摘要：隨著offset的增加，查詢的時長也會越來越長。當offset達到百萬級別的時候查詢時長通常是業務所不能容忍的。 本文分享自華為雲社區《offset新探索：雙管齊下，加速大數據量查詢》，作者： GaussDB 資料庫 。 眾所周知，在各類業務中時常會用到LIMIT y offset x來做跳過 ...
摘要：隨著offset的增加，查詢的時長也會越來越長。當offset達到百萬級別的時候查詢時長通常是業務所不能容忍的。
本文分享自華為雲社區《offset新探索：雙管齊下，加速大數據量查詢》，作者： GaussDB 資料庫 。
眾所周知，在各類業務中時常會用到LIMIT y offset x來做跳過x條數據讀取Y條數據的操作。例如：SELECT * FROM ... LIMIT 1000 OFFSET 1000000; 表示從第1000001條數據開始查，讀取1000條數據。隨著offset的增加，查詢的時長也會越來越長。當offset達到百萬級別的時候查詢時長通常是業務所不能容忍的。
那麼如何來提升offset在大數據量查詢時的性能、縮短執行時間呢？我們的答案是：
- offset Pushdown( offset下推，下文簡稱OP)
- Redundant Condition Removal (冗餘條件刪除，下文簡稱 RCR)
這是華為雲GaussDB for MySQL推出的兩個新特性，通過OP和RCR的結合，將大數據量查詢的性能提升一到兩個數量級。
下麵我們分別介紹這兩個特性的基本原理、如何啟用、執行驗證、以及通過嚴密測試來驗證其帶來的性能提升。
Offset Pushdown -- OP
OP賦予MySQL存儲引擎InnoDB處理offset 的能力。當OP啟用時，在SQL層評估offset 是否可以下推並將下推信息傳遞給存儲引擎。SQL層不再對存儲引擎返回的行進行offset 處理，取而代之的是存儲引擎層直接跳過offset 範圍內的行，僅返回後續行，即查詢所需要的行。
通過啟用OP，offset 範圍內的行不會再傳輸到SQL層，從而節省了存儲引擎和SQL層之間多次來回交互時間；其次，對非覆蓋索引掃描（non-covering index，即查詢訪問二級索引之後還必須訪問基表），直接跳過offset範圍內的行可以節省對這些行回表訪問的開銷。這種對offset 的提前處理可以節省數據處理時間，特別是當offset 非常大時。OP的適用性取決於WHERE子句是否可以由存儲引擎整體處理。
下方圖1和圖2分別說明瞭在沒有OP和啟用OP時LIMIT offset的處理邏輯。
圖1無OP的極限偏移邏輯
圖2啟用OP的LIMIT offset 邏輯
Redundant Condition Removal – RCR
RCR的思路也比較簡單：當進行索引範圍掃描時，SQL 層對存儲引擎返回的行執行冗餘檢查，因為它不知道存儲引擎已經執行了這些檢查，而RCR 就是讓 SQL 層瞭解這點。為了使 OP 成為可能，除了要求WHERE條件能夠被存儲引擎獨立且完整的評估，SQL 層還必須瞭解這點從而避免冗餘檢查。
OP功能的實現方式與索引條件下推 (Index Condition Pushdown，ICP) 類似。對於某些查詢，ICP通過將整個 WHERE 子句下推到存儲引擎來啟用 OP。而RCR在 ICP 執行之前會評估條件是否冗餘，並且移除冗餘條件，確保了ICP不會處理冗餘的條件檢查。RCR很好地補充了OP特性的適用範圍，允許更多查詢使用 OP。
請註意：OP的啟用需要滿足三個主要條件：
1.SQL語句包含offset
2.WHERE子句完全由InnoDB處理
3.SQL語句只涉及一張表
另外：
- 查詢中使用的表必須是InnoDB表
- 不使用HAVING, aggregations, GROUP BY, SELECT DISTINCT, ROLLUP, Window functions以及文件排序
- 不支持涉及多個分區的分區表查詢
RCR適用於索引範圍掃描，如果WHERE子句中出現了一個或者多個條件，而這些條件涉及到的欄位在對應使用的索引上是被連續定義的，這些條件的冗餘檢查就都會被移除。
如何啟用OP？
方法一：使用特定的optimizer switch:offset _PUSHDOWN
set optimizer_switch='OFFSET_PUSHDOWN=[on]/[off]';
預設為on。
方法二：使用特定的優化器hint：[NO]_OFFSET_PUSHDOWN[TC1] ()
SELECT /*+ [NO]_OFFSET_PUSHDOWN() */ FROM TABLE LIMIT n OFFSET p;
請註意，hint優先順序高於optimizer switch的設置。
我們基於下方創建的t1表，來舉例說明如何使用OP：
CREATE TABLE t1 (a int, b int, INDEX (b));
示例一：表掃描
explain format=tree select * fromt1 limit 100 offset 1;+----------------------------------------------------------------------------------------------------------------------+| EXPLAIN|+----------------------------------------------------------------------------------------------------------------------+| -> Limit/Offset: 100/1row(s), with offset pushdown (cost=0.65 rows=4) -> Tablescan on t1 (cost=0.65 rows=4)|+----------------------------------------------------------------------------------------------------------------------+1 row in set (0.00 sec)
示例二：二級索引上的索引範圍掃描
explain format=tree select a,b from t1 where b>2limit 100 offset 1;+------------------------------------------------------------------------------------------------------------------------------------+| EXPLAIN|+------------------------------------------------------------------------------------------------------------------------------------+| -> Limit/Offset: 100/1row(s), with offset pushdown (cost=1.61 rows=3) -> Indexrange scan on t1 using b (cost=1.61rows=3)|+------------------------------------------------------------------------------------------------------------------------------------+1 row in set (0.00 sec)
如何啟用RCR?
通過系統變數rds_empty_redundant_check_in_range_scan設置，如下：
set rds_empty_redundant_check_in_range_scan=[true]/[false];
預設為true。
我們通過一個示例來說明：
創建t0表：
CREATE TABLE t0 (a int, b int,INDEX (a,b));
不啟用RCR：
explainformat=tree select * from t0 where a<100 and a>20 LIMIT 1 OFFSET 100;+------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------+|EXPLAIN |+------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------+|-> Limit/Offset: 1/100 row(s)(cost=0.46 rows=1) -> Filter: ((t0.a < 100) and (t0.a > 20)) (cost=0.46 rows=1) -> Index range scan on t0 usinga (cost=0.46 rows=1)|+---------------------------
可以看出：列a上的範圍條件會被InnoDB預設檢查，但SQL層將再次檢查InnoDB返回的行是否匹配列a的範圍條件。在這種情況下，無法使用OP，因為SQL層不知道存儲引擎實際上處理了整個WHERE子句。
啟用RCR：設定rds_empty_redundant_check_in_range_scan = true;
explainformat=tree select * from t0 where a<100 and a>20 LIMIT 1 OFFSET 100;+------------------------------------------------------------------------------------------------------------------------------------+|EXPLAIN|+------------------------------------------------------------------------------------------------------------------------------------+|-> Limit/Offset: 1/100 row(s), with offsetpushdown (cost=0.46 rows=1) -> Index range scan on t0 using a (cost=0.46 rows=1)|+------------------------------------------------------------------------------------------------------------------------------------+1row in set (0.00 sec)
可以看出：啟用RCR，刪除SQL層對列A的範圍條件的冗餘檢查後，啟用OP。
簡化ICP
創建表t1：
create table t1(a int, b int, INDEX(b));
不啟用RCR：
explainformat=tree select a,b from t1 where b>2 limit 100 offset 1;+----------------------------------------------------------------------------------------------------------------------------------------------------------------------+|EXPLAIN |+----------------------------------------------------------------------------------------------------------------------------------------------------------------------+|-> Limit/Offset: 100/1 row(s), with offsetpushdown (cost=1.61 rows=3) -> Index range scan on t1 using b, with index condition: (t1.b >2) (cost=1.61 rows=3)|+----------------------------------------------------------------------------------------------------------------------------------------------------------------------+1row in set (0.00 sec)
可以看出：使用了ICP後，OP也被啟用了
啟用RCR：
explainformat=tree select a,b from t1 where b>2 limit 100 offset 1;+------------------------------------------------------------------------------------------------------------------------------------+|EXPLAIN |+------------------------------------------------------------------------------------------------------------------------------------+|-> Limit/Offset: 100/1 row(s), with offsetpushdown (cost=1.61 rows=3) -> Index range scan on t1 using b (cost=1.61 rows=3)|+------------------------------------------------------------------------------------------------------------------------------------+1row in set (0.00 sec)
以上示例說明：ICP不是必要的。通過評估是否應使用ICP之前移除冗餘條件，就可以避免使用ICP。
性能驗證
下麵我們通過實際測試來驗證OP所帶來的性能提升。在測試中，我們重點關註：
- 覆蓋/非覆蓋索引
考慮一個非覆蓋索引，不使用OP，InnoDB必須從基表讀取行，然後才能將它們返回到SQL層。使用OP後，就可以跳過行，而不必從基表讀取。因此，OP在非覆蓋索引上可以提供更好的性能。
- 熱/冷緩衝池
我們希望通過熱緩衝池全面提高性能，但我們也希望OP在熱緩衝池上相對更高效，原因如下：
基於一個冷緩衝池並且查詢使用覆蓋索引掃描的場景，設定為不使用OP的計算時間（woop）和使用OP的計算時間(op)的比值：
比值d預計將大於1，因為使用OP將獲得性能提升。基於一個熱緩衝池並且查詢使用覆蓋索引掃描的場景，設定是不使用OP的計算時間(woop)和使用OP的計算時間(op)的比值：
其中k表示從磁碟讀取索引所需的時間，可以合理地假設，在使用OP和不使用OP的情況下，k都是相同的。因為不論是否使用OP，都必須從左到右遍歷索引，無法在使用OP的情況下，利用B-tree結構索引的優勢直接跳轉到offset 範圍的結束點。那麼，這兩個比值的差值可以表述為：
因此，我們預計OP在熱緩衝池將更有效。
- 緩衝池大小
對於覆蓋索引查詢，可以假定索引數據都在緩衝池中，因此，緩衝池的大小對性能不會產生太大影響。然而，對於非覆蓋索引的查詢，情況會大不相同。在不使用OP時，緩衝池能緩存表數據的比例確實會對查詢的性能產生有利的影響。
基於以上三個關註點以及預判，我們在一個包含200萬行數據的測試表中，分別測試覆蓋/非覆蓋索引、冷/熱緩衝池、不同緩衝池大小下條件下，通過OP帶來的性能表現。
覆蓋索引查詢：
CREATE TABLE data (id int, value int, INDEX (id,value));SELECT * FROM data LIMIT 1 OFFSET p;
非覆蓋索引查詢：
CREATE TABLE data_non_covering(id INT, value INT, INDEX (value));INSERT INTO data_non_covering SELECT * FROM data;SELECT * FROM data_non_covering WHERE value>2 LIMIT 1 OFFSET p;
為了過濾干擾，計算時間是取9次運行結果的中位數。
通過以上測試結果可以看出，在緩衝池大小為128MB的場景下，冷熱緩衝池對OP帶來的性能提升有不同影響：
熱緩衝池
- 使用覆蓋索引，OP可以將查詢性能提升3 – 12倍；
- 使用非覆蓋索引，OP可以將查詢性能提升 48 – 128倍
冷緩衝池
- 使用覆蓋索引，OP可以將性能提升 40% - 8倍；
- 使用非覆蓋索引，OP可以將性能提升2 - 148 倍
綜上，在所有測試中，使用OP能提升查詢性能。不論是冷緩衝池還是熱緩衝池，啟用OP後，非覆蓋索引掃描可以比覆蓋索引掃描獲得10倍以上的性能提升。此外，正如我們所預計，在熱緩衝池上啟用OP獲得了更大的性能提升。
對於大的OFFSET，使用OP可將性能提高一兩個數量級，而RCR可擴大OP的適用範圍。正如上述測試所證明，使用OP所帶來的性能提升主要受下麵兩個因素的影響：
- OP可以在存儲引擎層跳過offset 行，而不必將它們返回到SQL層，這將導致計算時間的顯著降低。
- OP可以跳過offset 行，而不必從基表讀取它們，從而獲得性能提升。
OP和RCR的聯合使用，進一步擴大了OP的使用範圍，可以為更多的Limit/offset查詢帶來性能提升，尤其是對大的offset操作。
在後續的研究中，我們將會評估OP與NDP（Near Data Processing, 近數據處理）的相容性極其潛在的性能改進。
本文作者
呂漫漪
華為斯德哥爾摩研究所資料庫Lab首席科學家，雲資料庫歐洲研發團隊負責人。2020年加入華為，致力於打造世界級的企業級雲資料庫。呂漫漪在資料庫領域有20多年從業經驗，曾參與開發電信行業分散式高可用資料庫，曾任MySQL原廠研發團隊產品總監，長期深耕資料庫技術。
Maxime Conjard
華為雲資料庫工程師，就職於華為雲資料庫歐洲研發團隊。Max畢業於挪威科技大學（NTNU），獲得統計學碩士和博士學位；在此之前，他在法國馬賽中央學院獲得工程碩士學位。
