摘要：隨著offset的增加，查詢的時長也會越來越長，當offset達到百萬級別的時候查詢時長通常是業務所不能容忍的，
本文分享自華為云社區《offset新探索：雙管齊下，加速大資料量查詢》，作者： GaussDB 資料庫 ，
眾所周知，在各類業務中時常會用到LIMIT y offset x來做跳過x條資料讀取Y條資料的操作，例如：SELECT * FROM ... LIMIT 1000 OFFSET 1000000; 表示從第1000001條資料開始查，讀取1000條資料，隨著offset的增加，查詢的時長也會越來越長，當offset達到百萬級別的時候查詢時長通常是業務所不能容忍的，
那么如何來提升offset在大資料量查詢時的性能、縮短執行時間呢？我們的答案是：
- offset Pushdown( offset下推，下文簡稱OP)
- Redundant Condition Removal (冗余條件洗掉，下文簡稱 RCR)
這是華為云GaussDB for MySQL推出的兩個新特性，通過OP和RCR的結合，將大資料量查詢的性能提升一到兩個數量級，
下面我們分別介紹這兩個特性的基本原理、如何啟用、執行驗證、以及通過嚴密測驗來驗證其帶來的性能提升，
Offset Pushdown -- OP
OP賦予MySQL存盤引擎InnoDB處理offset 的能力，當OP啟用時，在SQL層評估offset 是否可以下推并將下推資訊傳遞給存盤引擎，SQL層不再對存盤引擎回傳的行進行offset 處理，取而代之的是存盤引擎層直接跳過offset 范圍內的行，僅回傳后續行，即查詢所需要的行，
通過啟用OP，offset 范圍內的行不會再傳輸到SQL層，從而節省了存盤引擎和SQL層之間多次來回互動時間；其次，對非覆寫索引掃描（non-covering index，即查詢訪問二級索引之后還必須訪問基表），直接跳過offset范圍內的行可以節省對這些行回表訪問的開銷，這種對offset 的提前處理可以節省資料處理時間，特別是當offset 非常大時，OP的適用性取決于WHERE子句是否可以由存盤引擎整體處理，
下方圖1和圖2分別說明了在沒有OP和啟用OP時LIMIT offset的處理邏輯，
圖1無OP的極限偏移邏輯
圖2啟用OP的LIMIT offset 邏輯
Redundant Condition Removal – RCR
RCR的思路也比較簡單：當進行索引范圍掃描時，SQL 層對存盤引擎回傳的行執行冗余檢查，因為它不知道存盤引擎已經執行了這些檢查，而RCR 就是讓 SQL 層了解這點，為了使 OP 成為可能，除了要求WHERE條件能夠被存盤引擎獨立且完整的評估，SQL 層還必須了解這點從而避免冗余檢查，
OP功能的實作方式與索引條件下推 (Index Condition Pushdown，ICP) 類似，對于某些查詢，ICP通過將整個 WHERE 子句下推到存盤引擎來啟用 OP，而RCR在 ICP 執行之前會評估條件是否冗余，并且移除冗余條件，確保了ICP不會處理冗余的條件檢查，RCR很好地補充了OP特性的適用范圍，允許更多查詢使用 OP，
請注意：OP的啟用需要滿足三個主要條件：
1.SQL陳述句包含offset
2.WHERE子句完全由InnoDB處理
3.SQL陳述句只涉及一張表
另外：
- 查詢中使用的表必須是InnoDB表
- 不使用HAVING, aggregations, GROUP BY, SELECT DISTINCT, ROLLUP, Window functions以及檔案排序
- 不支持涉及多個磁區的磁區表查詢
RCR適用于索引范圍掃描，如果WHERE子句中出現了一個或者多個條件，而這些條件涉及到的欄位在對應使用的索引上是被連續定義的，這些條件的冗余檢查就都會被移除，
如何啟用OP？
方法一：使用特定的optimizer switch:offset _PUSHDOWN
set optimizer_switch='OFFSET_PUSHDOWN=[on]/[off]';
默認為on，
方法二：使用特定的優化器hint：[NO]_OFFSET_PUSHDOWN[TC1] ()
SELECT /*+ [NO]_OFFSET_PUSHDOWN() */ FROM TABLE LIMIT n OFFSET p;
請注意，hint優先級高于optimizer switch的設定，
我們基于下方創建的t1表，來舉例說明如何使用OP：
CREATE TABLE t1 (a int, b int, INDEX (b));
示例一：表掃描
explain format=tree select * fromt1 limit 100 offset 1;+----------------------------------------------------------------------------------------------------------------------+| EXPLAIN|+----------------------------------------------------------------------------------------------------------------------+| -> Limit/Offset: 100/1row(s), with offset pushdown (cost=0.65 rows=4) -> Tablescan on t1 (cost=0.65 rows=4)|+----------------------------------------------------------------------------------------------------------------------+1 row in set (0.00 sec)
示例二：二級索引上的索引范圍掃描
explain format=tree select a,b from t1 where b>2limit 100 offset 1;+------------------------------------------------------------------------------------------------------------------------------------+| EXPLAIN|+------------------------------------------------------------------------------------------------------------------------------------+| -> Limit/Offset: 100/1row(s), with offset pushdown (cost=1.61 rows=3) -> Indexrange scan on t1 using b (cost=1.61rows=3)|+------------------------------------------------------------------------------------------------------------------------------------+1 row in set (0.00 sec)
如何啟用RCR?
通過系統變數rds_empty_redundant_check_in_range_scan設定，如下：
set rds_empty_redundant_check_in_range_scan=[true]/[false];
默認為true，
我們通過一個示例來說明：
創建t0表：
CREATE TABLE t0 (a int, b int,INDEX (a,b));
不啟用RCR：
explainformat=tree select * from t0 where a<100 and a>20 LIMIT 1 OFFSET 100;+------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------+|EXPLAIN |+------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------+|-> Limit/Offset: 1/100 row(s)(cost=0.46 rows=1) -> Filter: ((t0.a < 100) and (t0.a > 20)) (cost=0.46 rows=1) -> Index range scan on t0 usinga (cost=0.46 rows=1)|+---------------------------
可以看出：列a上的范圍條件會被InnoDB默認檢查，但SQL層將再次檢查InnoDB回傳的行是否匹配列a的范圍條件，在這種情況下，無法使用OP，因為SQL層不知道存盤引擎實際上處理了整個WHERE子句，
啟用RCR：設定rds_empty_redundant_check_in_range_scan = true;
explainformat=tree select * from t0 where a<100 and a>20 LIMIT 1 OFFSET 100;+------------------------------------------------------------------------------------------------------------------------------------+|EXPLAIN|+------------------------------------------------------------------------------------------------------------------------------------+|-> Limit/Offset: 1/100 row(s), with offsetpushdown (cost=0.46 rows=1) -> Index range scan on t0 using a (cost=0.46 rows=1)|+------------------------------------------------------------------------------------------------------------------------------------+1row in set (0.00 sec)
可以看出：啟用RCR，洗掉SQL層對列A的范圍條件的冗余檢查后，啟用OP，
簡化ICP
創建表t1：
create table t1(a int, b int, INDEX(b));
不啟用RCR：
explainformat=tree select a,b from t1 where b>2 limit 100 offset 1;+----------------------------------------------------------------------------------------------------------------------------------------------------------------------+|EXPLAIN |+----------------------------------------------------------------------------------------------------------------------------------------------------------------------+|-> Limit/Offset: 100/1 row(s), with offsetpushdown (cost=1.61 rows=3) -> Index range scan on t1 using b, with index condition: (t1.b >2) (cost=1.61 rows=3)|+----------------------------------------------------------------------------------------------------------------------------------------------------------------------+1row in set (0.00 sec)
可以看出：使用了ICP后，OP也被啟用了
啟用RCR：
explainformat=tree select a,b from t1 where b>2 limit 100 offset 1;+------------------------------------------------------------------------------------------------------------------------------------+|EXPLAIN |+------------------------------------------------------------------------------------------------------------------------------------+|-> Limit/Offset: 100/1 row(s), with offsetpushdown (cost=1.61 rows=3) -> Index range scan on t1 using b (cost=1.61 rows=3)|+------------------------------------------------------------------------------------------------------------------------------------+1row in set (0.00 sec)
以上示例說明：ICP不是必要的，通過評估是否應使用ICP之前移除冗余條件，就可以避免使用ICP，
性能驗證
下面我們通過實際測驗來驗證OP所帶來的性能提升，在測驗中，我們重點關注：
- 覆寫/非覆寫索引
考慮一個非覆寫索引，不使用OP，InnoDB必須從基表讀取行，然后才能將它們回傳到SQL層，使用OP后，就可以跳過行，而不必從基表讀取，因此，OP在非覆寫索引上可以提供更好的性能，
- 熱/冷緩沖池
我們希望通過熱緩沖池全面提高性能，但我們也希望OP在熱緩沖池上相對更高效，原因如下：
基于一個冷緩沖池并且查詢使用覆寫索引掃描的場景，設定為不使用OP的計算時間（woop）和使用OP的計算時間(op)的比值：
比值d預計將大于1，因為使用OP將獲得性能提升，基于一個熱緩沖池并且查詢使用覆寫索引掃描的場景，設定是不使用OP的計算時間(woop)和使用OP的計算時間(op)的比值：
其中k表示從磁盤讀取索引所需的時間，可以合理地假設，在使用OP和不使用OP的情況下，k都是相同的，因為不論是否使用OP，都必須從左到右遍歷索引，無法在使用OP的情況下，利用B-tree結構索引的優勢直接跳轉到offset 范圍的結束點，那么，這兩個比值的差值可以表述為：
因此，我們預計OP在熱緩沖池將更有效，
- 緩沖池大小
對于覆寫索引查詢，可以假定索引資料都在緩沖池中，因此，緩沖池的大小對性能不會產生太大影響，然而，對于非覆寫索引的查詢，情況會大不相同，在不使用OP時，緩沖池能快取表資料的比例確實會對查詢的性能產生有利的影響，
基于以上三個關注點以及預判，我們在一個包含200萬行資料的測驗表中，分別測驗覆寫/非覆寫索引、冷/熱緩沖池、不同緩沖池大小下條件下，通過OP帶來的性能表現，
覆寫索引查詢：
CREATE TABLE data (id int, value int, INDEX (id,value));SELECT * FROM data LIMIT 1 OFFSET p;
非覆寫索引查詢：
CREATE TABLE data_non_covering(id INT, value INT, INDEX (value));INSERT INTO data_non_covering SELECT * FROM data;SELECT * FROM data_non_covering WHERE value>2 LIMIT 1 OFFSET p;
為了過濾干擾，計算時間是取9次運行結果的中位數，
通過以上測驗結果可以看出，在緩沖池大小為128MB的場景下，冷熱緩沖池對OP帶來的性能提升有不同影響：
熱緩沖池
- 使用覆寫索引，OP可以將查詢性能提升3 – 12倍；
- 使用非覆寫索引，OP可以將查詢性能提升 48 – 128倍
冷緩沖池
- 使用覆寫索引，OP可以將性能提升 40% - 8倍；
- 使用非覆寫索引，OP可以將性能提升2 - 148 倍
綜上，在所有測驗中，使用OP能提升查詢性能，不論是冷緩沖池還是熱緩沖池，啟用OP后，非覆寫索引掃描可以比覆寫索引掃描獲得10倍以上的性能提升，此外，正如我們所預計，在熱緩沖池上啟用OP獲得了更大的性能提升，
對于大的OFFSET，使用OP可將性能提高一兩個數量級，而RCR可擴大OP的適用范圍，正如上述測驗所證明，使用OP所帶來的性能提升主要受下面兩個因素的影響：
- OP可以在存盤引擎層跳過offset 行，而不必將它們回傳到SQL層，這將導致計算時間的顯著降低，
- OP可以跳過offset 行，而不必從基表讀取它們，從而獲得性能提升，
OP和RCR的聯合使用，進一步擴大了OP的使用范圍，可以為更多的Limit/offset查詢帶來性能提升，尤其是對大的offset操作，
在后續的研究中，我們將會評估OP與NDP（Near Data Processing, 近資料處理）的兼容性極其潛在的性能改進，
本文作者
呂漫漪
華為斯德哥爾摩研究所資料庫Lab首席科學家，云資料庫歐洲研發團隊負責人，2020年加入華為，致力于打造世界級的企業級云資料庫，呂漫漪在資料庫領域有20多年從業經驗，曾參與開發電信行業分布式高可用資料庫，曾任MySQL原廠研發團隊產品總監，長期深耕資料庫技術，
Maxime Conjard
華為云資料庫工程師，就職于華為云資料庫歐洲研發團隊，Max畢業于挪威科技大學（NTNU），獲得統計學碩士和博士學位；在此之前，他在法國馬賽中央學院獲得工程碩士學位，
點擊關注，第一時間了解華為云新鮮技術~
轉載請註明出處，本文鏈接：https://www.uj5u.com/shujuku/521902.html
標籤：MySQL
上一篇：索引
下一篇：論文解讀丨CIKM'22 MARINA：An MLP-Attention Model for Multivariate Time-Series Analysis