Greenplum 查询性能

Posted 2023-03-31

【中文标题】Greenplum 查询性能

【英文标题】：Greenplum query performance

【发布时间】：2021-05-28 10:25:44

【问题描述】：

Greenplum 中有一张 400 GB 的表。以下查询在服务器上有所有空闲资源（4 个数据段）时会花费大量时间

从 tablex 中选择 max(date_key)； 表结构如下：

没有PK 无压缩 分布在唯一的密钥上（已确认 按月分区 (date_key) date_key 上的索引

【问题讨论】：

没有PK：那是你的问题。

@wildplasser 所以我们必须在 (date_key) 列上创建 PK？对吗？

date_key 列的数据类型为 date

@wildplasser 有一个主键很重要，但这与这个问题无关。

应该是即时的，在 date_key 列上有一个索引

【参考方案1】：

master 接收、解析和优化查询。生成的查询计划是并行的或有针对性的。 Master 将并行查询计划分派到所有 Segment，如图 1 所示。Master 将目标查询计划分派到单个 Segment，如图 2 所示。每个 Segment 负责对自己的数据集执行本地数据库操作。 大多数数据库操作——例如表扫描、连接、聚合和排序——在所有段中并行执行。每个操作都在一个段数据库上执行，与存储在其他段数据库中的数据无关。 某些查询可能只访问单个段上的数据，例如单行 INSERT、UPDATE、DELETE 或 SELECT 操作或过滤表分布键列的查询。在诸如此类的查询中，查询计划不会分派给所有段，而是针对包含受影响或相关行的段。

了解 Greenplum 查询计划 查询计划是Greenplum数据库将执行以产生查询答案的一组操作。计划中的每个节点或步骤都代表一个数据库操作，例如表扫描、连接、聚合或排序。从下到上阅读和执行计划。 除了表扫描、连接等常见的数据库操作之外，Greenplum 数据库还有一种额外的操作类型，称为运动。运动操作涉及在查询处理期间在段之间移动元组。请注意，并非每个查询都需要动作。例如，目标查询计划不需要数据通过互连移动。 为了在查询执行期间实现最大的并行性，Greenplum 将查询计划的工作分成多个切片。切片是分段可以独立工作的计划的一部分。查询计划在计划中发生运动操作的任何地方都被切片，运动的每一侧都有一个切片。 例如，考虑以下涉及两个表之间连接的简单查询： 选择客户，金额 FROM sales JOIN customer USING (cust_id) WHERE dateCol = '04-30-2016';

链接：https://docs.greenplum.org/6-9/admin_guide/query/topics/parallel-proc.html