Project 和 Filter 下推

前言

上一篇讲述了 Klustron的查询优化流程（查询优化流程），本篇讲述 Project 和 Filter 下推演示。

一、测试表基本信息

1.1 测试环境

本次测试演示投影和过滤操作的下推。

测试环境的数据库集群共有四个数据节点（DN), 配置为两个 shard ( shard1 和 shard2 )，每个shard节点由一个主节点和一个从节点构成（ shard1 两个节点为数据复制关系，shard2 两个节点也是数据复制关系，shard1 和 shard2 存放数据表的不同分片数据）。如下图：

可以通过下面语句显示集群环境的节点信息

select t1.name, t2.shard_id, t2.hostaddr, t2.port, 
t2.user_name, t2.passwd from pg_shard t1, pg_shard_node t2  
where t2.shard_id=t1.id;

结果如下图：

1.2 表结构

本次测试的表结构如下图：

1.3 分片信息

表 Customer1 依据 c_id 字段，按范围分区，对应的分区表分别是： Customer1_1,Customer1_2,Customer1_3,Customer1_4。

4个分片数据分别存在两个shard里：

select t1.nspname, t2.relname,t2.relshardid, t2.relkind
from pg_namespace t1 join pg_class t2 ont1.oid = t2.relnamespace 
where t2.relshardid != 0 and relkind='r' and relname like 
'%customer1%' order by t2.relname;

结果如下图：

1.4 数据分布

数据根据分片规则落于不同的分片存储里

四个分区的数据分布如下图：

二、查询过程

2.1 过滤

过滤是对查询范围的定位，通过过滤， 可以减少数据块的读写数量。

执行过程：计算节点对 SQL 语句解释后，根据查询的目标表 customer1 的分片信息，RemoteScan 将查询语句下推到对应的存储节点执行（过滤不相关的分片），存储节点将查询结果返回到计算节点。

计算节点采取异步操作的模式做查询下推，多个存储节点可以并行执行。

下列语句，根据分片键值范围，SQL 语句对下推到对应的存储节点（ shard2 )（这是 SQL 执行引擎的第一过滤）。

explain select c_id,c_first,c_middle from customer1
where c_id=4;

结果如下图：

标记处即为执行计划中的过滤操作。

如果查询条件没有带由分片关键字，RemoteScan会将语句下发到所有的分片节点，在分片结果根据查询条件过滤。

explain select c_id ,c_middle,c_data from customer1
where c_middle='OE';

结果如下图：

Klustron支持在查询条件中使用函数及各种复杂的条件

explain select count(*) from customer1 
where sqrt(c_discount)>0.5;

结果如下图：

2.2 Project 投影

计算节点对 SQL 语句解释后， 根据查询的目标表 customer1 的分片信息， RemoteScan 将查询语句下推到各个存储节点执行,存储节点将查询结果行中部分的字段（投影）返回到计算节点。

Project 操作减少了返回到计算节点的实际字段数量（只返回查询需要的，不相关的字段不会被读入计算节点的内存中去）。

执行过程参考下图：

explain select c_id,c_first,c_middle from customer1；

结果如下图:

上面语句执行过程，remoteScan 只返回字段 c_id,c_first , c_middle 数据到计算节点。

Klustron支持字段上的函数及各种复杂条件的 Project

explain selectc_balance + c_ytd_payment  from customer1
where c_id =20;

结果如下图：

存储节点只返回 c_balance+c_ytd_payment 的结果到计算节点。

2.3 分片的好处

分布式数据库在数据库层透明的将数据库分布在不同的存储节点，由此带来的好处：

• 对应用程序透明，即应用程序不需要做任何修改就可以访问数据。

• 存储节点对数据做读取及投影操作，减少计算节点的负载（更少的CPU 和内存消耗）。

• 数据分布在不同的存储节点上，方便系统弹性扩展IO 能力及避免IO 的热点竞争。

• 投影和过滤操作，减少数据块读写范围 ，可以提高查询效率。

三、性能比对

在同一个环境里建一个与 customer1 完全相同数据（量）的数据表，然后执行相同的查询，对比查询的效率。

3.1 对分片表的查询

select now(); select count(*)  from customer1 
where c_id between 4 and 10;select now();

结果如下图：

耗时：0.05s

3.2 对非分片表查询

创建表：

CREATE TABLEcustomer1temp  (like  customer1);
insert intocustomer1temp select * From  customer1

结果如下图：

查询时间：

select now(); select count(*) from customer1temp  
where c_idbetween 4 and 10 ;select now();

结果如下图：

耗时：0.69s

结论

通过 Project 和 Filter 的利用，表分片可以提高数据查询效率。

END