tidb-in-action

1.2 优化器模型

优化器的作用是在合理的时间内找到合理的执行计划。TiDB 采用了 System R 的优化器模型,优化过程分为逻辑优化和物理优化两个阶段。在逻辑优化过程中,依次遍历内部定义实现的优化规则,不断地调整 SQL 的逻辑执行计划。物理优化则是将改写后逻辑执行计划变成可以执行的物理执行计划,这一过程会决定执行操作的具体方法,比如用什么索引读表,用什么算法做 Join 操作等。

1.2.1 常见逻辑优化规则简介

1 基本逻辑算子介绍

TiDB 中的逻辑算子主要有以下几个:

Selection,Projection,Join(简称 SPJ) 是 3 种最基本的算子。

2 常见逻辑优化规则

逻辑优化是基于规则的优化,通过对输入的逻辑执行计划按顺序应用优化规则,使整个逻辑执行计划变得更加高效。这些常用逻辑优化规则包括:

列表 1 列表 2
1、列裁剪 6、外连接转内连接
2、分区剪裁 7、子查询去关联
3、聚合消除 8、谓词下推
4、Max / Min 优化 9、聚合下推
5、外连接消除 10、TopN / Limit 下推

逻辑优化部分示例如下:

例子 1:外连接消除

外连接消除指的是将整个连接操作从查询中移除。外连接消除需要满足一定条件:

条件 1 和条件 2 必须同时满足,但条件 2.1 和条件 2.2 只需满足一条即可。

满足条件 1 和 条件 2.1 的一个例子:

select t1.a from t1 left join t2 on t1.b = t2.b;

可以被改写成:

select t1.a from t1;

例子 2:Max / Min 优化

Max / Min 优化,会对 Max / Min 语句进行改写。如下面的语句:

select min(id) from t;

改成下面的写法,可以实现类似的效果:

select id from t order by id desc limit 1;

前一个语句生成的执行计划,是一个 TableScan 上面接一个 Aggregation,这是一个全表扫描的操作。后一个语句,生成执行计划是 TableScan + Sort + Limit。通常数据表中的 id 列是主键或者存在索引,数据本身有序,这样 Sort 就可以消除,最终变成 TableScan/IndexLookUp + Limit,这样就避免了全表扫描的操作,只需要读到第一条数据就能返回结果。

最大最小消除由优化器“自动”地做这个变换。

1.2.2 物理优化原理

物理优化是基于代价的优化,这一阶段中,优化器会为逻辑执行计划中的每个算子选择具体的物理实现,以将逻辑优化阶段产生的逻辑执行计划转换成物理执行计划。逻辑算子的不同物理实现有着不同的时间复杂度、资源消耗和物理属性等。在这个过程中,优化器会根据数据的统计信息来确定不同物理实现的代价,并选择整体代价最小的物理执行计划。

物理优化需要做的决策有很多,比如说:

1.2.3 统计信息的收集与维护

TiDB 优化器会根据统计信息来选择最优的执行计划。统计信息收集了表级别和列级别的信息,表的统计信息包括总行数和修改的行数。列的统计信息包括不同值的数量、NULL 的数量、直方图、列上出现次数最多的值 TOPN 等信息。

1 手动搜集

通过执行 ANALYZE 语句来收集统计信息。如需更快的分析速度,可将 tidb_enable_fast_analyze(默认值为 0)设置为 1 来打开快速分析功能,此时将采取采样的方式收集统计信息。以数据库中 person 表为例,使用 fast analyze 的执行语句如下:

set @@tidb_enable_fast_analyze = 1;
analyze table person;

收集统计信息过程中,可以通过 show analyze status 语句查询执行状态,该语句也可以通过 where 子句对输出结果进行过滤,显示输出结果如下:

mysql> show analyze status where job_info = 'analyze columns';
+--------------+------------+-----------------+---------------------+----------+
| Table_schema | Table_name | Job_info        | Start_time          | State    |
+--------------+------------+-----------------+---------------------+----------+
| test         | person     | analyze columns | 2020-03-07 06:22:34 | finished |
| test         | customer   | analyze columns | 2020-03-07 06:32:19 | finished |
| test         | person     | analyze columns | 2020-03-07 06:35:27 | finished |
+--------------+------------+-----------------+---------------------+----------+
3 rows in set (0.01 sec)

2 自动更新

在执行 DML 语句时,TiDB 会自动更新表的总行数以及修改的行数。这些信息会定期自动持久化,更新周期默认是 1 分钟(20 * stats-lease)

注意:stats-lease 的默认值是 3s,如果将其设定为 0,则关闭统计信息自动更新。

3 统计信息查看

查看表的统计信息 meta 信息:

mysql> show stats_meta where table_name = 'person';
+---------+------------+----------------+---------------------+--------------+-----------+
| Db_name | Table_name | Partition_name | Update_time         | Modify_count | Row_count |
+---------+------------+----------------+---------------------+--------------+-----------+
| test    | person     |                | 2020-03-07 07:20:54 |            0 |         4 |
+---------+------------+----------------+---------------------+--------------+-----------+
1 row in set (0.01 sec)

查看表的健康度信息:

mysql> show stats_healthy where table_name = 'person';
+---------+------------+----------------+---------+
| Db_name | Table_name | Partition_name | Healthy |
+---------+------------+----------------+---------+
| test    | person     |                |     100 |
+---------+------------+----------------+---------+
1 row in set (0.00 sec)

可通过 SHOW STATS_HISTOGRAMS 来查看列的不同值数量以及 NULL 值数量等信息:

mysql> show stats_histograms where table_name = 'person';
+---------+------------+----------------+-------------+----------+---------------------+----------------+------------+--------------+-------------+
| Db_name | Table_name | Partition_name | Column_name | Is_index | Update_time         | Distinct_count | Null_count | Avg_col_size | Correlation |
+---------+------------+----------------+-------------+----------+---------------------+----------------+------------+--------------+-------------+
| test    | person     |                | name        |        0 | 2020-03-07 07:20:54 |              4 |          0 |         6.25 |        -0.2 |
+---------+------------+----------------+-------------+----------+---------------------+----------------+------------+--------------+-------------+
1 row in set (0.00 sec)

可通过 SHOW STATS_BUCKETS 来查看直方图每个桶的信息:

mysql> show stats_buckets;
+---------+------------+----------------+-------------+----------+-----------+-------+---------+-------------+-------------+
| Db_name | Table_name | Partition_name | Column_name | Is_index | Bucket_id | Count | Repeats | Lower_Bound | Upper_Bound |
+---------+------------+----------------+-------------+----------+-----------+-------+---------+-------------+-------------+
| test    | person     |                | name        |        0 |         0 |     1 |       1 | jack        | jack        |
| test    | person     |                | name        |        0 |         1 |     2 |       1 | peter       | peter       |
| test    | person     |                | name        |        0 |         2 |     3 |       1 | smith       | smith       |
| test    | person     |                | name        |        0 |         3 |     4 |       1 | tom         | tom         |
+---------+------------+----------------+-------------+----------+-----------+-------+---------+-------------+-------------+
4 rows in set (0.01 sec)

4 删除统计信息

可通过执行 DROP STATS 语句来删除统计信息。语句如下:

mysql> DROP STATS person;

5 统计信息导入导出

统计信息导出

通过以下接口可以获取数据库 ${db_name} 中的表 ${table_name} 的 json 格式的统计信息:

http://${tidb-server-ip}:${tidb-server-status-port}/stats/dump/${db_name}/${table_name}

示例:获取本机上 test 数据库中 person 表的统计信息:

curl -G "http://127.0.0.1:10080/stats/dump/test/person" > person.json

统计信息导入

将统计信息导出接口得到的 json 文件导入数据库中:

mysql> LOAD STATS 'file_name';

file_name 为被导入的统计信息文件名。