Postgresql查询成本计算初探

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

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

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

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

   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

   seq_page_cost = 1.0 
   cpu_tuple_cost = 0.01

4. 得出的结果就是

   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

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

   cpu_operator_cost = 0.0025

4. 得出的结果是

   postgres=# select 834 * 1.0 + 100000 * 0.01 + 100000 * 0.0025;
    ?column?  
   -----------
    2084.0000

加入索引的情况

``
create index on test(id);
```

对比下面的四种情况

1. Index Only Scan

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)

1. Index Scan

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)

1. Index Scan

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)

1. 把数据乱序插入

truncate table test;
insert into test(id, info) select i, md5(i::text) from generate_series(1, 1000000) t(i) order by random();

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

1. 有索引的时候，成本会大大减少。
2. 执行计划跟数据的分布有很大的关系。
3. 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