PostgreSQL技术大讲堂 - 第29讲：执行计划与成本估算

PostgreSQL从小白到专家，是从入门逐渐能力提升的一个系列教程，内容包括对PG基础的认知、包括安装使用、包括角色权限、包括维护管理、、等内容，希望对热爱PG、学习PG的同学们有帮助，欢迎持续关注CUUG PG技术大讲堂。

第29讲：执行计划与成本估算

内容1 : PostgreSQL中查询执行流程

内容2 : 全表扫描成本估算

内容3 : 索引扫描成本估算

概述

· SQL语句执行五步骤

    Parser

    解析器生成一个解析树，后续子系统可以从纯文本的SQL语句中读取该树。

    Analyzer/Analyser

    分析器/对解析器生成的解析树运行语义分析，并生成查询树。

    Rewriter

    重写器是实现规则系统的系统，必要时根据pg_rules系统目录中存储的规则转换查询树。

    PostgreSQL中的视图是通过规则系统实现的。通过“创建视图”命令定义视图时，将自动生成相应的规则并将其存储在目录中。              

    假设已经定义了以下视图并且相应的规则存储在pg_rules系统目录中。

CREATE VIEW employees_list 

AS SELECT e.id, e.name, d.name AS department 

FROM employees AS e, departments AS d 

WHERE e.department_id = d.id;

Planner and Executor

    规划器从重写器接收查询树，并生成（查询）计划树，执行者可以{BANNED}最佳有效地处理该树。

    pg_hint_plan插件

    PostgreSQL不支持SQL中的计划器提示，并且永远不会支持它。如果要在查询中使用提示，需要引用pg_hint_plan扩展插件。

执行计划

· Explain显示sql执行计划

与其他RDBMS一样，PostgreSQL中的explan命令显示计划树本身。

例如：

testdb=# EXPLAIN SELECT * FROM tbl_a WHERE id < 300 ORDER BY data;

QUERY PLAN                           

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

Sort  (cost=182.34..183.09 rows=300 width=8)

Sort Key: data

  ->  Seq Scan on tbl_a  (cost=0.00..170.00 rows=300 width=8)

    Filter: (id < 300)

(4 rows)

执行器与缓冲区关系

执行器、缓冲区管理器和临时文件之间的关系

单表查询成本估算

· 单表查询中的成本估算

    优化基于成本。成本是无量纲值，这些不是绝对的绩效指标，而是比较运营相对绩效的指标。

    执行者执行的所有操作都具有相应的成本函数。

    三种成本：启动、运行和总计。总成本是启动和运行成本的总和

    启动成本是在获取{BANNED}中国第一个行之前花费的成本。例如，索引扫描节点的启动成本是读取索引页面以访问目标表中的{BANNED}中国第一个元组的成本。

    运行成本是获取所有行的成本。

    总成本是启动和运行成本的成本之和。

· 单表查询中的成本估算

    EXPLAN命令显示每个操作中的启动和总成本。{BANNED}最佳简单的例子如下所示：

testdb=# EXPLAIN SELECT * FROM tbl;

QUERY PLAN 

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

Seq Scan on tbl (cost=0.00..145.00 rows=10000 width=8)

    在第4行中，命令显示有关顺序扫描的信息。在“成本”部分中，有两个值：0.00和145.00。在这种情况下，启动和总成本分别为0.00和145.00。

单表查询成本估算之顺序扫描

· Sequential Scan成本计算

    顺序扫描的成本由cost_seqscan（）函数估算。我们将探讨如何估算以下查询的顺序扫描成本。

testdb=# SELECT * FROM tbl WHERE id < 8000;

在顺序扫描中，启动成本等于0，运行成本由以下等式定义：

· Sequential Scan成本计算

    查询表的块数（page）和行数（tuple）：

根据（1，2）得出

‘run cost’=(0.01+0.0025)×10000+1.0×45=170.0

总成本： 

‘total cost’=0.0+170.0=170

· Index Scan成本估算

    计算下面的查询语句通过索引访问成本计算：

testdb=# SELECT id, data FROM tbl WHERE data < 240;

    先查询索引的行数和页数N_(index,tuple)   N_(index,page)

· IndexScan 成本估算

    启动成本计算公式

    H_index指的是索引的高度

    启动成本计算结果：

· IndexScan成本估算

    运行成本计算公式

    索引扫描的运行成本是表和索引的cpu成本和IO（输入/输出）成本之和

‘run cost’=(‘index cpu cost’+‘table cpu cost’)+(‘index IO cost’+‘table IO cost’)

    前三个成本（即索引cpu成本，表cpu成本和索引IO成本）计算公式：

· Selectivity

    表的每一列的MCV(Most Common Value)作为一对most_common_vals和most_common_freqs的列存储在pg_stats视图中。

    most_common_vals（{BANNED}最佳常见的的值）是统计MCVs列表的列。             

    most_common_freqs（{BANNED}最佳常见值的频率）是统计mcv的频率列。

mydb=# \x

Expanded display is on.

mydb=# SELECT most_common_vals, most_common_freqs 

             FROM pg_stats 

             WHERE tablename = 'countries' AND attname='continent';

-[ RECORD 1 ]-----+---------------------------------------------------------------------

most_common_vals  | {Africa,Europe,Asia,"North America",Oceania,"South America"}

most_common_freqs | {0.2746114,0.24352331,0.22797927,0.119170986,0.07253886,0.062176164}

· Selectivity

    让我们考虑下面的查询，它有一个WHERE子句，“contain=”Asia'：

testdb=# SELECT * FROM countries WHERE

continent = 'Asia';

SELECT continent, count(*) AS "number of countries", 

(count(*)/(SELECT count(*) FROM countries)::real) AS "number of countries / all countries"

FROM countries GROUP BY continent ORDER BY "number of countries" DESC;

 continent   | number of countries | number of countries / all countries 

---------------+---------------------+-------------------------------------

 Africa        |                  53 |                 0.27461139896373055

 Europe        |                  47 |                 0.24352331606217617

 Asia          |                  44 |                 0.22797927461139897

 North America |                  23 |                 0.11917098445595854

 Oceania       |                  14 |                 0.07253886010362694

 South America |                  12 |                 0.06217616580310881

· Selectivity

    总结：

    与“亚洲”对应的{BANNED}最佳常见频率值为0.227979。因此，在该估计中使用0.227979作为选择性。

    对于列值可选项很高的情况，就不能使用MCV，则使用目标列的直方图界限值来估计成本。

· histogram_bounds

    是一个值列表，用于将列的值分成大致相等的总体组

· Buckets and histogram_bounds

testdb=# SELECT histogram_bounds 

  FROM pg_stats 

  WHERE tablename = 'tbl' AND attname = 'data';

    默认情况下，直方图界限被划分为100个桶。上面查询说明了这个例子中的桶和相应的直方图范围。bucket从0开始编号，每个bucket存储（大约）相同数量的元组。直方图界限的值是相应存储桶的界限。例如，直方图上界的第0个值是1，这意味着它是存储在bucket_0中的元组的{BANNED}最佳小值；第1个值是100，这是存储在bucket_1中的元组的{BANNED}最佳小值，依此类推。

· Selectivity

    WHERE data<240计算选择性

· IndexScan成本估算

    前三个成本（即索引cpu成本，表cpu成本和索引IO成本）计算公式：

    根据（1，3，4，6）索引cpu成本、表cpu成本和索引IO成本计算结果：

‘index cpu cost’=0.024×10000×(0.005+0.0025)=1.8,    （7）

‘table cpu cost’=0.024×10000×0.01=2.4,      （8）

‘index IO cost’=ceil(0.024×30)×4.0=4.0.        （9）

· IndexScan成本估算

    table IO cost计算公式：

· IndexScan成本估算

    max_IO_cost计算公式与结果：

    min_IO_cost计算公式与结果：

· indexCorrelation

indexCorrelation=1.0                    （12）

根据（10，11，12）得出： 

‘table IO cost’=180.0+〖1.0〗^2×(5.0?180.0)=5.0      （13）

根据（7，8，9，13）得出索引访问总成本：

‘run cost’=(1.8+2.4)+(4.0+5.0)=13.2                 （14）

· 列的indexCorrelation查询

testdb=# \d tbl_corr

    Table "public.tbl_corr"

  Column  |  Type   | Modifiers 

----------+---------+-----------

 col      | text    |

 col_asc  | integer |

 col_desc | integer |

 col_rand | integer |

 data     | text    |

Indexes:

"tbl_corr_asc_idx" btree (col_asc)

"tbl_corr_desc_idx" btree (col_desc)

"tbl_corr_rand_idx" btree (col_rand)

testdb=# select * from tbl_corr;

   col    | col_asc | col_desc | col_rand | data 

----------+---------+----------+----------+------

 Tuple_1  |       1 |       12 |        3 |

 Tuple_2  |       2 |       11 |        8 |

 Tuple_3  |       3 |       10 |        5 |

 Tuple_4  |       4 |        9 |        9 |

 Tuple_5  |       5 |        8 |        7 |

 Tuple_6  |       6 |        7 |        2 |

 Tuple_7  |       7 |        6 |       10 |

 Tuple_8  |       8 |        5 |       11 |

 Tuple_9  |       9 |        4 |        4 |

 Tuple_10 |      10 |        3 |        1 |

 Tuple_11 |      11 |        2 |       12 |

 Tuple_12 |      12 |        1 |        6 |

(12 rows)

· indexCorrelation与表之间的关系

· 列的indexCorrelation查询

testdb=# SELECT tablename,attname, correlation FROM pg_stats 

WHERE tablename = 'tbl_corr';

tablename | attname  | correlation 

-----------+----------+-------------

tbl_corr  | col_asc  |           1

tbl_corr  | col_desc |          -1

tbl_corr  | col_rand |    0.125874

· 总成本

根据（5，14），得出通过索引访问表的总代价：

（5）--启动成本

（14）--通过索引访问表的成本

        ‘total cost’=0.285+13.2=13.485          （15）

testdb=# EXPLAIN SELECT id, data FROM tbl WHERE data < 240;

QUERY PLAN                                 

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

Index Scan using tbl_data_idx on tbl  (cost=0.29..13.49 rows=240 width=8)

   Index Cond: (data < 240)

· seq_page_cost and random_page_cost相关参数配置

HDD硬盘：

seq_page_cost=1.0

random_page_cost=4.0

SSD硬盘：

seq_page_cost=1.0  

random_page_cost=1.0

单表查询成本估算之排序

· Sort

    成本估算公式：

    估算以下查询语句排序成本：

testdb=# SELECT id, data FROM tbl WHERE data < 240 ORDER BY id;

· Sort成本估算

-->> 往期公开课资料，联系CUUG客服领取

以上就是【PostgreSQL从小白到专家】第29讲 -执行计划与成本估算 的内容，欢迎进群一起探讨交流

钉钉交流群：35822460，钉钉群专门有视频讲解