Postgresql查询效率计算初探
摘要
关系数据库很重要的一个方面是查询速度。查询速度的好坏，直接影响一个系统的好坏。
查询速度一般需要通过查询规划来窥视执行的过程。
查询路径会选择查询代价最低的路径执行。而这个代价是怎么算出来的呢。
主要关注的参数和表
参数:来自postgresql.conf文件，可以通过show 来查看
seq_page_cost = 1.0 # measured on an arbitrary scale
random_page_cost = 4.0 # same scale as above
cpu_tuple_cost = 0.01 # same scale as above
cpu_index_tuple_cost = 0.005 # same scale as above
cpu_operator_cost = 0.0025 # same scale as above
parallel_tuple_cost = 0.1 # same scale as above
parallel_setup_cost = 1000.0 # same scale as above
表(视图): pg_class（主要关注relpages, reltuples）, pg_stats
分析简单的查询的成本计算过程
建立模拟数据，插入100000条数据进入一个表
create table test(id int, info text);
insert into test(id, info) select i, md5(i::text) from generate_series(1, 100000) t(i);
没有索引的情况
分析全表查询的成本计算过程
postgres=# analyze test; #防止没有分析
postgres=# explain select * from test;
QUERY PLAN
————————————————————-
Seq Scan on test (cost=0.00..1834.00 rows=100000 width=37)
1.查询pg_class表，查看test表的page数量和行数
postgres=# select t.relpages, t.reltuples from pg_class t where t.relname = ‘test’;
relpages | reltuples
———-+———–
834 | 100000
成本为1834.00是怎么算出来的？
2.这个过程，实际上是顺序扫描了834个page，节点发射了100000行
3.查看配置参数
seq_page_cost = 1.0
cpu_tuple_cost = 0.01
4.得出的结果就是
postgres=# select 834 * 1.0 + 100000 * 0.01;
?column?
———-
1834.00
5.得出来的查询成本就是 1834.00。和上面的查询计划算出来的一致。
全表加入条件的成本计算过程
postgres=# explain select * from test where id = 100;
QUERY PLAN
——————————————————–
Seq Scan on test (cost=0.00..2084.00 rows=1 width=37)
Filter: (id = 100)
成本 2084.00是怎么算出来的？
1.查询pg_class表, pages,tuples和上面的例子一样
2.这个过程就是顺序test表，发射100000行，然后通过云存过滤了100000行
3.查看过滤运算一行的代价
cpu_operator_cost = 0.0025
4.得出的结果是
postgres=# select 834 * 1.0 + 100000 * 0.01 + 100000 * 0.0025;
?column?
———–
2084.0000
加入索引的情况
“`
create index on test(id);
“`
对比下面的四种情况
Index Only Scan
postgres=# explain select id from test where id = 100;
QUERY PLAN
—————————————————————————–
Index Only Scan using test_id_idx on test (cost=0.29..8.31 rows=1 width=4)
Index Cond: (id = 100)
Index Scan
postgres=# explain select * from test where id = 100;
QUERY PLAN
————————————————————————-
Index Scan using test_id_idx on test (cost=0.29..8.31 rows=1 width=37)
Index Cond: (id = 100)
Index Scan
postgres=# explain select * from test where id < 100;
QUERY PLAN
—————————————————————————-
Index Scan using test_id_idx on test (cost=0.29..10.11 rows=104 width=37)
Index Cond: (id < 100)
把数据乱序插入
truncate table test;
insert into test(id, info) select i, md5(i::text) from generate_series(1, 1000000) t(i) order by random();
postgres=# explain select * from test where id < 100;
QUERY PLAN
—————————————————————————-
Bitmap Heap Scan on test (cost=5.22..380.64 rows=102 width=37)
Recheck Cond: (id < 100)
-> Bitmap Index Scan on test_id_idx (cost=0.00..5.19 rows=102 width=0)
Index Cond: (id < 100)
结论
- 有索引的时候，成本会大大减少。
- 执行计划跟数据的分布有很大的关系。
- 有索引的分析相对复杂一点，可以先参考官方源码实现。后面再补充上来
总结
本篇文章到此结束，如果您有相关技术方面疑问可以联系我们技术人员远程解决，感谢大家支持本站！
