最佳實踐:解讀GaussDB(DWS) 統計信息自動收集方案

来源:https://www.cnblogs.com/huaweiyun/p/18347040
-Advertisement-
Play Games

摘要:現在商用優化器大多都是基於統計信息進行查詢代價評估,因此統計信息是否實時且準確對查詢影響很大,特別是分散式資料庫場景。本文詳細介紹GaussDB(DWS)如何實現了一種輕量、實時、準確的統計信息自動收集方案。 本文分享自華為雲社區《【最佳實踐】GaussDB(DWS) 統計信息自動收集方案》, ...


摘要:現在商用優化器大多都是基於統計信息進行查詢代價評估,因此統計信息是否實時且準確對查詢影響很大,特別是分散式資料庫場景。本文詳細介紹GaussDB(DWS)如何實現了一種輕量、實時、準確的統計信息自動收集方案。

本文分享自華為雲社區《【最佳實踐】GaussDB(DWS) 統計信息自動收集方案》,作者: leapdb。

一、統計信息收集痛點

  1. 何時做analyze,多做空耗系統資源,少做統計信息不及時。
  2. 多個數據源併發加工一張表,手動analyze不能併發。
  3. 數據修改後立即查詢,統計信息實時性要求高。
  4. 需要關心每張表的數據變化和治理,消耗大量人力。

二、基本功能介紹

三、自動收集方案

GaussDB(DWS) 支持統計信息自動收集功能,主要解決統計信息收集不及時和不准確的問題。

手動採樣:用戶在作業中,手動發起的顯示analyze。

輪詢採樣:autovacuum後臺線程,輪詢發起的analyze。

動態採樣:查詢時,優化器觸發的runtime analyze。

前臺動態採樣:負責統計信息實時準確,信息放記憶體(有淘汰機制),一級鎖(像查詢一樣輕量)。

autoanalyze=on;
autoanalyze_mode='light';

後臺輪詢採樣:負責統計信息的持久化,寫系統表(四級鎖),不要求特別及時。

autovacuum_mode=mix或analyze;
--- 以前只有“後臺輪詢採樣”,都由後臺autovacuum線程式控制製做vacuum或analyze。
--- 後來開發“前臺動態採樣”,叫autoanalyze。
--- 請註意二者的區別。

二者都需要開啟。

替代場景

統計信息基於收集時表數據生成,數據變化較多後可能失效。自動觸發也是基於閾值(50+表大小*10%)。

總結:

  1. 小表變化<10%且數據特征變化明顯,需要“調低閾值自動收集”。
  2. 調整過採樣大小且實時性要求高的場景,需要“主動收集統計信息”。
  3. 外表和冷熱表因訪問性能問題,不支持自動,需要“主動收集統計信息”。

四、如何保證及時觸發

【觸發條件】“無統計信息” or “表的修改量超過一定閾值(預設“50 + 表大小 * 10%”)”

【觸發場景】含stream計劃的SQL都可觸發動態採樣,包括select和帶條件的delete, update。

【修改計數】

1. 哪些修改行為會被記錄?

DML: Insert, Update, Delete, Copy, Merge,會累加修改計數。

DDL: truncate table,truncate/exchange/drop partition, alter column type, alter distribute,由於CN無法獲取DN修改計數,所以直接記錄一個超大修改計數。

2. 跨CN查詢場景,如何確保修改計數全局一致?

非同步廣播:autovacuum後臺線程輪詢檢查時,向所有CN廣播全局修改計數。修改計數達2/3時廣播一次,此後每增10%再廣播一次。

實時廣播:單SQL修改超過tuple_change_sync_threshold(預設1W)條時,直接實時廣播修改計數到其它CN。

總結:“修改計數記錄”和“修改計數廣播”,覆蓋都比較全面,能夠保證查詢及時觸發動態採樣。

五、最佳實踐

GaussDB(DWS) analyze使用指南8.1.3及以下版本

GaussDB(DWS) analyze使用指南8.2.0及以上版本

1.事務塊中手動analyze堵塞其它業務

【業務場景】

BEGIN;
ANALYZE t_ucuser;
INSERT INTO t_user_name(project_id, account_id, name_id, uid, etl_time)
with t1 AS (
select project_id, account_id, name_id
from t_user_name
WHERE uid is null or uid = ''
)
select a.project_id,a.account_id,a.name_id, b.user_name AS uid, CURRENT_TIMESTAMP AS etl_time
from t1 a join t_ucuser b ON a.project_id = b.project_id AND a.account_id = b.account_id
ON CONFLICT(project_id,account_id,name_id) DO UPDATE
SET project_id=excluded.project_id, account_id=excluded.account_id, name_id=excluded.name_id, uid=excluded.uid, etl_time=excluded.etl_time;
END;

【問題根因】

a. 某數據湖用戶,多個數據源按照不同的分區進行數據導入加工。

b. 事務塊中有手動analyze,且事務塊中後面的查詢長時間執行不完。

c. 因analyze對錶加四級鎖長時間不能釋放,導致其它相關表上的業務等鎖超時報錯。

【解決方案】開啟light動態採樣,去掉事務塊中的手動analyze。

2. 多數據源併發加工同一張表的不同分區

【業務場景】

為了保證用戶查詢表總有數據,需要把加工過程放到一個事務裡面。堵塞其它人的動態採樣。

begin;
alter table tab_partition truncate partition P2023_03;
insert into tab_partition select * from t1;
end;

【問題根因】alter table truncate parition對分區加8級鎖,事務過程中長時間持鎖。

【解決方案】使用exchange partition

CREATE TABLE IF NOT EXISTS tab_tmp1(like tab_partition INCLUDING DROPCOLUMNS INCLUDING DISTRIBUTION INCLUDING STORAGE INCLUDING RELOPTIONS);
INSERT INTO tab_tmp1 SELECT * FROM t1;
ALTER TABLE tab_partition exchange partition (P2023_03) WITH TABLE tab_tmp1;

3.多表併發反序analyze導致統計信息收集失敗

【業務場景】

a. 某銀行客戶,多個表進行批處理數據加工,開啟了normal類型動態採樣。

b. 查詢A先對t1表觸發動態採樣,再對t2表觸發動態採樣。

c. 查詢B先對t2表觸發動態採樣,再對t1表觸發動態採樣。

d. 觸發動態採樣的順序不一致,互相申請四級鎖導致申鎖超時,統計信息未收集。

【問題根因】多人同時按不同順序analyze多表導致死鎖。

【解決方案】開啟light動態採樣,僅加一級鎖不再有四級鎖衝突。

4.剛導入的數據不在統計信息中導致查詢計劃差

【業務場景】

a. 某財經用戶,按照月度視為會計期,月初時導入少量數據,然後馬上查詢。

b. 觸發了動態採樣,但採集不到最新會計期的少量數據。

【問題根因】新插入數據占比小,及時觸發了動態採樣但採集不到,導致估算偏差大。

【解決方案】

a. 開啟統計信息推算enable_extrapolation_stats功能,根據上一個會計期的統計信息推算當前會計期數據特征。

b. 不提高採樣大小,利用歷史信息增強統計信息準確性。

5.隨機函數質量差導致數據特征統計不准

【業務場景】

a. 某銀行客戶,按月度條件進行關聯查詢

b. 多次analyze,最多數據月份在MCV中占比從13%~30%大幅波動

c. 詳細輸出樣本點位置和採樣隨機數發現,隨機數(小數點後6位)生成重覆度高導致採樣扎堆兒嚴重。

【問題根因】採樣隨機數不夠隨機,樣本採集不均勻導致MCV數據特征統計偏差。

【解決方案】

a. 每次傳入隨機種子再生成隨機數,提高隨機性和併發能力。控制參數random_function_version。

b. 不提高採樣大小,提升隨機數質量增強統計信息準確性。

6.樣本分佈不均勻導致數據特征統計不准

【業務場景】

a. tpc-h的lineitem表l_orderkey列,數據每4~8條批量重覆。即同一個訂單購買多個商品。

b. 傳統採樣演算法由於採樣不均勻,採集到的重覆數據稍多,導致採集的distinct值偏低。

【問題根因】數據特征分佈不均勻,採樣無法抓準數據特征,distinct值高的場景統計出的distinct值偏低。

【解決方案】

a. 使用自研的優化蓄水池採樣演算法,控制參數analyze_sample_mode=2,讓採樣更加均勻,以提升統計信息準確性。

b. 如果上述方法沒有達到預期效果,可以手動修改distinct值。

select APPROX_COUNT_DISTINCT(l_orderkey) from lineitem; --近似計算distinct值
alter table lineitem alter l_orderkey set (n_distinct=10000); --手動設置distinct值,然後再analyze即可。

 

點擊關註,第一時間瞭解華為雲新鮮技術~


您的分享是我們最大的動力!

-Advertisement-
Play Games
更多相關文章
  • 視圖 1. 為什麼要使用視圖?什麼是視圖? 為了提高複雜 SQL 語句的復用性和表操作的安全性,MySQL 資料庫管理系統提供了視圖特性。所謂視圖,本質上是一種虛擬表,在物理上是不存在的,其內容與真實的表相似,包含一系列帶有名稱的列和行數據。但是,視圖並不在資料庫中以儲存的數據值形式存在。行和列數據 ...
  • 問題場景 SQL Server事務複製在正常創建發佈和訂閱之後,log reader Job 啟動異常,出現“The process could not execute ‘sp_replcmds’ on xxx”等異常日誌導致代理服務無法正常啟動。 異常現象 參考下圖,異常日誌如下 Error me ...
  • 整理了一下pg_dump邏輯備份還原,pg啥時候推出一個庫級別的物理備份還原就好,邏輯備份能行但操作大庫效率太低,就像MySQL/MSSQL一樣,跨實例做庫級別還原的需求太多了 pg_dump備份 pg_dump備份 -F format 參數,備份文件的格式。format可以是下列之一: p pla ...
  • Percona Toolkit 神器全攻略(系統類) Percona Toolkit 神器全攻略系列共八篇,前文回顧: 前文回顧 Percona Toolkit 神器全攻略 Percona Toolkit 神器全攻略(實用類) Percona Toolkit 神器全攻略(配置類) Percona T ...
  • 索引 百萬級別或以上的數據如何刪除? 關於索引:由於索引需要額外的維護成本,因為索引文件是單獨存在的文件,所以當我們對數據的增加、修改、刪除都會產生額外的對索引文件的操,這些操作需要消耗額外的IO,會降低增/改/刪的執行效率。所以,在我們刪除資料庫百萬級別數據的時候,查詢MySQL官方手冊得知刪除數 ...
  • 背景ClickHouse是一個面向分析型的開源列式資料庫管理系統,它主要應用於以下幾個場景: 數據倉庫和商業智能分析:ClickHouse擅長處理大規模的數據,可以用於構建企業級的數據倉庫,支持複雜的OLAP查詢,可用實時數倉,適合各種商業分析和報表應用。 實時分析和監控:ClickHouse以毫秒 ...
  • Apache SeaTunnel 2.3.6 版本於近日正式發佈,社區期待的 SeaTunnel Zeta Master/Worker 新架構、事件通知機制、支持動態編譯的transform等新功能和新能力在這次版本中都有了全面的更新,並添加了首個向量資料庫 Milvus。此外,本版本還進行了一些基 ...
  • 一、背景 大數據服務是數據平臺建設的基座,隨著B站業務的快速發展,其大數據的規模和複雜度也突飛猛進,技術的追求也同樣不會有止境。 B站一站式大數據集群管理平臺(BMR),在千呼萬喚中孕育而生。本文簡單介紹BMR的由來、面臨的主要矛盾以及如何在變化中求得生存與發展。 下圖是截至2024年6月初,統計到 ...
一周排行
    -Advertisement-
    Play Games
  • 移動開發(一):使用.NET MAUI開發第一個安卓APP 對於工作多年的C#程式員來說,近來想嘗試開發一款安卓APP,考慮了很久最終選擇使用.NET MAUI這個微軟官方的框架來嘗試體驗開發安卓APP,畢竟是使用Visual Studio開發工具,使用起來也比較的順手,結合微軟官方的教程進行了安卓 ...
  • 前言 QuestPDF 是一個開源 .NET 庫,用於生成 PDF 文檔。使用了C# Fluent API方式可簡化開發、減少錯誤並提高工作效率。利用它可以輕鬆生成 PDF 報告、發票、導出文件等。 項目介紹 QuestPDF 是一個革命性的開源 .NET 庫,它徹底改變了我們生成 PDF 文檔的方 ...
  • 項目地址 項目後端地址: https://github.com/ZyPLJ/ZYTteeHole 項目前端頁面地址: ZyPLJ/TreeHoleVue (github.com) https://github.com/ZyPLJ/TreeHoleVue 目前項目測試訪問地址: http://tree ...
  • 話不多說,直接開乾 一.下載 1.官方鏈接下載: https://www.microsoft.com/zh-cn/sql-server/sql-server-downloads 2.在下載目錄中找到下麵這個小的安裝包 SQL2022-SSEI-Dev.exe,運行開始下載SQL server; 二. ...
  • 前言 隨著物聯網(IoT)技術的迅猛發展,MQTT(消息隊列遙測傳輸)協議憑藉其輕量級和高效性,已成為眾多物聯網應用的首選通信標準。 MQTTnet 作為一個高性能的 .NET 開源庫,為 .NET 平臺上的 MQTT 客戶端與伺服器開發提供了強大的支持。 本文將全面介紹 MQTTnet 的核心功能 ...
  • Serilog支持多種接收器用於日誌存儲,增強器用於添加屬性,LogContext管理動態屬性,支持多種輸出格式包括純文本、JSON及ExpressionTemplate。還提供了自定義格式化選項,適用於不同需求。 ...
  • 目錄簡介獲取 HTML 文檔解析 HTML 文檔測試參考文章 簡介 動態內容網站使用 JavaScript 腳本動態檢索和渲染數據,爬取信息時需要模擬瀏覽器行為,否則獲取到的源碼基本是空的。 本文使用的爬取步驟如下: 使用 Selenium 獲取渲染後的 HTML 文檔 使用 HtmlAgility ...
  • 1.前言 什麼是熱更新 游戲或者軟體更新時,無需重新下載客戶端進行安裝,而是在應用程式啟動的情況下,在內部進行資源或者代碼更新 Unity目前常用熱更新解決方案 HybridCLR,Xlua,ILRuntime等 Unity目前常用資源管理解決方案 AssetBundles,Addressable, ...
  • 本文章主要是在C# ASP.NET Core Web API框架實現向手機發送驗證碼簡訊功能。這裡我選擇是一個互億無線簡訊驗證碼平臺,其實像阿裡雲,騰訊雲上面也可以。 首先我們先去 互億無線 https://www.ihuyi.com/api/sms.html 去註冊一個賬號 註冊完成賬號後,它會送 ...
  • 通過以下方式可以高效,並保證數據同步的可靠性 1.API設計 使用RESTful設計,確保API端點明確,並使用適當的HTTP方法(如POST用於創建,PUT用於更新)。 設計清晰的請求和響應模型,以確保客戶端能夠理解預期格式。 2.數據驗證 在伺服器端進行嚴格的數據驗證,確保接收到的數據符合預期格 ...