PolarDB：分區剪枝

按分區類型

LIST分區表查詢

• 對於LIST分區表的查詢，分區剪枝能快速剪去包含WHERE子句的查詢，運算子為等於（=）或IS NULL/IS NOT NULL。

  樣本：

  ------指定一個LIST分區表
  CREATE TABLE sales_hist(..., country text, ...) 
      PARTITION BY LIST(country) (
      PARTITION americas VALUES('US', 'CA', 'MX'), 
      PARTITION europe VALUES('BE', 'NL', 'FR'), 
      PARTITION asia VALUES('JP', 'PK', 'CN'), 
      PARTITION others VALUES(DEFAULT)
  ) 
  ------在該LIST分區表的基礎上,提取出包含如下WHERE子句的資訊
  WHERE country = 'US' WHERE country IS NULL;          

  通過第一個WHERE子句， 分區剪枝將排除分區europe、asia和others，因為這些分區不滿足WHERE country = 'US'。

  通過第二個WHERE子句， 分區剪枝將排除分區americas、europe和asia。因為這些分區不滿足WHERE country IS NULL。

RANGE分區表查詢

• 對於RANGE分區表的查詢，分區剪枝能快速剪去包含WHERE子句的查詢。運算子可以是等於（=）、大於（>）、大於等於（>=）、小於（<）、小於等於（<=），或者是IS NULL/IS NOT NULL，也可以是更為複雜的包含運算子AND和 BETWEEN的運算式，例如：

  WHERE size > 100 AND size <= 200 WHERE size BETWEEN 100 AND 200

  說明

  分區剪枝不支援包含OR或IN運算子的運算式。

  樣本：

  ------指定一個RANGE分區表
  CREATE TABLE boxes(id int, size int, color text) 
    PARTITION BY RANGE(size)
  (
      PARTITION small VALUES LESS THAN(100),
      PARTITION medium VALUES LESS THAN(200),
      PARTITION large VALUES LESS THAN(300)
  )
  ------在該RANGE分區表的基礎上，提取出包含如下WHERE子句的資訊。
  WHERE size > 100     -- 掃描medium和large分區
  WHERE size >= 100    -- 掃描medium和large分區
  WHERE size = 100     -- 掃描medium分區
  WHERE size <= 100    -- 掃描small和medium分區
  WHERE size < 100     -- 掃描small分區
  WHERE size > 100 AND size < 199     -- 掃描medium分區
  WHERE size BETWEEN 100 AND 199      -- 掃描medium分區
  WHERE color = 'red' AND size = 100  -- 掃描medium分區
  WHERE color = 'red' AND (size > 100 AND size < 199) -- 掃描medium分區

按不同階段

PolarDB PostgreSQL版（相容Oracle）中將條件運算式分為三個層級，即不變的（Immutable）、穩定的（Stable）、易變的（Volatile）。這三個層級依次對應了三種剪枝：

• 如果條件運算式值是不變的（比如常量靜態值），則它會被用於最早的最佳化器剪枝；

• 如果條件運算式值是穩定的（比如now()），則會發生執行器初始階段剪枝；

• 如果條件運算式是易變的（比如random()），則會發生執行器運行時剪枝。

最佳化器剪枝

可以通過如下樣本來瞭解最佳化器階段的剪枝。

在PolarDB PostgreSQL版（相容Oracle）中建立一個measurement表，logdate作為分區鍵，然後為其分別建立4個分區，即measurement_y2023q1,measurement_y2023q2, measurement_y2023q3, measurement_y2023q4四個分區，分別對應了2023年的四個季度。

CREATE TABLE measurement(
    city_id         int not null,
    logdate         date not null,
    peaktemp        int,
    unitsales       int
) PARTITION BY RANGE (logdate);
CREATE TABLE measurement_y2023q1 PARTITION OF measurement
    FOR VALUES FROM ('2023-01-01') TO ('2023-04-01');
CREATE TABLE measurement_y2023q2 PARTITION OF measurement
    FOR VALUES FROM ('2023-04-01') TO ('2023-07-01');
CREATE TABLE measurement_y2023q3 PARTITION OF measurement
    FOR VALUES FROM ('2023-07-01') TO ('2023-10-01');
CREATE TABLE measurement_y2023q4 PARTITION OF measurement
    FOR VALUES FROM ('2023-10-01') TO ('2024-04-01');

此時查詢logdate大於2023-10-01的所有資料。使用EXPLAIN可以看到，第一、二、三季度的資料預設都被剪枝掉了，不會執行查詢，因為前三個分區的範圍明顯不滿足logdate >= DATE '2023-10-01'。這就是最佳化器階段的分區剪枝，可以看到SQL中的限定條件是分區鍵logdate，且條件運算式的值DATE '2023-10-01'是靜態，或者是不可變的，它可以在最佳化器階段計算出來。

EXPLAIN SELECT * FROM measurement WHERE logdate >= DATE '2023-10-01';
                                 QUERY PLAN                                  
-----------------------------------------------------------------------------
 Append  (cost=0.00..34.09 rows=567 width=20)
   ->  Seq Scan on measurement_y2023q4  (cost=0.00..31.25 rows=567 width=20)
         Filter: (logdate >= '01-OCT-23 00:00:00'::date)
(3 rows)

執行器初始階段剪枝

同樣通過上文measurement表來瞭解執行器初始剪枝。

如下可以看到，同樣的measurement表，同樣的SQL查詢，但是查詢條件的運算式值從靜態值變成了now()，這是一個穩定的運算式，它不能在最佳化器階段計算，但是可以在執行器初始階段計算。假設今天是2023年7月，因此可以看到前兩個季度分區被移除了Subplans Removed: 2，只剩下了第三季度和第四季度。這就是執行器初始階段的分區剪枝，可以看到SQL中的限定條件是分區鍵logdate，且條件運算式的值now()是穩定的，它可以在執行器初始階段計算出來。

EXPLAIN SELECT * FROM measurement WHERE logdate >= now();
                                 QUERY PLAN                                  
-----------------------------------------------------------------------------
 Append  (cost=0.00..153.34 rows=2268 width=20)
   Subplans Removed: 2
   ->  Seq Scan on measurement_y2023q3  (cost=0.00..35.50 rows=567 width=20)
         Filter: (logdate >= now())
   ->  Seq Scan on measurement_y2023q4  (cost=0.00..35.50 rows=567 width=20)
         Filter: (logdate >= now())
(6 rows)

執行器運行時剪枝

同樣通過上文measurement表來瞭解執行器運行時剪枝。

如下可以看到，同樣的measurement表，同樣的SQL查詢，但是查詢條件的運算式值從靜態值變成了(select to_date('2023-10-1'))，這是一個易變的子串連，它不能在最佳化器階段計算，也不能在執行器初始階段計算，只能在執行器運行時計算。

使用EXPLAIN ANALYZE可以看出前三個季度的分區都是標記了(never executed)，這就是執行器運行時剪枝。 它適用於易變的運算式值、子查詢、子串連，以及join條件運算式。可以看到SQL中的限定條件是分區鍵logdate，且條件運算式的值(select to_date('2023-10-1'))是易變的子串連，它可以在執行器運行階段計算出來。

EXPLAIN ANALYZE SELECT * FROM measurement WHERE logdate >= (select  to_date('2023-10-1'));
                                                      QUERY PLAN                                                       
-----------------------------------------------------------------------------------------------------------------------
 Append  (cost=0.01..136.35 rows=2268 width=20) (actual time=0.067..0.068 rows=0 loops=1)
   InitPlan 1 (returns $0)
     ->  Result  (cost=0.00..0.01 rows=1 width=8) (actual time=0.051..0.053 rows=1 loops=1)
   ->  Seq Scan on measurement_y2023q1  (cost=0.00..31.25 rows=567 width=20) (never executed)
         Filter: (logdate >= $0)
   ->  Seq Scan on measurement_y2023q2  (cost=0.00..31.25 rows=567 width=20) (never executed)
         Filter: (logdate >= $0)
   ->  Seq Scan on measurement_y2023q3  (cost=0.00..31.25 rows=567 width=20) (never executed)
         Filter: (logdate >= $0)
   ->  Seq Scan on measurement_y2023q4  (cost=0.00..31.25 rows=567 width=20) (actual time=0.004..0.004 rows=0 loops=1)
         Filter: (logdate >= $0)