本文分享自华为云社区《华为云GaussDB(for Influx)揭秘第十期：最佳实践之hint查询》，作者：高斯 Influx 官方博客。

“怎么感觉查询越来越慢了？”随着业务数据量的不断增大，很多客户都反馈同样的查询语句变得越来越慢。接到客户的反馈后，我们分析了客户的查询执行各个阶段的耗时，发现随着数据量的增加，耗在倒排索引阶段的时间越来越长，那么倒排索引到底是干什么用的呢？能不能跳过倒排索引呢？

倒排索引，顾名思义，是一种索引结构，该索引避免了多维查询时进行大量的数据扫描。其本身就是用于提高查询性能的，显然不能简单地跳过倒排索引。但是随着数据量的不断增大，确实引起了查询的时延变大。那么倒排索引的原理是什么？适合于哪种业务场景？有没有可能跳过倒排索引，来进一步降低查询时延呢？本文基于 GaussDB(for Influx)的实现，给您一一解答上述问题。

1. 为什么要使用倒排索引？

用以下数据作为示例进行说明，其中

Tag：region，service，host；

Field：cpu，mem；

数据源(SeriesKey)：region+service+host；

一般涉及的查询有两种：

1）要查询某个数据源在某个时间点的 cpu 使用情况，例如：

select max(cpu) from mst where region=’北京’ and service=’influx’ and host=’host001’ and time>now()-30s

所有的 tag 都指定了相应的值。

2）给定部分维度，查询某些信息：例如要查询北京（region）的 Influx（service）服务的 cpu 使用情况：

select max(cpu) from mst where region=’北京’ and service=’influx’ and time>now()-30s

只指定了部分 tag 值。

对于第一种查询方案，可以直接根据 tag 值来确定数据源，但是对于第二种场景，查询没有直接给出具体的数据源，仅指定了两个维度（region 和 service）以及查询的指标 cpu，这种查询就需要根据部分维度组合（region=北京，service=influx）找到所有对应的数据源，例如在数据中北京的 Influx 服务有 3 台主机(host001, host002, host003)，就需要查找到这 3 台主机数据源，这就需要倒排索引，否则就需要进行大量的数据扫描。

有了倒排索引，Influx 的查询能力得到了很大的提升，但是随着数据量的不断增长，消耗在倒排索引的时间也越来越长；倒排索引的作用就是通过部分维度来找到对应所有的数据源，那么如果我们可以通过其他方式更快地找到数据源，就可以跳过倒排索引了。数据源是由 tag set 的 value 组成的，即由 region，service，host 三个 tag 的值组成，例如 region=“北京”，service=“influx”，host=“host001”三个 tag 值就组成一个数据源。那么当业务要查询的查询里带了所有 tag 的值时，我们就可以根据查询语句来确定数据源，例如：

select max(cpu) from mst where region=’北京’ and service=’influx’ and host=’host001’ and time>now()-30s

该语句查询过去 30s 内北京 region，Influx 服务，host001 主机的 CPU 的最大值。上面的查询带了需要确定数据源的所有 tag 的值，因此我们在这种查询中就可以跳过倒排索引的阶段，类似的查询我们也叫做单时间线查询。

2. GaussDB(for Influx)的实现方案

上一章节讲到，如果业务的查询是单时间线查询，我们就可以根据查询语句来确认数据源，而不用再去倒排索引中找。基于这个思路，GaussDB(for Influx)实现了 hint 特性，hint 特性允许客户指定查询跳过倒排索引模块，直接去查找数据，从而进一步提高查询性能。

GaussDB(for Influx)通过定义特殊的 hint 语法来识别查询语句是否走倒排索引，系统解析业务查询语句时，如果识别到查询带有 hint 语法，就会跳过倒排索引查找的步骤，直接根据查询语句中 tagset 信息，找到数据源，去存储层查找对应的数据，其逻辑对比如下图：

3. Hint 查询的性能

针对单时间线查询的场景下，我们测试了使用 hint 功能和不适用 hint 功能之间的性能。

测试条件为：300 万时间线，单时间线查询；执行查询 1000 次取平均时延。下图为 hint 查询和非 hint 查询的测试结果对比：

从图中可以看出，在相同的查询语句和测试环境下，hint 查询时延明显优于非 hint 查询。

4. Hint 查询的使用

使用 hint 查询的方法也很简单，业务只需要少量的改动即可，在查询时添加 hint 查询标识/*+ full_series */。例如，常规查询语句为：

select max(cpu) from mst where region=’北京’ and service=’influx’ and host=’host001’ and time>now()-30s

改为用 hint 的方式，查询语句为：

select /*+ full_series */ max(cpu) from mst where region=’北京’ and service=’influx’ and host=’host001’ and time>now()-30s

在使用 hint 方式查询时，一定要确定是单时间线的查询，否则可能会出现查不出来数据的问题。

5. 总结

GaussDB(for Influx)通过提供 hint 功能，在单时间线的查询场景下，性能有大幅度的提升，能有效满足客户某些特定场景的查询需求。

除了以上优势外，GaussDB(for Influx)还在集群化、冷热分级存储、高可用方面也做了深度优化，能更好地满足时序应用的各种场景。

6. 结束

本文作者：华为 云数据库创新 Lab & 华为云时空数据库团队

更多技术文章，关注 GaussDB(for Influx)官方博客：https://bbs.huaweicloud.com/community/usersnew/id_1586596796288328

Lab 官网：https://www.huaweicloud.com/lab/clouddb/home.html

产品首页：https://www.huaweicloud.com/product/gaussdbforinflux.html 

欢迎加入我们！

云数据库创新 Lab（成都、北京）简历投递邮箱：xiangyu9@huawei.com

华为云时空数据库团队（西安、深圳）简历投递邮箱：yujiandong@huawei.com

​​点击关注，第一时间了解华为云新鲜技术~