全部產品
Search

搜尋本產品

    PolarDB：智能索引推薦

    文件中心

    PolarDB：智能索引推薦

    更新時間：Jul 06, 2024

    索引最佳化通常需要依賴營運或開發人員對資料庫引擎內部最佳化和執行原理的深入理解。為最佳化體驗和降低操作門檻，PolarDB-X推出了基於代價最佳化器的索引推薦功能，可根據查詢語句分析並推薦索引，協助您降低查詢耗時，提升資料庫效能。

    注意事項

    索引推薦功能僅針對您當前指定的SQL查詢語句進行分析與推薦。在根據推薦的資訊建立索引前，您需要評估建立該索引對其它查詢的影響。

    環境說明

    TPC-H是業界常用的基準測試方法，由TPC委員會制定發布，用於評測資料庫的分析型查詢能力。TPC-H基準測試方法包含8張資料表、22條複雜的SQL查詢（即Q1~Q22）。下圖為執行TPC-H中的Q17（小訂單收入查詢）的返回資訊，可查看到執行該查詢語句消耗的時間為28.76秒。本文將通過智能索引推薦功能，最佳化該查詢語句的執行效率。

    456789
    1. 查詢智能索引推薦
      如需查詢某個查詢語句的智能索引推薦資訊，您只需在該查詢語句前增加EXPLAIN ADVISOR命令即可，樣本如下：
      EXPLAIN ADVISOR
SELECT sum(l_extendedprice) / 7.0 AS avg_yearly
FROM lineitem,
     part
WHERE p_partkey = l_partkey
  AND p_brand = 'Brand#23'
  AND p_container = 'MED BOX'
  AND l_quantity <
    (SELECT 0.2 * avg(`l_quantity`)
     FROM lineitem
     WHERE l_partkey = p_partkey);
      執行上述命令後，PolarDB-X將返回推薦的索引建立語句、添加索引前後的代價等資訊，詳細的返回資訊及其注釋：
      • 本案例中預計磁碟I/O提升百分比為3024.7%，表明使用推薦的索引將帶來較大的收益。
      • 當PolarDB-X無法推薦索引時，返回資訊中會建議您在業務低峰期，對目標表執行Analyze Table命令重新整理統計資訊（該操作會消耗較大的I/O資源）。當統計資訊更新後，再次執行索引推薦可獲得更準確的索引。
        IMPROVE_VALUE: 2465.3%        # 預計綜合效能提升百分比
  IMPROVE_CPU: 59377.4%       # 預計CPU提升百分比
  IMPROVE_MEM: 0.4%           # 預計記憶體提升百分比
   IMPROVE_IO: 3024.7%        # 預計磁碟I/O提升百分比
  IMPROVE_NET: 2011.1%        # 預計網路傳輸提升百分比
 BEFORE_VALUE: 4.711359845E8  # 添加索引前綜合代價值
   BEFORE_CPU: 1.19405577E7   # 添加索引前CPU估算值
   BEFORE_MEM: 426811.2       # 添加索引前記憶體消耗估算值
    BEFORE_IO: 44339          # 添加索引前磁碟I/O估算值
   BEFORE_NET: 47.5           # 添加索引前網路傳輸估算值
  AFTER_VALUE: 1.83655008E7   # 添加索引後綜合代價值
    AFTER_CPU: 20075.8        # 添加索引後CPU估算值
    AFTER_MEM: 425016         # 添加索引後記憶體消耗估算值
     AFTER_IO: 1419           # 添加索引後磁碟I/O估算值
    AFTER_NET: 2.2            # 添加索引後網路傳輸估算值
 ADVISE_INDEX: ALTER TABLE `lineitem` ADD  INDEX `__advise_index_lineiteml_partkey`(`l_partkey`);
/* ADVISE_INDEX中的內容為推薦的索引建立語句 */
     NEW_PLAN:                # 添加索引後預計執行計畫
Project(avg_yearly="$f0 / ?0")
  HashAgg($f0="SUM(l_extendedprice)")
    Filter(condition="l_quantity < $16 * f17w0$o0")
      SortWindow(p_partkey="p_partkey", l_partkey="l_partkey", l_quantity="l_quantity", l_extendedprice="l_extendedprice", $16="$16", f5w0$o0="window#0AVG($2)", Reference Windows="window#0=window(partition {1} order by [] range between UNBOUNDED PRECEDING and UNBOUNDED PRECEDING aggs [AVG($2)])")
        MemSort(sort="l_partkey ASC")
          BKAJoin(condition="l_partkey = p_partkey", type="inner")
            Gather(concurrent=true)
              LogicalView(tables="[0000,0001].part", shardCount=2, sql="SELECT `p_partkey` FROM `part` AS `part` WHERE ((`p_brand` = ?) AND (`p_container` = ?))")
            Gather(concurrent=true)
              LogicalView(tables="[0000,0001].lineitem", shardCount=2, sql="SELECT `l_partkey`, `l_quantity`, `l_extendedprice`, ? AS `$16` FROM `lineitem` AS `lineitem` WHERE (`l_partkey` IN (...))")

         INFO: LOCAL_INDEX    # 其它資訊
    2. 根據推薦資訊建立索引
      1. 評估建立該索引帶來的收益，根據返回結果ADVISE_INDEX中的SQL語句建立索引。
        ALTER TABLE `lineitem` ADD  INDEX `__advise_index_lineiteml_partkey`(`l_partkey`);
      2. 再次執行TPC-H中的Q17（小訂單收入查詢），耗時減少至1.41秒，查詢效率得到大幅提升。SQL