算子级调优

算子级调优介绍

一个查询语句要经过多个算子步骤才会输出最终的结果。由于个别算子耗时过长导致整体查询性能下降的情况比较常见。这些算子是整个查询的瓶颈算子。通用的优化手段是EXPLAIN ANALYZE/PERFORMANCE命令查看执行过程的瓶颈算子,然后进行针对性优化。

如下面的执行过程信息中,Hashagg算子的执行时间占总时间的:(51016-13535)/ 56476 ≈66%,此处Hashagg算子就是这个查询的瓶颈算子,在进行性能优化时应当优先考虑此算子的优化。

算子级调优 - 图1

算子级调优示例

**示例1:**基表扫描时,对于点查或者范围扫描等过滤大量数据的查询,如果使用SeqScan全表扫描会比较耗时,可以在条件列上建立索引选择IndexScan进行索引扫描提升扫描效率。

  1. openGauss=# explain (analyze on, costs off) select * from store_sales where ss_sold_date_sk = 2450944;
  2. id | operation | A-time | A-rows | Peak Memory | A-width
  3. ----+--------------------------------+---------------------+--------+--------------+---------
  4. 1 | -> Streaming (type: GATHER) | 3666.020 | 3360 | 195KB |
  5. 2 | -> Seq Scan on store_sales | [3594.611,3594.611] | 3360 | [34KB, 34KB] |
  6. (2 rows)
  7. Predicate Information (identified by plan id)
  8. -----------------------------------------------
  9. 2 --Seq Scan on store_sales
  10. Filter: (ss_sold_date_sk = 2450944)
  11. Rows Removed by Filter: 4968936
  1. openGauss=# create index idx on store_sales_row(ss_sold_date_sk);
  2. CREATE INDEX
  3. openGauss=# explain (analyze on, costs off) select * from store_sales_row where ss_sold_date_sk = 2450944;
  4. id | operation | A-time | A-rows | Peak Memory | A-width
  5. ----+------------------------------------------------+-----------------+--------+--------------+----------
  6. 1 | -> Streaming (type: GATHER) | 81.524 | 3360 | 195KB |
  7. 2 | -> Index Scan using idx on store_sales_row | [13.352,13.352] | 3360 | [34KB, 34KB] |
  8. (2 rows)

上述例子中,全表扫描返回3360条数据,过滤掉大量数据,在ss_sold_date_sk列上建立索引后,使用IndexScan扫描效率显著提高,从3.6秒提升到13毫秒。

示例2: 如果从执行计划中看,两表join选择了NestLoop,而实际行数比较大时,NestLoop Join可能执行比较慢。如下的例子中NestLoop耗时181秒,如果设置参数enable_mergejoin=off关掉Merge Join,同时设置参数enable_nestloop=off关掉NestLoop,让优化器选择HashJoin,则Join耗时提升至200多毫秒。

算子级调优 - 图2

算子级调优 - 图3

示例3:通常情况下Agg选择HashAgg性能较好,如果大结果集选择了Sort+GroupAgg,则需要设置enable_sort=off,HashAgg耗时明显优于Sort+GroupAgg。

算子级调优 - 图4

算子级调优 - 图5