## 背景 随着PG9.5 项目的release，属于PG9.6的代码也陆续进入代码主干，其中最让人激动的特性并行查询终于进入了核心代码。pger们对这个新特性期待了太久的时间,代码刚提交我们就迫不及待的拿到，从设计到性能进行一番探究，并通过本文介绍给大家。 ## 并行技术的过去和未来 这是个很困难的工作，要说清楚它需要讲清楚并行技术相关的一些背景。 PG 目前的架构是基于多进程的，必要的信息通过共享内存这样的机制来传递。 该架构的好处是： 1. 代码相对简单； 2. 在多CPU环境下多会话任务可以由操作系统来调度； 3. 多进程程序相对稳定。 不幸的是，虽然多会话任务可以利用操作系统并行调度满足需求，但是单个任务却只能最多使用一个CPU和一个IO通道。最近的计算机架构发展呈现出这样的发展趋势 1. 单个CPU的运算能力没有大增长； 2. 越来越多的CPU核心； 3. SSD 存储的崛起 I/O 延迟急剧降低(尤其随机读写)。 但是数据库要处理的单个会话任务的复杂程度却急剧增加（想想复杂的多表JOIN任务、大表扫描任务、聚合操作和大量数据排序任务，再想想OLAP报表SQL）。单个任务的处理能力越来越成为了数据库任务处理的瓶颈. PG发展路线是相对保守的，即使在这样的趋势下，已经在多个方面使用了并行技术。 1. 利用部分OS系统调度的并行IO调度(`effective_io_concurrency`，已完成)； 2. 并行逻辑备份和恢复技术(已完成)； 3. 并行执行器(in pg96)。 对于并行执行器，也就是本文讨论的内容，相对于其他的技术点难度显然大得多。 对于目前的架构，单个SQL任务的执行被明显的分为： 1. 语法分析语义识别； 2. 查询重写； 3. 产生查询计划； 4. 执行查询计划。 一共4个大的阶段。并行技术很难把这几个明显的阶段并行起来执行，也不可能把某一阶段的工作提前。但是把执行查询计划这个阶段并行起来是可能的，也就是并行执行器。 ## 设计思路 整个设计可以分为下面几个大的部分 1. 一套用于并行执行框架的基础设施 包括容错机制，这部分工作涉及到的点很杂也很多，按照计划在PG9.5之前就已经实现了其中的大部分。其中很重要的是容错机制，主进程需要了解属于自己工作进程的执行状态，处理工作进程执行过程中发生的任何错误，还有动态工作进程，动态共享内存API等等工作进程消息处理。 2. 修改优化器，在传统的代价模型基础上增加计算并行执行路径的的代价数据，优化器能够输出并行执行计划。增加并行执行节点相关的path、plan，用于存放并行相关的代价信息。 3. 开发一套用于多进程间同步数据的机制，目前的实现是开辟共享内存。当然也有其他选择，发送和接受数据的格式和形式也需要设计。 4. 动态启动多个工作进程，把查询计划中部分任务下发给它们执行 需要重组目前传统的执行器流程，也就是在目前执行器上面添加用户并行处理的执行节点：1）并行扫描节点，2）数据发送接收节点。 ## 结合代码进行说明 还是从设计思路的4个方面讲。 基础设施 如上面的描述，这部分相当的杂，这些都是实现并行执行的技术设施。下面列举主要的部分： 1. 动态共享内存，9.4完成，并提供了几种底层的实现选择(不同的OS选择不同)，参考参数 `dynamic_shared_memory_type`； 2. 共享内存消息队列`shm_mq`，用于通过共享内存传递数据和状态。通过核心函数 `shm_mq_receive` ，可以看到无论是数据还是错误消息都通过该机制来同步； 3. 主进程同步给工作进程相关的各种会话信息 * 动态库 RestoreLibraryState() * 用户信息，用户登录的DB BackgroundWorkerInitializeConnectionByOid() * 当前会话中的GUC参数，并行SQL所在的事务信合和状态 RestoreGUCState() * 快照信息 RestoreSnapshot() * ComboCID信息 RestoreComboCIDState() 可以看到，为了让工作进程完成部分工作，需要装载主进程的很多上下文信息。这里有大量的工作，也意味着并行模式需要承担一定的代价。这一点PG的并行模型的代价模型实现中有清晰的考虑。 完成了这一步，才能重用目前执行器中的大量现有流程。 修改优化器 考虑优化器的相应修改，我们知道PG优化器生成执行计划是基于代价模型，并行执行在优化器的重点就是考虑如何准确估计并行执行的代价。 实现原理：新增并行相关的节点的执行path，并填充他们准确的 cost，让它们参与到动态规划或遗传算法的迭代计算中。最终如果并行相关path最优，则创建完整的执行计划交给执行器执行. 1. 新增的cost类型 * `parallel_setup_cost` 并行计划启动代价，对应工作进程的创建和上下文信息的传递所需要的代价。它也说明只有需要一定工作量的复杂SQL才有必要使用并行方式执行； * `parallel_tuple_cost` 主进程和工作进程间传递数据是需要消耗资源的，这取决于实现它的方式(目前消耗的资源多是内存拷贝和tuple的重组和解析)； 上述代价是并行执行模型需要考虑的，结合统计信息中表上的其他信息，能预估出对应表或JOIN使用并行模型执行时的代价。 2. `cost_seqscan` 顺序扫描采取了并行的执行方式，需要计算并行模式的代价。 顺序扫描的代价分为3个部分 `startup_cost` + `cpu_run_cost` + `disk_run_cost` 并行模式下CPU 和 DISK 被分担到了多个工作进程中，每个工作进程处理整个表中的一部分数据。相应的代价被重新评估. * `create_parallel_paths` 适合并行的表创建并行path并，并填充cost； * `standard_planner` 当然并行模式并不适合所有查询，做逻辑优化阶段需要关掉并行计划的计算； * 当然，随着工作进程能承担的工作越多，更多的执行节点可以让工作进程完成，在优化器中需要做适当的节点下推(push down)。 数据同步 这部分(`shm_mq`)底层使用共享内存在一个OS中，在多个独立进程间同步数据。在实现上又抽象成了消息队列的形式，用于工作进程和主进程间同步数据。 表上的数据(tuple)和错误消息被封装成”消息”的形式发送给主进程，核心函数`shm_mq_sendv` 和`shm_mq_receive`可以看到，底层实现是通过在共享内存上用memcpy来做的。 执行流程重组 执行器的工作主要是改造传统的逐层迭代方式以支持并行执行方式，当然是在重用之前代码的基础上，几个关键的实现是: 1. ExecGather 添加用于接受工作进程发送数据的节点，内部调用了底层`shm_mq` 模块中的API； 2. 在工作进程空间中，添加流程 ParallelQueryMain 用于工作进程完成工作并把数据通过 `shm_mq` 发送给主进程； 3. 改造顺序扫描执行节点和下层的存取节点，支持按照blocknum为单位并行扫描同一个表。核心函数 `heap_parallelscan_nextpage`，他决定当前工作进程扫描任务是如何分配的。 该部分的工作重用了大量的旧的流程，但这和之前的执行器的工作模式有本质的区别，大量任务在独立的进程空间中由OS 并行的调度执行，它们用 `shm_mq` 传递数据。 ## 总结 从公布的测试数据上来，部分场景在并行模式下能显著提高性能。 由于并行模式有一定的开销(被抽象成了各种成本)，它并不是万金油。当然，好的实现能让它适应更多更复杂的场景。数据量特别小的场景不适合使用并行，这一点优化器能很好的评估成本，选择正确的执行计划。 其次，并行工作进程并不是越多越好，多到一定程度后性能的提升就不明显了。 目前能放在工作进程中并行执行的任务还不多，只支持扫描类型的任务，但是整个并行框架是有了基本的雏形，相信几轮迭代之后整套执行框架会越来越高效和稳定。