【走进RDS】之RDS PostgreSQL索引推荐原理及最佳实践

前言

很多开发人员都知道索引对于数据库的查询性能至关重要，一个好的索引能使数据库的性能提升成千上万倍。但给数据库加索引是一项相对专业的工作，需要对数据库的运行原理有一定了解。同时，加了索引有没有性能提升、性能提升了多少，这些都是加索引前就想知道的。这项繁杂的工作有没有更好的方案呢？有！就是今天重磅推出的索引推荐。

索引推荐这项技术概括起来就是通过分析SQL，枚举可能的索引组合，并通过优化器What-If的能力，选出其中收益最高的索引组合推荐给用户。索引推荐可以极大降低用户的使用门槛，增加数据库智能化能力。RDS PostgreSQL在新版本中已经自带索引推荐功能，可以通过访问PostgreSQL数据库亦或通过RDS控制台使用索引推荐功能。
技术原理

①索引推荐流程

1、分析 Indexable Column，分析出SQL中哪些列可以利用索引，例如:

Where条件中的 =, >, <, between, in等列
Order By的排序列
Group By的聚合列
MIN，MAX函数列
Join的Condition列
2、构建 Candidate Index

从IndexableColumn中构建出所有可能的Candidate Index
Candidate Index分为单列索引和联合索引，单列索引包括所有Indexable Column，联合索引以一定规则组合Indexable Column
3、优化器What-If选择最优

利用优化器What-If的能力，将Candidate Index逐一评估，通过{CPU cost + IO cost}衡量代价，最终选择出使得SQL执行代价最低的Candidate Index
②优化器What-if能力

G查询优化是基于代价的，分为启动代价，运行代价，总代价，计算方式为{CPU cost + IO cost}。

启动代价：读取到第一条元组前花费的代价，比如索引扫描节点的启动代价就是读取目标表的索引页，获取到第一个元组的代价。
运行代价：获取全部元组的代价。
总代价：二者之和。
索引的代价计算是由固定公式得来，只要构造索引时补充公式需要的变量，就可以利用到优化器的What-If能力。
方案实现

① 总体流程

1、采用通用的索引推荐流程，注册planner_hook，遍历查询树，构造索引项，依赖优化器的What-If能力得到结果。

2、智能化索引推荐
采用通用的索引推荐流程，注册planner_hook，遍历查询树，构造索引项，依赖优化器的What-If能力得到结果。

② 详细设计

从查询树到candidate index

针对一条SQL，我们利用内核构造的查询树，精确找到哪些列可以成为索引，制造出索引候选项，交由优化器选择。

最佳实践

① 从RDS控制台进行可视化操作

进入RDS实例详情页面 -> 自治服务 -> 慢SQL ，可以在此处获得相关操作指引。

② 实操步骤

1、创建表

CREATE TABLE t( a INT, b INT );
INSERT INTO t SELECT s, 99999 - s FROM generate_series(0,99999) AS s;
ANALYZE t;
所生成的表包含以下各行：
   a   |   b
-------+-------
     0 | 99999
     1 | 99998
     2 | 99997
     3 | 99996
       .
       .
       .
 99997 |     2
 99998 |     1
 99999 |     0

2、查询单条SQL建议说明
如果希望索引推荐分析查询并提出索引编制建议但不实际执行查询，将EXPLAIN关键字作为SQL语句的前缀，示例如下：

postgres=# EXPLAIN SELECT * FROM t WHERE a < 10000;
                                   QUERY PLAN                                    
---------------------------------------------------------------------------------
 Seq Scan on t  (cost=0.00..1693.00 rows=9983 width=8)
   Filter: (a < 10000)
 Result  (cost=0.00..0.00 rows=0 width=0)
   One-Time Filter: '** plan (using Index Adviser) **'::text
   ->  Index Scan using "<1>t_a_idx" on t  (cost=0.42..256.52 rows=9983 width=8)
         Index Cond: (a < 10000)
(6 rows)

postgres=# EXPLAIN SELECT * FROM t WHERE a = 100;
                                 QUERY PLAN                                 
----------------------------------------------------------------------------
 Seq Scan on t  (cost=0.00..1693.00 rows=1 width=8)
   Filter: (a = 100)
 Result  (cost=0.00..0.00 rows=0 width=0)
   One-Time Filter: '** plan (using Index Adviser) **'::text
   ->  Index Scan using "<1>t_a_idx" on t  (cost=0.42..2.64 rows=1 width=8)
         Index Cond: (a = 100)
(6 rows)

postgres=# EXPLAIN SELECT * FROM t WHERE b = 10000;
                                 QUERY PLAN                                 
----------------------------------------------------------------------------
 Seq Scan on t  (cost=0.00..1693.00 rows=1 width=8)
   Filter: (b = 10000)
 Result  (cost=0.00..0.00 rows=0 width=0)
   One-Time Filter: '** plan (using Index Adviser) **'::text
   ->  Index Scan using "<1>t_b_idx" on t  (cost=0.42..2.64 rows=1 width=8)
         Index Cond: (b = 10000)
(6 rows)

可通过psql命令行查询index_advisory表内存储的索引编制建议，示例如下：

postgres=# SELECT * FROM index_advisory;
 reloid | relname | attrs | benefit | original_cost | new_cost | index_size | backend_pid |            timestamp
--------+---------+-------+---------+---------------+----------+------------+-------------+----------------------------------
  16438 | t       | {1}   | 1337.43 |          1693 |  355.575 |       2624 |       79370 | 18-JUN-21 08:55:51.492388 +00:00
  16438 | t       | {1}   | 1684.56 |          1693 |    8.435 |       2624 |       79370 | 18-JUN-21 08:59:00.319336 +00:00
  16438 | t       | {2}   | 1684.56 |          1693 |    8.435 |       2624 |       79370 | 18-JUN-21 08:59:07.814453 +00:00
(3 rows)

如果语句不带EXPLAIN关键字前缀，索引推荐将在语句执行期间分析语句并记录建议。
3、查询WorkLoad级别建议
通过show_index_advisory()函数获取单个会话的WorkLoad建议，此函数用于获取单个会话的索引推荐（由后端进程ID标识），可通过指定会话的进程ID来调用该函数：

SELECT show_index_advisory( pid );

其中，pid 是当前会话的进程 ID。如果不知道当前会话的进程 ID，则传递值 NULL 也将为当前会话返回结果集。

postgres=# SELECT show_index_advisory(null);
                                                             show_index_advisory
----------------------------------------------------------------------------------------------------------------------------------------------------
 create index idx_t_a on public.t(a);/* size: 2624 KB, benefit: 3021.99, gain: 1.15167301457103, original_cost: 1693, new_cost: 182.005006313324 */
 create index idx_t_b on public.t(b);/* size: 2624 KB, benefit: 1684.56, gain: 0.641983590474943, original_cost: 1693, new_cost: 8.4350004196167 */
(2 rows)

● 说明 结果集中每行的表示意义如下：

● 创建索引推荐建议的索引所需的SQL语句。
● 索引页的估计大小。
● 使用索引的总收益（benefit）。
● 使用索引的增益（gain=benefit/size）。
● 使用索引之前的平均代价（即执行SQL的预估时间）。
● 使用索引之后的平均代价（即执行SQL的预估时间）。
通过select_index_advisory视图获取所有会话的WorkLoad建议，此视图包含计算的指标和CREATE INDEX语句，展示当前位于index_advisory表中所有会话的索引编制建议。表t中列a和列b的索引编制建议显示如下：

postgres=# SELECT * FROM select_index_advisory;
 backend_pid |                                                             show_index_advisory
-------------+----------------------------------------------------------------------------------------------------------------------------------------------------
       79370 | create index idx_t_a on public.t(a);/* size: 2624 KB, benefit: 3021.99, gain: 1.15167301457103, original_cost: 1693, new_cost: 182.005006313324 */
       79370 | create index idx_t_b on public.t(b);/* size: 2624 KB, benefit: 1684.56, gain: 0.641983590474943, original_cost: 1693, new_cost: 8.4350004196167 */
(2 rows)

在每个会话中，从同一建议的索引中受益的所有查询的结果将被组合起来，以便按每个建议的索引生成一组指标，此指标反映在名为benefit和gain的字段中，字段公式如下所示：

size = MAX(index size of all queries)
benefit = SUM(benefit of each query)
gain = SUM(benefit of each query) / MAX(index size of all queries)

说明 如果单条SQL建议同时创建多个索引，则index_advisory表中记录的new_cost为创建了多个索引之后的代价，而非创建某一个索引之后的代价。
当对给定会话期间得到的不同建议索引的相对优势进行比较时，gain指标十分有用。gain值越大，从索引中得到的成本效益就越高，这可以抵消索引可能消耗的磁盘空间。
未来展望

阿里云RDS PostgreSQL的索引推荐功能未来还会朝着以下几个方面进行扩展：

支持GIN、GIST、BRIN索引的推荐。BRIN索引为block索引，对于无法评估数据分布的场景无法推荐；GIST是数据聚集后的结果，也需要对数据分布有所了解；
WorkLoad级别的推荐可以更加细化，当前是以benefit做聚合和排序，得出索引推荐，后续可以更加精细化。

本文转载自公众号阿里云数据库