OBCP第三章 SQL引擎技术-执行计划缓存

简介: OBCP第三章 SQL引擎技术-执行计划缓存

一次完整的语法解析、语义分析、查询改写、查询优化、代码生成的SQL编译流程称为一次“硬解析”,硬解析生成执行计划的过程比较耗时(一般为毫秒级),这对于OLTP语句来说是很难接受的

OceanBase通过计划缓存(Plan Cache)来避免SQL硬解析


执行计划缓存的淘汰-自动淘汰条件及策略

自动淘汰是指当计划缓存占用的内存达到了需要淘汰计划的内存上限(即淘汰计划的高水位线)时,对计划缓存中的计划执行自动淘汰。

触发执行计划淘汰的条件

每隔一段时间(具体时间间隔由配置项 plan_cache_evict_interval 设置)系统会自动检查不同租户在不同服务 器上的计划缓存,并判断是否需要执行计划淘汰。如果某个计划缓存占用的内存超过该租户设置的淘汰计划的高 水位线,则会触发计划缓存淘汰。

执行计划淘汰策略

当触发计划缓存淘汰后,优先淘汰最久没被使用的执行计划,淘汰一部分执行计划后,当计划缓存使用的内存为该租户设置的淘汰计划的低水位线时,停止淘汰

执行计划缓存的淘汰-自动淘汰相关配置

当计划缓存占用的内存达到了需要淘汰计划的内存上限(即淘汰计划的高水位线)时,对计划缓存中的执行计划自动进行淘汰


优先淘汰最久没被使用的执行计划,影响淘汰策略的参数和变量如下:

1.plan_cache_evict_interval(parameter):检查执行计划是否需要淘汰的间隔时间

2.ob_plan_cache_percentage(variable):计划缓存可使用内存占租户内存的百分比 (最多可使用内存为:租户内存上限 * ob_plan_cache_percentage/100)

3.ob_plan_cache_evict_high_percentage (variable) :计划缓存使用率(百分比)达到多少时,触发计划缓存的淘汰

4.ob_plan_cache_evict_low_percentage (variable) :计划缓存使用率(百分比)达到多少时,停止计划缓存的淘汰

执行计划缓存的淘汰-自动淘汰示例

如果租户内存大小为10G,并且变量设置如下:

ob_plan_cache_percentage = 10;

ob_plan_cache_evict_high_percentage = 90;

ob_plan_cache_evict_low_percentage = 50;

则:


计划缓存内存上限绝对值 = 10G * 10 / 100 = 1G;

淘汰计划的高水位线 = 1G * 90 / 100 = 0.9G;

淘汰计划的低水位线 = 1G * 50 / 100 = 0.5G;

1.当该租户在某个server上计划缓存使用超过0.9G时,会触发淘汰,优先淘汰最久没执行的计划

2.当淘汰到使用内存只有0.5G时,则停止淘汰

3.如果淘汰速度没有新计划生成速度快,计划缓存使用内存达到内存上限绝对值1G时,将不再往计划缓存中添加新计划,直到淘汰后使用的内存小于1G才会添加新计划到计划缓存中

执行计划缓存的淘汰-手动淘汰

手动淘汰是指强制将计划缓存中计划进行删除。现在支持指定不同租户对应的当前服务器或全部服务器中计划缓存全部删除,SQL 语句如下:

obclient>ALTER SYSTEM FLUSH PLAN CACHE [tenant_list] [global]

执行计划缓存的刷新

计划缓存中执行计划可能因为各种原因而失效,这时需要将计划缓存中失效计划进行刷新,即将该执行计划删除后重新优化生成计划再加入计划缓存。


如下场景会导致执行计划失效,需要对执行计划进行刷新:


SQL中涉及表的Schema变更时(比如添加索引、删除或增加列等),该SQL在计划缓存中所对应的执行计划将被刷新

SQL中涉及重新收集表的统计信息时,该SQL在计划缓存中所对应的执行计划会被刷新。由于OceanBase数据库在数据合并时会统一进行统计信息的收集,因此在每次进行合并后,计划缓存中所有计划将被刷新

SQL进行outline计划绑定变更时,该SQL对应的执行计划会被刷新,更新为按绑定的outline生成的执行计划

执行计划缓存的使用控制

计划缓存可以使用系统变量及 Hint 实现使用控制。


系统变量控制


当 ob_enable_plan_cache设置为 TURE 时,表示SQL请求可以使用计划缓存;设置为FALSE时,表示 SQL请求不使用计划缓存。默认为TURE。此系统变量可被设置为 Session 级别或者 Global 级别


Hint 控制


使用 Hint 语句 /+USE_PLAN_CACHE(NONE)/ 表示不使用计划缓存

使用 Hint 语句 /+USE_PLAN_CACHE(DEFAULT)/ 表示使用计划缓存

执行计划缓存的相关视图及不支持的场景

计划缓存相关的视图:


1.(g)v$plan_cache_stat记录每个计划缓存的状态,每个计划缓存在该视图中有一条记录。

2. (g)v$plan_cache_plan_stat记录计划缓存中所有执行计划的具体信息及每个计划总的执行统计信息。

3. (g)v$plan_cache_plan_explain记录某条SQL在计划缓存中的执行计划

计划缓存暂不支持的场景

执行计划所占内存超过 20 MB 时,不会加入计划缓存

如果该计划为分布式执行计划且涉及多个表,不会加入计划缓存

目录
打赏
0
0
0
0
9
分享
相关文章
加速LLM大模型推理,KV缓存技术详解与PyTorch实现
大型语言模型(LLM)的推理效率是AI领域的重要挑战。本文聚焦KV缓存技术,通过存储复用注意力机制中的Key和Value张量,减少冗余计算,显著提升推理效率。文章从理论到实践,详细解析KV缓存原理、实现与性能优势,并提供PyTorch代码示例。实验表明,该技术在长序列生成中可将推理时间降低近60%,为大模型优化提供了有效方案。
306 15
加速LLM大模型推理,KV缓存技术详解与PyTorch实现
电商API接口性能优化技术揭秘:缓存策略与负载均衡详解
电商API接口性能优化是提升系统稳定性和用户体验的关键。本文聚焦缓存策略与负载均衡两大核心,详解其在电商业务中的实践。缓存策略涵盖本地、分布式及CDN缓存,通过全量或部分缓存设计和一致性维护,减少后端压力;负载均衡则利用反向代理、DNS轮询等技术,结合动态调整与冗余部署,提高吞吐量与可用性。文中引用大型及跨境电商平台案例,展示优化效果,强调持续监控与迭代的重要性,为电商企业提供了切实可行的性能优化路径。
|
4月前
|
SQL
【YashanDB知识库】使用leading hint调整SQL执行计划后报错YAS-04522 invalid hint leading
【YashanDB知识库】使用leading hint调整SQL执行计划后报错YAS-04522 invalid hint leading
【YashanDB知识库】使用leading hint调整SQL执行计划后报错YAS-04522 invalid hint leading
【YashanDB知识库】如何从内存中获取SQL语句的执行计划
【YashanDB知识库】如何从内存中获取SQL语句的执行计划
|
4月前
|
SQL
【YashanDB知识库】过期统计信息导致SQL执行计划变差
【YashanDB知识库】过期统计信息导致SQL执行计划变差
|
4月前
|
SQL
【YashanDB知识库】收集分区表统计信息采样率小于1导致SQL执行计划走偏
【YashanDB知识库】收集分区表统计信息采样率小于1导致SQL执行计划走偏
5-10Can't connect to MySQL server on 'sh-cynosl-grp-fcs50xoa.sql.tencentcdb.com' (110)")
5-10Can't connect to MySQL server on 'sh-cynosl-grp-fcs50xoa.sql.tencentcdb.com' (110)")
|
12月前
|
SQL Server的并行实施如何优化?
【7月更文挑战第23天】SQL Server的并行实施如何优化?
335 13
|
12月前
|
SQL
解锁 SQL Server 2022的时间序列数据功能
【7月更文挑战第14天】要解锁SQL Server 2022的时间序列数据功能,可使用`generate_series`函数生成整数序列,例如:`SELECT value FROM generate_series(1, 10)。此外,`date_bucket`函数能按指定间隔(如周)对日期时间值分组,这些工具结合窗口函数和其他时间日期函数,能高效处理和分析时间序列数据。更多信息请参考官方文档和技术资料。
212 9
AI助理

你好,我是AI助理

可以解答问题、推荐解决方案等

登录插画

登录以查看您的控制台资源

管理云资源
状态一览
快捷访问