数仓调优实践丨多次关联发散导致数据爆炸案例分析改写 ...

本文分享自华为云社区《GaussDB(DWS)性能调优：求字段全体值中大于本行值的最小值——多次关联发散导致数据爆炸案例分析改写》，作者： Zawami 。
1、【问题描述】

 语句中存在同一个表多次自关联，且均为发散关联，数据爆炸导致性能瓶颈。
2、【原始SQL】

1. explain verbose
2. WITH TMP AS
3. (
4.     SELECT WH_ID
5.          , (IFNULL(SUBSTR(THE_DATE,1,10),'1900-01-01') || ' ' || STOP_TIME)::TIMESTAMP AS STOP_TIME
6.          , (IFNULL(SUBSTR(THE_DATE,1,10),'1900-01-01') || ' ' || '23:59:59')::TIMESTAMP AS MAX_ASD
7.       FROM DMISC.DM_DIM_CBG_WH_HOLIDAY_D
8.     WHERE IS_OPEN = 'Y'
9.       AND STOP_TIME IS NOT NULL
10. )
11. SELECT T1.WH_ID
12.      , T1.THE_DATE
13.      , T1.IS_OPEN
14.      , MIN(T2.STOP_TIME) AS STOP_TIME
15.      , MIN(T2.MAX_ASD) AS TODAY_MAX_ASD
16.      , MIN(T3.MAX_ASD) AS NEXT_MAX_ASD
17. FROM (SELECT WH_ID
18.            , THE_DATE
19.            , IS_OPEN
20.            , (IFNULL(SUBSTR(THE_DATE,1,10),'1900-01-01') || ' ' || STOP_TIME)::TIMESTAMP AS STOP_TIME
21.         FROM DMISC.DM_DIM_CBG_WH_HOLIDAY_D
22.      ) T1
23. LEFT JOIN TMP T2
24. ON T1.WH_ID = T2.WH_ID
25. AND T1.THE_DATE < T2.STOP_TIME
27. LEFT JOIN TMP T3
28. ON T1.WH_ID = T3.WH_ID
29. AND ADDDATE(T1.THE_DATE,1) < T3.STOP_TIME
31. GROUP BY T1.WH_ID, T1.THE_DATE, T1.IS_OPEN;

复制代码

从SQL中不难看出，物理表HOLIDAY_D使用WH_ID为关联键，并使用其它字段做不等值关联。
3、【性能分析】

1. QUERY PLAN                                                                                                                                                                                                                                                     |
2. ---------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|
3. id |                                    operation                                     |    E-rows     | E-distinct |   E-memory    | E-width |     E-costs                                                                                                    |
4. ----+----------------------------------------------------------------------------------+---------------+------------+---------------+---------+-----------------                                                                                               |
5.   1 | ->  Row Adapter                                                                  |         51584 |            |               |      67 | 377559930171.36                                                                                                |
6.   2 |    ->  Vector Streaming (type: GATHER)                                           |         51584 |            |               |      67 | 377559930171.36                                                                                                |
7.   3 |       ->  Vector Hash Aggregate                                                  |         51584 |            | 16MB          |      67 | 377559929546.36                                                                                                |
8.   4 |          ->  Vector CTE Append(5, 7)                                             | 5699739636332 |            | 1MB           |      43 | 292063834485.54                                                                                                |
9.   5 |             ->  Vector Streaming(type: BROADCAST)                                |        757752 |            | 2MB           |      22 | 1474.87                                                                                                        |
10.   6 |                ->  CStore Scan on dmisc.dm_dim_cbg_wh_holiday_d  [5, CTE tmp(1)] |        757752 |            | 1MB           |      22 | 1474.87                                                                                                        |
11.   7 |             ->  Vector Hash Left Join (8, 11)                                    | 5699739636332 |            | 107MB(6863MB) |      43 | 292063833010.67                                                                                                |
12.   8 |                ->  Vector Hash Right Join (9, 10)                                |     542231841 | 50         | 16MB          |      27 | 22365789.31                                                                                                    |
13.   9 |                   ->  Vector CTE Scan on tmp(1) t3                               |         31573 | 50         | 1MB           |      48 | 15155.04                                                                                                       |
14. 10 |                   ->  CStore Scan on dmisc.dm_dim_cbg_wh_holiday_d               |         51584 | 50         | 1MB           |      19 | 556.58                                                                                                         |
15. 11 |                ->  Vector CTE Scan on tmp(1) t2                                  |         31573 | 50         | 1MB           |      48 | 15155.04                                                                                                       |

复制代码

由于SQL非常慢，难以打出performance计划，我们先看verbose计划。从计划中我们看到，经过两次的关联发散，估计数据量达到了5万亿行；因为hash join根据WH_ID列进行关联，实际不会有这么多。所以调优的思路就是取消一些发散，让中间结果集行数变少。
4、【改写SQL】

分析SQL，可知发散是为了寻找所有STOP_TIME中大于本行THE_DATE的最小值。像这种每行都需要用到本行数据和所有数据的逻辑，或许可以使用窗口函数进行编写；但囿于笔者能力，先提供单次自关联的方法。
SQL改写如下：

1. explain performance
2.     WITH TMP AS
3.     (
4.         SELECT WH_ID
5.              , (IFNULL(SUBSTR(THE_DATE,1,10),'1900-01-01') || ' ' || STOP_TIME)::TIMESTAMP AS STOP_TIME
6.              , (IFNULL(SUBSTR(THE_DATE,1,10),'1900-01-01') || ' ' || '23:59:59')::TIMESTAMP AS MAX_ASD
7.           FROM DMISC.DM_DIM_CBG_WH_HOLIDAY_D
8.         WHERE IS_OPEN = 'Y'
9.           AND STOP_TIME IS NOT NULL
10.     )
11.     SELECT T1.WH_ID
12.          , T1.THE_DATE
13.          , T1.IS_OPEN
14.          , MIN(CASE WHEN T1.THE_DATE < T2.STOP_TIME THEN STOP_TIME ELSE NULL END) AS STOP_TIME
15.          , MIN(CASE WHEN T1.THE_DATE < T2.STOP_TIME THEN T2.MAX_ASD ELSE NULL END) AS TODAY_MAX_ASD
16.          , MIN(CASE WHEN ADDDATE(T1.THE_DATE, 1) < T2.STOP_TIME THEN T2.MAX_ASD ELSE NULL END) AS NEXT_MAX_ASD
17.     FROM (SELECT DISTINCT WH_ID
18.                , THE_DATE
19.                , IS_OPEN
20.             FROM DMISC.DM_DIM_CBG_WH_HOLIDAY_D
21.          ) T1
22.     LEFT JOIN TMP T2
23.     ON T1.WH_ID = T2.WH_ID
24.     GROUP BY
25.         T1.WH_ID
26.          , T1.THE_DATE
27.          , T1.IS_OPEN
28.     ;

复制代码

经过改写，取消了一次自关联，SQL的中间结果集变小。在关联后，通过条件聚合来得到需要的值。

1. id |                            operation                            |        A-time        |  A-rows  | E-rows | E-distinct |  Peak Memory   | E-memory |  A-width  | E-width | E-costs  
2. ----+-----------------------------------------------------------------+----------------------+----------+--------+------------+----------------+----------+-----------+---------+----------
3.   1 | ->  Row Adapter                                                 | 7490.354             |    34035 |    200 |            | 70KB           |          |           |      58 | 15149.80
4.   2 |    ->  Vector Streaming (type: GATHER)                          | 7488.129             |    34035 |    200 |            | 216KB          |          |           |      58 | 15149.80
5.   3 |       ->  Vector Hash Aggregate                                 | [7481.430, 7481.430] |    34035 |    200 |            | [9MB, 9MB]     | 16MB     | [112,112] |      58 | 15137.30
6.   4 |          ->  Vector Hash Left Join (5, 7)                       | [909.377, 909.377]   | 31204164 | 109803 |            | [2MB, 2MB]     | 16MB     |           |      34 | 3880.50  
7.   5 |             ->  Vector Sonic Hash Aggregate                     | [5.876, 5.876]       |    34035 |  34036 | 6807       | [3MB, 3MB]     | 16MB     | [51,51]   |      18 | 1127.67  
8.   6 |                ->  CStore Scan on dmisc.dm_dim_cbg_wh_holiday_d | [0.199, 0.199]       |    34036 |  34036 |            | [792KB, 792KB] | 1MB      |           |      18 | 532.04   
9.   7 |             ->  CStore Scan on dmisc.dm_dim_cbg_wh_holiday_d    | [40.794, 40.794]     |    25122 |  21960 | 19         | [1MB, 1MB]     | 1MB      | [59,59]   |      24 | 617.13   

复制代码

从执行计划中可以看到，中间结果集大小已经在可接受的范围内。但是又看到聚合3千万数据使用了6s+的时间，这是过慢的，需要看执行计划中的DN信息寻找原因 。

1.                                                                                                Datanode Information (identified by plan id)                                                                                                
2. -------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------
3.   1 --Row Adapter
4.         (actual time=7486.498..7490.354 rows=34035 loops=1)
5.         (CPU: ex c/r=107, ex row=34035, ex cyc=3668104, inc cyc=22468059912)
6.   2 --Vector Streaming (type: GATHER)
7.         (actual time=7486.466..7488.129 rows=34035 loops=1)
8.         (Buffers: shared hit=1)
9.         (CPU: ex c/r=660037, ex row=34035, ex cyc=22464391808, inc cyc=22464391808)
10.   3 --Vector Hash Aggregate
11.         dn_6083_6084 (actual time=7479.644..7481.430 rows=34035 loops=1) (projection time=4488.807)
12.         dn_6083_6084 (Buffers: shared hit=40)
13.         dn_6083_6084 (CPU: ex c/r=631, ex row=31204164, ex cyc=19718763112, inc cyc=22443886288)
14.   4 --Vector Hash Left Join (5, 7)
15.         dn_6083_6084 (actual time=48.009..909.377 rows=31204164 loops=1)
16.         dn_6083_6084 (Buffers: shared hit=36)
17.         dn_6083_6084 (CPU: ex c/r=43699, ex row=59157, ex cyc=2585141400, inc cyc=2725123176)
18.   5 --Vector Sonic Hash Aggregate
19.         dn_6083_6084 (actual time=5.177..5.876 rows=34035 loops=1)
20.         dn_6083_6084 (Buffers: shared hit=11)
21.         dn_6083_6084 (CPU: ex c/r=500, ex row=34036, ex cyc=17027544, inc cyc=17619064)
22.   6 --CStore Scan on dmisc.dm_dim_cbg_wh_holiday_d
23.         dn_6083_6084 (actual time=0.043..0.199 rows=34036 loops=1) (CU ScanInfo: smallCu: 0, totalCu: 1, avrCuRow: 34036, totalDeadRows: 0)
24.         dn_6083_6084 (Buffers: shared hit=11)
25.         dn_6083_6084 (CPU: ex c/r=17, ex row=34036, ex cyc=591520, inc cyc=591520)
26.   7 --CStore Scan on dmisc.dm_dim_cbg_wh_holiday_d
27.         dn_6083_6084 (actual time=6.464..40.794 rows=25122 loops=1) (filter time=0.872 projection time=33.671) (RoughCheck CU: CUNone: 0, CUTagNone: 0, CUSome: 1) (CU ScanInfo: smallCu: 0, totalCu: 1, avrCuRow: 34036, totalDeadRows: 0)
28.         dn_6083_6084 (Buffers: shared hit=25)
29.         dn_6083_6084 (CPU: ex c/r=3595, ex row=34036, ex cyc=122362712, inc cyc=122362712)

复制代码

从中可以看出，所有算子都只在一个DN上运行了。这可以视为严重的计算倾斜，若对单点性能有更高要求需要继续优化。查看DMISC.DM_DIM_CBG_WH_HOLIDAY_D表的定义，发现它是一个复制表(distribute by replication)，在进行各层运算的时候只用其中一个DN来算。而在本SQL中，使用到这张表的时候，关联键都是WH_ID。
再查看调整分布列为WH_ID的倾斜情况：

1. select * from pg_catalog.table_skewness('DMISC.DM_DIM_CBG_WH_HOLIDAY_D', 'wh_id');

复制代码

结果有23行，小于集群DN个数，且存在倾斜。但是本SQL需要使用该表的全量数据，故可以把这张表改为使用WH_ID作为分步键进行重分布。
由表分布方式为复制表导致的计算倾斜无法使用skew hint解决，可以改变物理表分布方式或者创建临时表来解决（复制表通常较小）。由于表在SQL中的使用情况和表的倾斜情况，不适合更改物理表分步键为WH_ID，故本例中试使用创建临时表指定重分布方式的办法解决。

1. DROP TABLE IF EXISTS holiday_d_tmp;
2. CREATE TEMP TABLE holiday_d_tmp WITH ( orientation = COLUMN, compression = low ) distribute BY hash ( wh_id ) AS ( SELECT * FROM DMISC.DM_DIM_CBG_WH_HOLIDAY_D );
3. EXPLAIN performance WITH TMP AS (
4.     SELECT
5.         WH_ID,
6.         ( IFNULL ( SUBSTR( THE_DATE, 1, 10 ), '1900-01-01' ) || ' ' || STOP_TIME ) :: TIMESTAMP AS STOP_TIME,
7.         ( IFNULL ( SUBSTR( THE_DATE, 1, 10 ), '1900-01-01' ) || ' ' || '23:59:59' ) :: TIMESTAMP AS MAX_ASD
8.     FROM
9.         holiday_d_tmp
10.     WHERE
11.         IS_OPEN = 'Y'
12.         AND STOP_TIME IS NOT NULL
13.     ) SELECT
14.     T1.WH_ID,
15.     T1.THE_DATE,
16.     T1.IS_OPEN,
17.     MIN ( CASE WHEN T1.THE_DATE < T2.STOP_TIME THEN STOP_TIME ELSE NULL END ) AS STOP_TIME,
18.     MIN ( CASE WHEN T1.THE_DATE < T2.STOP_TIME THEN T2.MAX_ASD ELSE NULL END ) AS TODAY_MAX_ASD,
19.     MIN ( CASE WHEN ADDDATE ( T1.THE_DATE, 1 ) < T2.STOP_TIME THEN T2.MAX_ASD ELSE NULL END ) AS NEXT_MAX_ASD
20. FROM
21.     ( SELECT WH_ID, THE_DATE, IS_OPEN FROM holiday_d_tmp ) T1
22.     LEFT JOIN TMP T2 ON T1.WH_ID = T2.WH_ID
23. GROUP BY
24.     T1.WH_ID,
25.     T1.THE_DATE,
26.     T1.IS_OPEN;

复制代码

下面是对应的执行计划：

1. id |                                      operation                                       |      A-time      |  A-rows  |  E-rows  | E-distinct |  Peak Memory   | E-memory | A-width | E-width | E-costs  
2. ----+--------------------------------------------------------------------------------------+------------------+----------+----------+------------+----------------+----------+---------+---------+----------
3.   1 | ->  Row Adapter                                                                      | 673.495          |    34035 |    34032 |            | 70KB           |          |         |      58 | 68112.60
4.   2 |    ->  Vector Streaming (type: GATHER)                                               | 671.103          |    34035 |    34032 |            | 216KB          |          |         |      58 | 68112.60
5.   3 |       ->  Vector Hash Aggregate                                                      | [0.079, 672.724] |    34035 |    34032 |            | [1MB, 1MB]     | 16MB     | [0,114] |      58 | 67794.10
6.   4 |          ->  Vector Hash Left Join (5, 6)                                            | [0.047, 76.395]  | 31205167 | 27587201 |            | [324KB, 485KB] | 16MB     |         |      34 | 8876.88  
7.   5 |             ->  CStore Scan on pg_temp_cn_5003_6_22022_139764371019520.holiday_d_tmp | [0.004, 0.098]   |    34036 |    34036 | 1          | [760KB, 792KB] | 1MB      |         |      18 | 1553.65  
8.   6 |             ->  CStore Scan on pg_temp_cn_5003_6_22022_139764371019520.holiday_d_tmp | [0.008, 3.253]   |    25122 |    22018 | 1          | [880KB, 1MB]   | 1MB      | [0,61]  |      24 | 1557.76  

复制代码

从计划中我们可以看到，耗时比单个DN运算快了不少，当然这里没有算上创建临时表的时间约0.2s。
5、【调优总结】

在本案例中，因为实际执行SQL时间太长先看了verbose计划而非performance计划，发现中间结果集发散问题后，进行等价逻辑改写，把两个(等值-不等值)关联改为一个等值关联和条件聚合。之后，我们发现SQL因复制表存在计算倾斜问题，考虑SQL消费表数据的方式和表的统计数据，采用了使用临时表重新指定分布方式的方法，解决了计算倾斜问题，SQL从单点25min+优化到单点800ms。
 
点击关注，第一时间了解华为云新鲜技术~
 

免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！