数据库内核月报

数据库内核月报 - 2020 / 07

MySQL · 内核特性 · semi-join四个执行strategy

Author: 马苗

一 semi-join介绍

所谓的semi-join就是一个子查询,它主要用于去重,当外表查找在内表满足条件的records时,返回外表的records,也就是说它只返回存在内表中的外表的记录,如下图所示:
1.png

对应的语法:

SELECT ... From Outer_tables WHERE expr in (SELECT ... From Inner_tables ...) And ...
SELECT ... From Outer_tables WHERE expr exist (SELECT ... From Inner_tables ...) And ...

语法的特征

二 semi-join的策略

这里以mysql8.0.13为例,讲一下semi-join的几个执行策略:

DuplicateWeedout strategy

使用tmp_table, 按照join order, 选择记录qep_tab table的rowid作为唯一key进行去重,为了更好的理解,举一个例子:
SQL:

SELECT Country.Name
FROM Country
WHERE Code IN
    (SELECT CountryCode
     FROM City
     WHERE Population > 1M)

Duplicateweedout示意图:
2.png

处理过程:

  1. 找到duplicate weedout的qep_tab range
/*找到sj的一个tab, 即第一个non-constant table*/
QEP_TAB *const first_sj_tab = qep_array + first_table;
/*这里由于last duplicate weedout table是outer join中的一个inner tables,
  这里遍历找到last_sj_tab*/
if (last_sj_tab->first_inner() != NO_PLAN_IDX &&
            first_sj_tab->first_inner() != last_sj_tab->first_inner()) {
   QEP_TAB *tab2 = &qep_array[last_sj_tab->first_inner()]; 
     
   while (tab2->first_upper() != NO_PLAN_IDX &&
           tab2->first_upper() != first_sj_tab->first_inner())
     tab2 = qep_array + tab2->first_upper();
  if (qep_array[tab2->first_inner()].last_inner() > last_sj_tab->idx())
      last_sj_tab =
                &qep_array[qep_array[tab2->first_inner()].last_inner()];
 }
  1. 记录需要记录rowid的qep_tab和jt_rowid_offset(duplicate_weedout_tmp_table的column长度)
    for (QEP_TAB *tab_in_range = qep_array + first_table;
      tab_in_range <= last_sj_tab; tab_in_range++) {
     if (sj_table_is_included(join, join->best_ref[tab_in_range->idx()])) {
       ...
       jt_rowid_offset += tab_in_range->table()->file->ref_length;
       ...
       tab_in_range->keep_current_rowid = true;
     }
    }
    
  2. 当发现需要记录jt_rowid_offset > 0时:
    • 如果jt_rowid_offset + null_bytes为长度 > 512,就创建名为的Field_longlong做为tmp_table的hash_field来去重
    • 如果jt_rowid_offset + null_bytes为长度 <= 512,就创建名为rowids的Field_varstring作为weedout_key的tmp_table来去重
  3. 执行是在do_sj_dups_weedout函数中会将需要记录rowid的qep_tab->table的h->ref(rowid存在这里)写入tmp_table中的visible_field_ptr()[0]中,在ha_write_row的时候会根据record是否与上一条record重复来决定是否写入,外层调用会对返回值判断来查看是否是需要写入的记录,从而达到去重的目的

执行计划 start temporary 和 end temporary表示duplicateweedout的qep_tab range区间 9.png

Firstmatch Strategy

只扫描外表同样结果的一条记录用于匹配内表,其好处就是避免单条记录匹配内表多条记录而产生的重复的记录,也是一种去重的方式,其示意图如下:
3.png

处理流程:

  1. 找到sj range的跳转的qep_tab和记录比较qep_tab
    plan_idx jump_to = tab->idx() - 1;
    for (QEP_TAB *tab_in_range = tab; tab_in_range <= last_sj_tab;
      tab_in_range++) {
      if (!join->best_ref[tab_in_range->idx()]->emb_sj_nest) {
     jump_to = tab_in_range->idx();
      } else {
     if (tab_in_range == last_sj_tab ||
         !join->best_ref[tab_in_range->idx() + 1]->emb_sj_nest) {
       /*记录match后跳转的qep_tap*/
       tab_in_range->firstmatch_return = jump_to;
       /*记录比较的位置*/
       tab_in_range->match_tab = last_sj_tab->idx();
     }
      }
    }
    
  2. 执行期间匹配到满足的记录就直接跳到last outer table(ot2)
    if(table condition satisfied) {
      do join with next tables;
      jump out to the jump_to;
    } else {
      discard row combination;
      continue current table scan;
    }
    

    执行计划
    last semijoin table的qep_tab记录firstmatch标记
    4.png

Loosescan Strategy

inner table 基于index进行分组, 分组后与outer table join, 进行condition的匹配,如果匹配到了的记录,提取outer table的记录,inner table 选取下一个分组继续进行计算。
Query:

SELECT ...
FROM ot1, ...
WHERE outer_expr IN
    (SELECT it1.key
     FROM it1,
          it2
     WHERE cond(it1, it2))

5.png

处理过程

  1. 选择loosescan_parts作为内表的index
  2. 计算 loosescan parts的长度 loosescan_key_len
  3. alloc loosescan_buf挂在执行loosescan的qep_tab上
  4. 执行过程中如果发现有匹配的记录,则key_copy copy key_info到loosescan_buf上,后续用key_cmp对loosescan_buf进行比较来做分组的过滤

执行计划
与firstmatch相同在last semijoin table的qep_tab记录looseScan标记
6.png ###

Materialize scan/Materialize lookup Strategy

将inner tables物化成temp table,通过扫描物化表或者对物化表查找的方式来避免重复record
!7.png

处理过程

  1. setup_semijoin_materialized_table创建一个tmp table放在qep_tab的sjm_exec->table
  2. 在prepare_scan的join_materialize_semijoin(materialize钩子函数)物化semijoin nested table
      /*semijoin 第一个内层物化table所在的qep_tab*/
      QEP_TAB *const first = tab->join()->qep_tab + sjm->inner_table_index;
      /*semijoin 最后一个内层物化table所在的qep_tab*/
      QEP_TAB *const last = first + (sjm->table_count - 1);
      last->next_select = end_sj_materialize;
      last->set_sj_mat_exec(sjm);  // TODO: This violates comment for sj_mat_exec!
      if (tab->table()->hash_field) tab->table()->file->ha_index_init(0, 0);
      int rc;
      /*物化过程*/
      if ((rc = sub_select(tab->join(), first, false)) < 0) DBUG_RETURN(rc);
      if ((rc = sub_select(tab->join(), first, true)) < 0) DBUG_RETURN(rc);
      if (tab->table()->hash_field) tab->table()->file->ha_index_or_rnd_end();
    
  3. end_sj_materialize 将物化结果写入sjm->table中


Materialization-scan与Materialization-lookup的区别:

        temporary table–> outer tabl

         outer table–>temporary table

执行计划
MATERIALIZED代表使用了物化策略
8.png

三 如何使用semi-join的策略

四 并行执行中的semi-join

对于选择semi-join策略的查询,PolarDB产品对semi-join所有策略实现了并行加速,根据代价评估,通过拆分semi-join的任务,多线程模型并行运行任务集,加速去重,使查询性能得到了显著的提升,以Q20为例

select
s_name,
s_address
from
supplier, nation
where
s_suppkey in (
select
ps_suppkey
from
partsupp
where
ps_partkey in (
select
p_partkey
from
part
where
p_name like '[COLOR]%'
)
and ps_availqty > (
select
0.5 * sum(l_quantity)
from
lineitem
where
l_partkey = ps_partkey
and l_suppkey = ps_suppkey
and l_shipdate >= date('[DATE]’)
and l_shipdate < date('[DATE]’) + interval ‘1’ year
)
)
and s_nationkey = n_nationkey
and n_name = '[NATION]'
order by
s_name;

我们将物化处理提前,并且达到了32个worker的并行处理能力,后续的处理通过共享之前的物化表,同样充分发挥CPU的处理能力,启动32个worker将主查询的并行能力最大化,如下图的执行计划所示,在数据量1S,开启并行后,双重并行处理能力:
12.png
在1s数据情况下,串行的执行时间:
10.png
并行开启情况下的执行时间:
11.png
以如下自定义SQL为例, 该SQL并行使用了semi-join下推的并行方式,在max_parallel_degree=32的情况下,并行使用32个worker执行,执行时间从2.59s减少到0.34s:

mysql> SELECT c1,d1 FROM t1 WHERE c1 IN ( SELECT t2.c1 FROM t2 WHERE t2.c1 = 'f'      OR t2.c2 < 'y' ) and t1.c1 and d1 > '1900-1-1' like "R1%" ORDER BY t1.c1 DESC, t1.d1 DESC;
Empty set, 1024 warnings (0.34 sec)
mysql> set max_parallel_degree=0;
Query OK, 0 rows affected (0.00 sec)
mysql>  SELECT c1,d1 FROM t1 WHERE c1 IN ( SELECT t2.c1 FROM t2 WHERE t2.c1 = 'f'      OR t2.c2 < 'y' ) and t1.c1 and d1 > '1900-1-1' like "R1%" ORDER BY t1.c1 DESC, t1.d1 DESC;
Empty set, 65535 warnings (2.69 sec)
mysql> explain SELECT c1,d1 FROM t1 WHERE c1 IN ( SELECT t2.c1 FROM t2 WHERE t2.c1 = 'f'      OR t2.c2 < 'y' ) and t1.c1 and d1 > '1900-1-1' like "R1%" ORDER BY t1.c1 DESC, t1.d1 DESC;
+----+--------------+-------------+------------+--------+---------------+------------+---------+----------+--------+----------+---------------------------------------------------------+
| id | select_type  | table       | partitions | type   | possible_keys | key        | key_len | ref      | rows   | filtered | Extra                                                   |
+----+--------------+-------------+------------+--------+---------------+------------+---------+----------+--------+----------+---------------------------------------------------------+
|  1 | SIMPLE       | <gather1>   | NULL       | ALL    | NULL          | NULL       | NULL    | NULL     |  33464 |   100.00 | Merge sort                                              |
|  1 | SIMPLE       | t1          | NULL       | ALL    | NULL          | NULL       | NULL    | NULL     |  62802 |    30.00 | Parallel scan (32 workers); Using where; Using filesort |
|  1 | SIMPLE       | <subquery2> | NULL       | eq_ref | <auto_key>    | <auto_key> | 103     | sj.t1.c1 |      1 |   100.00 | NULL                                                    |
|  2 | MATERIALIZED | t2          | p0,p1      | ALL    | c1,c2         | NULL       | NULL    | NULL     | 100401 |    33.33 | Using where                                             |
+----+--------------+-------------+------------+--------+---------------+------------+------