防止 PostgreSQL 有时选择错误的查询计划

Question

我使用 PostgreSQL 8.4.9 进行查询时，遇到 PostgreSQL 性能的奇怪问题。此查询选择 3D 体积内的一组点，使用 LEFT OUTER JOIN 来添加存在相关 ID 的相关 ID 列。 x 范围的微小变化可能会导致 PostgreSQL 选择不同的查询计划，这会使执行时间从 0.01 秒缩短到 50 秒。这是有问题的查询：

SELECT treenode.id AS id,
       treenode.parent_id AS parentid,
       (treenode.location).x AS x,
       (treenode.location).y AS y,
       (treenode.location).z AS z,
       treenode.confidence AS confidence,
       treenode.user_id AS user_id,
       treenode.radius AS radius,
       ((treenode.location).z - 50) AS z_diff,
       treenode_class_instance.class_instance_id AS skeleton_id
  FROM treenode LEFT OUTER JOIN
         (treenode_class_instance INNER JOIN
          class_instance ON treenode_class_instance.class_instance_id
                                                  = class_instance.id
                            AND class_instance.class_id = 7828307)
       ON (treenode_class_instance.treenode_id = treenode.id
           AND treenode_class_instance.relation_id = 7828321)
  WHERE treenode.project_id = 4
    AND (treenode.location).x >= 8000
    AND (treenode.location).x <= (8000 + 4736)
    AND (treenode.location).y >= 22244
    AND (treenode.location).y <= (22244 + 3248)
    AND (treenode.location).z >= 0
    AND (treenode.location).z <= 100
  ORDER BY parentid DESC, id, z_diff
  LIMIT 400;

该查询需要近一分钟，并且，如果我将 EXPLAIN 添加到该查询的前面，似乎正在使用以下查询计划：

 Limit  (cost=56185.16..56185.17 rows=1 width=89)
   ->  Sort  (cost=56185.16..56185.17 rows=1 width=89)
         Sort Key: treenode.parent_id, treenode.id, (((treenode.location).z - 50::double precision))
         ->  Nested Loop Left Join  (cost=6715.16..56185.15 rows=1 width=89)
               Join Filter: (treenode_class_instance.treenode_id = treenode.id)
               ->  Bitmap Heap Scan on treenode  (cost=148.55..184.16 rows=1 width=81)
                     Recheck Cond: (((location).x >= 8000::double precision) AND ((location).x <= 12736::double precision) AND ((location).z >= 0::double precision) AND ((location).z <= 100::double precision))
                     Filter: (((location).y >= 22244::double precision) AND ((location).y <= 25492::double precision) AND (project_id = 4))
                     ->  BitmapAnd  (cost=148.55..148.55 rows=9 width=0)
                           ->  Bitmap Index Scan on location_x_index  (cost=0.00..67.38 rows=2700 width=0)
                                 Index Cond: (((location).x >= 8000::double precision) AND ((location).x <= 12736::double precision))
                           ->  Bitmap Index Scan on location_z_index  (cost=0.00..80.91 rows=3253 width=0)
                                 Index Cond: (((location).z >= 0::double precision) AND ((location).z <= 100::double precision))
               ->  Hash Join  (cost=6566.61..53361.69 rows=211144 width=16)
                     Hash Cond: (treenode_class_instance.class_instance_id = class_instance.id)
                     ->  Seq Scan on treenode_class_instance  (cost=0.00..25323.79 rows=969285 width=16)
                           Filter: (relation_id = 7828321)
                     ->  Hash  (cost=5723.54..5723.54 rows=51366 width=8)
                           ->  Seq Scan on class_instance  (cost=0.00..5723.54 rows=51366 width=8)
                                 Filter: (class_id = 7828307)
(20 rows)

但是，如果我替换 < code>8000 在 x 范围条件与 10644 中，查询在不到一秒的时间内执行，并使用此查询计划：

 Limit  (cost=58378.94..58378.95 rows=2 width=89)
   ->  Sort  (cost=58378.94..58378.95 rows=2 width=89)
         Sort Key: treenode.parent_id, treenode.id, (((treenode.location).z - 50::double precision))
         ->  Hash Left Join  (cost=57263.11..58378.93 rows=2 width=89)
               Hash Cond: (treenode.id = treenode_class_instance.treenode_id)
               ->  Bitmap Heap Scan on treenode  (cost=231.12..313.44 rows=2 width=81)
                     Recheck Cond: (((location).z >= 0::double precision) AND ((location).z <= 100::double precision) AND ((location).x >= 10644::double precision) AND ((location).x <= 15380::double precision))
                     Filter: (((location).y >= 22244::double precision) AND ((location).y <= 25492::double precision) AND (project_id = 4))
                     ->  BitmapAnd  (cost=231.12..231.12 rows=21 width=0)
                           ->  Bitmap Index Scan on location_z_index  (cost=0.00..80.91 rows=3253 width=0)
                                 Index Cond: (((location).z >= 0::double precision) AND ((location).z <= 100::double precision))
                           ->  Bitmap Index Scan on location_x_index  (cost=0.00..149.95 rows=6157 width=0)
                                 Index Cond: (((location).x >= 10644::double precision) AND ((location).x <= 15380::double precision))
               ->  Hash  (cost=53361.69..53361.69 rows=211144 width=16)
                     ->  Hash Join  (cost=6566.61..53361.69 rows=211144 width=16)
                           Hash Cond: (treenode_class_instance.class_instance_id = class_instance.id)
                           ->  Seq Scan on treenode_class_instance  (cost=0.00..25323.79 rows=969285 width=16)
                                 Filter: (relation_id = 7828321)
                           ->  Hash  (cost=5723.54..5723.54 rows=51366 width=8)
                                 ->  Seq Scan on class_instance  (cost=0.00..5723.54 rows=51366 width=8)
                                       Filter: (class_id = 7828307)
(21 rows)

我远远没有解析这些查询计划的专家，但是明显的区别似乎是，对于一个x范围，它使用Hash Left Join作为LEFT OUTER JOIN（速度非常快），而对于其他范围，它使用嵌套循环左连接（这似乎非常慢）。在这两种情况下，查询都会返回大约 90 行。如果我在慢速版本的查询之前执行SET ENABLE_NESTLOOP TO FALSE，它会非常快，但我明白一般来说使用该设置是一个坏主意。

例如，我可以创建一个特定的索引以使查询规划器更有可能选择明显更有效的策略吗？有人能建议为什么 PostgreSQL 的查询规划器应该为这些查询之一选择如此糟糕的策略吗？下面我提供了可能有用的架构详细信息。

---

TreeNode 表有 900,000 行，定义如下：

                                     Table "public.treenode"
    Column     |           Type           |                      Modifiers                       
---------------+--------------------------+------------------------------------------------------
 id            | bigint                   | not null default nextval('concept_id_seq'::regclass)
 user_id       | bigint                   | not null
 creation_time | timestamp with time zone | not null default now()
 edition_time  | timestamp with time zone | not null default now()
 project_id    | bigint                   | not null
 location      | double3d                 | not null
 parent_id     | bigint                   | 
 radius        | double precision         | not null default 0
 confidence    | integer                  | not null default 5
Indexes:
    "treenode_pkey" PRIMARY KEY, btree (id)
    "treenode_id_key" UNIQUE, btree (id)
    "location_x_index" btree (((location).x))
    "location_y_index" btree (((location).y))
    "location_z_index" btree (((location).z))
Foreign-key constraints:
    "treenode_parent_id_fkey" FOREIGN KEY (parent_id) REFERENCES treenode(id)
Referenced by:
    TABLE "treenode_class_instance" CONSTRAINT "treenode_class_instance_treenode_id_fkey" FOREIGN KEY (treenode_id) REFERENCES treenode(id) ON DELETE CASCADE
    TABLE "treenode" CONSTRAINT "treenode_parent_id_fkey" FOREIGN KEY (parent_id) REFERENCES treenode(id)
Triggers:
    on_edit_treenode BEFORE UPDATE ON treenode FOR EACH ROW EXECUTE PROCEDURE on_edit()
Inherits: location

double3d 复合类型定义如下：

Composite type "public.double3d"
 Column |       Type       
--------+------------------
 x      | double precision
 y      | double precision
 z      | double precision

连接涉及的另外两个表是 treenode_class_instance：

                               Table "public.treenode_class_instance"
      Column       |           Type           |                      Modifiers                       
-------------------+--------------------------+------------------------------------------------------
 id                | bigint                   | not null default nextval('concept_id_seq'::regclass)
 user_id           | bigint                   | not null
 creation_time     | timestamp with time zone | not null default now()
 edition_time      | timestamp with time zone | not null default now()
 project_id        | bigint                   | not null
 relation_id       | bigint                   | not null
 treenode_id       | bigint                   | not null
 class_instance_id | bigint                   | not null
Indexes:
    "treenode_class_instance_pkey" PRIMARY KEY, btree (id)
    "treenode_class_instance_id_key" UNIQUE, btree (id)
    "idx_class_instance_id" btree (class_instance_id)
Foreign-key constraints:
    "treenode_class_instance_class_instance_id_fkey" FOREIGN KEY (class_instance_id) REFERENCES class_instance(id) ON DELETE CASCADE
    "treenode_class_instance_relation_id_fkey" FOREIGN KEY (relation_id) REFERENCES relation(id)
    "treenode_class_instance_treenode_id_fkey" FOREIGN KEY (treenode_id) REFERENCES treenode(id) ON DELETE CASCADE
    "treenode_class_instance_user_id_fkey" FOREIGN KEY (user_id) REFERENCES "user"(id)
Triggers:
    on_edit_treenode_class_instance BEFORE UPDATE ON treenode_class_instance FOR EACH ROW EXECUTE PROCEDURE on_edit()
Inherits: relation_instance

...和class_instance：

                                  Table "public.class_instance"
    Column     |           Type           |                      Modifiers                       
---------------+--------------------------+------------------------------------------------------
 id            | bigint                   | not null default nextval('concept_id_seq'::regclass)
 user_id       | bigint                   | not null
 creation_time | timestamp with time zone | not null default now()
 edition_time  | timestamp with time zone | not null default now()
 project_id    | bigint                   | not null
 class_id      | bigint                   | not null
 name          | character varying(255)   | not null
Indexes:
    "class_instance_pkey" PRIMARY KEY, btree (id)
    "class_instance_id_key" UNIQUE, btree (id)
Foreign-key constraints:
    "class_instance_class_id_fkey" FOREIGN KEY (class_id) REFERENCES class(id)
    "class_instance_user_id_fkey" FOREIGN KEY (user_id) REFERENCES "user"(id)
Referenced by:
    TABLE "class_instance_class_instance" CONSTRAINT "class_instance_class_instance_class_instance_a_fkey" FOREIGN KEY (class_instance_a) REFERENCES class_instance(id) ON DELETE CASCADE
    TABLE "class_instance_class_instance" CONSTRAINT "class_instance_class_instance_class_instance_b_fkey" FOREIGN KEY (class_instance_b) REFERENCES class_instance(id) ON DELETE CASCADE
    TABLE "connector_class_instance" CONSTRAINT "connector_class_instance_class_instance_id_fkey" FOREIGN KEY (class_instance_id) REFERENCES class_instance(id)
    TABLE "treenode_class_instance" CONSTRAINT "treenode_class_instance_class_instance_id_fkey" FOREIGN KEY (class_instance_id) REFERENCES class_instance(id) ON DELETE CASCADE
Triggers:
    on_edit_class_instance BEFORE UPDATE ON class_instance FOR EACH ROW EXECUTE PROCEDURE on_edit()
Inherits: concept

Answer 1

如果查询规划器做出错误的决策，则主要是以下两种情况之一：

1. 统计不准确。

您是否运行了足够多的ANALYZE？其组合形式 VACUUM ANALYZE 也很受欢迎。如果 autovacuum 打开（这是现代的默认设置） Postgres），ANALYZE 会自动运行。但请考虑：

• 在 9.1 下仍建议使用常规 VACUUM ANALYZE 吗？

^{（前两个答案仍然适用于 Postgres 12 .)}

如果您的表很大并且数据分布不规则，则提高default_statistics_target 可能有帮助。或者更确切地说，只需为相关列（<基本上，您的查询的 code>WHERE 或 JOIN 子句）：

ALTER TABLE ... ALTER COLUMN ... SET STATISTICS 400;  -- calibrate number

目标可设置范围为 0 到 10000；

之后再次运行ANALYZE（在相关表上）。

2. 规划器估算的成本设置已关闭。

阅读规划器成本常量 在手册中。

查看关于此的default_statistics_target和random_page_cost章节，通常会有帮助PostgreSQL 维基页面。

还有许多其他可能的原因，但这些是迄今为止最常见的原因。

Answer 2

我怀疑这与错误的统计数据有什么关系，除非您考虑数据库统计数据和自定义数据类型的组合。

我的猜测是 PostgreSQL 选择嵌套循环连接，因为它查看谓词 (treenode.location).x >= 8000 AND (treenode.location).x <= ( 8000 + 4736) 并在比较的算术中做了一些奇怪的事情。当连接内部有少量数据时，通常会使用嵌套循环。

但是，一旦将常量切换为 10736，您就会得到不同的计划。计划总是有可能足够复杂，遗传查询优化 (GEQO) 正在启动，并且您会看到非确定性计划构建的副作用。查询中的评估顺序存在足够的差异，使我认为这就是正在发生的事情。

一种选择是使用参数化/准备好的语句来检查，而不是使用临时代码。由于您在 3 维空间中工作，您可能还需要考虑使用

虽然强迫计划者行为并不是最好的选择，但有时我们最终确实会做出比软件更好的决策。

Answer 3

埃尔文对统计数据的评价。另外：

ORDER BY parentid DESC, id, z_diff

排序

parentid DESC, id, z

可能会给优化器更多的洗牌空间。 （我认为这并不重要，因为这是最后一个学期，而且种类也不是那么贵，但你可以尝试一下）

Answer 4

我不确定这是问题的根源，但看起来 postgres 查询规划器在版本 8.4.8 和 8.4.9 之间进行了一些更改。您可以尝试使用旧版本，看看是否有区别。

http://postgresql.1045698.n5.nabble.com/BUG-6275-Horrible-performance-regression-td4944891.html

如果您更改版本，请不要忘记重新分析您的表。

Answer 5

+1用于调整统计目标和进行分析。对于 PostGIS（对于 OP）。

而且，与最初的问题不太相关，但是，如果有人来到这里寻找一般情况下如何处理复杂查询中不准确的规划器行计数估计，从而导致不期望的计划。一个选项可能是将初始查询的一部分包装到函数中，并将其 ROWS 选项设置为或多或少预期的内容。我从来没有这样做过，但显然应该可以工作。

pg_hint_plan 中还有行估计指令。我不建议规划者一般性地暗示，但调整行估计是一个更温和的选择。

最后，为了强制执行嵌套循环扫描，有时可能会在子查询内使用 LIMIT N 或仅使用 OFFSET 0 执行 LATERAL JOIN。那会给你你想要的。但请注意，这是一个非常粗糙的技巧。在某些时候，如果条件发生变化，它会导致性能不佳 - 因为表增长或只是数据分布不同。不过，这可能是一个不错的选择，只是为了紧急缓解遗留系统的问题。

Answer 6

如果计划不好，你总是可以求助于 pg_hint_plan 扩展。它为 PostgreSQL 提供 Oracle 风格的提示。