解析数仓 lazyagg 查询重写优化
本文分享自华为云社区《GaussDB(DWS) lazyagg查询重写优化解析【这次高斯不是数学家】》,作者: OreoreO 。
聚集操作将查询结果按某一列或多列的值分组,值相等的为一组。聚集操作是一种常见的操作并在金融客户中有广泛的使用。例如如下语句:
SELECT a, count(a) FROM t1 GROUP BY a; -- 按 a 分组并计算分组内重复值的个数
一、Lazy Agg 重写规则
数据量大的场景下,聚集运算由于数据量大导致下盘,聚集操作执行时间成为性能瓶颈,从而导致整个查询执行效率非常差。例如:
子查询对 t1.b 列进行聚集,对 t1.c 列求和,在外部查询中,同样也存在聚集运算,对子查询的聚集求和列 cc 列求和。对于这类语句,当子查询的聚集运算较耗时的情况下,可以利用查询重写规则消除子查询的聚集运算,由外部查询的聚集函数统一完成聚集运算。消除子查询后可能导致子查询行数增多,但对于子查询聚集运算时 t1.b 列的 distinct 值较多的场景,子查询聚集运算后的行数较原表不会有明显缩减,不会导致外层 JOIN 运算量的大量增加。即语句可被重写为:
这个改写规则称为 Lazy Agg,适用于基表数据量大且 distinct 值较多的场景。如果重复值较少,那么消除了聚集操作会导致 Join 后的行数激增,Join 性能较差,因此需要将 Agg 下推到 Join 之前进行,通过提前的 Agg 操作减少 Join 结果的行数,这个改写规则称为 Eager Agg。
二、GaussDB(DWS) lazyagg 优化
为了降低调优难度,提升产品易用性,GaussDB(DWS)提供了 lazyagg 查询重写优化规则,可以通过设置 guc 参数 rewrite_rule 包含’lazyagg’使用 Lazy Agg 查询重写优化。开启 lazyagg 查询重写优化后,对满足条件的场景会优化并消除子查询中的聚集操作。原计划如下所示:
lazyagg 重写优化后计划如下所示:
可以看到相比于原计划,lazyagg 重写优化后消除掉了原计划中的聚集操作,即 7 号 Subquery Scan 算子和 8 号 HashAggregate 算子。
三、lazyagg 优化规格
支持子查询为单一聚集查询或包含聚集子集合操作的查询。集合操作仅支持 UNION ALL,可对部分分支子查询进行聚集运算消除。子查询需为 JOIN 表之一(不在 TargetList、Where 子句等其他位置)。
支持若外部查询的所有 Agg 参数列包含于其某个子查询的 Agg 函数列,则可对该子查询的聚集运算进行消除。
支持所有消除子查询聚集运算后结果正确的聚集函数种类。聚集函数种类结果正确性见下表:
4. 场景约束
在上述场景扩展的基础上,对于可能导致结果错误的场景,不进行查询重写,包括但不限于:
不支持消除的 Agg 函数类型。
子查询中包含其它条件或算子,会导致重写后结果错误,例如 HAVING、window agg、LIMIT、OFFSET、AP function、distinct、recursive 等。
外层 Agg 参数列、GROUP BY 列或 JOIN 列中包含 volatile 函数,如 random、timeofday 等。
子查询 Agg 函数外、外部查询 Agg 函数内有其他表达式或函数操作,如子查询 Agg 函数列为 sum©+1、max©+max(d),外部查询 Agg 函数列为 sum(cc+1)等。
外部查询的 JOIN 列、GROUP BY 列或其它条件中包含子查询 Agg 函数列。
子查询在 LEFT JOIN、RIGHT JOIN 的 inner 边或 FULL JOIN 中,且子查询 Agg 函数为 count,外部查询 Agg 函数为 sum 的。
四、结语
通过本文的分析,相信用户朋友已经充分了解了 Lazy Agg 重写优化的使用场景,以及 GaussDB(DWS)的 lazyagg 实现方式。希望广大用户能够通过深入的了解,对 GaussDB(DWS)的性能调优产生浓厚的兴趣并深度参与进来。
参考文档:GaussDB(DWS)性能调优系列实战篇四:十八般武艺之SQL改写
理论不如实践,那如何快速体验 DWS 呢?DWS 现推出了一项 Demo 体验活动。进入DWS首页,点击“Demo体验”,快速便捷体验一把!(体验过程中有任何建议和意见,可以去DWS社区论坛反馈哦)
版权声明: 本文为 InfoQ 作者【华为云开发者联盟】的原创文章。
原文链接:【http://xie.infoq.cn/article/f5c0e5127043857eb83dd9a58】。文章转载请联系作者。
评论