ఆధునిక CPUలు చాలా కోర్లను కలిగి ఉంటాయి. కొన్నేళ్లుగా, అప్లికేషన్లు డేటాబేస్లకు సమాంతరంగా ప్రశ్నలను పంపుతున్నాయి. ఇది పట్టికలోని బహుళ అడ్డు వరుసలలోని నివేదిక ప్రశ్న అయితే, బహుళ CPUలను ఉపయోగిస్తున్నప్పుడు ఇది వేగంగా రన్ అవుతుంది మరియు PostgreSQL వెర్షన్ 9.6 నుండి దీన్ని చేయగలదు.
సమాంతర ప్రశ్న లక్షణాన్ని అమలు చేయడానికి 3 సంవత్సరాలు పట్టింది - మేము ప్రశ్న అమలు యొక్క వివిధ దశలలో కోడ్ను తిరిగి వ్రాయవలసి ఉంటుంది. PostgreSQL 9.6 కోడ్ను మరింత మెరుగుపరచడానికి మౌలిక సదుపాయాలను ప్రవేశపెట్టింది. తదుపరి సంస్కరణల్లో, ఇతర రకాల ప్రశ్నలు సమాంతరంగా అమలు చేయబడతాయి.
ఆంక్షలు
అన్ని కోర్లు ఇప్పటికే బిజీగా ఉన్నట్లయితే సమాంతర అమలును ప్రారంభించవద్దు, లేకుంటే ఇతర అభ్యర్థనలు మందగిస్తాయి.
ముఖ్యంగా, అధిక WORK_MEM విలువలతో సమాంతర ప్రాసెసింగ్ చాలా మెమరీని ఉపయోగిస్తుంది - ప్రతి హాష్ చేరడం లేదా క్రమబద్ధీకరించడం work_mem మెమరీని తీసుకుంటుంది.
తక్కువ జాప్యం OLTP ప్రశ్నలను సమాంతర అమలు ద్వారా వేగవంతం చేయడం సాధ్యం కాదు. మరియు ప్రశ్న ఒక అడ్డు వరుసను తిరిగి ఇస్తే, సమాంతర ప్రాసెసింగ్ దానిని నెమ్మదిస్తుంది.
డెవలపర్లు TPC-H బెంచ్మార్క్ని ఉపయోగించడానికి ఇష్టపడతారు. ఖచ్చితమైన సమాంతర అమలు కోసం మీకు ఇలాంటి ప్రశ్నలు ఉండవచ్చు.
ప్రిడికేట్ లాకింగ్ లేకుండా SELECT ప్రశ్నలు మాత్రమే సమాంతరంగా అమలు చేయబడతాయి.
కొన్నిసార్లు సమాంతర మోడ్లో సీక్వెన్షియల్ టేబుల్ స్కానింగ్ కంటే సరైన ఇండెక్సింగ్ ఉత్తమం.
పాజ్ చేసే ప్రశ్నలు మరియు కర్సర్లకు మద్దతు లేదు.
విండో ఫంక్షన్లు మరియు ఆర్డర్ చేసిన సెట్ కంకర ఫంక్షన్లు సమాంతరంగా లేవు.
I/O పనిభారంలో మీరు ఏమీ పొందలేరు.
సమాంతర సార్టింగ్ అల్గారిథమ్లు లేవు. కానీ రకాలతో కూడిన ప్రశ్నలను కొన్ని అంశాలలో సమాంతరంగా అమలు చేయవచ్చు.
సమాంతర ప్రాసెసింగ్ని ప్రారంభించడానికి CTE (WITH ...)ని సమూహ ఎంపికతో భర్తీ చేయండి.
థర్డ్-పార్టీ డేటా రేపర్లు సమాంతర ప్రాసెసింగ్కు ఇంకా మద్దతు ఇవ్వలేదు (కానీ అవి చేయగలవు!)
పూర్తి వెలుపల చేరడానికి మద్దతు లేదు.
max_rows సమాంతర ప్రాసెసింగ్ని నిలిపివేస్తుంది.
క్వెరీకి PARALLEL SAFE అని మార్క్ చేయని ఫంక్షన్ ఉంటే, అది ఒకే థ్రెడ్గా ఉంటుంది.
సీరియలైజేబుల్ లావాదేవీ ఐసోలేషన్ స్థాయి సమాంతర ప్రాసెసింగ్ను నిలిపివేస్తుంది.
పరీక్ష పర్యావరణం
PostgreSQL డెవలపర్లు TPC-H బెంచ్మార్క్ ప్రశ్నల ప్రతిస్పందన సమయాన్ని తగ్గించడానికి ప్రయత్నించారు. బెంచ్మార్క్ని డౌన్లోడ్ చేయండి మరియు దానిని PostgreSQLకి మార్చండి. ఇది TPC-H బెంచ్మార్క్ యొక్క అనధికారిక ఉపయోగం - డేటాబేస్ లేదా హార్డ్వేర్ పోలిక కోసం కాదు.
TPC-H_Tools_v2.17.3.zip (లేదా కొత్త వెర్షన్) డౌన్లోడ్ చేయండి TPC ఆఫ్సైట్ నుండి.
makefile.suite పేరును Makefileగా మార్చండి మరియు ఇక్కడ వివరించిన విధంగా మార్చండి: https://github.com/tvondra/pg_tpch . మేక్ కమాండ్తో కోడ్ను కంపైల్ చేయండి.
డేటాను రూపొందించండి: ./dbgen -s 10 23 GB డేటాబేస్ను సృష్టిస్తుంది. సమాంతర మరియు నాన్-సమాంతర ప్రశ్నల పనితీరులో వ్యత్యాసాన్ని చూడటానికి ఇది సరిపోతుంది.
ఫైళ్లను మార్చండి tbl в csv с for и sed.
రిపోజిటరీని క్లోన్ చేయండి pg_tpch మరియు ఫైళ్లను కాపీ చేయండి csv в pg_tpch/dss/data.
సమాంతరంగా చదవడం వల్ల కాదు, డేటా అనేక CPU కోర్లలో వ్యాపించి ఉన్నందున ఇది వేగంగా ఉండవచ్చు. ఆధునిక ఆపరేటింగ్ సిస్టమ్లలో, PostgreSQL డేటా ఫైల్లు బాగా కాష్ చేయబడతాయి. ముందు చదవడంతో, PG డెమోన్ అభ్యర్థనల కంటే నిల్వ నుండి పెద్ద బ్లాక్ను పొందడం సాధ్యమవుతుంది. అందువల్ల, ప్రశ్న పనితీరు డిస్క్ I/O ద్వారా పరిమితం చేయబడదు. ఇది CPU చక్రాలను వినియోగిస్తుంది:
పట్టిక పేజీల నుండి వరుసలను ఒక్కొక్కటిగా చదవండి;
స్ట్రింగ్ విలువలు మరియు షరతులను సరిపోల్చండి WHERE.
ఒక సాధారణ ప్రశ్నను అమలు చేద్దాం 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
సీక్వెన్షియల్ స్కాన్ అగ్రిగేషన్ లేకుండా చాలా వరుసలను ఉత్పత్తి చేస్తుంది, కాబట్టి ప్రశ్న ఒకే CPU కోర్ ద్వారా అమలు చేయబడుతుంది.
జోడిస్తే SUM(), రెండు వర్క్ఫ్లోలు ప్రశ్నను వేగవంతం చేయడంలో సహాయపడతాయని మీరు చూడవచ్చు:
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
సమాంతర అగ్రిగేషన్
సమాంతర Seq స్కాన్ నోడ్ పాక్షిక అగ్రిగేషన్ కోసం అడ్డు వరుసలను ఉత్పత్తి చేస్తుంది. "పాక్షిక మొత్తం" నోడ్ ఈ పంక్తులను ఉపయోగించి ట్రిమ్ చేస్తుంది SUM(). ముగింపులో, ప్రతి వర్కర్ ప్రాసెస్ నుండి SUM కౌంటర్ "గేదర్" నోడ్ ద్వారా సేకరించబడుతుంది.
తుది ఫలితం "ఫైనలైజ్ అగ్రిగేట్" నోడ్ ద్వారా లెక్కించబడుతుంది. మీరు మీ స్వంత అగ్రిగేషన్ ఫంక్షన్లను కలిగి ఉంటే, వాటిని "సమాంతర సురక్షిత" అని గుర్తు పెట్టడం మర్చిపోవద్దు.
కార్మికుల ప్రక్రియల సంఖ్య
సర్వర్ని పునఃప్రారంభించకుండానే వర్కర్ ప్రాసెస్ల సంఖ్యను పెంచవచ్చు:
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
ఏమి జరుగుతుంది ఇక్కడ? 2 రెట్లు ఎక్కువ పని ప్రక్రియలు ఉన్నాయి మరియు అభ్యర్థన 1,6599 రెట్లు వేగంగా మారింది. లెక్కలు ఆసక్తికరంగా ఉన్నాయి. మాకు 2 వర్కర్ ప్రాసెస్లు మరియు 1 లీడర్ ఉన్నారు. మార్పు తర్వాత అది 4+1గా మారింది.
సమాంతర ప్రాసెసింగ్ నుండి మా గరిష్ట వేగం: 5/3 = 1,66(6) సార్లు.
అది ఎలా పనిచేస్తుంది?
ప్రక్రియలు
అభ్యర్థన అమలు ఎల్లప్పుడూ ప్రముఖ ప్రక్రియతో ప్రారంభమవుతుంది. నాయకుడు సమాంతరంగా మరియు కొంత సమాంతర ప్రాసెసింగ్ను ప్రతిదీ చేస్తాడు. అదే అభ్యర్థనలను చేసే ఇతర ప్రక్రియలను వర్కర్ ప్రక్రియలు అంటారు. సమాంతర ప్రాసెసింగ్ మౌలిక సదుపాయాలను ఉపయోగిస్తుంది డైనమిక్ బ్యాక్గ్రౌండ్ వర్కర్ ప్రక్రియలు (వెర్షన్ 9.4 నుండి). PostgreSQLలోని ఇతర భాగాలు థ్రెడ్ల కంటే ప్రాసెస్లను ఉపయోగిస్తాయి కాబట్టి, 3 వర్కర్ ప్రాసెస్లతో కూడిన ప్రశ్న సాంప్రదాయ ప్రాసెసింగ్ కంటే 4 రెట్లు వేగంగా ఉంటుంది.
పరస్పర
వర్కర్ ప్రక్రియలు మెసేజ్ క్యూ (షేర్డ్ మెమరీ ఆధారంగా) ద్వారా లీడర్తో కమ్యూనికేట్ చేస్తాయి. ప్రతి ప్రక్రియలో 2 క్యూలు ఉంటాయి: లోపాల కోసం మరియు టుపుల్స్ కోసం.
ప్రతిసారీ పట్టిక కంటే 3 రెట్లు పెద్దది min_parallel_(index|table)_scan_size, Postgres ఒక వర్కర్ ప్రక్రియను జోడిస్తుంది. వర్క్ఫ్లోల సంఖ్య ఖర్చులపై ఆధారపడి ఉండదు. వృత్తాకార ఆధారపడటం సంక్లిష్టమైన అమలులను కష్టతరం చేస్తుంది. బదులుగా, ప్లానర్ సాధారణ నియమాలను ఉపయోగిస్తాడు.
ఆచరణలో, ఈ నియమాలు ఎల్లప్పుడూ ఉత్పత్తికి తగినవి కావు, కాబట్టి మీరు నిర్దిష్ట పట్టిక కోసం కార్మికుల ప్రక్రియల సంఖ్యను మార్చవచ్చు: ALTER TABLE ... SET (parallel_workers = N).
సమాంతర ప్రాసెసింగ్ ఎందుకు ఉపయోగించబడదు?
పరిమితుల సుదీర్ఘ జాబితాతో పాటు, ఖర్చు తనిఖీలు కూడా ఉన్నాయి:
parallel_setup_cost - చిన్న అభ్యర్థనల సమాంతర ప్రాసెసింగ్ను నివారించడానికి. ఈ పరామితి మెమరీని సిద్ధం చేయడానికి, ప్రక్రియను ప్రారంభించడానికి మరియు ప్రారంభ డేటా మార్పిడికి సమయాన్ని అంచనా వేస్తుంది.
parallel_tuple_cost: పని ప్రక్రియల నుండి టుపుల్స్ సంఖ్యకు అనుగుణంగా నాయకుడు మరియు కార్మికుల మధ్య కమ్యూనికేషన్ ఆలస్యం కావచ్చు. ఈ పరామితి డేటా మార్పిడి ఖర్చును గణిస్తుంది.
నెస్టెడ్ లూప్ చేరుతుంది
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)
సేకరణ చివరి దశలో జరుగుతుంది, కాబట్టి నెస్టెడ్ లూప్ లెఫ్ట్ జాయిన్ అనేది సమాంతర ఆపరేషన్. పారలల్ ఇండెక్స్ ఓన్లీ స్కాన్ అనేది వెర్షన్ 10లో మాత్రమే పరిచయం చేయబడింది. ఇది సమాంతర సీరియల్ స్కానింగ్ మాదిరిగానే పనిచేస్తుంది. పరిస్థితి c_custkey = o_custkey క్లయింట్ స్ట్రింగ్కు ఒక ఆర్డర్ని చదువుతుంది. కనుక ఇది సమాంతరంగా లేదు.
హాష్ చేరండి
ప్రతి వర్కర్ ప్రక్రియ PostgreSQL 11 వరకు దాని స్వంత హాష్ పట్టికను సృష్టిస్తుంది. మరియు వీటిలో నాలుగు కంటే ఎక్కువ ప్రక్రియలు ఉంటే, పనితీరు మెరుగుపడదు. కొత్త వెర్షన్లో, హాష్ టేబుల్ షేర్ చేయబడింది. హాష్ పట్టికను సృష్టించడానికి ప్రతి వర్కర్ ప్రాసెస్ WORK_MEMని ఉపయోగించవచ్చు.
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 నుండి 12వ ప్రశ్న సమాంతర హాష్ కనెక్షన్ని స్పష్టంగా చూపుతుంది. ప్రతి వర్కర్ ప్రక్రియ ఒక సాధారణ హాష్ పట్టికను రూపొందించడానికి దోహదం చేస్తుంది.
విలీనం చేరండి
విలీనం అనేది ప్రకృతిలో సమాంతరంగా ఉండదు. ఇది ప్రశ్న యొక్క చివరి దశ అయితే చింతించకండి - ఇది ఇప్పటికీ సమాంతరంగా నడుస్తుంది.
-- 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)
"మెర్జ్ జాయిన్" నోడ్ "గేదర్ మెర్జ్" పైన ఉంది. కాబట్టి విలీనం సమాంతర ప్రాసెసింగ్ని ఉపయోగించదు. కానీ "సమాంతర సూచిక స్కాన్" నోడ్ ఇప్పటికీ విభాగంలో సహాయపడుతుంది part_pkey.
విభాగాల వారీగా కనెక్షన్
PostgreSQL 11లో విభాగాల వారీగా కనెక్షన్ డిఫాల్ట్గా నిలిపివేయబడింది: ఇది చాలా ఖరీదైన షెడ్యూల్ను కలిగి ఉంది. సారూప్య విభజనతో పట్టికలు విభజన ద్వారా విభజనను చేరవచ్చు. ఈ విధంగా Postgres చిన్న హాష్ పట్టికలను ఉపయోగిస్తుంది. విభాగాల యొక్క ప్రతి కనెక్షన్ సమాంతరంగా ఉంటుంది.
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)
ప్రధాన విషయం ఏమిటంటే, ఈ విభాగాలు తగినంత పెద్దవిగా ఉంటే మాత్రమే విభాగాలలో కనెక్షన్ సమాంతరంగా ఉంటుంది.
సమాంతర అనుబంధం
సమాంతర అనుబంధం వేర్వేరు వర్క్ఫ్లోలలో వేర్వేరు బ్లాక్లకు బదులుగా ఉపయోగించవచ్చు. ఇది సాధారణంగా UNION అన్ని ప్రశ్నలతో జరుగుతుంది. ప్రతికూలత తక్కువ సమాంతరత, ఎందుకంటే ప్రతి వర్కర్ ప్రాసెస్ 1 అభ్యర్థనను మాత్రమే ప్రాసెస్ చేస్తుంది.
ఇక్కడ 2 వర్కర్ ప్రాసెస్లు నడుస్తున్నాయి, అయితే 4 ప్రారంభించబడ్డాయి.
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)
అత్యంత ముఖ్యమైన వేరియబుల్స్
WORK_MEM ప్రతి ప్రాసెస్కు మెమరీని పరిమితం చేస్తుంది, కేవలం ప్రశ్నలు మాత్రమే కాదు: work_mem ప్రక్రియలు connections = చాలా జ్ఞాపకశక్తి.
max_parallel_workers_per_gather - ప్లాన్ నుండి సమాంతర ప్రాసెసింగ్ కోసం ఎగ్జిక్యూటింగ్ ప్రోగ్రామ్ ఎన్ని వర్కర్ ప్రాసెస్లను ఉపయోగిస్తుంది.
max_worker_processes — సర్వర్లోని CPU కోర్ల సంఖ్యకు మొత్తం వర్కర్ ప్రాసెస్ల సంఖ్యను సర్దుబాటు చేస్తుంది.
సంస్కరణ 9.6 నాటికి, సమాంతర ప్రాసెసింగ్ అనేక అడ్డు వరుసలు లేదా సూచికలను స్కాన్ చేసే సంక్లిష్ట ప్రశ్నల పనితీరును బాగా మెరుగుపరుస్తుంది. PostgreSQL 10లో, డిఫాల్ట్గా సమాంతర ప్రాసెసింగ్ ప్రారంభించబడుతుంది. పెద్ద OLTP పనిభారం ఉన్న సర్వర్లలో దీన్ని నిలిపివేయాలని గుర్తుంచుకోండి. సీక్వెన్షియల్ స్కాన్లు లేదా ఇండెక్స్ స్కాన్లు చాలా వనరులను వినియోగిస్తాయి. మీరు మొత్తం డేటాసెట్లో నివేదికను అమలు చేయకుంటే, తప్పిపోయిన సూచికలను జోడించడం ద్వారా లేదా సరైన విభజనను ఉపయోగించడం ద్వారా మీరు ప్రశ్న పనితీరును మెరుగుపరచవచ్చు.