Planes de ejecución 1
0 recomendaciones244 vistas
Este documento presenta una agenda para el SolidQ Summit Panamá. Incluye una breve revisión, demostraciones, y una discusión sobre la generación y lectura de planes de ejecución de consultas SQL. Explica que el optimizador de consultas genera planes considerando el costo de E/S y CPU para diferentes operadores de unión como nested loops, hash y merge join.
Planes de ejecución 1
- 1. #SQSummit Planes de ejecución 1 Eladio Rincón (erincon@solidq.com) Créditos: Enrique Catalá Bañuls ecatala@solidq.com
- 2. Sponsors del SolidQ Summit Panamá
- 3. Agenda • Repaso rápido • Demos!
- 4. ¿Sabemos interpretarlos? Optimizador de consultas Sentencia SQL Plan de ejecución Mágia
- 5. Planes de ejecución en SQL Server Existe en plan caché? Compilar y optimizar query Ejecucion query Fin de ejecución NO Ejecutar query Necesario recompilar? NO Query Store Obtener plan de caché SI SI Enviar texto y plan Nuevo plan forzado Obtener plan forzado
- 6. Generación de plan de ejecución • El optimizador utiliza dos tipos de clave • Tiempo E/S: Coste de leer páginas de un subsistema de disco • Tiempo CPU: Coste de aplicar predicados y tuplas en memoria
- 7. Generación de plan de ejecución • Stage 0 • Reglas básicas de evaluacion usando hash y nested join • Si el coste del plan es menor a 0.2 usar este plan • Stage 1 • Explorar mas reglas incluso alterando el orden de los join • Stage 2 • Explorar todas las opciones y optar por el plan menos costoso tras un nº limitado de exploraciones if(best_plan_for_now.cost<1) return(best_plan_for_now) else if(MAXDOP>0 and best_plan.cost > threshold for parallelism) return(MIN(create_paralel_plan().cost, best_plan_for_now))
- 8. Generación de plan de ejecución • En cada join, se incrementa exponencialmente el nº de soluciones posibles
- 9. Operadores • Todo operador funciona pidiendo filas de uno o mas hijos y devolviéndolas al que se las ha pedido • Caso especial Common Table Spool • Cada operador devuelve de 1 fila en 1 fila • *No todos
- 10. Procesamiento lógico 1. FROM 2. WHERE 3. GROUP BY 4. HAVING 5. SELECT 1. Evaluar expresiones 2. Eliminar duplicados 6. ORDER BY 7. OFFSET-FETCH/TOP
- 11. Planes de ejecución ¿Ves la diferencia en el grosor de la flecha? Estimación un poco equivocada!
- 12. Planes de ejecución • Fíjate en los %
- 13. Operadores JOIN Un operador lógico se puede resolver con distintos operadores físicos NESTED LOOP HASH JOIN MERGE JOIN JOIN CLAUSE
- 14. Operadores join for each row R1 in the outer table { for each row R2 in the inner table { if R1 joins with R2 return (R1, R2) } } *No confundir inner table con inner join ni outer table com outer join
- 15. Merge join get first row R1 from input 1 get first row R2 from input 2 while not at the end of either input { if R1 joins with R2 { return (R1, R2) get next row R2 from input 2 } else if R1 < R2 get next row R1 from input 1 else get next row R2 from input 2 }
- 16. Hash join • Ejecución en dos fases 1. Build: Cálculo de clave hash del inner 2. Prueba: Lee la outer, crea su hash y compara con hash precalculado en fase build for each row R1 in the build table { calculate hash value on R1 join key(s) insert R1 into the appropriate hash bucket } for each row R2 in the probe table { calculate hash value on R2 join key(s) for each row R1 in the corresponding hash bucket if R1 joins with R2 return (R1, R2) }
- 17. Recomendaciones • No bloqueante • Eficiencia de tabla inner (arriba) • Soporta cualquier join • Util cjtos pequeños Nested Loop • No bloqueante • Datos ordenados • Solo equijoin Merge Join • Bloqueante • Tabla inner muy pequeña Hash Join
- 18. Leectura de histogramas EQ_ROWS = Cantidad de líneas que poseen el último valor de la muestra Ej: Existen 64 líneas para la mostra 111 (línea 5) DISTINCT_RANGE_ROWS = Cantidad de valores distintos dentro de un intervalo. El valor de RANGE_HI_KEY está EXCLUIDO Ej: En la línea 5 (108 hasta 110) tenemos 3 valores distintos Debería llamarse DISTINCT_RANGE_VALUES AVG_RANGE_ROWS = Media de valores en el rango (RANGE_ROWS/ DISTINCT_RANGE_ROWS) Ej: En la linea 5 tenemos 160 / 3 = 53,33333 RANGE_HI_KEY = Valor clave de cada muestra Ej: En la línea 5 tenemos el valor 111 que va de 108 (107 (Línea 4) + 1) hasta 111 RANGE_ROWS = Cantidad de líneas que poseen valores iguales a los de la muestra excluyendo el valor de RANGE_HI_KEY Ej: La línea 5 va de 108 a 110 (excluyendo el valor 111(RANGE_HI_KEY)). Dentro de este rango tenemos 160 líneas El valor buscado (110) está entre las líneas 4 y 5 SELECT * FROM Items1 WHERE Quantity = 110 DBCC SHOW_STATISTICS (Items1, Stats_Quantity) WITH HISTOGRAM
- 19. Propiedades
- 21. Key lookup
- 23. Conclusión • Repasar aspectos fundamentales de operadores • Ser capaces de leer los planes de ejecución mas habituales
- 24. También puedes preguntar tus dudas con el hashtag #SQSummit en Twitter ADAPTIVE BI FRAMEWORK Te ayudaremos a mejorar la velocidad de desarrollo de tu plataforma de analítica de negocio basada en nuestra experiencia: •Diseña antes de construir •Automatización de procesos por ETL •Servicios de mentoring para ayudarte a conseguir mejores prácticas para la construcción de procesos específicos y plataformas de analítica de negocio •Muy fácil de mantener SOLIDQ FLEX SERVICES Con SolidQ Flex Services evitarás sustos, consiguiendo que tus sistemas sean estables. Desde una solución sencilla de monitorización, hasta un servicio de atención de incidencias 24/7, mantenimiento proactivo, resolución de problemas y línea de soporte. Todo con un coste fijo mensual… y tú dedica el tiempo a las cosas importantes. ¡Gracias!