PostgreSQL JOIN limit 优化器 成本计算 改进 - mergejoin startup cost 优化

背景

PostgreSQL limit N的成本估算，是通过计算总成本A，以及估算得到的总记录数B得到：

 (N/B)*A      大概意思就是占比的方法计算 

对于单表查询，这种方法通常来说比较适用，但是如果数据分布有倾斜，实际上也并不一定适用，例如以下两种情况：

1、符合条件的数据占总记录数的50%，但是全部分布在表的末尾，那么limit 10000 条到底是走索引快还是走全表扫描快呢？

2、符合条件的数据占总记录数的50%，全部分布在表的头部，那么LIMIT 10000 条，肯定是全表扫描快了。

对于JOIN的情况，同样有类似的问题：

比如JOIN并且带条件时，LIMIT N，是走嵌套循环快，还是走MERGE 或 HASH JOIN快？

1、嵌套循环+where+LIMIT的成本计算方法，可以使用LIMIT占总估算记录数占比的方法得到，还算是比较合理。

2、MERGE JOIN+where+LIMIT的成本计算方法，必须考虑启动成本，例如WHERE条件在A表上（可以走索引直接从条件位置开始扫描），B表则需要从索引的开头开始扫描（到与A表的索引匹配时，也许需要扫描很多的索引ENTRY，这个启动成本可能会很高），启动成本，加上LIMIT条数在剩余的所有成本中的一个占比，得到的成本是一个比较合理的成本。

3、hash join+where+limit的成本计算方法，使用启动成本+LIMIT占总估算记录数占比的方法得到，优化器目前就是这么做的，比较合理。

然而，对于MERGE JOIN，目前在使用LIMIT时，PG没有加上这个启动成本，使得最后得到的执行计划可能不准确。

改进方法建议可以加入merge join启动成本。

PostgreSQL 例子

1、建表如下：

 postgres=# create table test1(a int, b text, primary key(a));   CREATE TABLE   postgres=# create table test2(a int, b text, primary key(a));   CREATE TABLE   postgres=# alter table test1 add constraint testcheck foreign key(a) references test2(a);                                                                     ALTER TABLE   postgres=# insert into test2 select generate_series(1,1000000),'abcdefg';   INSERT 0 1000000   postgres=# insert into test1 select generate_series(1,1000000,2),'abcdefg';   INSERT 0 500000      analyze test1;   analyze test2; 

2、查询SQL如下：

 explain (analyze,verbose,timing,costs,buffers) select * from test2 left join test1 on test2.a = test1.a where test2.a > 500000 limit 10; 

该语句中表结构比较特殊，两个关联字段都是主键，并且存在外键约束关系，查询计划如下：

                                                                      QUERY PLAN                                                                        ----------------------------------------------------------------------------------------------------------------------------------------------------    Limit  (cost=0.73..0.89 rows=10 width=24) (actual time=54.729..54.739 rows=10 loops=1)      Output: test2.a, test2.b, test1.a, test1.b      Buffers: shared hit=2042      ->  Merge Left Join  (cost=0.73..7929.35 rows=498340 width=24) (actual time=54.728..54.735 rows=10 loops=1)            Output: test2.a, test2.b, test1.a, test1.b            Inner Unique: true            Merge Cond: (test2.a = test1.a)            Buffers: shared hit=2042            ->  Index Scan using test2_pkey on public.test2  (cost=0.37..3395.42 rows=498340 width=12) (actual time=0.017..0.020 rows=10 loops=1)                  Output: test2.a, test2.b                  Index Cond: (test2.a > 500000)                  Buffers: shared hit=4            ->  Index Scan using test1_pkey on public.test1  (cost=0.37..2322.99 rows=500000 width=12) (actual time=0.006..34.120 rows=250006 loops=1)                  Output: test1.a, test1.b                  Buffers: shared hit=2038    Planning Time: 0.216 ms    Execution Time: 54.765 ms   (17 rows) 

从执行计划上可以看出，根据test2表先查询出满足条件的10条记录，然后和test1表采用mergejoin关联，由于在估算的时候没有考虑到limit的影响，估算的行数非常大，是498340行，

实际采用nestloop效果会更好（关闭掉seqscan和megejoin）

 postgres=# set enable_seqscan =off;    SET   postgres=# set enable_mergejoin =off;    SET   postgres=# explain (analyze,verbose,timing,costs,buffers) select * from test2 left join test1 on test2.a = test1.a where test2.a > 500000 limit 10;                                                                     QUERY PLAN                                                                      -----------------------------------------------------------------------------------------------------------------------------------------------    Limit  (cost=0.73..4.53 rows=10 width=24) (actual time=0.040..0.060 rows=10 loops=1)      Output: test2.a, test2.b, test1.a, test1.b      Buffers: shared hit=39      ->  Nested Loop Left Join  (cost=0.73..189339.64 rows=498340 width=24) (actual time=0.039..0.057 rows=10 loops=1)            Output: test2.a, test2.b, test1.a, test1.b            Inner Unique: true            Buffers: shared hit=39            ->  Index Scan using test2_pkey on public.test2  (cost=0.37..3395.42 rows=498340 width=12) (actual time=0.025..0.027 rows=10 loops=1)                  Output: test2.a, test2.b                  Index Cond: (test2.a > 500000)                  Buffers: shared hit=4            ->  Index Scan using test1_pkey on public.test1  (cost=0.37..0.37 rows=1 width=12) (actual time=0.002..0.002 rows=0 loops=10)                  Output: test1.a, test1.b                  Index Cond: (test2.a = test1.a)                  Buffers: shared hit=35    Planning Time: 0.112 ms    Execution Time: 0.078 ms   (17 rows) 

但是从评估的成本来看，merge join+limit 比 nestloop+limit更低，原因是nestloop的总成本更高(189339 比 7929)。所以优化器根据比例算法（未参照merge join的启动成本），认为在LIMIT的情况下，也是merge join成本更低。

实际情况是，MERGE JOIN的没带查询条件的B表，需要从索引的头部开始扫，而不是从指定位置开始扫。 因此实际情况是merge join是更慢的。

目前优化器使用hash join时，已经算上了startup cost，例子

 postgres=# set enable_mergejoin =off; SET postgres=# set enable_seqscan =off; SET postgres=# set enable_nestloop =off; SET   启动成本=3536.51 postgres=# explain (analyze,verbose,timing,costs,buffers) select * from test2 left join test1 on test2.a = test1.a where test2.a > 500000 limit 10;                                                                         QUERY PLAN                                                                         ----------------------------------------------------------------------------------------------------------------------------------------------------------  Limit  (cost=3536.51..3536.61 rows=10 width=24) (actual time=158.148..158.219 rows=10 loops=1)    Output: test2.a, test2.b, test1.a, test1.b    Buffers: shared hit=4079, temp written=1464    ->  Hash Left Join  (cost=3536.51..8135.83 rows=494590 width=24) (actual time=158.147..158.215 rows=10 loops=1)          Output: test2.a, test2.b, test1.a, test1.b          Inner Unique: true          Hash Cond: (test2.a = test1.a)          Buffers: shared hit=4079, temp written=1464          ->  Index Scan using test2_pkey on public.test2  (cost=0.37..3369.86 rows=494590 width=12) (actual time=0.023..0.027 rows=26 loops=1)                Output: test2.a, test2.b                Index Cond: (test2.a > 500000)                Buffers: shared hit=4          ->  Hash  (cost=2322.99..2322.99 rows=500000 width=12) (actual time=156.848..156.849 rows=500000 loops=1)                Output: test1.a, test1.b                Buckets: 262144  Batches: 4  Memory Usage: 7418kB                Buffers: shared hit=4072, temp written=1464                ->  Index Scan using test1_pkey on public.test1  (cost=0.37..2322.99 rows=500000 width=12) (actual time=0.011..72.506 rows=500000 loops=1)                      Output: test1.a, test1.b                      Buffers: shared hit=4072  Planning Time: 0.141 ms  Execution Time: 162.086 ms (21 rows) 

改进建议

针对test1表，需要估算a<500000有多少行，作为索引扫描的startup成本。

 postgres=# explain select * from test1 where a<500000;                                      QUERY PLAN                                       ---------------------------------------------------------------------------------    Index Scan using test1_pkey on test1  (cost=0.37..1702.83 rows=249893 width=12)      Index Cond: (a < 500000)   (2 rows)         postgres=# explain select * from test1;                            QUERY PLAN                             -------------------------------------------------------------    Seq Scan on test1  (cost=0.00..133.15 rows=500000 width=12)   (1 row) 

所以，索引扫描test1（where a > 500000）的merge join启动成本应该有 1702，加上这个成本后，成本远大于NEST LOOP JOIN的成本，所以不会选择merge join。

Oracle 例子

 create table test1(a int, b varchar2(4000), primary key(a));      create table test2(a int, b varchar2(4000), primary key(a));      alter table test1 add constraint testcheck foreign key(a) references test2(a);                                                                           insert into test2 select rownum, 'abcdefg' from dual connect by level <=1000000;         insert into test1 select * from (select rownum as rn, 'abcdefg' from dual connect by level <=1000000) t where mod(rn,2)=1; 

 exec DBMS_STATS.GATHER_TABLE_STATS('DIGOAL', 'TEST1', method_opt => 'FOR COLUMNS (a, b)');    exec DBMS_STATS.GATHER_TABLE_STATS('DIGOAL', 'TEST2', method_opt => 'FOR COLUMNS (a, b)'); 

查询SQL如下：

 set autotrace on   set linesize 120   set pagesize 200   set wrap off      select * from test2 left join test1 on test2.a = test1.a where test2.a > 500000 and rownum<=10;                  A B   ---------- -------------------------------------------------------------------------------------------------------------       500001 abcdefg       500002 abcdefg       500003 abcdefg       500004 abcdefg       500005 abcdefg       500006 abcdefg       500007 abcdefg       500008 abcdefg       500009 abcdefg       500010 abcdefg      10 rows selected.         Execution Plan   ----------------------------------------------------------   Plan hash value: 3391785554      -----------------------------------------------------------------------------------------------   | Id  | Operation                     | Name          | Rows  | Bytes | Cost (%CPU)| Time     |   -----------------------------------------------------------------------------------------------   |   0 | SELECT STATEMENT              |               |    10 |   500 |    15   (0)| 00:00:01 |   |*  1 |  COUNT STOPKEY                |               |       |       |            |          |   |   2 |   NESTED LOOPS OUTER          |               |    10 |   500 |    15   (0)| 00:00:01 |   |   3 |    TABLE ACCESS BY INDEX ROWID| TEST2         |    10 |   250 |     4   (0)| 00:00:01 |   |*  4 |     INDEX RANGE SCAN          | SYS_C00151146 |  9000 |       |     3   (0)| 00:00:01 |   |   5 |    TABLE ACCESS BY INDEX ROWID| TEST1         |     1 |    25 |     2   (0)| 00:00:01 |   |*  6 |     INDEX UNIQUE SCAN         | SYS_C00151145 |     1 |       |     1   (0)| 00:00:01 |   -----------------------------------------------------------------------------------------------      Predicate Information (identified by operation id):   ---------------------------------------------------         1 - filter(ROWNUM<=10)      4 - access("TEST2"."A">500000)      6 - access("TEST2"."A"="TEST1"."A"(+))          filter("TEST1"."A"(+)>500000)         Statistics   ----------------------------------------------------------             0  recursive calls             0  db block gets            25  consistent gets             0  physical reads             0  redo size           937  bytes sent via SQL*Net to client           500  bytes received via SQL*Net from client             2  SQL*Net roundtrips to/from client             0  sorts (memory)             0  sorts (disk)            10  rows processed 

Oracle 选择了nestloop join。

使用HINT，让Oracle使用merge join，看看成本是多少，是否与修正PostgreSQL merge join启动成本接近。

 select /*+ USE_MERGE(test2,test1) */ * from test2 left join test1 on test2.a = test1.a where test2.a > 500000 and rownum<=10;   Execution Plan ---------------------------------------------------------- Plan hash value: 492577188 ------------------------------------------------------------------------------------------------ | Id  | Operation                      | Name          | Rows  | Bytes | Cost (%CPU)| Time     | ------------------------------------------------------------------------------------------------ |   0 | SELECT STATEMENT               |               |    10 |   750 |    29   (7)| 00:00:01 | |*  1 |  COUNT STOPKEY                 |               |       |       |            |          | |   2 |   MERGE JOIN OUTER             |               |    10 |   750 |    29   (7)| 00:00:01 | |   3 |    TABLE ACCESS BY INDEX ROWID | TEST2         |    10 |   250 |     4   (0)| 00:00:01 | |*  4 |     INDEX RANGE SCAN           | SYS_C00151146 |  9000 |       |     3   (0)| 00:00:01 | |*  5 |    SORT JOIN                   |               | 25000 |   610K|    25   (8)| 00:00:01 | |   6 |     TABLE ACCESS BY INDEX ROWID| TEST1         | 25000 |   610K|    23   (0)| 00:00:01 | |*  7 |      INDEX RANGE SCAN          | SYS_C00151145 |  4500 |       |    11   (0)| 00:00:01 | ------------------------------------------------------------------------------------------------ Predicate Information (identified by operation id): ---------------------------------------------------    1 - filter(ROWNUM<=10)    4 - access("TEST2"."A">500000)    5 - access("TEST2"."A"="TEST1"."A"(+))        filter("TEST2"."A"="TEST1"."A"(+))    7 - access("TEST1"."A"(+)>500000) Statistics ----------------------------------------------------------           1  recursive calls           0  db block gets        1099  consistent gets           0  physical reads           0  redo size         937  bytes sent via SQL*Net to client         500  bytes received via SQL*Net from client           2  SQL*Net roundtrips to/from client           1  sorts (memory)           0  sorts (disk)          10  rows processed 

小结

1、PostgreSQL 在计算merge join+limit的成本时，优化器有优化的空间，可以考虑把启动成本算进来，提高优化器选择带limit输出的SQL的JOIN方法的正确性。

2、如果是inner join，通过query rewrite可以对merge join进行优化，跳过不符合条件的头部INDEX SCAN。

 postgres=# explain (analyze,verbose,timing,costs,buffers) select * from test2 join test1 on test2.a = test1.a where test2.a > 500000 limit 10;                                                                      QUERY PLAN                                                                      ----------------------------------------------------------------------------------------------------------------------------------------------------  Limit  (cost=0.77..1.09 rows=10 width=24) (actual time=54.626..54.638 rows=10 loops=1)    Output: test2.a, test2.b, test1.a, test1.b    Buffers: shared hit=2042    ->  Merge Join  (cost=0.77..7895.19 rows=247295 width=24) (actual time=54.625..54.635 rows=10 loops=1)          Output: test2.a, test2.b, test1.a, test1.b          Inner Unique: true          Merge Cond: (test2.a = test1.a)          Buffers: shared hit=2042          ->  Index Scan using test2_pkey on public.test2  (cost=0.37..3369.86 rows=494590 width=12) (actual time=0.017..0.020 rows=19 loops=1)                Output: test2.a, test2.b                Index Cond: (test2.a > 500000)                Buffers: shared hit=4          ->  Index Scan using test1_pkey on public.test1  (cost=0.37..2322.99 rows=500000 width=12) (actual time=0.008..34.009 rows=250010 loops=1)                Output: test1.a, test1.b                Buffers: shared hit=2038  Planning Time: 0.244 ms  Execution Time: 54.669 ms (17 rows)    sql rewrite:    可以做到内核里面，这样就不需要改SQL了。效果如下，超好。 postgres=# explain (analyze,verbose,timing,costs,buffers) select * from test2 join test1 on test2.a = test1.a where test2.a > 500000 and test1.a > 500000limit 10;                                                                   QUERY PLAN                                                                    -----------------------------------------------------------------------------------------------------------------------------------------------  Limit  (cost=0.75..1.30 rows=10 width=24) (actual time=0.035..0.048 rows=10 loops=1)    Output: test2.a, test2.b, test1.a, test1.b    Buffers: shared hit=8    ->  Merge Join  (cost=0.75..6711.51 rows=123700 width=24) (actual time=0.034..0.044 rows=10 loops=1)          Output: test2.a, test2.b, test1.a, test1.b          Inner Unique: true          Merge Cond: (test2.a = test1.a)          Buffers: shared hit=8          ->  Index Scan using test2_pkey on public.test2  (cost=0.37..3369.86 rows=494590 width=12) (actual time=0.015..0.019 rows=19 loops=1)                Output: test2.a, test2.b                Index Cond: (test2.a > 500000)                Buffers: shared hit=4          ->  Index Scan using test1_pkey on public.test1  (cost=0.37..1704.30 rows=250106 width=12) (actual time=0.015..0.017 rows=10 loops=1)                Output: test1.a, test1.b                Index Cond: (test1.a > 500000)                Buffers: shared hit=4  Planning Time: 0.276 ms  Execution Time: 0.074 ms (18 rows) 

参考

《PostgreSQL 优化器案例之 - order by limit 索引选择问题》

src/backend/optimizer/path/costsize.c

原文地址：https://github.com/digoal/blog/blob/master/201810/20181004_03.md