À propos du moteur en colonnes AlloyDB

Cette page présente le moteur de données en colonnes proposé par AlloyDB pour PostgreSQL et explique comment l'utiliser.

Le moteur de données en colonnes AlloyDB accélère le traitement des requêtes SQL pour les analyses, les jointures et les agrégations en fournissant les composants suivants :

  • Un store orienté colonnes contenant des données de tables et de vues matérialisées pour les colonnes sélectionnées, réorganisées dans un format orienté colonnes

  • Un moteur d'exécution et un planificateur de requêtes en colonnes qui permettent d'utiliser le store orienté colonnes dans les requêtes

Le moteur de données en colonnes peut être utilisé sur l'instance principale, une instance de pool de lecture ou les deux. Vous pouvez également utiliser l'organisation automatique des données en colonnes pour analyser votre charge de travail et remplir automatiquement le store orienté colonnes avec les colonnes qui offrent le meilleur gain de performances.

Pour que vous puissiez utiliser le moteur de données en colonnes avec une requête spécifique, toutes les colonnes des fragments de requête, telles que les jointures et les analyses, doivent se trouver dans le store orienté colonnes.

Par défaut, le moteur de données en colonnes est configuré pour utiliser 30 % de la mémoire de votre instance. Selon votre charge de travail, l'utilisation de la mémoire et le fait qu'un pool de lecture soit configuré ou non, vous pouvez choisir de réduire l'allocation de mémoire du moteur de données en colonnes sur votre instance principale et d'allouer plus de mémoire à l'instance de pool de lecture. Pour afficher et surveiller l'utilisation de la mémoire par le moteur de données en colonnes, consultez Afficher l'utilisation de la mémoire du store orienté colonnes. Pour modifier la taille de la mémoire utilisée par le store orienté colonnes, consultez Configurer la taille du store orienté colonnes. Pour connaître la taille de mémoire recommandée pour le moteur de données en colonnes de votre instance, consultez Recommander la taille de mémoire du store orienté colonnes.

Types de requêtes qui bénéficient du moteur de données en colonnes

Certaines requêtes peuvent bénéficier du moteur de données en colonnes. Voici une liste des opérations et des modèles de requête associés qui bénéficient le plus du moteur de données en colonnes :

  • Analyse de table

    • Il comporte des filtres sélectifs, tels que les clauses WHERE.
    • Elle utilise un petit nombre de colonnes d'une plus grande table ou vue matérialisée.
    • Il utilise des expressions telles que LIKE, SUBSTR ou TRIM.

  • Fonctions d'agrégation

    • Ils n'utilisent que les expressions suivantes : SUM, MIN, MAX, AVG et COUNT.
    • Ils se trouvent au début de la requête d'une analyse par colonne.
    • Elles ne sont pas groupées ou sont groupées par colonnes.

  • ORDER-BY et SORT : uniquement lorsque ORDER-BY ou SORT figurent dans les résultats d'analyse des colonnes auxquelles le moteur par colonne a accès.

  • LIMIT : uniquement si l'opérateur se trouve au début de la requête d'une analyse par colonne et avant tout opérateur SORT ou GROUP BY.

  • INNER HASH JOIN uniquement si les clés utilisées sont des colonnes et qu'aucun qualificatif de jointure n'est utilisé.

  • Jointures sélectives uniquement si les jointures se trouvent au début de la requête d'une analyse par colonne.

Pour en savoir plus sur les requêtes qui fonctionnent le mieux avec le moteur de données en colonnes, sur l'utilisation éventuelle du moteur de données en colonnes par une requête et sur la façon dont il a été utilisé, consultez Vérifier l'utilisation du moteur de données en colonnes avec EXPLAIN.

Utiliser le moteur en colonnes

Pour utiliser le moteur de données en colonnes dans une instance AlloyDB, procédez comme suit :

  1. Activez le moteur sur l'instance.

    L'activation du moteur est une opération unique qui nécessite un redémarrage.

  2. Ajoutez des colonnes au store orienté colonnes.

    Pour ajouter des colonnes au store orienté colonnes, utilisez l'une des méthodes suivantes :

  3. Vous pouvez suivre le contenu du store orienté colonnes à l'aide de la vue g_columnar_relations. Une fois les colonnes ajoutées, vous pouvez utiliser l'instruction EXPLAIN pour vérifier l'utilisation du moteur de données en colonnes dans les requêtes SQL.

Pour obtenir des instructions détaillées sur l'utilisation du moteur de données en colonnes, consultez Configurer le moteur de données en colonnes.

Données que vous pouvez ajouter au store orienté colonnes

Il existe certaines limites concernant les types de données et les sources de données que vous pouvez utiliser lorsque vous ajoutez des colonnes au store orienté colonnes.

Types de données acceptés

Le moteur de données en colonnes n'accepte que les colonnes comportant les types de données intégrés suivants :

  • array
  • bigint
  • boolean
  • bytea
  • char
  • date
  • decimal
  • double precision
  • enum
  • float4
  • float8
  • integer
  • json
  • jsonb
  • numeric
  • real
  • serial
  • short
  • smallint
  • text
  • timestamp
  • timestamptz
  • uuid
  • varchar
  • vector (Preview)

Le moteur de données en colonnes ignore toute tentative d'ajout manuel de colonnes comportant des types de données non compatibles au store orienté colonnes.

Sources de données non compatibles

Le moteur de données en colonnes n'est pas compatible avec les tables ni les vues matérialisées dont les sources de données présentent les attributs suivants :

  • Tables partitionnées non-feuilles

  • Tables étrangères

  • Tables ou vues comportant moins de 5 000 lignes

Limites du moteur de données en colonnes

  • Si vous exécutez une requête analytique sur une colonne comportant un index, l'optimiseur AlloyDB peut choisir d'utiliser le store de lignes.
  • Les colonnes ajoutées manuellement au store orienté colonnes ne sont pas supprimées automatiquement. Pour forcer la suppression des colonnes ajoutées manuellement, utilisez google_columnar_engine_drop() sur votre instance.
  • L'organisation automatique des données en colonnes peut ajouter et supprimer des colonnes de manière dynamique en fonction de l'utilisation des requêtes.
  • Le moteur de données en colonnes n'est pas compatible avec tous les types de données. Pour connaître les types de données acceptés, consultez Types de données acceptés.

  • Des mises à jour fréquentes des lignes invalident les données en colonnes. Pour valider une table ou une vue matérialisée dans le store orienté colonnes, vous pouvez réduire la fréquence de mise à jour ou planifier des actualisations plus fréquentes du moteur de données en colonnes.

    Vous pouvez comparer les colonnes invalid_block_count et total_block_count dans g_columnar_relations pour vérifier si votre table ou votre vue sont concernées. Si vous apportez fréquemment des modifications à votre table ou à votre vue, ou si ces modifications sont conséquentes, la valeur invalid_block_count sera élevée.

Étapes suivantes