より深く知るオプティマイザとそのチューニング
•
13 recomendaciones•23,844 vistas
JPUG主催 PostgreSQLカンファレンス2014（2014.12.05@品川AP） https://www.postgresql.jp/events/jpug-pgcon2014 【C5】「より深く知るオプティマイザとそのチューニング」の発表資料です。
Recomendados
Más contenido relacionado
La actualidad más candente
La actualidad más candente (20)
Similar a より深く知るオプティマイザとそのチューニング
Similar a より深く知るオプティマイザとそのチューニング (20)
Más de Yuto Hayamizu
より深く知るオプティマイザとそのチューニング
- 1. より深く知るオプティマイザと そのチューニング 東京大学生産技術研究所喜連川研究室 早水悠登川道亮治 2014/12/05 PostgreSQLカンファレンス2014 @ 品川AP
- 2. ブラックボックスの役割 2014/12/04 2 ユーザの”解放”
- 3. ブラックボックスと解放 機能のインターフェースの抽象化 •“どうやるか” からユーザを解放 •“やりたいこと” に集中できる 2014/12/04 3 リレーショナルデータベースシステム •データ処理のブラックボックス
- 4. データ処理におけるユーザ解放の歩み •アナログ計算器：アンティキティラ島の機械(紀元 前150-100年) など •脳内の演算実行からの解放 •自動計算機械：シッカートの計算機(1623) など •演算の実行操作からの解放 images by Wikimedia commons
- 5. データ処理におけるユーザ解放の歩み •データ記録の機械化：Tabulating Machine (1840) な ど •データ読み書き作業からの解放 •チューリング機械・電子計算機：ENIAC(1946) など •処理手順からの解放 (cont.) images by Wikimedia commons
- 6. データ処理におけるユーザ解放の歩み •プログラミング言語：FORTRAN(1957), ALGOL58(1958) など •機械語からの解放 •トランザクション処理：SABRE(1960) など •データ不整合からの解放 •リレーショナルモデル：Ingres(1974), System R(1974) など •物理的なデータ管理・データ処理方法からの解放 (cont.)
- 7. リレーショナル以前 • どこにデータがあるか • どの順序で処理するか • どの方法で処理するか 2014/12/04 ユーザナビゲータ リレーショナル データベース • 論理的データと物理的データの分離 • リレーション・タプル • 物理的データ編成は不可視 • “ほしいデータ”を宣言的に記述 • データ処理の順序や方法からの解放 DEPT EMP PROJ
- 8. 論理と物理の溝を埋める SELECT * FROM DEPT D, EMP E WHERE E.D_ID= D.IDAND ... •アクセス方式 •シーケンシャル、索引、・・・ •結合方式 •Nested Loop, Hash, Sort-merge,・・・ •集約演算・ソーティング戦略 •利用するメモリ量・一時ファイル容量 •・・・ クエリオプティマイザ リレーショナルデータベースの Key enabler
- 9. 活かすも殺すもオプティマイザ次第 9 オプティマイザの理解がリレーショナル データベース活用の底力 進化し続けるテクノロジ
- 12. クエリ最適化 与えられたクエリから 最適なクエリ実行プランを生成 ■“最適”とは？ •クエリ実行時間が短い •系全体のスループットが高い •消費電力が低い •ボスのクエリだけ最高速 2014/12/04 12 など
- 13. 最適化の枠組み • 実行プランのコスト計算式（コストモデル）を設計 • 最適な実行プランの探索 • 実行プラン候補の列挙コスト最小のプラン選択 2014/12/04 13 コストベース最適化System R (1976) 〜 コスト： 最適性の指標 • ≒ 実行時間 実行時間を見積もる コストモデル
- 14. Ex) SELECT * FROM EMPWHERE EMP.ID < x 14 プラン1: Seq. Scan プラン2: Index Scan I/Oページ量= (一定) x I/Oページ量∝x I/Oページ量
- 15. コストモデル クエリ処理を単位処理に分解 → ページI/O(seq., random), 1タプル処理, オペレータ実 行, ・・・ 単位処理の単価と回数によってコストを記述 2014/12/04 15 シーケンシャルI/O ランダムI/O 1タプルCPU演算
- 16. コストモデル 単位処理の単価＝ハードウェアの特性 PostgreSQLの場合 •シーケンシャルI/Oseq_page_cost •ランダムI/Orandom_page_cost •１タプル処理cpu_tuple_cost •１索引タプル処理cpu_index_tuple_cost •１回のオペレータ処理cpu_operator_cost 2014/12/04 16 オプティマイザのチューニング可能ポイント
- 17. コストモデル 単位処理の回数 •実行プランやデータ量・分布により変化 •統計情報を用いた見積り •実行プラン毎の計算方法 PostgreSQLの場合 •SeqScan •IndexScan •IndexOnlyScan •NestLoopJoin •HashJoin •・・・ 2014/12/04 17
- 18. of SeqScan コスト係数 •関数（演算子）（pg_proc.procostに登録） •基本的にコスト係数= 1.0：=, <, >, <=, >=, like, regexp系, ・・・ •例外的なもの：obj_description, schema_to_xmlなど •ANY / ALL：コスト係数= （演算コスト係数）×（行数見積）×0.5 •その他文字列を介した型変換、サブプラン等々・・・ 18 = (テーブルのページ数) = (テーブルのタプル数) = #qual_operator = (タプル数) ×(条件Aコスト係数) + (タプル数) ×(条件Bコスト係数) + ・・・ 統計情報 ・・・WHERE ANDAND ・・・ A B 選択条件(Qual)での オペレータ評価回数
- 19. of IndexScan (A) B+木を下るCPUコスト (B) リーフページの索引エントリ走査コスト (C) リーフページのI/Oコスト (D) テーブルページのI/Oコスト (E) タプル走査のCPUコスト 2014/12/04 19
- 20. of IndexScan (A) B+木を下るCPUコスト (B) リーフページの索引エントリ走査コスト 2014/12/04 20 += log2(#index_tuples) ルート付近のB+木ページはI/Oコスト無し ・・・ほぼバッファプールにキャッシュされている += #qual_operator × #leaf_pages × σ 選択率σ 統計情報のヒストグラムやMCVな どから見積り
- 21. of IndexScan (C) I/Oコスト 索引ページへのI/O 2014/12/04 21 += Y(effective_cache_size, #leaf_pages) Mackertand Lohman関数（Yao 関数） バッファキャッシュのヒット率を考慮したI/O 回数見積り 選択率σ
- 22. of IndexScan (D) テーブルページへのI/Oコスト (E) テーブルページ走査CPUコスト ・タプル数を選択率σから見積り ・各タプルのコストはSeqScanの場合と同様 2014/12/04 22 += α2 × #match_pages 索引エントリとテーブルエントリの相関係数α α = 0 : ランダムI/O α = 1 : シーケンシャルI/O += (1-α2) × #match_tuples
- 23. of NestLoopJoin 2014/12/04 23 R⨝S Scan R r2 r1 r3 r4 Scan Swith r1 s1 s2 s3 ReScanSwith r2 s1 s2 s3 outer inner
- 24. of NestLoopJoin •#outer_tuples= 1 の場合 2014/12/04 24 R⨝S Scan R r1 Scan Swith r1 s1 s2 s3 outer inner Cost = Cost(outer) + Cost(inner) + += #inner_tuples += #qual_operator×#inner_tuples
- 25. of NestLoopJoin •#outer_tuples> 1 の場合 R⨝S Scan R r2 r1 r3 r4 Scan Swith r1 s1 s2 s3 ReScanSwith r2 s1 s2 s3 outer inner Cost = Cost(outer) + Cost(inner) + + (#outer_tuples-1) ×Cost(ReScaninner) IndexScanのReScanではバッファヒット率が高くなる → 通常のIndexScanより低コスト Mackertand Lohman関数の応用により見積り += #inner_tuples×#outer_tuples += #qual_operator×#inner_tuples×#outer_tuples
- 26. of HashJoin 2014/12/04 26
- 27. of HashJoin Buildフェーズ •Cost += Cost(inner) 2014/12/04 27 += #qual_op×#inner_tuples += #inner_tuples ハッシュ表作成時の ハッシュ関数実行コスト
- 28. of HashJoin 2014/12/04 28 Buildフェーズ •Cost += Cost(inner) += #qual_op×#inner_tuples += #inner_tuples
- 29. of HashJoin 2014/12/04 29 Buildフェーズ •Cost += Cost(inner) Probeフェーズ •Cost += Cost(outer) += #qual_op×#inner_tuples += #inner_tuples += #qual_op×#bucket_size×0.5 ×#outer_tuples += #match_tuples ハッシュ表検索時の ハッシュ関数＋バケツ内検索コスト
- 30. of HashJoin 2014/12/04 30 record record record record record record record record record record バケツ数: 2 record record record record record record record record record record バケツ数: 5 record record record record record record record record record record build 平均2.5回のタプル比較 平均1回のタプル比較 2.00E+06 2.20E+06 2.40E+06 2.60E+06 2.80E+06 0 50000 100000 150000 Cost inner表選択数 Cost Estimation of Hash Join ・PostgreSQLのバケツサイズ戦略 → inner表選択数に応じて2倍ずつ増やす ・バケットサイズ拡大直後はコストが低下
- 31. of HashJoin 2014/12/04 •メモリに収まらない場合: Hybrid Hash Join •inner 表とouter 表をハッシュ関数でパーティション分 割してディスク書き込み •パーティション毎にinner 表のハッシュ表をbuildouter表をprobe +=#inner_pages+ #outer_pages +=#inner_pages+ #outer_pages
- 32. コストベース最適化ここまでのまとめ •実行プランのコストモデル設計 •候補プランの探索 2014/12/04 32 ⇔ハードウェア特性 seq_page_cost random_page_cost cpu_tuple_cost cpu_index_tuple_cost cpu_operator_cost ⇔処理方式・データ特性 •統計情報 •ページ数、タプル数、選択率、・・・ •アクセスパス •SeqScan, IndexScan, ... •結合方式 •NestLoopJoin, HashJoin •・・・
- 33. コストベース最適化ここまでのまとめ •実行プランのコストモデル設計 •候補プランの探索 2014/12/04 33 ⇔ハードウェア特性 seq_page_cost random_page_cost cpu_tuple_cost cpu_index_tuple_cost cpu_operator_cost ⇔処理方式・データ特性 •統計情報 •ページ数、タプル数、選択率、・・・ •アクセスパス •SeqScan, IndexScan, ... •結合方式 •NestLoopJoin, HashJoin •・・・
- 34. 候補プランの探索 ⇔リレーション結合順序の決定 愚直に列挙すると組み合わせ爆発 •動的計画法（DP）による網羅的探索 •少数のリレーション結合の王道 •ヒューリスティクスによる探索 •多数のリレーションの妥協策 2014/12/04 34 A⨝B⨝C A B ⨝ C ⨝ A C ⨝ B ⨝ B A ⨝ C ⨝ A B ⨝ C ⨝ A C ⨝ B ⨝ B A ⨝ C ⨝ ・・・
- 35. 動的計画法によるプラン探索 •「最適な実行プランの一部もまた最適」と仮定 •部分的な結合ごとに最適プランを探索 •最適でないプランを破棄→ 探索候補数の削減 •結合の数を増やしながら最適プランを逐次探索 •PostgreSQLのオプティマイザ 2014/12/04 35 Left-deep join tree Right-deep join tree Bushy join tree ⨝ ⨝ ⨝ ⨝ ⨝ ⨝ ⨝ ⨝ ⨝
- 36. Ex) A ⨝B ⨝C ⨝D
- 37. Ex) A ⨝B ⨝C ⨝D
- 38. Ex) A ⨝B ⨝C ⨝D
- 39. 動的計画法によるプラン探索 • 探索候補数削減のための工夫 • 結合条件のある結合のみを考慮 (ex. ・・・FROM A, B WHERE A.id = B.a_id ・・・) • ソート順序による制限 • 結合リレーション数N • 探索候補数O(N!) • 探索時間が急速に増加 → 大きいNにはヒューリスティクス 2014/12/04 39
- 40. ヒューリスティクス •「ある程度よいプランを」「ある程度の時間内に」 •初期の候補プラン群を生成 •一定のルールに従い候補プラン群から 次の候補プラン群を生成 •一定時間繰り返して候補プラン群 を良くしてゆく •遺伝的アルゴリズム •PostgreSQLのGEQO（N ≧12） •焼きなまし法 •PGCon2010 2014/12/04 40
- 41. コストベース最適化まとめ •実行プランのコストモデル設計 •候補プランの探索 •動的計画法による網羅的探索 •ヒューリスティクス：遺伝的アルゴリズム、焼きなまし法 2014/12/04 41 ⇔ハードウェア特性 seq_page_cost random_page_cost cpu_tuple_cost cpu_index_tuple_cost cpu_operator_cost ⇔処理方式・データ特性 •統計情報 •ページ数、タプル数、選択率、・・・ •アクセスパス •SeqScan, IndexScan, ... •結合方式 •NestLoopJoin, HashJoin •・・・
- 42. PostgreSQL! クエリ最適化の研究 •System R (1976) •動的計画法によるコストベース最適化 •Challenging な取り組み •Multi-query optimization [T.Sellis, 1987] •Dynamic mid-query re-optimization [N.Kabraet.al., 1998] •Query progress indicator [G.Luoet.al., 2004] •Access cost estimation on distributed object storage [B.Araiet.al., 2010] •Query optimization for hierarchical partitioning [H.Herodotouet.al., 2011] •SDN-powered optimizer on distributed storage [P.Xionget.al., 2014] •Cost estimation improvement with proactive subset query execution [A.Duttet.al., 2014] •Pilot Run によるUDFコスト推定[K.Karanasoset.al., 2014] 2014/12/04 42
- 43. まとめ •リレーショナルモデルとオプティマイザの 切っても切れない関係 •コストベース最適化 2014/12/04 43