PostgreSQL 并行計算解說 之3 - parallel agg

标簽

PostgreSQL , cpu 并行 , smp 并行 , 并行計算 , gpu 并行 , 并行過程支援

https://github.com/digoal/blog/blob/master/201903/20190316_05.md#%E8%83%8C%E6%99%AF 背景

PostgreSQL 11 優化器已經支援了非常多場合的并行。簡單估計，已支援27餘種場景的并行計算。

parallel seq scan      
      
parallel index scan      
      
parallel index only scan      
      
parallel bitmap scan      
      
parallel filter      
  
parallel hash agg  
  
parallel group agg  
      
parallel cte      
      
parallel subquery      
      
parallel create table      
      
parallel create index      
      
parallel select into      
      
parallel CREATE MATERIALIZED VIEW      
      
parallel 排序 : gather merge       
      
parallel nestloop join      
      
parallel hash join      
      
parallel merge join      
      
parallel 自定義并行聚合      
      
parallel 自定義并行UDF      
      
parallel append      
      
parallel union      
      
parallel fdw table scan      
      
parallel partition join      
      
parallel partition agg      
      
parallel gather      
      
parallel rc 并行      
      
parallel rr 并行      
      
parallel GPU 并行      
      
parallel unlogged table       
           

接下來進行一一介紹。

關鍵知識請先自行了解：

1、優化器自動并行度算法 CBO

《PostgreSQL 9.6 并行計算 優化器算法淺析》 《PostgreSQL 11 并行計算算法，參數，強制并行度設定》

https://github.com/digoal/blog/blob/master/201903/20190316_05.md#parallel-agg parallel agg

并行聚合，支援hash聚合，分組聚合。

資料量：10億。

場景	資料量	關閉并行	開啟并行	并行度	開啟并行性能提升倍數
聚合	10 億	142.3 秒	4.8 秒（哈希聚合）, 4.8 秒（分組聚合）	30	29.6 倍

https://github.com/digoal/blog/blob/master/201903/20190316_05.md#1%E5%85%B3%E9%97%AD%E5%B9%B6%E8%A1%8C%E8%80%97%E6%97%B61423-%E7%A7%92 1、關閉并行，耗時：142.3 秒。

postgres=# explain select i,count(*) from table1 group by i;  
                                 QUERY PLAN                                   
----------------------------------------------------------------------------  
 HashAggregate  (cost=19424779.96..19424779.97 rows=1 width=10)  
   Group Key: i  
   ->  Seq Scan on table1  (cost=0.00..14424779.64 rows=1000000064 width=2)  
(3 rows)  
  
postgres=# select i,count(*) from table1 group by i;  
 i |   count      
---+------------  
 1 | 1000000000  
(1 row)  
  
Time: 142325.734 ms (02:22.326)  
           

https://github.com/digoal/blog/blob/master/201903/20190316_05.md#2%E5%BC%80%E5%90%AF%E5%B9%B6%E8%A1%8C%E8%80%97%E6%97%B648-%E7%A7%92 2、開啟并行，耗時：4.8 秒。

set enable_sort=off;  
postgres=# explain select i,count(*) from table1 group by i;  
                                          QUERY PLAN                                            
----------------------------------------------------------------------------------------------  
 Finalize HashAggregate  (cost=4924779.19..4924779.20 rows=1 width=10)  
   Group Key: i  
   ->  Gather  (cost=4924779.03..4924779.04 rows=30 width=10)  
         Workers Planned: 30  
         ->  Partial HashAggregate  (cost=4924779.03..4924779.04 rows=1 width=10)  
               Group Key: i  
               ->  Parallel Seq Scan on table1  (cost=0.00..4758112.35 rows=33333335 width=2)  
(7 rows)  
  
postgres=# select i,count(*) from table1 group by i;  
 i |   count      
---+------------  
 1 | 1000000000  
(1 row)  
  
Time: 4807.538 ms (00:04.808)  
  
set enable_sort=on;  
postgres=# explain select i,count(*) from table1 group by i;  
                                             QUERY PLAN                                               
----------------------------------------------------------------------------------------------------  
 Finalize GroupAggregate  (cost=4924779.82..4924780.80 rows=1 width=10)  
   Group Key: i  
   ->  Gather Merge  (cost=4924779.82..4924780.64 rows=30 width=10)  
         Workers Planned: 30  
         ->  Sort  (cost=4924779.05..4924779.05 rows=1 width=10)  
               Sort Key: i  
               ->  Partial HashAggregate  (cost=4924779.03..4924779.04 rows=1 width=10)  
                     Group Key: i  
                     ->  Parallel Seq Scan on table1  (cost=0.00..4758112.35 rows=33333335 width=2)  
(9 rows)  
  
postgres=# select i,count(*) from table1 group by i;  
 i |   count      
---+------------  
 1 | 1000000000  
(1 row)  
  
Time: 4825.378 ms (00:04.825)  
           

https://github.com/digoal/blog/blob/master/201903/20190316_05.md#%E5%85%B6%E4%BB%96%E7%9F%A5%E8%AF%86 其他知識

2、function, op 識别是否支援parallel

postgres=# select proparallel,proname from pg_proc;      
 proparallel |                   proname                          
-------------+----------------------------------------------      
 s           | boolin      
 s           | boolout      
 s           | byteain      
 s           | byteaout      
           

3、subquery mapreduce unlogged table

對于一些情況，如果期望簡化優化器對非常非常複雜的SQL并行優化的負擔，可以自己将SQL拆成幾段，中間結果使用unlogged table儲存，類似mapreduce的思想。unlogged table同樣支援parallel 計算。

4、vacuum，垃圾回收并行。

5、dblink 異步調用并行

《PostgreSQL VOPS 向量計算 + DBLINK異步并行 - 單執行個體 10億 聚合計算跑進2秒》 《PostgreSQL 相似搜尋分布式架構設計與實踐 - dblink異步調用與多機并行(遠端 遊标+記錄 UDF執行個體)》 《PostgreSQL dblink異步調用實作 并行hash分片JOIN - 含資料交、并、差 提速案例 - 含dblink VS pg 11 parallel hash join VS pg 11 智能分區JOIN》

暫時不允許并行的場景(将來PG會繼續擴大支援範圍)：

1、修改行，鎖行，除了create table as , select into, create mview這幾個可以使用并行。

2、query 會被中斷時，例如cursor , loop in PL/SQL ，因為涉及到中間處理，是以不建議開啟并行。

3、paralle unsafe udf ，這種UDF不會并行

4、嵌套并行(udf (内部query并行))，外部調用這個UDF的SQL不會并行。（主要是防止large parallel workers ）

5、SSI 隔離級别

https://github.com/digoal/blog/blob/master/201903/20190316_05.md#%E5%8F%82%E8%80%83 參考

https://www.postgresql.org/docs/11/parallel-plans.html 《PostgreSQL 11 preview - 并行計算 增強 彙總》 《PostgreSQL 10 自定義并行計算聚合函數的原理與實踐 - (含array_agg合并多個數組為單個一進制數組的例子)》

https://github.com/digoal/blog/blob/master/201903/20190316_05.md#%E5%85%8D%E8%B4%B9%E9%A2%86%E5%8F%96%E9%98%BF%E9%87%8C%E4%BA%91rds-postgresql%E5%AE%9E%E4%BE%8Becs%E8%99%9A%E6%8B%9F%E6%9C%BA 免費領取阿裡雲RDS PostgreSQL執行個體、ECS虛拟機