Piani di esecuzione delle query

Panoramica

Questa pagina fornisce concetti sui piani di esecuzione delle query e su come vengono utilizzati da Spanner per eseguire query in un ambiente distribuito. Per scoprire come recuperare un piano di esecuzione per una query specifica utilizzando la console Google Cloud, consulta Comprendere in che modo Spanner esegue le query. Puoi anche visualizzare piani di query storici campionati e confrontare le prestazioni di una query nel tempo per determinate query. Per scoprire di più, consulta Piani di query campionati.

Spanner utilizza istruzioni SQL dichiarative per eseguire query sui propri database. Le istruzioni SQL definiscono cosa vuole l'utente senza specificare come ottenere i risultati. Un piano di esecuzione delle query è l'insieme di passaggi per ottenere i risultati. Per una determinata istruzione SQL, ci possono essere più modi per ottenere i risultati. L'ottimizzatore delle query di Spanner valuta diversi piani di esecuzione e sceglie quello che considera più efficiente. Spanner utilizza quindi il piano di esecuzione per recuperare i risultati.

Concettualmente, un piano di esecuzione è un albero di operatori relazionali. Ogni operatore legge le righe dagli input e produce le righe di output. Il risultato dell'operatore alla radice dell'esecuzione viene restituito come risultato della query SQL.

Ad esempio, questa query:

SELECT s.SongName FROM Songs AS s;

produce un piano di esecuzione delle query, che può essere visualizzato come:

Esempio di piano di esecuzione della query

Le query e i piani di esecuzione in questa pagina si basano sul seguente schema di database:

CREATE TABLE Singers (
  SingerId   INT64 NOT NULL,
  FirstName  STRING(1024),
  LastName   STRING(1024),
  SingerInfo BYTES(MAX),
  BirthDate  DATE
) PRIMARY KEY(SingerId);

CREATE INDEX SingersByFirstLastName ON Singers(FirstName, LastName);

CREATE TABLE Albums (
  SingerId        INT64 NOT NULL,
  AlbumId         INT64 NOT NULL,
  AlbumTitle      STRING(MAX),
  MarketingBudget INT64
) PRIMARY KEY(SingerId, AlbumId),
  INTERLEAVE IN PARENT Singers ON DELETE CASCADE;

CREATE INDEX AlbumsByAlbumTitle ON Albums(AlbumTitle);

CREATE INDEX AlbumsByAlbumTitle2 ON Albums(AlbumTitle) STORING (MarketingBudget);

CREATE TABLE Songs (
  SingerId  INT64 NOT NULL,
  AlbumId   INT64 NOT NULL,
  TrackId   INT64 NOT NULL,
  SongName  STRING(MAX),
  Duration  INT64,
  SongGenre STRING(25)
) PRIMARY KEY(SingerId, AlbumId, TrackId),
  INTERLEAVE IN PARENT Albums ON DELETE CASCADE;

CREATE INDEX SongsBySingerAlbumSongNameDesc ON Songs(SingerId, AlbumId, SongName DESC), INTERLEAVE IN Albums;

CREATE INDEX SongsBySongName ON Songs(SongName);

CREATE TABLE Concerts (
  VenueId      INT64 NOT NULL,
  SingerId     INT64 NOT NULL,
  ConcertDate  DATE NOT NULL,
  BeginTime    TIMESTAMP,
  EndTime      TIMESTAMP,
  TicketPrices ARRAY<INT64>
) PRIMARY KEY(VenueId, SingerId, ConcertDate);

Puoi utilizzare le seguenti istruzioni DML (Data Manipulation Language) per aggiungere dati a queste tabelle:

INSERT INTO Singers (SingerId, FirstName, LastName, BirthDate)
VALUES (1, "Marc", "Richards", "1970-09-03"),
       (2, "Catalina", "Smith", "1990-08-17"),
       (3, "Alice", "Trentor", "1991-10-02"),
       (4, "Lea", "Martin", "1991-11-09"),
       (5, "David", "Lomond", "1977-01-29");

INSERT INTO Albums (SingerId, AlbumId, AlbumTitle)
VALUES (1, 1, "Total Junk"),
       (1, 2, "Go, Go, Go"),
       (2, 1, "Green"),
       (2, 2, "Forever Hold Your Peace"),
       (2, 3, "Terrified"),
       (3, 1, "Nothing To Do With Me"),
       (4, 1, "Play");

INSERT INTO Songs (SingerId, AlbumId, TrackId, SongName, Duration, SongGenre)
VALUES (2, 1, 1, "Let's Get Back Together", 182, "COUNTRY"),
       (2, 1, 2, "Starting Again", 156, "ROCK"),
       (2, 1, 3, "I Knew You Were Magic", 294, "BLUES"),
       (2, 1, 4, "42", 185, "CLASSICAL"),
       (2, 1, 5, "Blue", 238, "BLUES"),
       (2, 1, 6, "Nothing Is The Same", 303, "BLUES"),
       (2, 1, 7, "The Second Time", 255, "ROCK"),
       (2, 3, 1, "Fight Story", 194, "ROCK"),
       (3, 1, 1, "Not About The Guitar", 278, "BLUES");

Ottenere piani di esecuzione efficienti è difficile perché Spanner suddivide i dati in divisioni. I segmenti possono spostarsi in modo indipendente l'uno dall'altro ed essere assegnati a server diversi, che potrebbero trovarsi in località fisiche diverse. Per valutare i piani di esecuzione sui dati distribuiti, Spanner utilizza l'esecuzione in base a:

  • esecuzione locale di sottopiani nei server che contengono i dati
  • l'orchestrazione e l'aggregazione di più esecuzioni remote con una riduzione aggressiva

Spanner utilizza l'operatore primitivo distributed union, insieme alle sue varianti distributed cross apply e distributed outer apply, per abilitare questo modello.

Piani di query campionati

I piani di query campionate di Spanner consentono di visualizzare esempi di piani di query storici e confrontare le prestazioni di una query nel tempo. Non per tutte le query sono disponibili piani di query campionati. Solo le query che consumano più CPU possono essere campionate. La conservazione dei dati per gli esempi di piano di query di Spanner è di 30 giorni. Puoi trovare esempi di piani di query nella pagina Approfondimenti sulle query della console Google Cloud. Per istruzioni, consulta Visualizzare i piani di query campionate.

L'anatomia di un piano di query campionato è la stessa di un piano di esecuzione di query standard. Per saperne di più su come comprendere i piani visivi e utilizzarli per eseguire il debug delle query, consulta Un tour del visualizzatore del piano di query.

Casi d'uso comuni per i piani di query campionate:

Alcuni casi d'uso comuni per i piani di query campionate includono:

Se le prestazioni di una query mostrano differenze significative nel tempo o se vuoi migliorare le prestazioni di una query, consulta le best practice per SQL per creare istruzioni di query ottimizzate che aiutino Spanner a trovare piani di esecuzione efficienti.

La vita di una query

Una query SQL in Spanner viene prima compilata in un piano di esecuzione, quindi viene inviata a un server root iniziale per l'esecuzione. Il server radice viene scelto in modo da ridurre al minimo il numero di hop per raggiungere i dati sottoposti a query. Quindi, il server radice:

  • avvia l'esecuzione remota dei sottopiani (se necessario)
  • attende i risultati delle esecuzioni remote
  • gestisce tutti i restanti passaggi di esecuzione locale, come l'aggregazione dei risultati
  • restituisce i risultati per la query

I server remoti che ricevono un sottopiano fungono da server "root" per il loro sottopiano, seguendo lo stesso modello del server radice di livello più alto. Il risultato è un albero di esecuzioni remote. Concettualmente, l'esecuzione delle query scorre dall'alto verso il basso e i risultati delle query vengono restituiti dal basso verso l'alto.Il seguente diagramma mostra questo pattern:

Piano di query concettuale

I seguenti esempi illustrano questo modello in modo più dettagliato.

Query aggregate

Una query aggregata implementa le query GROUP BY.

Ad esempio, utilizzando questa query:

SELECT s.SingerId, COUNT(*) AS SongCount
FROM Songs AS s
WHERE s.SingerId < 100
GROUP BY s.SingerId;

Ecco i risultati:

+----------+-----------+
| SingerId | SongCount |
+----------+-----------+
|        3 |         1 |
|        2 |         8 |
+----------+-----------+

Concettualmente, questo è il piano di esecuzione:

Piano di esecuzione delle query aggregate

Spanner invia il piano di esecuzione a un server radice che coordina l'esecuzione della query ed esegue la distribuzione remota dei sottopiani.

Questo piano di esecuzione inizia con un unione distribuita, che distribuisce i sottopiani ai server remoti le cui suddivisioni soddisfano SingerId < 100. Al termine della scansione sulle singole suddivisioni, l'operatore stream aggregato aggrega le righe per ottenere i conteggi per ogni SingerId. L'operatore serializza risultato quindi serializza il risultato. Infine, l'unione distribuita combina tutti i risultati e restituisce i risultati della query.

Per scoprire di più sui dati aggregati, consulta la pagina aggregate operator.

Query di join nello stesso luogo

Le tabelle con interleaving sono archiviate fisicamente con le relative righe di tabelle correlate collocate nella stessa posizione. Un unione con sede condivisa è un join tra tabelle con interleaving. I join con sede condivisa possono offrire vantaggi in termini di prestazioni rispetto ai join che richiedono indici o back join.

Ad esempio, utilizzando questa query:

SELECT al.AlbumTitle, so.SongName
FROM Albums AS al, Songs AS so
WHERE al.SingerId = so.SingerId AND al.AlbumId = so.AlbumId;

Questa query presuppone che Songs sia con interleaving in Albums.

Ecco i risultati:

+-----------------------+--------------------------+
| AlbumTitle            | SongName                 |
+-----------------------+--------------------------+
| Nothing To Do With Me | Not About The Guitar     |
| Green                 | The Second Time          |
| Green                 | Starting Again           |
| Green                 | Nothing Is The Same      |
| Green                 | Let's Get Back Together  |
| Green                 | I Knew You Were Magic    |
| Green                 | Blue                     |
| Green                 | 42                       |
| Terrified             | Fight Story              |
+-----------------------+--------------------------+

Questo è il piano di esecuzione:

Piano di esecuzione della query di join nello stesso luogo

Questo piano di esecuzione inizia con un unione distribuita, che distribuisce sottopiani ai server remoti che hanno suddivisioni della tabella Albums. Poiché Songs è una tabella con interleaving di Albums, ogni server remoto è in grado di eseguire l'intero sottopiano su ciascun server remoto senza richiedere un join con un server diverso.

I sottopiani contengono un'opzione cross apply. Ogni applicazione incrociata esegue una scansione della tabella sulla tabella Albums per recuperare SingerId, AlbumId e AlbumTitle. L'applicazione incrociata quindi mappa l'output dalla scansione della tabella all'output da una scansione dell'indice sull'indice SongsBySingerAlbumSongNameDesc, soggetto a un filtro del SingerId nell'indice corrispondente al SingerId dell'output della scansione della tabella. Ogni applicazione incrociata invia i risultati a un operatore di serializza i risultati che serializza i dati AlbumTitle e SongName e restituisce i risultati alle unioni distribuite locali. L'unione distribuita aggrega i risultati delle unioni distribuite locali e li restituisce come risultato della query.

Query di indice e di back join

L'esempio precedente utilizza un join su due tabelle, una con interleaving nell'altra. I piani di esecuzione sono più complessi e meno efficienti quando due tabelle, ovvero una tabella e un indice, non sono interlacciate.

Considera un indice creato con il comando seguente:

CREATE INDEX SongsBySongName ON Songs(SongName)

Usa questo indice in questa query:

SELECT s.SongName, s.Duration
FROM Songs@{force_index=SongsBySongName} AS s
WHERE STARTS_WITH(s.SongName, "B");

Ecco i risultati:

+----------+----------+
| SongName | Duration |
+----------+----------+
| Blue     |      238 |
+----------+----------+

Questo è il piano di esecuzione:

Torna al piano di esecuzione della query

Il piano di esecuzione risultante è complicato perché l'indice SongsBySongName non contiene la colonna Duration. Per ottenere il valore Duration, Spanner deve eseguire il back join dei risultati indicizzati nella tabella Songs. Questo è un join ma non è localizzato perché la tabella Songs e l'indice globale SongsBySongName non hanno interleaving. Il piano di esecuzione risultante è più complesso dell'esempio di join con posizione condivisa, perché Spanner esegue ottimizzazioni per velocizzare l'esecuzione se i dati non sono collocati in co-location.

L'operatore principale è un applicazione incrociata distribuita. Questo lato di input di questo operatore sono batch di righe dell'indice SongsBySongName che soddisfano il predicato STARTS_WITH(s.SongName, "B"). L'operazione incrociata distribuita mappa quindi questi batch a server remoti le cui suddivisioni contengono i dati Duration. I server remoti utilizzano una scansione delle tabelle per recuperare la colonna Duration. La scansione della tabella utilizza il filtro Condition:($Songs_key_TrackId' = $batched_Songs_key_TrackId), che unisce TrackId della tabella Songs a TrackId delle righe raggruppate dall'indice SongsBySongName.

I risultati vengono aggregati nella risposta finale della query. A sua volta, il lato di input dell'applicazione incrociata distribuita contiene una coppia di unione distribuita/unione distribuita locale per valutare le righe dell'indice che soddisfano il predicato STARTS_WITH.

Considera una query leggermente diversa che non seleziona la colonna s.Duration:

SELECT s.SongName
FROM Songs@{force_index=SongsBySongName} AS s
WHERE STARTS_WITH(s.SongName, "B");

Questa query è in grado di sfruttare appieno l'indice come mostrato in questo piano di esecuzione:

Piano di esecuzione delle query più semplice

Il piano di esecuzione non richiede un back join perché tutte le colonne richieste dalla query sono presenti nell'indice.

Passaggi successivi