන සීරුමාරු කරයි.max_worker_processes
- එකම, නමුත් සමාන්තර වැඩ ක්රියාවලීන් සඳහා.max_parallel_workers
ප්රතිඵල
9.6 අනුවාදයට අනුව, සමාන්තර සැකසුම් මඟින් බොහෝ පේළි හෝ දර්ශක පරිලෝකනය කරන සංකීර්ණ විමසුම්වල ක්රියාකාරිත්වය බෙහෙවින් වැඩි දියුණු කළ හැකිය. PostgreSQL 10 හි, පෙරනිමියෙන් සමාන්තර සැකසුම් සක්රීය කර ඇත. විශාල OLTP කාර්ය භාරයක් සහිත සේවාදායකයන් මත එය අක්රිය කිරීමට මතක තබා ගන්න. අනුක්රමික ස්කෑන් හෝ දර්ශක පරිලෝකන බොහෝ සම්පත් පරිභෝජනය කරයි. ඔබ සම්පූර්ණ දත්ත කට්ටලය මත වාර්තාවක් ක්රියාත්මක නොකරන්නේ නම්, නැතිවූ දර්ශක එකතු කිරීමෙන් හෝ නිසි කොටස් කිරීම භාවිතයෙන් ඔබට විමසුම් කාර්ය සාධනය වැඩි දියුණු කළ හැක.
යොමු
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 හි සමාන්තරකරණය
මූලාශ්රය: www.habr.com