高性能特性体验：ePQ 的详解与实战
1. 创建资源
开始实验之前，您需要先创建实验相关资源。
- 在实验室页面，单击创建资源。
- （可选）在实验室页面左侧导航栏中，单击云产品资源列表，可查看本次实验资源相关信息（例如IP地址、子用户信息等）。
说明：资源创建过程需要3～5分钟（视资源不同开通时间有所差异，ACK等资源开通时间较长）。完成实验资源的创建后，您可以在云产品资源列表查看已创建的资源信息，例如：子用户名称、子用户密码、AK ID、AK Secret、资源中的项目名称等。
实验环境一旦开始创建则进入计时阶段，建议学员先基本了解实验具体的步骤、目的，真正开始做实验时再进行创建。
资源创建成功，可在左侧的资源卡片中查看相关资源信息以及RAM子账号信息
2. 连接数据库准备
本实验将通过 psql 来连接 PolarDB for PostgreSQL 数据库。
- 登录阿里云控制台，选择 PolarDB PG 实例
首先打开桌面的 Chrome 浏览器，使用左侧给出的子用户名称和子用户密码登录。
登录成功后，搜索并进入 PolarDB 的控制台：
进入控制台以后，点击全局概览，可以看到正在运行中的 PolarDB for PostgreSQL 实例。
点击这个实例查看详情：
- 创建高权限用户
对于一个新实例来说，我们需要创建一个新的用户才可以使用 PolarDB 实例。点击创建用户，创建一个名为 polardb 的高权限用户。
- 设置访问白名单
登录设置访问白名单
新增 IP 白名单分组
白名单内 IP 地址为 0.0.0.0/0 表示所有 IP 均可访问该 DB 数据库，比较危险 ，只推荐在测试环境下使用，生产环境中要把自己机器的 IP 地址添加入白名单中。
- 设置公网地址
点击这里进行申请，图中这里已经申请好了，所以按钮只有复制
- 创建数据库
由于通过 psql 无法直接连接 postgres 数据库，需要自己创建数据库
点击如下的登录数据库按钮
输入创建好的账号名和密码
成功登录 DMS 以后，点击左侧的 SQL 窗口，选择连接默认数据库 postgres ：
输入如下的创建数据库命令：
create database mypolardb;
执行结果如下图所示：
- 登录 ECS 机器，安装 psql 工具
点击 LX 终端，输入云产品资源中提供的 ECS 机器，连接用户为 root，机器IP 和 登录密码如左边所示
登录机器后，执行下面的命令：
yum install -y postgresql
安装成功后，即可通过 psql 连接数据库，连接命令如下：
psql -h 集群地址的公网地址 -p 端口（通常为1921） -U 你的用户名 DB名称 -W
说明：
（1）集群地址的公网地址：XXXXXX.rwlb.polardb-pg-public.rds.aliyuncs.com 。 其中，填充集群地址的公网地址时，将 XXXXXX 替换为您申请公网链接地址填入的名称
（2）DB 命令：为上述步骤创建的 mypolardbpg
（3）psql 连接数据库输入密码时，终端机不显示，输入密码完成后直接按 Enter 键执行
接下来输入你刚刚设置的密码，登录成功后出现如下界面
连接成功出现如下窗口：
3. 准备数据
首先，我们需要创建表并导入数据。
后面我们将通过 ePQ 功能对这些表发起并行查询。
- 创建表并导入数据
-- create table create table t1(c1 int,c2 int, c3 int, c4 int); create table t2(c1 int,c2 int, c3 int, c4 int); create table t3(c1 int,c2 int, c3 int, c4 int); create table t4(c1 int,c2 int, c3 int, c4 int); -- insert values insert into t1 select generate_series(1,1000),generate_series(1,1000); insert into t2 select generate_series(1,1000),generate_series(1,1000); insert into t3 select generate_series(1,1000),generate_series(1,1000); insert into t4 select generate_series(1,1000),generate_series(1,1000);
- ePQ 可以对每个表设置最大的并行度（px_workers）。默认为 0 ，即不开启并行查询。这里，需要设置表的最大并行度。
alter table t1 set (px_workers = 100); alter table t2 set (px_workers = 100); alter table t3 set (px_workers = 100); alter table t4 set (px_workers = 100);
设置成功后如下图所示：
这样，表的导入和最大并行度设置完成。
接下来会以 join, CTE, 子查询 这三种分析型查询中最常见的语法来说明 ePQ 的使用。
本实验将介绍参数开关来使用 ePQ。
4. 通过参数开关使用 ePQ
接下来会以 join, CTE, 子查询这三种分析型查询中最常见的语法来说明 ePQ 的使用。
本节将介绍通过参数开关来使用 ePQ。
注意，这种方式打开开关只对单个会话有效，要想全局生效，需要通过阿里云控制台来进行更改。
- 打开 ePQ 开关，并设置并行度，polar_px_dop_per_node 表示单个结点内的 PX worker 并行度
set polar_enable_px=1; set polar_px_dop_per_node=3;
执行成功如下图所示：
2. 打开计时
\timing on
3. 执行 join
执行下面的 SQL，我们先查看其查询计划，并展示运行时间。其中，只要出现 PolarDB PX Optimizer 则说明开启了 ePQ 查询
-- 执行计划 explain select sum(t1.c1), sum(t2.c2) from t1, t2 where t1.c1=t2.c2; -- 运行结果 select sum(t1.c1), sum(t2.c2) from t1, t2 where t1.c1=t2.c2;
运行结果截图如下，出现时间和代价不同属于正常现象
4. 执行 CTE 语法
运行的 SQL 如下
-- 执行计划 explain with x as (select * from t1 where c1 < 50) select sum(x.c1), sum(x.c2) from x,t2 where x.c1=t2.c1; -- 执行结果 with x as (select * from t1 where c1 < 50) select sum(x.c1), sum(x.c2) from x,t2 where x.c1=t2.c1;
执行结果如下图所示
5. 执行子查询
运行的 SQL 如下所示：
-- 执行计划 explain select sum(s.c1),sum(s.c2) from (select t1.c1 as c1,t1.c2 as c2 from t1,t2 where t1.c1=t2.c2 and t1.c1 < 100) s,t3 where s.c1 =t3.c1; -- 运行结果 select sum(s.c1),sum(s.c2) from (select t1.c1 as c1,t1.c2 as c2 from t1,t2 where t1.c1=t2.c2 and t1.c1 < 100) s,t3 where s.c1=t3.c1;
执行截图如下：
6. 调整并行度
通过调整 polar_px_dop_per_node 可以更改 PX 的并行度，PX 并行度值可以通过计划看出，如下面的命令所示：
explain select count(*) from t1; set polar_px_dop_per_node=6; explain select count(*) from t1;
结果如下图所示：
计划中的 PX Coordinator 3:1 变成了 PX Coordinator 6:1，segments 也由 3 变成了 6。
5. ePQ 在 TPC-H 上的性能表现
TPC-H 是专门测试数据库分析型场景性能的数据集，一共有 22 条分析型场景下的 SQL。用 TPC-H 可以有效测试 PolarDB 的 HTAP 的能力。
由于 TPC-H 本身导入数据需要大量时间，本实验中无法进行展示。大家可以看该文档来查看 ePQ 在 TPC-H 环境下的提升效果。平均有 23 倍的提升。
实验链接：https://developer.aliyun.com/adc/scenario/c6e803ae50784a07b4317005b396b203
