GPORCA特性和增强

GPORCA是Greenplum的下一代查询优化器，它包括了对特定类型的查询和操作的增强：

对分区表的查询
含有子查询的查询
含有公共表表达式的查询
GPORCA的DML操作增强

GPORCA还包括下面这些优化增强：

改进的连接排序
连接-聚集重排序
排序顺序优化
查询优化中包括的数据倾斜估计

对分区表的查询

GPORCA包括这些对分区表上查询的增强：

改进了分区消除。
支持统一多级分区表。有关统一多级分区表的信息，请见关于统一多级分区表
查询计划可以包含分区选择器操作符。
不在EXPLAIN计划中枚举分区。
对于涉及静态分区选择的查询，在其中会将分区键与常量进行比较，GPORCA会在EXPLAIN输出的分区选择器操作符下面列出要被扫描的分区数。这个示例分区选择器操作符展示了过滤条件和选中的分区数：
```
Partition Selector for Part_Table (dynamic scan id: 1) 
       Filter: a > 10
		   Partitions selected:  1 (out of 3)
```
对于涉及动态分区选择的查询，在其中会将分区键与变量进行比较，要扫描的分区数只有在查询执行时才能知道。选中的分区不会显示在EXPLAIN输出中。
计划尺寸与分区数无关。
由于分区数导致的内存不足错误被减少。

这个CREATE TABLE命令的例子创建一个范围分区表。

CREATE TABLE sales(order_id int, item_id int, amount numeric(15,2), 
      date date, yr_qtr int)
   range partitioned by yr_qtr;

GPORCA改进了针对分区表的这些类型的查询：

全表扫描。计划中不会枚举分区。
```
SELECT * FROM sales;
```
带一个常量过滤谓词的查询。会执行分区消除。
```
SELECT * FROM sales WHERE yr_qtr = 201501;
```

范围选择。会执行分区消除。

SELECT * FROM sales WHERE yr_qtr BETWEEN 201601 AND 201704 ;

涉及到分区表的连接。在下面这个例子中，分区过的维度表date_dim 被连接到事实表catalog_sales：
```
SELECT * FROM catalog_sales
   WHERE date_id IN (SELECT id FROM date_dim WHERE month=12);
```

含有子查询的查询

GPORCA更有效地处理子查询。子查询是嵌套在外层查询块里面的查询。在下面的查询中，WHERE子句中的SELECT是一个子查询。

SELECT * FROM part
  WHERE price > (SELECT avg(price) FROM part);

GPORCA还能更有效地处理含有相关子查询（CSQ）的查询。相关子查询是使用来自外层查询的值的子查询。在下面的查询中，price列被使用在外层查询和子查询中。

SELECT * FROM part p1
  WHERE price > (SELECT avg(price) FROM part p2 
  WHERE  p2.brand = p1.brand);

GPORCA为下列类型的子查询生成更有效的计划：

SELECT列表中的CSQ。

SELECT *,
 (SELECT min(price) FROM part p2 WHERE p1.brand = p2.brand)
 AS foo
FROM part p1;

析取（OR）过滤条件中的CSQ。

SELECT FROM part p1 WHERE p_size > 40 OR 
      p_retailprice > 
      (SELECT avg(p_retailprice) 
          FROM part p2 
          WHERE p2.p_brand = p1.p_brand)

具有越级关联的嵌套CSQ

SELECT * FROM part p1 WHERE p1.p_partkey
IN (SELECT p_partkey FROM part p2 WHERE p2.p_retailprice = 
     (SELECT min(p_retailprice)
       FROM part p3 
       WHERE p3.p_brand = p1.p_brand)
);

Note: 传统查询优化器不支持具有越级关联的嵌套CSQ。

有聚集和不等于的CSQ。下面这个例子包含一个有不等于的CSQ。

SELECT * FROM part p1 WHERE p1.p_retailprice =
 (SELECT min(p_retailprice) FROM part p2 WHERE p2.p_brand <> p1.p_brand);

必须返回一行的CSQ。

SELECT p_partkey,
  (SELECT p_retailprice FROM part p2 WHERE p2.p_brand = p1.p_brand )
FROM part p1;

含有公共表表达式的查询

GPORCA处理含有WITH子句的查询。WITH子句也被称为公共表表达式（CTE），它会生成只在该查询中存在的临时表。下面这个查询例子包含一个CTE。

WITH v AS (SELECT a, sum(b) as s FROM T where c < 10 GROUP BY a)
  SELECT *FROM  v AS v1 ,  v AS v2
  WHERE v1.a <> v2.a AND v1.s < v2.s;

作为查询优化的一部分，GPORCA可以把谓词下推到一个CTE中。对于下面的例子查询，GPORCA把等于谓词推到了CTE。

WITH v AS (SELECT a, sum(b) as s FROM T GROUP BY a)
  SELECT *
  FROM v as v1, v as v2, v as v3
  WHERE v1.a < v2.a
    AND v1.s < v3.s
    AND v1.a = 10
    AND v2.a = 20
    AND v3.a = 30;

GPORCA可以处理这些类型的CTE：

定义一个或者多个表的CTE。在下面的这个查询中，CTE定义两个表。

WITH cte1 AS (SELECT a, sum(b) as s FROM T
               where c < 10 GROUP BY a),
      cte2 AS (SELECT a, s FROM cte1 where s > 1000)
  SELECT *
  FROM cte1 as v1, cte2 as v2, cte2 as v3
  WHERE v1.a < v2.a AND v1.s < v3.s;

嵌套CTE。

WITH v AS (WITH w AS (SELECT a, b FROM foo 
                      WHERE b < 5) 
           SELECT w1.a, w2.b 
           FROM w AS w1, w AS w2 
           WHERE w1.a = w2.a AND w1.a > 2)
  SELECT v1.a, v2.a, v2.b
  FROM v as v1, v as v2
  WHERE v1.a < v2.a;

GPORCA的DML操作增强

GPORCA含有对DML操作（例如INSERT，UPDATE和DELETE）的增强。

查询计划中的DML节点是一个查询计划操作符。
- 可以作为一个常规节点（目前只有顶层切片）出现在计划中的任何地方
- 可以有消费者

UPDATE操作使用查询计划操作符Split并且支持这些操作：

表的分布键列上的UPDATE操作。
表的分区键列上的UPDATE操作。

这个计划的例子展示了Split操作符。

QUERY PLAN
--------------------------------------------------------------
Update  (cost=0.00..5.46 rows=1 width=1)
   ->  Redistribute Motion 2:2  (slice1; segments: 2)
         Hash Key: a
         ->  Result  (cost=0.00..3.23 rows=1 width=48)
               ->  Split  (cost=0.00..2.13 rows=1 width=40)
                     ->  Result  (cost=0.00..1.05 rows=1 width=40)
                           ->  Seq Scan on dmltest

新的查询计划操作符Assert被用于约束检查。

这个计划的例子展示了Assert操作符。

QUERY PLAN
------------------------------------------------------------
 Insert  (cost=0.00..4.61 rows=3 width=8)
   ->  Assert  (cost=0.00..3.37 rows=3 width=24)
         Assert Cond: (dmlsource.a > 2) IS DISTINCT FROM 
false
         ->  Assert  (cost=0.00..2.25 rows=3 width=24)
               Assert Cond: NOT dmlsource.b IS NULL
               ->  Result  (cost=0.00..1.14 rows=3 width=24)
                     ->  Seq Scan on dmlsource