postgresql数据库执行计划图文详解

简介

执行计划功能展示了SQL在执行的过程中走向、成本以及命中情况。主要作用于SQL调优，输出SQL执行的详细信息，有利于调优人员及时分析性能下降原因。

1. 语法

EXPLAIN [statement]
EXPLAIN [option] [statement]
EXPLAIN [all_option] [statement]

1.1. 参数选项

analyze -执行真实的SQL，除估算成本外，额外输出一项实际结果verbose -输出每个结点的详细信息costs -输出估算成本(默认开启)buffers –(前提：必须打开analyze) -输出缓存使用信息命中率、脏数据、写，包含：共享块、本地块、临时块format { text | xml | json | yaml } -指定输出格式

若想查询DDL真实语句成本，可以利用事务回滚方法来使用执行计划。例如：

–开始事务
BEGIN;
–DDL语句执行查询计划
EXPLAIN ANALYZE UPDATE [table] SET id = id + 1;
–回滚事务
ROLLBACK;

事务回滚后并不会更新真正的数据，这样就能达到既想查看DDL语句的真实成本，又不会改变数据的好处。

2. 查看执行计划

执行计划输出结构示意图：

2.1. 整体结构解析

执行计划的结构是怎样的？

按树形结构划分，每层分支用节点来表示，每个结点表示SQL在这一阶段做了什么。
红框表示第1层，蓝框表示第2层，绿框表示第3层，黄框表示第4层。
- 每一层都标识了扫描方式、估算成本、输出字段、内存命中。

怎么查看执行计划的结构？

从下到上：每个箭头表示1个节点。上一个节点的输入信息来自于它的下一个节点，所以需要从最下面开始分析，依次读到最顶层。
从里往外：由于上层结果是下层结果的输出，所以在理清层次结构后，需要先分析最里层，再依次往外分析。

例如：最里层的启动成本是0.00，结束成本是10.00；那么上一层可能就是启动成本从10.00开始，结束成本大于10.00。以下示意图中蓝框就是最好的例子：

红框：每个节点的开头说明

HashAggregate：表示走的hash聚合函数
Seq Scan：表示全部扫描

蓝框：该节点的估算成本

cost=1.92..1.95：表示启动成本1.92，结束成本1.95
rows：该语句返回的行数
width：该行的平均字节数

绿框：该节点的真实成本

time=0.087..0.093：表示启动成本0.087，结束成本0.093
rows：该节点返回的行数
loops：该节点循环次数

其他：该节点的详细信息

Output：该节点输出的sql语句
Batches：该节点内存使用大小
Buffers：内存命中率

简单说明

QUERY PLAN
——————————————————————————————-
HashAggregate (cost=1.92..1.95 rows=3 width=21) (actual time=0.100..0.102 rows=2 loops=1)
\’hash聚合扫描\’ \'(估算成本=启动成本..结束成本 , 执行SQL返回的行数 , 每行平均字节数)\’ \'(实际成本)\’
Output: count(*), \”position\”
\’表示该节点执行的字段\’
Group Key: pay_scale.\”position\”
\’表示该节点执行的字段\’
Batches: 1 Memory Usage: 24kB
\’表示该节点内存使用大小\’
Buffers: shared hit=7 read=10
\’表示共享内存中有7个命中块，10个未命中(可能在系统缓存中命中的)\’

2.2. 各个节点说明

① 扫描节点

顺序扫描（seq scan）

控制参数：enable_seqscan = on
解释说明：根据实际的数据存取顺序，连续扫描所有数据。（多用于无索引的情况下）

适用情况：

一般为数据量小、且选择率高的表。
1000条数据以下，select 查出结果大于500条

索引扫描（Index scan）

控制参数：enable_indexscan = on
解释说明：根据查询条件扫描索引。因为索引是有序的，所以采用对半查找方式，快速找到符合条件的索引数据。再过滤条件和索引键值进行比较。

适用情况：

一般数据量大，但选择率较低的表。
1w条数据以上，select 查出结果低于实际条数的20%。

注意情况：

如果索引条件不存在（选择率非常高），性能会严重下降，甚至不如全表扫描。

位图扫描（Bitmap scan）

控制参数：enable_bitmapscan = on
解释说明：
- 1、先通过Bitmap Index Scan索引扫描，在内存中创建一个位图表，每个bit表示一个与过滤条件有关的页面（此页面有可能数据为1，不可能为0）。
- 2、再通过Bitmap Heap Scan表扫描，在内存中创建好的位图表指针对应的页面进行顺序扫描，排除不符合的记录，返回需要的结果。

适用情况：

列中含有重复值。
查询中包含and、or等范围性查找。

TID扫描（TID Scan）

控制参数：enable_tidscan = on
解释说明：根据数据实际存储位置的ctid进行扫描，获取元组。通过隐藏字段ctid扫描时标记数据位置的字段，通过这个字段来查找数据（速度较快）

适用情况：

where条件中带ctid的表。

覆盖索引扫描（Index Only Scan）

控制参数：enable_indexonlyscan = on
解释说明：允许直接从索引得到元组。覆盖索引扫描要求查询中的某个表，所需要数据均可从这张表的同一索引的索引页面中获得。

适用情况：

更新少的表

其他扫描节点

Sample Scan

数据取样功能，支持查询返回取样数据。

当前只在常规表和物化视图上接受tables ample子句。

Subquery Scan

以另一个查询计划树（子计划）为扫描对象进行元组扫描，其扫描过程最终被转换为子计划的执行。

主要包含：exists、in、not in、any/some、all。

Function Scan

扫描对象为：妇女会元组集的函数。

该节点在Scan的基础上扩展定义了function列表字段，存放Function Scan涉及的函数，以及funcordinality字段，是否返回结果加上序号列。

Valies Scan

values计算由值表达式指定一个行值或一组行值。

常见的：把它用来生成一个大型命令内的常量表，但是它也可以被独自使用。

CTE Scan

with提供了一种方式来书写大型查询中使用的辅助语句，这些语句通常被称为公共表达式或CTE，它可以被看成是被定义在一个查询中存在的临时表。

with子句中的每个辅助语句可以是：select、insert、update、delete。
with子句本身也可以被附加到一个主语句，主语句也可以是select、insert、update、delete。

WorkTable Scan

它与Recursive Union共同完成递归合并子查询。

Foreign Scan

扫描外部表，用于fdw或dblink和外部数据的交互情况。

Custom Scan

自定义扫描接口

② 连接节点

嵌套循环连接（Nest Loop join）

控制参数：enable_nestloop= on
解释说明：扫描每条外表数据（m条），再与内表中所有的记录（n条）去连接。时间复杂度为：m * n。

适用情况：数据量小的表。

哈希连接（Hash join）

控制参数：enable_hashjoin= on
解释说明：对内表建立hash表，扫描所有内表数据到各个hash桶；再建立hash桶逐个扫描外表每一行，对外表数据进行hash到某个桶，再与这个桶里的数据进行连接。

适用情况：数据分布随机，重复值不多的表。

归并连接（Merge join）

控制参数：enable_mergejoin= on
解释说明：先对两张表排序，再做连接。

适用情况：两张表的数据都是有序的。

③ 物化节点

说明：物化节点是一类可缓存元组的节点。在执行过程中，很多扩展的物理操作符需要先获取所有元组后才能操作，这时就需要用物化节点将元组缓存（例如：聚合函数、无索引的排序）。

物化节点（Material）

控制参数：enable_material= on
解释说明：用户缓存子节点结果。对于需要重复多次扫描的子节点，可以减少执行的代价。

适用情况：结果在子查询中会被多次使用。

分组节点（3种情况）

1、Hash Aggregate

控制参数：enable_hashagg= on
解释说明：通过hash算法，把相同的值hash到同一桶中，再求聚集。

适用情况：数据无序的表。

2、Group Aggregate

解释说明：通过排序的方式进行分组，再求聚集。

适用情况：数据有序的表。

3、Aggregate

解释说明：执行含有聚集函数的group by操作，其中有3种策略：

Plain：不分组的聚集计算。
Sorted：下层节点提供排好序的元组（类似group方法）。
Hash：先对下层节点提供的末排序元组进行分组，再计算。

适用情况：含有聚集函数的group by操作。

排序节点（Sort）

控制参数：enable_sort = on
解释说明：对数据进行排序。

适用情况：输出结果是有序的情况。

去重节点（Unique）

解释说明：对下层节点返回已排序的元组进行去重。

适用情况：查询中带distinct关键字（当要求去重的属性被order by子句引用时，一般会使用该节点）。

其他物化节点

Window Agg

窗口函数

T_SetOp

setop语法节点

Lock Rows

使用锁定子句（for update、for share）

Limit

使用limit时的节点

④ 控制节点

BitmapAnd / BitmapOr节点

解释说明：这两个节点实现了2个或多个位图的and和or运算（将产生每一个位图的子计划放在一个链表中，在执行过程中先执行子计划节点获取位图，再进行and / or操作）。

适用情况：2种节点都是位图类型，用于位图计算。

Result节点

解释说明：执行计划不需要扫描表，执行器会直接计算select的投影属性，或使用values子句构造元组。

适用情况：针对那些不扫描的查询，用来优化包含仅需计算一次的过滤条件。

Append节点

解释说明：该节点会逐个处理这些子计划，当一个子计划返回所有结果后，会接着执行链表中的下一个子计划，直到全部执行完。

适用情况：用于处理包含一个或多个子计划的链表。

Recursive Union节点

解释说明：对节点递归进行处理。

适用情况：用于处理递归定义的union语句。

⑤ 并行节点

并行全表扫描（Parallel SeqScan）

当表数据量大、选择率低时，自动使用并行。

当表数据量大、选择率高时，不自动使用并行（大于50%）。

并行hash（Parallel Hash）

例如使用hash join

每个worker都是先扫描小表score计算hash，再并行扫描大表，最后做hash。将数据汇总到gather节点合并最终结果集。

并行嵌套（Parallel NestedLoop）

支持并行嵌套查询

如果不开启并行，普通的hash join性能会比开启低很多。

也支持其他并行

Gather / Gather Merge
并行聚集（Partial / Finalize Aggregate / HashAggregate / GroupAggregate）
并行排序（Gather Merge）
并行B-Tree索引扫描（B-tree Index Scan）
并行Bitmap扫描（Bitmap Heap Scan）
并行Append（Parallel Append）
并行Union（Parallel Union）

开启并行的参数

max_worker_processes（默认8）

OS支持的最大后台进程数

max_parallel_workers（默认8）

最大并行worker数

max_parallel_workers_per_gather（默认2）

最大并行执行worker数

max_parallel_maintenance_workers（默认2）

最大并行维护worker数

它们之间的配置关系：

以max_worker_processes 为主配置
max_parallel_workers 不能超过主配置数量
max_parallel_workers_per_gather 和max_parallel_maintenance_workers 相加的值也不能超过主配置数量

并行的触发条件

表

表的存储空间至少大于min_parallel_table_scan_size（默认 8MB）

索引

索引的存储空间至少大于min_parallel_index_scan_size （默认512KB）

查询某张表的索引大小

SELECT pg_size_pretty( pg_relation_size(\'[表名]\’));

并行注意项

在开启并行时，并不是所有的SQL都适合开并行，也并不是并行越多性能就越好，每条SQL都有适合自己的worker数，需要考虑开启并行后对系统开销成本计算。
如果cpu、共享内存、worker进程等资源是整个数据库共享。一个select如果消耗了大量的资源（比如开启了64个worker），其他会话能够申请的资源会变得有限，这一行为在OLTP事务应用中尤为重要。所以需要将worker设置为合理的范围。