GaussDB的算子级调优

风晓 2024-01-15 08:58:39  53774 赞同 0 反对 0

分类：资源标签：国产数据库

GaussDB的算子级调优

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。由于各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。

postgres=#  explain (analyze on, costs off) select * from store_sales where ss_sold_date_sk = 2450944;  id |             operation          |       A-time        | A-rows | Peak Memory  | A-width ----+--------------------------------+---------------------+--------+--------------+---------   1 | ->  Streaming (type: GATHER)   | 3666.020            |   3360 | 195KB        |   2 |    ->  Seq Scan on store_sales | [3594.611,3594.611] |   3360 | [34KB, 34KB] | (2 rows)   Predicate Information (identified by plan id)  -----------------------------------------------    2 --Seq Scan on store_sales          Filter: (ss_sold_date_sk = 2450944)          Rows Removed by Filter: 4968936

postgres=#  create index idx on store_sales_row(ss_sold_date_sk); CREATE INDEX postgres=#  explain (analyze on, costs off) select * from store_sales_row where ss_sold_date_sk = 2450944;  id |                   operation                    |     A-time      | A-rows | Peak Memory  | A-width ----+------------------------------------------------+-----------------+--------+--------------+----------   1 | ->  Streaming (type: GATHER)                   | 81.524          |   3360 | 195KB        |   2 |    ->  Index Scan using idx on store_sales_row | [13.352,13.352] |   3360 | [34KB, 34KB] | (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。

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。

如果您发现该资源为电子书等存在侵权的资源或对该资源描述不正确等，可点击“私信”按钮向作者进行反馈；如作者无回复可进行平台仲裁，我们会在第一时间进行处理！

评价 0 条

相关资源

Java应用性能调优 2023-12-30 57301 浏览
性能诊断工具性能诊断一种是针对已经确定有性能问题的系统和代码进行诊断，还有一种是对预上线系统提前性能测试，确定性能是否符合上线要求。本文主要针对前者，后者可以用各种性能压测工具（例如 JMeter）进行测试，不在本文讨论范围内。针对 Java 应用，性能诊断工具主要分为两层：OS 层面和 Java 应用层面（包括应用代码诊断和 GC 诊断）。
这款Java性能调优工具，真的很强！ 2023-12-31 51499 浏览
JVisualVM 简介 VisualVM 是Netbeans的profile子项目，已在JDK6.0 update 7 中自带，能够监控线程，内存情况，查看方法的CPU时间和内存中的对象，已被GC的对象，反向查看分配的堆栈(如100个String对象分别由哪几个对象分配出来的)。在JDK_HOME/bin(默认是C:Program FilesJavajdk1.6.0_13bin)目录下面，有一个jvisualvm.exe文件，双击打开，从UI上来看，这个软件是基于NetBeans开发的了。
MySQL百万级、千万级数据多表关联SQL语句调优 2024-01-01 54504 浏览
本文不涉及复杂的底层数据结构，通过explain解释SQL，并根据可能出现的情况，来做具体的优化，使百万级、千万级数据表关联查询第一页结果能在2秒内完成(真实业务告警系统优化结果)。希望读者能够理解SQL的执行过程，并根据过程优化，走上自己的"成金之路" 需要优化的查询：使用explain 出现了Using temporary；有分页时出现了Using filesort则表示使用不了索引，需要根据下面的技巧来调整语句 rows过多，或者几乎是全表的记录数； key 是 (NULL)； possible_keys 出现过多（待选）索引。
openGauss5.1性能调优指南：启动资源负载管理功能 2024-01-06 54550 浏览
背景信息使用资源负载管理功能前，需要参考本节完成参数配置。
数据库性能优化：Java开发者的MySQL索引调优实践 2024-01-07 53996 浏览
对于使用MySQL数据库的Java开发者来说，性能优化是一个重要的课题。在大型应用中，数据库的查询性能往往是影响整体系统性能的关键因素之一。而索引作为提高查询性能的重要手段，合理使用和优化索引是必不可少的。在进行索引调优之前，我们首先需要了解数据库的结构和查询需求。仔细分析数据库中的表、字段以及主要的查询操作，确定是否存在频繁被执行的查询语句。这有助于我们有针对性地进行索引的创建和优化。
Java开发中常见的性能调优和内存优化技巧 2024-01-07 54232 浏览
Java开发中常见的性能调优和内存优化技巧在Java开发过程中，性能调优和内存优化是非常重要的环节。一个高效的程序不仅能提升用户体验，还能减少服务器压力和资源消耗。本文将介绍一些常见的性能调优和内存优化技巧，并提供具体的代码示例。
DTCC 2023专家解读 | GaussDB技术解读系列之性能调优 2024-01-12 53223 浏览
DTCC 2023专家解读 | GaussDB技术解读系列之性能调优
数仓调优实践丨 SQL改写消除相关子查询 2024-01-13 52802 浏览
数仓调优实践丨 SQL改写消除相关子查询
GaussDB技术解读系列之性能调优 2024-01-13 54422 浏览
GaussDB技术解读系列之性能调优
GaussDB日常运维—SQL检查和调优 2024-01-13 53717 浏览
GaussDB日常运维—SQL检查和调优

GaussDB的算子级调优

算子级调优介绍

算子级调优示例

相关资源

关注我们