postgresql执行计划
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。
目录
1. 语法
1.1. 参数选项
2. 查看执行计划
2.1. 整体结构解析
2.2. 各个节点说明
① 扫描节点
② 连接节点
③ 物化节点
④ 控制节点
⑤ 并行节点
2.3. 参数输出说明
costs
analyze
verbose
buffers
3. 优化建议
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。
2.3. 参数输出说明
- postgresql的执行计划是以树形的方式输出该SQL的执行顺序，树形的呈现方式就是以节点呈现，而每个结点输出的详细信息由参数控制。
costs
costs主要输出执行计划的估算成本，而不是实际成本
- cost=0.00..1.60：表示启动成本0.00，结束成本1.60
- rows：该语句返回的行数
- width：该行的平均字节数
计算估算成本的参数分别有：
- seq_page_cost：全表扫描的单个数据块代价因子。
- random_page_cost：索引扫描的单个数据块代价因子。
- cpu_tuple_cost：处理每条记录的CPU开销代价因子。
- cpu_index_tuple_cost：索引扫描时，每个索引条目的CPU开销代价因子。
- cpu_operator_cost：操作符或函数的开销代价因子。
analyze
（这里手动把costs关了，因为它是默认打开的，主要为了展示analyze的输出结果）
analyze主要输出真实的成本（真正的去执行了这条SQL语句）
- time=0.010..0.013：表示启动成本0.010，结束成本0.013
- rows：该节点返回的行数
- loops：该节点循环次数
- Planning Time：计划执行的时间
- Execution Time：实际执行的时间
如果不想让该SQL执行成功，可以利用事务回滚
verbose
verbose用于输出该节点执行的事情
buffers
buffers用于输出该节点的缓存命中率，前提是必须开启analyze
- hit：该节点shared_buffer命中的page数量。
- read：该节点shared_buffer没有命中的page，但可能在系统缓存中命中。
- dirtied：该节点shared_buffer中出现的脏块。
- written：该节点写入磁盘的page。
- shared hit blocks（共享块）：例如 表、索引、序列的数据块。
- local hit blocks（本地块）：例如 临时表、索引的数据块。
- temp read blocks（临时块）：例如 排序、hash、物化节点。
3. 优化建议
（来源于postgresql官方文档）
扫描节点优化建议
- 过滤条件尽量提早使用。
- 过滤性越高的字段靠前，过滤性低的字段靠后（id1 < 100 and di2 < 10)。
- 核心SQL可以考虑采用"覆盖索引"方式，确保尽可能高效。
- 多SQL总和考虑重复利用索引。
- 不干扰过滤的前提下，order by 排序字段加入索引。
- 索引应尽量使用字节数小的列，对于重复值多的列不建议使用索引。
连接节点优化建议
- 每次使用执行计划前，先对表进行分析（analyze [表名]）。
- 调整合适的连接顺序（选择率低的join先执行）
耗时节点的合理性
1、数据扫描是否可以走索引、分区、物化视图？
- 返回大量行数的表，采用顺序扫描。
- 返回行数较少的表，采用索引扫描。
2、多表的连接顺序是否合理？
- 当使用3张表查询时（1张表数据小，2张表数据大），在做连接操作性，可以先让大表和小表连接，再去连接另一张大表。
3、两张表的连接算法是否合理？
- 查看基数估算结果是否准确，出现2表连接方式不合理。
4、返回行数估算是否准确？
- 比较估算成本与实际成本。若统计信息差距过大，进而导致选择了次优的执行计划。
5、是否有内存不足的情况？
- 当存在排序等情况时，操作的表超过了work_mem时，可以考虑适当增加该参数大小。