PostgreSQL 并行计算解说 之19 - parallel hash join

本文涉及的产品
云原生数据库 PolarDB MySQL 版,通用型 2核4GB 50GB
云原生数据库 PolarDB PostgreSQL 版,标准版 2核4GB 50GB
简介: 标签 PostgreSQL , cpu 并行 , smp 并行 , 并行计算 , gpu 并行 , 并行过程支持 背景 PostgreSQL 11 优化器已经支持了非常多场合的并行。简单估计,已支持27余种场景的并行计算。 parallel seq scan

标签

PostgreSQL , cpu 并行 , smp 并行 , 并行计算 , gpu 并行 , 并行过程支持


背景

PostgreSQL 11 优化器已经支持了非常多场合的并行。简单估计,已支持27余种场景的并行计算。

parallel seq scan                                      
                                      
parallel index scan                                      
                                      
parallel index only scan                                      
                                      
parallel bitmap scan                                      
                                      
parallel filter                                      
                                  
parallel hash agg                                  
                                  
parallel group agg                                  
                                      
parallel cte                                      
                                      
parallel subquery                                      
                                      
parallel create table                                      
                                      
parallel create index                                      
                                      
parallel select into                                      
                                      
parallel CREATE MATERIALIZED VIEW                                      
                                      
parallel 排序 : gather merge                                       
                                      
parallel nestloop join                                      
                                      
parallel hash join                                      
                                      
parallel merge join                                      
                                      
parallel 自定义并行聚合                                      
                                      
parallel 自定义并行UDF                                      
                                      
parallel append                                      
                                      
parallel union                                      
                                      
parallel fdw table scan                                      
                                      
parallel partition join                                      
                                      
parallel partition agg                                      
                                      
parallel gather                              
                      
parallel gather merge                      
                                      
parallel rc 并行                                      
                                      
parallel rr 并行                                      
                                      
parallel GPU 并行                                      
                                      
parallel unlogged table                                       

接下来进行一一介绍。

关键知识请先自行了解:

1、优化器自动并行度算法 CBO

《PostgreSQL 9.6 并行计算 优化器算法浅析》

《PostgreSQL 11 并行计算算法,参数,强制并行度设置》

parallel hash join

并行hash JOIN

数据量:10亿 join 10亿 on (i=i)。

场景 数据量 关闭并行 开启并行 并行度 开启并行性能提升倍数
parallel hash join 10亿 join 10亿 using (i) where t1.i<10000000 and t2.i<10000000 8.1 秒 1 秒 20 8.1 倍
parallel hash join 10亿 join 10亿 using (i) 1071 秒 92.3 秒 20 11.6 倍

1、关闭并行,耗时: 1071 秒 , 8.1 秒。

postgres=# explain select count(*) from table5 t1 join table5 t2 using (i) ;   
                                        QUERY PLAN                                         
-------------------------------------------------------------------------------------------
 Aggregate  (cost=1321974645.04..1321974645.05 rows=1 width=8)
   ->  Hash Join  (cost=30831031.44..1319474644.88 rows=1000000064 width=0)
         Hash Cond: (t1.i = t2.i)
         ->  Seq Scan on table5 t1  (cost=0.00..14424779.64 rows=1000000064 width=4)
         ->  Hash  (cost=14424779.64..14424779.64 rows=1000000064 width=4)
               ->  Seq Scan on table5 t2  (cost=0.00..14424779.64 rows=1000000064 width=4)
(6 rows)

postgres=# select count(*) from table5 t1 join table5 t2 using (i) ;   
   count    
------------
 1000000000
(1 row)

Time: 1071102.574 ms (17:51.103)


postgres=# explain select count(*) from table5 t1 join table5 t2 using (i) where t1.i<10000000 and t2.i<10000000;   
                                                   QUERY PLAN                                                   
----------------------------------------------------------------------------------------------------------------
 Aggregate  (cost=557583.02..557583.03 rows=1 width=8)
   ->  Hash Join  (cost=278347.86..557405.33 rows=71076 width=0)
         Hash Cond: (t1.i = t2.i)
         ->  Index Only Scan using idx_table5_2 on table5 t1  (cost=0.57..172964.32 rows=8430637 width=4)
               Index Cond: (i < 10000000)
         ->  Hash  (cost=172964.32..172964.32 rows=8430637 width=4)
               ->  Index Only Scan using idx_table5_2 on table5 t2  (cost=0.57..172964.32 rows=8430637 width=4)
                     Index Cond: (i < 10000000)
(8 rows)

postgres=# select count(*) from table5 t1 join table5 t2 using (i) where t1.i<10000000 and t2.i<10000000;   
  count  
---------
 9999999
(1 row)

Time: 8130.739 ms (00:08.131)

2、开启并行,耗时: 92.3 秒 , 1 秒。

postgres=# explain select count(*) from table5 t1 join table5 t2 using (i) ;   
                                                 QUERY PLAN                                                  
-------------------------------------------------------------------------------------------------------------
 Finalize Aggregate  (cost=14655810.36..14655810.37 rows=1 width=8)
   ->  Gather  (cost=14655810.30..14655810.31 rows=20 width=8)
         Workers Planned: 20
         ->  Partial Aggregate  (cost=14655810.30..14655810.31 rows=1 width=8)
               ->  Parallel Hash Join  (cost=5745092.07..14530810.30 rows=50000003 width=0)
                     Hash Cond: (t1.i = t2.i)
                     ->  Parallel Seq Scan on table5 t1  (cost=0.00..4924779.03 rows=50000003 width=4)
                     ->  Parallel Hash  (cost=4924779.03..4924779.03 rows=50000003 width=4)
                           ->  Parallel Seq Scan on table5 t2  (cost=0.00..4924779.03 rows=50000003 width=4)
(9 rows)

postgres=# select count(*) from table5 t1 join table5 t2 using (i) ;   
   count    
------------
 1000000000
(1 row)

Time: 92307.627 ms (01:32.308)


postgres=# explain select count(*) from table5 t1 join table5 t2 using (i) where t1.i<10000000 and t2.i<10000000;   
                                                            QUERY PLAN                                                             
-----------------------------------------------------------------------------------------------------------------------------------
 Finalize Aggregate  (cost=192607.16..192607.17 rows=1 width=8)
   ->  Gather  (cost=192607.10..192607.11 rows=20 width=8)
         Workers Planned: 20
         ->  Partial Aggregate  (cost=192607.10..192607.11 rows=1 width=8)
               ->  Parallel Hash Join  (cost=98143.00..192598.22 rows=3554 width=0)
                     Hash Cond: (t1.i = t2.i)
                     ->  Parallel Index Only Scan using idx_table5_2 on table5 t1  (cost=0.57..92873.27 rows=421532 width=4)
                           Index Cond: (i < 10000000)
                     ->  Parallel Hash  (cost=92873.27..92873.27 rows=421532 width=4)
                           ->  Parallel Index Only Scan using idx_table5_2 on table5 t2  (cost=0.57..92873.27 rows=421532 width=4)
                                 Index Cond: (i < 10000000)
(11 rows)

postgres=# select count(*) from table5 t1 join table5 t2 using (i) where t1.i<10000000 and t2.i<10000000;   
  count  
---------
 9999999
(1 row)

Time: 1007.838 ms (00:01.008)

hash join , hash agg ,性能与并行度相关,同时与work_mem的设置非常相关。

hash join , 当外部条件t2.i<10000000未设置时,不会在hash table中过滤,这个query rewrite优化器有改进空间。

postgres=# explain select count(*) from table5 t1 join table5 t2 using (i) where t1.i<10000000;
                                                            QUERY PLAN                                                             
-----------------------------------------------------------------------------------------------------------------------------------
 Finalize Aggregate  (cost=5211686.12..5211686.13 rows=1 width=8)
   ->  Gather  (cost=5211686.06..5211686.07 rows=20 width=8)
         Workers Planned: 20
         ->  Partial Aggregate  (cost=5211686.06..5211686.07 rows=1 width=8)
               ->  Parallel Hash Join  (cost=98142.42..5210632.23 rows=421532 width=0)
                     Hash Cond: (t2.i = t1.i)
                     ->  Parallel Seq Scan on table5 t2  (cost=0.00..4924779.03 rows=50000003 width=4)
                     ->  Parallel Hash  (cost=92873.27..92873.27 rows=421532 width=4)
                           ->  Parallel Index Only Scan using idx_table5_2 on table5 t1  (cost=0.57..92873.27 rows=421532 width=4)
                                 Index Cond: (i < 10000000)
(10 rows)

其他知识

1、优化器自动并行度算法 CBO

《PostgreSQL 9.6 并行计算 优化器算法浅析》

《PostgreSQL 11 并行计算算法,参数,强制并行度设置》

2、function, op 识别是否支持parallel

postgres=# select proparallel,proname from pg_proc;                                      
 proparallel |                   proname                                                          
-------------+----------------------------------------------                                      
 s           | boolin                                      
 s           | boolout                                      
 s           | byteain                                      
 s           | byteaout                                      

3、subquery mapreduce unlogged table

对于一些情况,如果期望简化优化器对非常非常复杂的SQL并行优化的负担,可以自己将SQL拆成几段,中间结果使用unlogged table保存,类似mapreduce的思想。unlogged table同样支持parallel 计算。

4、vacuum,垃圾回收并行。

5、dblink 异步调用并行

《PostgreSQL VOPS 向量计算 + DBLINK异步并行 - 单实例 10亿 聚合计算跑进2秒》

《PostgreSQL 相似搜索分布式架构设计与实践 - dblink异步调用与多机并行(远程 游标+记录 UDF实例)》

《PostgreSQL dblink异步调用实现 并行hash分片JOIN - 含数据交、并、差 提速案例 - 含dblink VS pg 11 parallel hash join VS pg 11 智能分区JOIN》

暂时不允许并行的场景(将来PG会继续扩大支持范围):

1、修改行,锁行,除了create table as , select into, create mview这几个可以使用并行。

2、query 会被中断时,例如cursor , loop in PL/SQL ,因为涉及到中间处理,所以不建议开启并行。

3、paralle unsafe udf ,这种UDF不会并行

4、嵌套并行(udf (内部query并行)),外部调用这个UDF的SQL不会并行。(主要是防止large parallel workers )

5、SSI 隔离级别

参考

https://www.postgresql.org/docs/11/parallel-plans.html

《PostgreSQL 11 并行计算算法,参数,强制并行度设置》

《PostgreSQL 11 preview - 并行计算 增强 汇总》

《PostgreSQL 10 自定义并行计算聚合函数的原理与实践 - (含array_agg合并多个数组为单个一元数组的例子)》

《PostgreSQL 9.6 并行计算 优化器算法浅析》

 

免费领取阿里云RDS PostgreSQL实例、ECS虚拟机

相关实践学习
使用PolarDB和ECS搭建门户网站
本场景主要介绍基于PolarDB和ECS实现搭建门户网站。
阿里云数据库产品家族及特性
阿里云智能数据库产品团队一直致力于不断健全产品体系,提升产品性能,打磨产品功能,从而帮助客户实现更加极致的弹性能力、具备更强的扩展能力、并利用云设施进一步降低企业成本。以云原生+分布式为核心技术抓手,打造以自研的在线事务型(OLTP)数据库Polar DB和在线分析型(OLAP)数据库Analytic DB为代表的新一代企业级云原生数据库产品体系, 结合NoSQL数据库、数据库生态工具、云原生智能化数据库管控平台,为阿里巴巴经济体以及各个行业的企业客户和开发者提供从公共云到混合云再到私有云的完整解决方案,提供基于云基础设施进行数据从处理、到存储、再到计算与分析的一体化解决方案。本节课带你了解阿里云数据库产品家族及特性。
目录
相关文章
|
2月前
|
关系型数据库 数据库 PostgreSQL
深入理解 PostgreSQL 的 JOIN 连接
深入理解 PostgreSQL 的 JOIN 连接
125 4
|
SQL 移动开发 关系型数据库
PostgreSQL 执行计划,成本公式解说,代价因子校准,自动跟踪SQL执行计划(三)|学习笔记
快速学习PostgreSQL 执行计划,成本公式解说,代价因子校准,自动跟踪SQL执行计划(三)
PostgreSQL 执行计划,成本公式解说,代价因子校准,自动跟踪SQL执行计划(三)|学习笔记
|
SQL 关系型数据库 PostgreSQL
PostgreSQL连接(JOIN)
PostgreSQL JOIN子句用于把两个或多个表的行结合起来,基于这些表之间的共同变量。 在PostgreSQL中,JOIN有五种连接类型: CROSS JOIN:交叉连接 内连接:内连接 LEFT OUTER JOIN:左外连接 右外连接:右外连接 FULL OUTER JOIN:全外连接 接下来让我们创建两张表COMPANY和DEPARTMENT。
523 0
|
SQL 分布式计算 并行计算
PostgreSQL 并行计算解说 之13 - parallel OLAP : 中间结果 parallel with unlogged table
标签 PostgreSQL , cpu 并行 , smp 并行 , 并行计算 , gpu 并行 , 并行过程支持 背景 PostgreSQL 11 优化器已经支持了非常多场合的并行。简单估计,已支持27余种场景的并行计算。 parallel seq scan parallel
647 0
|
SQL 分布式计算 并行计算
PostgreSQL 并行计算解说 之14 - parallel index scan
标签 PostgreSQL , cpu 并行 , smp 并行 , 并行计算 , gpu 并行 , 并行过程支持 背景 PostgreSQL 11 优化器已经支持了非常多场合的并行。简单估计,已支持27余种场景的并行计算。 parallel seq scan paral
1188 0
|
关系型数据库 分布式数据库 PolarDB
《阿里云产品手册2022-2023 版》——PolarDB for PostgreSQL
《阿里云产品手册2022-2023 版》——PolarDB for PostgreSQL
366 0
|
存储 缓存 关系型数据库
|
存储 SQL 并行计算
PolarDB for PostgreSQL 开源必读手册-开源PolarDB for PostgreSQL架构介绍(中)
PolarDB for PostgreSQL 开源必读手册-开源PolarDB for PostgreSQL架构介绍
426 0
|
存储 算法 安全
PolarDB for PostgreSQL 开源必读手册-开源PolarDB for PostgreSQL架构介绍(下)
PolarDB for PostgreSQL 开源必读手册-开源PolarDB for PostgreSQL架构介绍
384 0
|
关系型数据库 分布式数据库 开发工具