PostgreSQL 并行计算解说 之4 - parallel select into

标签

PostgreSQL , cpu 并行 , smp 并行 , 并行计算 , gpu 并行 , 并行过程支持

https://github.com/digoal/blog/blob/master/201903/20190316_06.md#%E8%83%8C%E6%99%AF 背景

PostgreSQL 11 优化器已经支持了非常多场合的并行。简单估计，已支持27余种场景的并行计算。

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 自定义并行聚合        
        
parallel 自定义并行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         
           

接下来进行一一介绍。

关键知识请先自行了解：

1、优化器自动并行度算法 CBO

《PostgreSQL 9.6 并行计算 优化器算法浅析》 《PostgreSQL 11 并行计算算法，参数，强制并行度设置》

https://github.com/digoal/blog/blob/master/201903/20190316_06.md#parallel-select-into parallel select into

并行select into

数据量：10亿。

场景	数据量	关闭并行	开启并行	并行度	开启并行性能提升倍数
select into	10 亿	54.5 秒	1.9 秒	32	28.7 倍

https://github.com/digoal/blog/blob/master/201903/20190316_06.md#1%E5%85%B3%E9%97%AD%E5%B9%B6%E8%A1%8C%E8%80%97%E6%97%B6545-%E7%A7%92 1、关闭并行，耗时：54.5 秒。

postgres=# explain select * into unlogged tbl_test from table1 where i<>1;  
                         QUERY PLAN                            
-------------------------------------------------------------  
 Seq Scan on table1  (cost=0.00..16924779.80 rows=1 width=2)  
   Filter: (i <> 1)  
(2 rows)  
  
postgres=# select * into unlogged tbl_test from table1 where i<>1;  
SELECT 0  
Time: 54529.417 ms (00:54.529)  
           

https://github.com/digoal/blog/blob/master/201903/20190316_06.md#2%E5%BC%80%E5%90%AF%E5%B9%B6%E8%A1%8C%E8%80%97%E6%97%B619-%E7%A7%92 2、开启并行，耗时：1.9 秒。

postgres=# explain select * into unlogged tbl_test from table1 where i<>1;  
                                QUERY PLAN                                   
---------------------------------------------------------------------------  
 Gather  (cost=0.00..4815404.03 rows=1 width=2)  
   Workers Planned: 32  
   ->  Parallel Seq Scan on table1  (cost=0.00..4815404.03 rows=1 width=2)  
         Filter: (i <> 1)  
(4 rows)  
  
postgres=# drop table tbl_test;  
  
postgres=# select * into unlogged tbl_test from table1 where i<>1;  
SELECT 0  
Time: 1903.623 ms (00:01.904)  
           

注意select into的insert是非并行的(即Gather是单进程)，QUERY是并行的。

所以并行与非并行的性能差异只体现在QUERY部分，INSERT部分实际上没有差异。

https://github.com/digoal/blog/blob/master/201903/20190316_06.md#%E5%85%B6%E4%BB%96%E7%9F%A5%E8%AF%86 其他知识

2、function, op 识别是否支持parallel

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

3、subquery mapreduce unlogged table

对于一些情况，如果期望简化优化器对非常非常复杂的SQL并行优化的负担，可以自己将SQL拆成几段，中间结果使用unlogged table保存，类似mapreduce的思想。unlogged table同样支持parallel 计算。

4、vacuum，垃圾回收并行。

5、dblink 异步调用并行

《PostgreSQL VOPS 向量计算 + DBLINK异步并行 - 单实例 10亿 聚合计算跑进2秒》 《PostgreSQL 相似搜索分布式架构设计与实践 - dblink异步调用与多机并行(远程 游标+记录 UDF实例)》 《PostgreSQL dblink异步调用实现 并行hash分片JOIN - 含数据交、并、差 提速案例 - 含dblink VS pg 11 parallel hash join VS pg 11 智能分区JOIN》

暂时不允许并行的场景(将来PG会继续扩大支持范围)：

1、修改行，锁行，除了create table as , select into, create mview这几个可以使用并行。

2、query 会被中断时，例如cursor , loop in PL/SQL ，因为涉及到中间处理，所以不建议开启并行。

3、paralle unsafe udf ，这种UDF不会并行

4、嵌套并行(udf (内部query并行))，外部调用这个UDF的SQL不会并行。（主要是防止large parallel workers ）

5、SSI 隔离级别

https://github.com/digoal/blog/blob/master/201903/20190316_06.md#%E5%8F%82%E8%80%83 参考

https://www.postgresql.org/docs/11/parallel-plans.html 《PostgreSQL 11 preview - 并行计算 增强 汇总》 《PostgreSQL 10 自定义并行计算聚合函数的原理与实践 - (含array_agg合并多个数组为单个一元数组的例子)》

https://github.com/digoal/blog/blob/master/201903/20190316_06.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 免费领取阿里云RDS PostgreSQL实例、ECS虚拟机