PostgreSQL SQL HINT的使用说明

本文来自：http://www.023dns.com/Database_mssql/5974.html

PostgreSQL优化器是基于成本的 (CBO),(当然,如果开启了GEQO的话,在关联表数量超过一定阈值后,会采用GEQO,这主要是由于在关联表太多的情况下,穷举法可能带来巨大的PLAN开销,所以GEQO输出的执行计划不一定是最优的)

　　本文要谈的和GEQO没什么关系,主要是与CBO相关.

　　当PostgreSQL使用CBO时,就一定能每次都输出最优的执行计划吗?

　　1. 首选我们看看CBO考察了哪些因素,它是如何计算成本的?

　　成本和扫描方式,关联方式,操作符,成本因子,数据集等都有关,具体的计算方法可参考如下代码:

　　src/backend/optimizer/path/costsize.c

　　我们这里简单的列举一下,哪些因素会影响成本计算的结果,具体算法见costsize.c :

　　-- 表有多少条记录,影响全表扫描的 CPU处理记录的COST.

　　-- 表有多少个数据块,影响扫描数据块的成本; 例如全表扫描,索引扫描,都需要扫描数据块.

　　-- 成本因子,影响成本的计算结果; 例如连续或随机扫描单个数据块的成本因子,CPU从HEAP块处理一条记录的成本因子,从INDEX块处理一条索引记录的成本因子,执行一个操作符或函数的成本因子.

　　-- 数据存储物理顺序和索引顺序的离散度,影响索引扫描的计算成本.

　　-- 内存大小,影响索引扫描的计算成本.

　　-- 列统计信息(列宽,空值比例,唯一值比例,高频值及其比例,bucket,物理顺序和索引顺序的离散度,数组的话还有数组的统计信息,等),影响选择性,即结果集行数,最终影响索引扫描的计算成本.

　　-- 创建函数或操作符时设置的成本.

　　2. 然后我们看看哪些因素CBO没有考虑进去,还有哪些因素CBO考虑进去了,但是可能会随时发生变化的.

　　PostgreSQL是否能动态的跟上这些变化?

　　2.1 PostgreSQL开启自动analyze,可以适时更新的因素如下 :

　　-- 表有多少数据块,记录数,更新pg_class.relpages,pg_class.reltuples

　　-- 列统计信息,数据存储物理顺序和索引顺序的离散度,更新pg_statistic

　　2.2 静态配置因素 :

　　-- 实际可用作缓存的内存,因为数据库所在的操作系统中可能还运行了其他程序,可用作缓存的内存可能会发生变化. 即使没有运行其他程序,当数据库会话中有大量使用了work_mem时,也会造成可用做缓存的内存发生变化.

　　-- 创建函数或操作符时设置的成本,当函数因为内部SQL或处理逻辑等变化,可能导致函数本身的处理时间发生变化.

　　2.3 未考虑的因素 :

　　-- 块设备的的预读,一般情况下一次读取时,会预读128KB的数据.

　　# blockdev --getra /dev/sda

　　256

　　这又有什么影响呢? 如果你要读取的数据在连续的128KB数据块中,那么只需要一次块设备的IO. 对于数据库来说,扫描数据时扫多少个数据块可不管这个,都会计算成本,因此对于不同的块设备预读配置,或者对于不同的块设备(如机械盘和SSD),扫描成本可能不一样. PostgreSQL块设备的性能反映在成本计算方面,就是seq_page_cost,random_page_cost.

　　这两个参数可以针对表空间设置,也就是说,对于不同的表空间,可以设置不同的值,比如我们有在SSD建立的表空间,也有在普通机械盘上创建的表空间,当然需要设置不同的seq_page_cost,random_page_cost值.

　　但是对于预读来说,如果发生了变更,对实际的性能会有细微的影响,一般应该不会一天到晚变更块设备的read ahead吧.

　　2.4 generic plan cache,即执行计划缓存.

　　PostgreSQL 通过choose_custom_plan选择重新规划执行计划还是使用缓存的执行计划,当cached plan成本大于custom的平均成本时,会选择custom plan,所以当统计信息正确的情况下,可以及时发现缓存执行计划的问题并及时规划新的执行计划.

　　详情请见 : src/backend/utils/cache/plancache.c

　　2.5 采样精度参数default_statistics_target,影响bucket个数,采样的精度.

　　经过一番分析,PostgreSQL使用了CBO,就一定能"每次"都输出最优的执行计划吗?

　　1. 首选要确保人为设置成本因子准确,另外还需要打开自动analyze(适时更新 列统计信息,块,离散度等),

　　2. 影响成本的因素还有一些是静态配置的 : 比如可用作BUFFER的内存,函数的成本.

　　3. 还有没考虑的: 预读 (甚微).

　　在大多数情况下,如果我们设置了合理的配置,那么 很少需要使用hint的. 除了以上2,3提到的两点.

　　同时hint也存在比较严重的弊端,如果将hint写在程序代码中,一旦需要变更执行计划,还需要改程序代码,不灵活.

　　当然,我们不排除另一种用HINT的出发点,比如调试. 我就想看看不同执行计划下执行效率是否和想象的一样.

　　(我们也可以使用开关来控制执行计划,但是有HINT不是更直接一点嘛)

　　从长远来看,如果仅仅从性能角度来说,不断地改进数据库本身的优化器是比较靠谱的. 但是对于例如调试这样的需求,有HINT更方便也是对的.

　　进入主题,大多数Oracle用户在接触到PostgreSQL后,会问PG有没有SQL hint?

　　为了让数据库按照用户的想法输出执行计划,一般来说PostgreSQL提供了一些开关,比如关闭全表扫描,让它去走索引.

　　关闭索引扫描,让它去走bitmap或全表扫描,关闭嵌套循环,让他去走hash join或merge join等.

　　但是仅仅有这些开关,还不是非常的好用,那么到底有没有直接点的HINT呢?

　　有一个插件可以解决你的问题,：pg_hint_plan.

　　pg_hint_plan利用PostgreSQL 开放的hook接口,所以不需要改PG代码就实现了注入HINT的功能.

　　/*

　　* Module load callbacks

　　*/

　　void

　　_PG_init(void)

　　{

　　...

　　}

　　由于不同PostgreSQL 版本,plan部分的代码可能会不一致,所以pg_hint_plan也是分版本发布的源码.

　　比如我要在PostgreSQL 9.4.1中测试一下这个工具.

　　接下来测试一下 :

　　安装

　　# wget http://iij.dl.sourceforge.jp/pghintplan/62456/pg_hint_plan94-1.1.3.tar.gz

　　# tar -zxvf pg_hint_plan94-1.1.3.tar.gz

　　# cd pg_hint_plan94-1.1.3

　　[[email protected] pg_hint_plan94-1.1.3]# export PATH=/opt/pgsql/bin:$PATH

　　[[email protected] pg_hint_plan94-1.1.3]# which psql

　　/opt/pgsql/bin/psql

　　[[email protected] pg_hint_plan94-1.1.3]# psql -V

　　psql (PostgreSQL) 9.4.1

　　# gmake clean

　　# gmake

　　# gmake install

　　[[email protected] pg_hint_plan94-1.1.3]# ll -rt /opt/pgsql/lib|tail -n 1

　　-rwxr-xr-x 1 root root 78K Feb 18 09:31 pg_hint_plan.so

　　[[email protected] pg_hint_plan94-1.1.3]# su - postgres

　　$ vi $PGDATA/postgresql.conf

　　shared_preload_libraries = ‘pg_hint_plan‘

　　pg_hint_plan.enable_hint = on

　　pg_hint_plan.debug_print = on

　　pg_hint_plan.message_level = log

　　$ pg_ctl restart -m fast

　　[email protected]> psql

　　psql (9.4.1)

　　Type "help" for help.

　　postgres=# create extension pg_hint_plan;

　　CREATE EXTENSION

　　用法举例说明 :

　　postgres=# create table a(id int primary key,info text,crt_time timestamp);

　　CREATE TABLE

　　postgres=# create table b(id int primary key,crt_time timestamp);

　　CREATE TABLE

　　postgres=# insert into a select generate_series(1,100000),‘a_‘||md5(random()::text),clock_timestamp();

　　INSERT 0 100000

　　postgres=# insert into b select generate_series(1,‘b_‘||md5(random()::text),clock_timestamp();

　　INSERT 0 100000

　　postgres=# analyze a;

　　ANALYZE

　　postgres=# analyze b;

　　ANALYZE

　　postgres=# explain select a.*,b.* from a,b where a.id=b.id and a.id<10;< p="">

　　QUERY PLAN

　　-----------------------------------------------------------------------

　　Nested Loop (cost=0.58..83.35 rows=9 width=94)

　　-> Index Scan using a_pkey on a (cost=0.29..8.45 rows=9 width=47)

　　Index Cond: (id < 10)

　　-> Index Scan using b_pkey on b (cost=0.29..8.31 rows=1 width=47)

　　Index Cond: (id = a.id)

　　(5 rows)

　　在没有pg_hint_plan时,我们需要使用开关来改变PostgreSQL的执行计划

　　postgres=# set enable_nestloop=off;

　　SET

　　postgres=# explain select a.*,b where a.id=b.id and a.id<10;< p="">

　　QUERY PLAN

　　-----------------------------------------------------------------------------

　　Hash Join (cost=8.56..1616.65 rows=9 width=94)

　　Hash Cond: (b.id = a.id)

　　-> Seq Scan on b (cost=0.00..1233.00 rows=100000 width=47)

　　-> Hash (cost=8.45..8.45 rows=9 width=47)

　　-> Index Scan using a_pkey on a (cost=0.29..8.45 rows=9 width=47)

　　Index Cond: (id < 10)

　　(6 rows)

　　postgres=# set enable_nestloop=on;

　　SET

　　postgres=# explain select a.*,b where a.id=b.id and a.id<10;< p="">

　　QUERY PLAN

　　-----------------------------------------------------------------------

　　Nested Loop (cost=0.58..83.35 rows=9 width=94)

　　-> Index Scan using a_pkey on a (cost=0.29..8.45 rows=9 width=47)

　　Index Cond: (id < 10)

　　-> Index Scan using b_pkey on b (cost=0.29..8.31 rows=1 width=47)

　　Index Cond: (id = a.id)

　　(5 rows)

　　使用pg_hint_plan来改变PostgreSQL的执行计划，如下所示 :

　　postgres=# /*+

　　HashJoin(a b)

　　SeqScan(b)

　　*/ explain select a.*,b where a.id=b.id and a.id<10;< p="">

　　QUERY PLAN

　　-----------------------------------------------------------------------------

　　Hash Join (cost=8.56..1616.65 rows=9 width=94)

　　Hash Cond: (b.id = a.id)

　　-> Seq Scan on b (cost=0.00..1233.00 rows=100000 width=47)

　　-> Hash (cost=8.45..8.45 rows=9 width=47)

　　-> Index Scan using a_pkey on a (cost=0.29..8.45 rows=9 width=47)

　　Index Cond: (id < 10)

　　(6 rows)

　　postgres=# /*+ SeqScan(a) */ explain select * from a where id<10;< p="">

　　QUERY PLAN

　　------------------------------------------------------

　　Seq Scan on a (cost=0.00..1483.00 rows=10 width=47)

　　Filter: (id < 10)

　　(2 rows)

　　postgres=# /*+ BitmapScan(a) */ explain select * from a where id<10;< p="">

　　QUERY PLAN

　　---------------------------------------------------------------------

　　Bitmap Heap Scan on a (cost=4.36..35.17 rows=9 width=47)

　　Recheck Cond: (id < 10)

　　-> Bitmap Index Scan on a_pkey (cost=0.00..4.36 rows=9 width=0)

　　Index Cond: (id < 10)

　　(4 rows)

　　目前pg_hint_plan支持的HINT

　　http://pghintplan.sourceforge.jp/hint_list.html

　　The available hints are listed below.

　　

?

　　

?

　　

?

　　[参考]

　　1. http://pghintplan.sourceforge.jp/pg_hint_plan-en.html

　　2. http://pghintplan.sourceforge.jp/pg_hint_plan.html

　　3. http://pghintplan.sourceforge.jp/hint_list.html

　　4. http://pghintplan.sourceforge.jp/

　　5. src/backend/optimizer/path/costsize.c

　　6. src/backend/utils/cache/plancache.c