什么是adb for pg？
答：1.云原生（资源池化，动态升降配）数据仓库，基于postgreSQL内核
2.基于MMP架构存储和计算能力可水平拓展；支持按区间或值分区的分区表
3.支持sql2008语法及OLAP分析聚合函数，支持视图，pl/sql UDF和触发器，部分兼容ORACLE语法
4.支持行和列存储，支持多种索引。支持压缩技术（列式存储下）
5.支持标准数据库隔离级别，支持分布式事物保持数据一致性
6.向量化计算引擎，cascade架构查询优化器 支持复杂sql的高性能分析
adb集群是什么样的？
一个adb的MMP架构集群中，存在多个adb实例，一个实例包括一个协调节点（负责接收客户端连接和查询请求，负责解析执行计划，分配计算）和多个计算节点。
adb数据库的设计规范：
1.对象数量
合适的数据库对象数量（元数据），单个数据库应控制在10万以内，且数据对象包括：表、视图、函数、序列、索引、分区子表、外部表等。
2.数据类型
类型一致性：关联列使用相同数据
+类型，如果不同，adb会动态转为相同类型
类型最小化:例如char类型可使用vachar类型，性能不会提升，但是会节省空间，又比如，int够用，就不必使用bigint
3.存储模型（堆存储、追加优化（AO）存储、行存储、列存储）
选择存储模型的最佳实践：
[1]对于大型事实分区表，评估并优化不同分区的存储选项。比如，不同的分区使用行或列存储
[2]使用列存储，每个列就是一个文件。对于一个有非常多列的表，经常访问使用行存储，不经常则行
[3]在分区级或存储级别上设置存储类型
[4]考虑使用压缩，提高IO性能
堆存储和AO存储
[1]adb默认为堆存储。
[2]如表和分区经常执行（包括并发执行）UPDATE、DELETE、INSERT操作，使用堆存储。
[3]数据很少更新，之后的插入以批处理方式执行，则使用AO存储。对于AO表，可并发批量INSERT,不可并发批量UPDATE、delete。
行存储和列存储
话不多说，都有各自应用场景
压缩
[1]新增分区不继承父表的压缩方式
[2]压缩和排序联合使用，可达到最佳压缩比
[3]建议在实际保存物理数据的那一层设置字段压缩方式 在压缩文件系统上不要使用数据库压缩 adb的压缩级别（有疑问）
分布键
分布策略的最佳实践:
[1]要么明确指定分布字段，要么使用随机分布。不要使用默认。
[2]理想情况下，能够将数据均匀分布到所有段数据库的一个字段为分布键。
[3]不要使用常出现在where字句中的字段
[4]不要使用日期或者时间字段作为分布键
[5]分布键的字段要么基数很大 要么唯一值
[6]一个字段作为分布键不能使数据均匀分布，可选择两个字段作为分布键，不要超过三个，adb pg使用哈希值进行分布，计算哈希也需要时间。
[7]如果两个还是不能均匀分布（差异超过百分之10），使用随机分布。
[8]小表广播移动操作比重分布移动操作效果好
[9]如果两表的分布键相同，字段的数据类型不同，哈希值可能不同，关联时导致动态重分布。
倾斜：包括计算倾斜，数据倾斜
[1]数据倾斜 gp_toolkit.gp_skew_coefficients视图 skccoeff字段表示变异系数，考虑了数据的均值和可变性。值越大，数据倾斜越严重。
[2]计算倾斜：gp_toolkit.gp_skew_idle_fractions视图 计算表扫描时系统空闲的百分比显示数据分布倾斜情况。其中 siffraction字段显示了表扫描时处于空闲的系统的百分比。值越高，计算倾斜越严重，0.1表示倾斜超过百分之10,以此类推。识别计算倾斜，目前主要靠手动，首先查看临时溢出文件，如有计算倾斜，但是没有造成临时溢出文件，不会影响性能。
分区的最佳实践
[1]为大表建立分区，不要为小表建立分区
[2]根据查询条件可以实现分区裁剪时对大表使用分区
[3]优先使用范围分区，其次列表分区
[4]仅当sql查询包含使用不变操作符（比较符）的简单直接约束时，查询优化器才会执行分区裁剪。
[5]通过检查查询的explain计划验证是否执行分区裁剪非常重要
[6]不要使用默认分区。分区不合理，导致溢出而性能不佳
[7]不要用相同的字段既做分区键有做分布键
[8]避免使用多级分区
[9]对于列存储的表，慎用过多的分区 小文件
[10]考虑好并发量和所有并发查询打开和扫描的分区均值
adb调优：（https://help.aliyun.com/document_detail/284581.html）
1.查看数据分布(检查是否数据倾斜)
select gp_segment_id ,count(1) from $table_name group by 1 order by 1;2.查看运行最耗时的sql
select current_stampment -query_start as runtime,datname,usename,query from pd_stat_activity
where quert != ''
order by runtime desc limit 10;3.adb的优化器
4.sql优化
（1）where条件优化：将函数处理放在等式右边 ；对于日期类型的字段判断，条件值可直接使用字符串，会自动转换，无需使用类型转换函数 ；对于分区字段，不要对分区字段进行运算。
（2）分区字段的使用，减少每次表扫描涉及的数据量。特别在多个分区表关联时，每个分区表都需要指定分区字段的条件。
（3）表关联 多表关联的时候，不要写inner join的省略形式 可用join；一个sql语句 关联表不要超过10张；几个大小差不多的表做关联时，过滤性强的优先做join；有大 大 小三张表，避免两张大表进行关联，除非过滤性非常强;有大 小 小三张表内联时，优先join两个小表；两张大表关联 关联字段不能有太多重复值；小表left join超大表（数量过亿），把left join改为先inner join 在left join（原因：可提高性能，也能避免adb产生过多临时文件；因为在adb数据库中，对于left join语句，服务器会固定使用右表的记录，构造hash表，然后用hash join的方式实现关联。如果右表过大，会导致hash表需要占用大量的内存，如果内存超出限制，系统会把hash表的内容，写入到文件系统中的临时文件中，如果是inner join系统会自动选择使用小表建立hash表）；表通过分布键关联时，不要使用表达式字段的方式进行关联，不然会造成数据重分布。
（4）排序语句 不要在视图中使用order by语句，在视图中排序语句会被忽略；不要对大的结果集使用排序；如果数据达到亿级别，避免使用partition by,union，用group by代替。
（5）聚合查询 聚合查询的group by键尽可能与分布键保持一致，造成数据重分布；当group by多个属性且包含分布键时，应优先将分布键移至第一位，避免数据重分布；检查执行计划聚合计算方式，除非数据排序，hashaggregate性能通常优于groupaggregate（基于排序实现分组）
（6）嵌套子查询 不要超过4层
（7）union union all:union去重（也可用union all +groupby代替） 如非必要使用union all；建议不要union all子句超过5个，如超过可用insert的形式代替。
5.平常写sql注意点：
（1）查看执行计划，看存在的redistributed和broadcast是否合理
（2）union和union all的使用
（3）避免对大表进行update操作，用delete+insert代替
（4）清空表，使用truncate，不要使用无条件的delete，避免vacuum处理
（5）减少嵌套子查询
（6）避免not in ，not exists
（7）避免子查询subplan和大表nestloopjoin（嵌套循环关联，与之相反的是哈希关联）
6.adb (analyticDB for postgreSQL)执行计划
（1）adb采用基于成本的优化器。优化器考虑的因素（自己设计一个优化器，要考虑哪些东西）：关联表的行数，是否有索引，字段数据的基数等；还会考虑数据的位置，降低不同segments间的数据传输量。
（2）explain 、explain analyze，若需对DML语句执行explain analyze而不需要影响数据，可将explain analyze置于事务中（begin;explain analyze...;rollback;）
（3）执行计划可以读到哪些信息：sql的的执行计划 估算的代价，explain analyze还可看到：执行sql的总时间（以毫秒为单位）；查询节点需要的工作进程个数；每个操作中处理最多行的segment处理的最大行数以及segment的序号；内存使用量；从处理最多行的segment上获得第一行花费的时间及从该segment获得所有行花费的时间（单位毫秒）
（4）解读执行计划：cost（代价）：一部分是启动代价估计，即得到第一行的代价，第二部分为总代价。代价为1.0意味着顺序读一个磁盘页。行数（rows）是查询节点输出行数的估计。长度（width）是查询节点输出的所有字节的总长度（单位字节）。注：节点的代价包括了所有子节点的代价。
（5）执行计划中的操作符：扫描操作：堆表顺序扫描：扫描表的所有行；AO扫描：扫描面向行的AO表；AO列扫描-扫描面向列的AO表；索引扫描：遍历B树索引，从表中获取期望的行；bitmap AO行扫描：从索引中获得AO表行的指针，并根据磁盘位置排序；动态扫描：使用分区选择函数选择待扫描的分区。function scan节点包含分区选择函数的名字：gp_partition_expantsion:选择表的所有分区，不会裁剪分区；gp_partition_selection：根据等价表达式选择分区；gp_partition_inversion：根据范围表达式扫描分区。将动态选择的分区传递给result节点，进而传递给sequence节点。
关联操作符：哈希关联-用关联字段做哈希键，对小表建立哈希表，然后扫描大表，哈希表中判断值相等的行；嵌套循环-遍历大数据集，根据其每一行扫描小表，嵌套循环需要广播一个表的数据，对于小表或者使用索引的表性能好，也出现在笛卡尔关联和范围关联；合并关联-对两个数据集排序，然后合并；广播；重分发；收集；
其他操作符
物化：优化器物化子查询，避免重复计算；initplan-仅需要执行一次的子查询，且对外围查询没有依赖；排序；分组；分组/哈希聚合；追加；过滤器；限制；
6.加载数据
（1）insert语句
通过主服务器master分发到某个segment。最慢的方法，不是大量加载数据
（2）copy语句
从外部文件拷贝数据（小于10K ）到数据库表中，插入多行，比insert快，通过master分发，不能并行
（3）基于client sdk数据写入
（4）外部表
create external table lacation字句 数据源 ，format定义数据合适的格式便于解析。
