PostgreSQL并行hash join解读

PostgreSQL的并行查询简介

并行查询是 PostgreSQL 的一个大特性，对于单一sql查询，从传统单一进程，提升到多个进程协同完成。

并行查询使用了更多的cpu/mem/io资源，提高了任务的执行效率，在cpu=8以内执行效率线性增长。

并行查询设计的难点是需要协调多个worker进程间的同步：

1）在barrier点上多个进程需要全部前进到这个点上，比如：build inner hash table，必须等该状态完成了，所有的worker才能往下走；

2）在达到barrier点之前，多个进程的工作量尽量按照‘能者多劳’，执行快的进程多做一些工作量，比如：scan，build hash table，probe等；

3）此外，实现上要避免死锁，避免内存分配碎片，处理进程出错；

本文主要讲述并行查询中复杂的功能：paralle hash join。先从单进程的hashjoin逐步过渡到多进程并行的hashjoin。

从9.6和10版本就开始支持并行join，但是只支持outer table的并行；11版本支持outer和inner都并行执行；

并行hashjoin的执行计划

一个例子

select count(*)
  from lineitem
  join orders on l_orderkey = o_orderkey
 where o_totalprice > 5.00;