南大通用GBase 8a MPP Cluster性能优化之GCluster参数优化

对于数据库来说，效率是最重要的指标之一。要提升数据库性能，要做好以下几方面工作：数据库设计，SQL语句优化、数据库参数配置、恰当的数据资源和操作系统等。

今天给大家介绍下GCluster参数优化方法。

1.查询优化参数

• gcluster_hash_redistribute_groupby_optimize

这个参数用于控制是否启用groupby模式，默认1(0 - 关闭, 1 - 启用)
如果开启此选项，进行分组（group by）运算之前，将会把临时结果利用哈希算法重分布到各个运算节点，再由各个节点进行分组运算。由于数据在分到各个节点之前已经做了哈希，因此产生的结果直接汇总即可得到最终结果，不再需要由汇总节点再做一次分组。

gcluster_hash_redistribute_join_optimize

这个参数用于控制是否启用Hash重分布的JOIN模式，默认2(0 – 拉复制表，1 – 动态hash，2-自动评估)
如果开启此选项，在两个分布表进行等值join 运算时，将对其中一个表的数据根据连接条件列的值进行动态哈希。然后利用各个运算节点上动态哈希后的临时表和另一个表进行join 运算。这样，各节点的运算结果直接汇总即可得到最终结果。这种策略不会将其中一个分布表在所有运算节点上拉成复制表，每个运算节点只需接收这个表的一部分数据。如果参数设置为2 则当两表的数据量相差不超过20% 时，使用哈希重分布JOIN；否则不使用。

gcluster_special_correlated_optimize

该参数用于控制是否开启相关子查询hash重分布优化。父子查询是相关子查询关系，并且存在等值JOIN关系，则将父子查询按JOIN列进行hash重分布后执行。
•参数 = 0 关闭；
•参数 = 1 启用；
•该参数的默认值是1。

使用等值hash重分布相关子查询功能需要配合参数gcluster_crossjoin_use_hash_distribution来一起使用，使用原则如下：
•当gcluster_special_correlated_optimize = 0时，无论如何设置参数gcluster_crossjoin_use_hash_distribution的值，都不会开启本优化。
•当gcluster_special_correlated_optimize = 1，而gcluster_crossjoin_use_hash_distribution = 0时，也不会开启本优化。
•当gcluster_special_correlated_optimize = 1，并且gcluster_crossjoin_use_hash_distribution = 1时，才会开启本优化。

示例如下：
SELECT COUNT(*) FROM x1 WHERE EXISTS (SELECT 1 FROM x2 WHERE x1.id2 = x2.id2);
等值hash相关子查询优化，分别对x1,x2进行动态重分布。

gcluster_crossjoin_use_hash_distribution

这个参数用于设置当JOIN两边都不是hash列时，是否仍强制走hash重分布JOIN。
•参数 = 0：表示关闭，即当JOIN两边都不是hash列时，不使用hash重分布JOIN功能；
•参数 = 1：表示开启，即当JOIN两边都不是hash列时，使用hash重分布JOIN功能；
•该参数的默认值是1。

gcluster_empty_result_set_optimize

这个参数用于设置是否启用空结果集优化功能。默认为 0(0 – OFF， 1 - ON)。空结果集优化，如果优化阶段可判断结果集为空，则直接返回，而不需要让执行器进行执行。

gcluster_single_hash_node_optimize

单表hash条件的优化,当单表包含hash列的等值条件时，进行hash优化，sql语句仅仅发送给单个节点。默认为1(0 - OFF, 1 - ON)。

gcluster_hash_join_complex_optimize

子查询和父查询满足hash关系的优化，可当作一个整体部分来执行。这个参数用于控制是否在子查询和父查询满足hash关系的优化时，当作一个整体部分来执行。
•参数 = 0 禁用，满足hash关系的优化时，不当作一个整体部分执行；
•参数 = 1 启用，满足hash关系的优化时，当作一个整体部分执行。
•该参数的默认值是1。

gcluster_union_optimize

这个参数用于设置是否使用union优化。使用union优化时，union 优化尽量把union 语句发送到节点执行，避免把所有需要union的表都拉成复制表。即利用union的结果集去重的特性，直接将union发送到下层去执行。这样在某些情况下，可以大大减小汇总节点的中间结果集的大小。
•参数 = 0：不使用union优化；
•参数 = 1：使用union优化。
•默认值为1

gcluster_starschema_join_estimate_optimize

设置评估两表join结果的方式，0：按照两表行数相乘进行评估；1：按照两表中的大表的行数进行评估，默认值是1。

gcluster_delayed_group_by_optimize

设置group by是否下发到gnode执行，当group by下发到gnode 执行后结果集并没有明显减少时，请设置该参数为1，(0 - OFF, 1 - ON)。

gcluster_count_optimize

设置对单表进行count(*)时，不产生中间结果表，gcluster直接计算结果值。
•0：按照产生中间表的方式执行；
•1：gcluster 直接计算count值。count短路优化功能开启，优化阶段会将sql下发到各个gnode节点计算，直接返回结果，不再执行生成查询计划和生成临时表的逻辑；
•2：在1的基础上，如果数据表是hash分布表，且sql的where conditions满足single hash opt condition，执行器将根据hash value计算sql下发的目标gnode，下发sql到目标gnode节点计算，不再下发到所有gnode计算，提高小查询并发。

优化点： count(*) 时原来的策略是先在发起节点上的gnode上创建一个临时的汇总表， 把各个节点的执行结果汇总到该临时的汇总表上，然后对该临时的汇总表再做sum的汇总，汇总完成后再删除临时的汇总表，当有高并发时，频繁的创建和删除临时的汇总表将降低性能， 现在修改为不创建临时的汇总表，把各个节点的执行结果收集到gcluster上，由gcluster直接计算，因此不需要创建和删除临时的汇总表，从而提高性能。

gcluster_count_optimize取值为1时的count sql优化需具备的条件：

•没有使用dblink表；
•没有union、minus、intersect；
•没有非相关子查询；
•没有标量子查询；
•没有from子查询；
•没有相关子查询；
•不是select...into；
•投影列只有1列；
•没有group by子句；
•没有order by；
•没有having；
•没有limit和offset；
•没有distinct；
•没有join；
•没有复制表；
•投影列必须为count但不是count distinct。

gcluster_count_optimize取值为2时的count sql优化需具备的条件：

•满足上述取值为1时的所有条件；
•且使用的数据表为hsah分布表，where conditions 中必须符合单点hash优化执行的条件。

样例：select count(1) from t where t.distr_col=常量;
关闭优化400并发吞吐量3905/s，开启优化400并发吞吐量6055/s。

2.并发参数

gcluster_serial_exec_query

优化点：因为gnode没有自动的资源管理能力，当高并发时，gnode因为各个并发的SQL进行资源争抢，反而导致执行性能下降，因此可通过gcluster 来控制下发给gnode的SQL数来达到对gnode使用资源的间接控制，让gnode的各个并发的SQL不要进行资源的争抢，从而提高性能， 可通过在gcluster配置文件中设置gcluster_serial_exec_query = 批量提交数（单节点cpu核数）来控制提交到gnode的SQL数。
该参数默认为0（不限制）。

gcluster_max_conn_in_pool

优化点：没有线程池时，gcluster访问gnode的并发数量将不受控制，gcluster访问每一个gnode都将启动一个新的线程，高并发时大量的线程将消耗系统资源及增加了gnode的压力，当采用线程池后，并发请求竞争同一个线程池中的线程，所以，通过最大线程数能够严格控制gcluster访问gnode的并发数量，从而减少gnode的压力和降抵线程对系统资源的消耗。
该参数默认为300。

gcluster_use_conn_pool

优化点：没有连接池时，gcluster访问gnode的连接数量将不受控制，gcluster访问每一个gnode都将启动一个新的连接，这样就增加了到gnode的连接时间，并且高并发时将有大量的连接消耗系统资源，当采用连接池后，并发请求竞争同一个连接池中的连接，所以，通过最大连接数能够严格控制gcluster访问gnode的并发数量，从而减少gnode的压力和降抵连接对系统资源的消耗。
(0-OFF，1-ON)

gcluster_insertselect_use_values_optimize

优化点：多个insert into t1 select * from t 当高并发时，在 gnode上只能够串行执行，影响执行效率，但如果按照insert into t1 values()的方式是允许并发执行的。
用例：
INSERT into TB_SVC_SUBS_HIST_TMP1
SELECT *
FROM TB_SVC_SUBS_HIST
WHERE 
MSISDN=MSISDN=’xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx’
适用场景：insert select高并发，并且select 的结果集不是很大。
(0-OFF，1-ON)

gcluster_single_hash_node_optimize 

•0：代表单点hash优化关闭。
•1：用于单表等值hash查询条件的优化,当单表包含hash列的等值条件时,进行hash优化,sql语句仅仅发送给单个节点。
•2：用于单表及from子查询等值hash查询条件的优化,当单表及from子查询包含hash列的等值条件时,进行hash优化,sql语句仅仅发送给单个节点。
•3：支持单表优化和多表join情况，包括inner join、left join、right join，不支持full join，进行hash优化,sql语句仅仅发送给单个节点。
默认值为1：开启 

示例：select * from bas.clcinfdta where 1=1 and clt_nbr=‘7319022720’ limit 30 offset 0 
不能查到记录，去掉1=1即可正确查询 
可设置gcluster_single_hash_node_optimize=0，临时关闭
设置为3时的优化性能参考：
单个jmeter20并发开启优化参数single_hash=3吞吐量20.2/sec;关闭优化参数吞吐量15.3/sec；
单个jmeter50并发开启优化参数single_hash=3吞吐量27.2/sec;关闭优化参数吞吐量19.2/sec；
单个jmeter100并发开启优化参数single_hash=3吞吐量28.9/sec;关闭优化参数吞吐量20.3/sec； 

_gbase_enable_hashtree 

默认值为1（启用），用于join时连接值重复较多效率低下； 
值为0时join不启用hashtree，使用链表结构连接。 

gcluster_ddl_parallel_execute 

这个参数用于控制DDL并行或者串行执行。
•参数 = 0：串行执行；
•参数 = 1：并行执行
•该参数的默认值是0 

GCluster参数优化先给大家介绍这些，关于性能优化其他参数调整，敬请关注后续文章，谢谢！