算子级调优

算子级调优介绍

一个查询语句要经过多个算子步骤才会输出最终的结果。由于个别算子耗时过长导致整体查询性能下降的情况比较常见。这些算子是整个查询的瓶颈算子。通用的优化手段是EXPLAIN ANALYZE/PERFORMANCE命令查看执行过程的瓶颈算子，然后进行针对性优化。

如下面的执行过程信息中，Hashagg算子的执行时间占总时间的：(51016-13535)/ 56476 ≈66%，此处Hashagg算子就是这个查询的瓶颈算子，在进行性能优化时应当优先考虑此算子的优化。

算子级调优示例

建表语句请参考Plan-Hint调优概述的示例。

示例1： 基表扫描时，对于点查或者范围扫描等过滤大量数据的查询，如果使用SeqScan全表扫描会比较耗时，可以在条件列上建立索引选择IndexScan进行索引扫描提升扫描效率。

1、初始条件下，查看执行计划：

explain (analyze on, costs off) select * from store_sales where ss_sold_date_sk = 2450944;

返回结果如下：

                            QUERY PLAN
-------------------------------------------------------------------
 Seq Scan on store_sales (actual time=0.002..0.002 rows=0 loops=1)
   Filter: (ss_sold_date_sk = 2450944)
 Total runtime: 0.087 ms
(3 rows)

2、建立索引。

create index idx on store_sales(ss_sold_date_sk);

3、再次查看执行计划。

explain (analyze on, costs off) select * from store_sales where ss_sold_date_sk = 2450944;

返回结果如下：

                                QUERY PLAN
---------------------------------------------------------------------------
 Bitmap Heap Scan on store_sales (actual time=0.105..0.105 rows=0 loops=1)
   Recheck Cond: (ss_sold_date_sk = 2450944)
   ->  Bitmap Index Scan on idx (actual time=0.103..0.103 rows=0 loops=1)
         Index Cond: (ss_sold_date_sk = 2450944)
 Total runtime: 0.166 ms
(5 rows)

上述例子中，全表扫描返回3360条数据，过滤掉大量数据，在ss_sold_date_sk列上建立索引后，使用IndexScan扫描效率显著提高，从3.6秒提升到13毫秒。

示例2： 如果从执行计划中看，两表join选择了NestLoop，而实际行数比较大时，NestLoop Join可能执行比较慢。如下的例子中NestLoop耗时181秒，如果设置参数enable_mergejoin=off关掉Merge Join，同时设置参数enable_nestloop=off关掉NestLoop，让优化器选择HashJoin，则Join耗时提升至200多毫秒。

示例3：通常情况下Agg选择HashAgg性能较好，如果大结果集选择了Sort+GroupAgg，则需要设置enable_sort=off，HashAgg耗时明显优于Sort+GroupAgg。