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
|
1 2 3 4 5 6 7 |
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
|
1 2 |
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
|
1 2 3 4 5 |
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
|
1 2 3 4 |
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
|
1 2 |
seq_page_cost = 1.0 cpu_tuple_cost = 0.01 |
4.得出的结果就是
|
1 2 3 4 |
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
|
1 2 3 4 5 |
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
|
1 |
cpu_operator_cost = 0.0025 |
4.得出的结果是
|
1 2 3 4 |
postgres=# select 834 * 1.0 + 100000 * 0.01 + 100000 * 0.0025; ? column ? ----------- 2084.0000 |
加入索引的情况
|
1 2 3 |
``` create index on test(id); ``` |
对比下面的四种情况
Index Only Scan
|
1 2 3 4 5 |
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
|
1 2 3 4 5 |
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
|
1 2 3 4 5 |
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
|
1 2 |
truncate table test; insert into test(id, info) select i, md5(i::text) from generate_series(1, 1000000) t(i) order by random(); |
|
1 2 3 4 5 6 7 |
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
以上就是这篇文章的全部内容了，希望本文的内容对大家的学习或者工作具有一定的参考学习价值，谢谢大家对服务器之家的支持。
原文链接：http://blog.chinaunix.net/uid-20665047-id-5820215.html
查看更多关于Postgresql查询效率计算初探的详细内容...