通过并行 SELECT 提升 INSERT SELECT 性能

对 INSERT INTO ... SELECT 查询的 SELECT 部分使用并行执行可以提升 AlloyDB for PostgreSQL 查询性能，尤其是在处理分区表和复杂查询时。

通过并行化 SELECT 子计划，数据库可以使用多个工作器进程来检索数据。然后，数据库会将检索到的数据插入到目标表中。这种分工可以提高数据库性能。

PostgreSQL 中的并行查询计划如何运作

在 PostgreSQL 中，查询优化器可以为整个查询或部分查询创建并行计划。生成并行执行计划时，系统会在执行计划顶部添加 Gather 或 Gather Merge 节点。

此节点可协调多个并行工作器进程。每个工作器都会执行任务的一部分，例如扫描表的一部分。然后，Gather 节点会从所有工作器收集结果，并将这些结果传递给查询的下一阶段或传递回客户端。

例如，以下查询计划显示了一个 Gather 节点，该节点计划使用五个工作进程对表 t1 执行并行顺序扫描。

EXPLAIN SELECT * FROM t1;

                  QUERY PLAN
-------------------------------------------------------------
 Gather  (cost=0.00..143359.76 rows=9999878 width=60)
   Workers Planned: 5
   ->  Parallel Seq Scan on t1  (cost=0.00..143359.76 rows=1999976 width=60)
(3 rows)

针对 INSERT...SELECT 语句的并行执行

AlloyDB 通过使用多个工作进程来并行化 SELECT 语句，从而提高 INSERT INTO ... SELECT 性能。这种分工有助于提高数据库性能。 查询必须是并行安全的，并且不得有任何条件会阻止并行化。

许多数据库操作都使用 INSERT INTO ... SELECT 语句向表中添加新行。通常，语句的 SELECT 部分是查询中最耗费资源的部分。

该功能由以下配置参数控制：

• enable_parallel_select_for_insert_select：启用或停用相应功能。在 PostgreSQL 14 及更高版本中，此参数默认处于启用状态。
• enable_parallel_select_for_insert_select_into_part_table：启用或停用允许您插入分区表的功能。在 PostgreSQL 16 及更高版本中，此参数默认处于关闭状态。

为了让查询规划工具考虑并行计划，INSERT SELECT 语句必须是并行安全的。这意味着，操作的任何部分都不能包含无法安全并行执行的函数或表达式。如果查询的任何部分被确定为并行不安全，优化器会回退到非并行计划。如需了解详情，请参阅并行安全性。

阻止并行执行的条件

如果 INSERT SELECT 语句被视为并行不安全，查询优化器不会使用并行计划。以下情况会阻止并行化：

• 目标表是外部表。
• 该查询使用包含数据修改语句（例如 DELETE）的可修改通用表表达式 (CTE)。
• 目标表上的索引使用了并行不安全表达式或函数。
• 目标表中的某个列具有使用并行不安全函数的默认值。
• 目标表上的触发器使用了并行不安全表达式或函数。
• 目标表有一个 DOMAIN 列，该列具有使用并行不安全函数的 CHECK 约束。
• 目标表上的 CHECK 限制包含并行不安全表达式或函数。
• 目标表是分区表，且 enable_parallel_select_for_insert_select_into_part_table 已停用。

准备工作

本文档假定您已拥有 AlloyDB 数据库。如需创建数据库，请参阅创建集群及其主实例和创建和管理数据库。

所需的角色

如需获得在会话级更改数据库标志所需的权限，请让管理员为您授予项目的 AlloyDB Database User (roles/alloydb.databaseUser) Identity and Access Management (IAM) 角色。如需详细了解如何授予角色，请参阅管理对项目、文件夹和组织的访问权限。

启用并行执行参数

如需为分区目标表启用并行执行，请按以下步骤操作：

1. 在 Google Cloud 控制台中，前往集群页面。

   转到集群

2. 从列表中选择一个集群。

3. 在导航菜单中，点击 AlloyDB Studio。

4. 使用您的数据库名称、用户名和密码登录 AlloyDB Studio。

5. 将 enable_parallel_select_for_insert_select_into_part_table GUC 设置为 on。

   SET enable_parallel_select_for_insert_select_into_part_table = on;
   

   启用 GUC 参数后，如果查询被确定为并行安全，查询规划器会自动考虑目标为分区表的 INSERT INTO ... SELECT 语句的并行计划。

   以下示例会生成一个 EXPLAIN 计划，其中显示了一个 Gather 节点，表明 source_table 中的 SELECT 是并行执行的。

   -- Create a partitioned table
   CREATE TABLE part_table (a INT, b TEXT) PARTITION BY RANGE (a);
   CREATE TABLE part_table_1 PARTITION OF part_table FOR VALUES FROM (MINVALUE) TO (1000);
   CREATE TABLE part_table_2 PARTITION OF part_table FOR VALUES FROM (1000) TO (MAXVALUE);
   
   -- Create a source table
   CREATE TABLE source_table (c1 INT, c2 TEXT);
   INSERT INTO source_table SELECT i, 'value_' || i FROM generate_series(1, 2000) i;
   ANALYZE source_table;
   
   -- Enable the feature
   SET enable_parallel_select_for_insert_select_into_part_table = on;
   -- Optional for parallelizing the query with a small amount of data
   SET parallel_setup_cost=0;
   SET parallel_tuple_cost=0;
   SET min_parallel_table_scan_size=0;
   
   -- Run the insert with a parallelizable select
   EXPLAIN INSERT INTO part_table SELECT * FROM source_table;
   

   这会返回以下输出：

   EXPLAIN (COSTS OFF) INSERT INTO part_table SELECT * FROM source_table;
                   QUERY PLAN                   
   -----------------------------------------------
   Insert on part_table
   ->  Gather
           Workers Planned: 2
           ->  Parallel Seq Scan on source_table
   (4 rows)
   

停用并行执行参数

如需停用相应参数，请按以下步骤操作：

1. 在 Google Cloud 控制台中，前往集群页面。

   转到集群

2. 从列表中选择一个集群。

3. 在导航菜单中，点击 AlloyDB Studio。

4. 使用您的数据库名称、用户名和密码登录 AlloyDB Studio。

5. 如需停用 enable_parallel_select_for_insert_select 参数，请运行以下 SQL 命令：

   SET enable_parallel_select_for_insert_select = OFF;
   

6. 如需停用 enable_parallel_select_for_insert_select_into_part_table 参数，请运行以下 SQL 命令：

   SET enable_parallel_select_for_insert_select_into_part_table = OFF;
   

验证并行方案

您可以使用 EXPLAIN 命令验证优化器是否正在使用并行计划。在查询计划中查找 Gather 节点以及 Workers Planned 或 Workers Launched 属性。

标准表格示例

在以下方案示例中，系统会启动六个工作器进程，以并行哈希联接方式执行 SELECT 语句。

EXPLAIN (ANALYZE)
INSERT INTO t1 SELECT t2.* FROM t1, t2 WHERE t1.c1 != t2.c1 AND t1.c2 = t2.c2;

                                 QUERY PLAN
------------------------------------------------------------------------------------
 Insert on t1  (cost=1209138.00..12801765.49 rows=0 width=0) (actual time=16812.677..19337.150 rows=0 loops=1)
   ->  Gather  (cost=1209138.00..12801765.49 rows=99995407 width=24) (actual time=16812.674..19337.144 rows=0 loops=1)
         Workers Planned: 6
         Workers Launched: 6
         ->  Parallel Hash Join  (...)
(...)

分区表示例

以下示例显示，在为分区表启用该功能后，执行计划会显示一个 Gather 节点，其中包含 SELECT 的四个计划工作器。

-- First, enable the feature for partitioned tables
SET enable_parallel_select_for_insert_select_into_part_table = ON;

-- Then, explain the query
EXPLAIN (COSTS OFF) INSERT INTO part_table SELECT * FROM source_table;
                  QUERY PLAN                   
-----------------------------------------------
 Insert on part_table
   ->  Gather
         Workers Planned: 2
         ->  Parallel Seq Scan on source_table
(4 rows)

后续步骤

• 详细了解并行安全。