您查询的关键词是:仿 8 pp g 源码 
下面是原始网址 https://blog.csdn.net/weixin_34375233/article/details/90249741 在 2019-07-20 07:47:05 的快照。

如果想更新或删除快照,请点击快照删除了解更多。360搜索与该网页作者无关,不对其内容负责。

PgSQL · 源码分析 · PG 优化器中的pathkey与索引在排序时的使用 - weixin_34375233的博客 - CSDN博客

PgSQL · 源码分析 · PG 优化器中的pathkey与索引在排序时的使用

原文链接:https://yq.aliyun.com/articles/280990

概要

SQL在PostgreSQL中的处理,是类似于流水线方式的处理,先后由:

  • 词法、语法解析,生成解析树后,将其交给语义解析
  • 语义解析,生成查询树,将其交给Planner
  • Planner根据查询树,生成执行计划,交给执行器
  • 执行器执行完成后返回结果

数据库优化器在生成执行计划的时候,优化器会考虑是否需要使用索引,而使用了索引之后,则会考虑如何利用索引已经排过序的特点,来优化相关的排序,比如ORDER BY / GROUP BY等。

先来看个索引对ORDER BY起作用的例子:

postgres=# create table t(id int, name text, value int);
CREATE TABLE
postgres=# create index t_value on t(value);
CREATE INDEX
postgres=# explain select * from
postgres-# t order by value;
QUERY PLAN
----------------------------------------------------------------------
Index Scan using t_value on t (cost=0.15..61.55 rows=1160 width=40)
(1 row)
postgres=# explain select * from
t order by name;
QUERY PLAN
------------------------------------------------------------
Sort (cost=80.64..83.54 rows=1160 width=40)
Sort Key: name
-> Seq Scan on t (cost=0.00..21.60 rows=1160 width=40)
(3 rows)

由此可见,通过索引进行查询后,是可以直接利用已经索引的有序需不需要再次进行排序。

本文将介绍优化器如何在已有索引的基础上,优化排序的。

SQL的流水线处理

数据库以流水线的方式处理SQL请求,当一个SQL到来后:

pic

以SQL中SELECT语句的基本表达形式为例:

SELCT $targets FROM $tables_or_sub_queries WHERE $quals GROUP BY $columns ORDER BY $columns LIMIT $num OFFSET $columns;

为了表示一个SELECT的语句,语义解析之前是SelectStmt结构,其中包括targetlist、FROM 子句、WHERE子句、GROUP BY子句等。

在语义解析之后,会引入一个Query结构,该Query结构只表示当前语句中的内容,并不直接包括需要递归的子句,比如子查询(子查询用RangeTblEntry描述,存放在Query->rtable列表中)等。在Query之后,优化器根据其中的内容生成RelOptInfo,作为整个执行计划的入口。

Query 结构如下,此处我们着重关注rtablejointree:

95 /*
96 * Query -
97 * Parse analysis turns all statements into a Query tree
98 * for further processing by the rewriter and planner.
99 *
100 * Utility statements (i.e. non-optimizable statements) have the
101 * utilityStmt field set, and the rest of the Query is mostly dummy.
102 *
103 * Planning converts a Query tree into a Plan tree headed by a PlannedStmt
104 * node --- the Query structure is not used by the executor.
105 */ 106 typedef struct Query
107 {
108 NodeTag type;
109 110 CmdType commandType; /* select|insert|update|delete|utility */ 111 112 QuerySource querySource; /* where did I come from? */ 113 114 uint32 queryId; /* query identifier (can be set by plugins) */ 115 116 bool canSetTag; /* do I set the command result tag? */ 117 118 Node *utilityStmt; /* non-null if commandType == CMD_UTILITY */ 119 120 int resultRelation; /* rtable index of target relation for
121 * INSERT/UPDATE/DELETE; 0 for SELECT */ 122
...
133 List *cteList; /* WITH list (of CommonTableExpr's) */ 134 135 List *rtable; /* list of range table entries */ 136 FromExpr *jointree; /* table join tree (FROM and WHERE clauses) */ 137 138 List *targetList; /* target list (of TargetEntry) */ 139
...
146 List *groupClause; /* a list of SortGroupClause's */ 147 156 List *sortClause; /* a list of SortGroupClause's */ 157 158 Node *limitOffset; /* # of result tuples to skip (int8 expr) */ 159 Node *limitCount; /* # of result tuples to return (int8 expr) */
...
180 int stmt_len; /* length in bytes; 0 means "rest of string" */ 181 } Query; 

在Query中,此次最关注的是由$tables_or_sub_queries解析得来的Query->rtable。Query->rtable是一个RangeTblEntry的列表,用于表示$tables_or_sub_queries中的以下几种类型:


  • 子查询,表示出另外一个子句,但不包含子句中的Query,而是由RangeTblEntry中的subquery来描述其对应的Query
  • JOIN,除了将JOIN相关的表添加到Query->rtable外,还会加入一个RangeTblEntry表示JOIN表达式用于后面的执行计划
  • 函数

同时也会添加到相应的ParseState->p_joinlist,后转换为FromExpr作为Query->jointree。后面的执行计划生成阶段主要依赖Query->jointree和Query->rtable用于处理pathkey相关的信息

执行计划生成

在SQL的操作中,几乎所有的操作(比如查询)最终都会落在实际的表上,那么在执行计划中表的表示就比较重要。PostgreSQL用RelOptInfo结构体来表示,如下:


518 typedef struct RelOptInfo
519 {
520 NodeTag type;
521 522 RelOptKind reloptkind;
523 524 /* all relations included in this RelOptInfo */ 525 Relids relids; /* set of base relids (rangetable indexes) */ 526
...
537 538 /* materialization information */ 539 List *pathlist; /* Path structures */ 540 List *ppilist; /* ParamPathInfos used in pathlist */ 541 List *partial_pathlist; /* partial Paths */ 542 struct Path *cheapest_startup_path;
543 struct Path *cheapest_total_path;
544 struct Path *cheapest_unique_path;
545 List *cheapest_parameterized_paths;
...
552 /* information about a base rel (not set for join rels!) */ 553 Index relid;
554 Oid reltablespace; /* containing tablespace */ 555 RTEKind rtekind; /* RELATION, SUBQUERY, FUNCTION, etc */
...
562 List *indexlist; /* list of IndexOptInfo */ 563 List *statlist; /* list of StatisticExtInfo */
...
584 /* used by various scans and joins: */ 585 List *baserestrictinfo; /* RestrictInfo structures (if base rel) */ 586 QualCost baserestrictcost; /* cost of evaluating the above */ 587 Index baserestrict_min_security; /* min security_level found in
588 * baserestrictinfo */ 589 List *joininfo; /* RestrictInfo structures for join clauses
...
595 } RelOptInfo;

事实上,RelOptInfo是执行计划路径生成的主要数据结构,同样用于表述表、子查询、函数等。

在SQL查询中,JOIN是最为耗时,执行计划的生成首先考虑JOIN。因此,整个执行计划路径的入口即为一个JOIN类型的RelOptInfo。当只是单表的查询时,则执行计划入口为这张表的RelOptInfo。

执行计划的生成过程,就是从下往上处理到最上层的RelOptInfo->pathlist的过程,选择有成本较优先节点、删除无用节点,最后得到一个成本最优的执行计划。

在整个过程中,大约分为以下几步:

  • 获取表信息
  • 创建表RelOptInfo,将所有该表的扫瞄路径加入到该表的RelOptInfo->pathlist
  • 创建JOIN的RelOptInfo,将所有可能的JOIN顺序和方式以Path结构体添加到RelOptInfo->pathlist
  • 针对JOIN的RelOptInfo,添加GROUP BY、ORDER BY等节点

生成范围表的扫瞄节点

执行计划一开始,即首先将获取所有的表信息,并以RelOptInfo(baserel)存放在PlannerInfo结构体中的simple_rel_array中,如RelOptInfo中的indexlist用于表示这张表的索引信息,用于判断是否可以用上索引。

为每张表建立扫瞄路径,一般有顺序扫瞄和索引扫瞄两种。扫瞄路径用Path结构体来表示,并存放在该表对应的RelOptInfo->pathlist中。Path结构体如下:

 948 typedef struct Path
949 {
950 NodeTag type;
951 952 NodeTag pathtype; /* tag identifying scan/join method */ 953 954 RelOptInfo *parent;
/* the relation this path can build
*/ 955 PathTarget *pathtarget;
/* list of Vars/Exprs, cost, width
*/ 956 957 ParamPathInfo *param_info;
/* parameterization info, or NULL if none
*/ 958 959 bool parallel_aware;
/* engage parallel-aware logic?
*/ 960 bool parallel_safe;
/* OK to use as part of parallel plan?
*/ 961 int parallel_workers;
/* desired # of workers; 0 = not parallel
*/ 962 963 /* estimated size/costs for path (see costsize.c for more info)
*/ 964 double rows; /* estimated number of result tuples */ 965 Cost startup_cost;
/* cost expended before fetching any tuples */ 966 Cost total_cost; /* total cost (assuming all tuples fetched)
*/ 967 968 List *pathkeys; /* sort ordering of path's output */ 969 /* pathkeys is a List of PathKey nodes; see above */ 970 } Path;

在添加表的扫瞄路径时,会首先添加顺序扫瞄(seqscan)到这张表的RelOptInfo->pathlist,保证表数据的获取。而后考虑indexscan扫瞄节点等其他方式。

当RelOptInfo->indexlist满足RelOptInfo->baserestrictinfo中的过滤条件,或满足RelOptInfo->joininfo等条件时,则认为index是有效的。然后根据统计信息(如过滤性等)计算成本后,建立index扫瞄节点。

在建立index扫瞄节点时,根据索引建立时的情况(排序顺序、比较操作符等),创建PathKeys的列表(可能多个字段),存放在IndexPath->Path->pathkeys中。PathKeys的结构体如下:

830 /*
831 * PathKeys
832 *
833 * The sort ordering of a path is represented by a list of PathKey nodes.
834 * An empty list implies no known ordering. Otherwise the first item
835 * represents the primary sort key, the second the first secondary sort key,
836 * etc. The value being sorted is represented by linking to an
837 * EquivalenceClass containing that value and including pk_opfamily among its
838 * ec_opfamilies. The EquivalenceClass tells which collation to use, too.
839 * This is a convenient method because it makes it trivial to detect
840 * equivalent and closely-related orderings. (See optimizer/README for more
841 * information.)
842 *
843 * Note: pk_strategy is either BTLessStrategyNumber (for ASC) or
844 * BTGreaterStrategyNumber (for DESC). We assume that all ordering-capable
845 * index types will use btree-compatible strategy numbers.
846 */ 847 typedef struct PathKey
848 {
849 NodeTag type;
850 851 EquivalenceClass *pk_eclass; /* the value that is ordered */ 852 Oid pk_opfamily; /* btree opfamily defining the ordering */ 853 int pk_strategy;
/* sort direction (ASC or DESC) */ 854 bool pk_nulls_first; /* do NULLs come before normal values? */ 855 } PathKey;
856 

事实上,PathKeys可以用于所有已排过序的RelOptInfo中,用于表示这个表、函数、子查询、JOIN等是有序的,作为上层判断选择Path的依据之一。

在建立除seqscan之外的其他节点时,会与pathlist中已有的每个节点根据启动成本和总体成本做对比(相差在一定比值,默认1%),则分为四种情况:

  • 新建节点和已有节点,其中一方启动成本和总成本都更优,且其pathkeys也更优,那么删除另外一个
  • 新建节点和所有已有节点的启动成本和总成本两方面的对比不一致(如总成本高但启动成本较低,或反过来),且新建节点总成本较低,则会全部保留并添加到RelOptInfo->pathlist中。
  • 新节点和已有节点,其中一方启动成和总成本都更优,但其pathkeys不够,则两者都保留,由上层Path节点来判断
  • 当新建节点和已有节点成本相同时,则对比两者的pathkeys,选择保留更优pathkeys的节点

此时,即完成一张表所有的Path的生成,保存在该表的RelOptInfo->pathlist中,并从中选择一条成本最低的Path,作为RelOptInfo->cheapest_total_path。索引扫瞄节点的pathkeys将会被上层路径在与排序相关节点中用到,如ORDER BY、GROUP BY、MERGE JOIN等。

生成JOIN节点

JOIN节点生成的算法较为复杂,简单来说,会针对所有参与JOIN的表,动态规划不同的顺序和JOIN方式,然后生成不同的Path加到这个JOIN的RelOptInfo->pathlist中。

最终执行计划的生成

在完成JOIN的各个路径判断后,针对各路径选择成本最低的Path(表的JOIN顺序和JOIN方式)作为最优路径,并依据这个路径上的pathkeys处理ORDER BY、GROUP BY等其他子句的计划,从而完成最终的执行计划。

在前面的介绍中,每张表的RelOptInfo->pathlist中的indexscan的Path都带有pathkeys信息,即表明这个节点执行完之后的结果是按pathkeys来排序的。那么在以下几个地方则可以用到该特性:

  • MERGE JOIN

在建立JOIN节点时,会有多种JOIN方式可以选择,如NESTLOOP、MERGE JOIN等。当建立了MERGE JOIN节点之后,一般是需要对两张表进行排序。但当某张表的扫瞄节点返回的是有序的,且该顺序与查询所需完全一致,则会去除这个排序节点,从而在成本上占据优势。

  • ORDER BY

当最终的RelOptInfo节点建立完成后,会拿表RelOptInfo->pathlist中成本最低的Path,与带有pathkeys的Path做成本上的对比,选择成本更低的路径。如果最终是pathkeys的路径,那么该RelOptInfo的pathkeys会保留。

若该SQL语句中带ORDER BY,则可以判断该RelOptInfo的pathkeys是否对ORDER BY(字段和排列顺序一致),则不必再建立ORDER BY节点。如果pathkeys没有帮助,则会建立排序节点

  • GROUP BY

GROUP BY有多种方式。如果RelOptInfo中的pathkeys与在解析阶段产生的GROUP BY的pathkeys一致,则从成本上对RelOptInfo结果集的pathkeys对该GROUP BY是否有效,从而可以考虑选用SORT加AGG的方式。这种方式,因为pathkeys的存在,则不必再建SORT 节点。然后再对比与其他方式的成本,择优采用。

  • 子查询

如果JOIN中包含子查询,那么则在JOIN的RelOptInfo->pathlist中添加一个subquery类型的Path,并把子查询中的排序的结果指定为pathkeys放在该Path中。从而上层节点,可以用上面同样的方法,选用该RelOptInfo中最优的Path,并根据pathkeys决定是否需要排序。

总结

通过以上表述,可以说明一条SQL语句的执行计划入口是一个RelOptInfo结构,其中成员pathlist则标示所有不同的查找路径,在这些路径中最终会落在表的RelOptInfo->pathlist中最优的Path中。如果该Path带有pathkeys,那么上层在处理ORT相关的操作时,可以根据pathkeys是否对排序有效而决定是否需要排序节点,从而选择成本更低的路径。

展开阅读全文
博主设置当前文章不允许评论。

没有更多推荐了,返回首页