1 auto-sintonia de Índices completa: create, drop e reindex automáticos no postgresql prof....
TRANSCRIPT
1
Auto-sintonia de Índices Completa: create, drop e
reindex automáticos no PostgreSQL
Prof. Sérgio LifschitzDepto Informática PUC-Rio
ERBD 2008Florianópolis (SC)
2
Contexto VLDB
• Vários GB de dados– terabytes ou terrorbytes– cartões de crédito, correios expressos
• Caso Petrobras coorporativo anos atrás– 5K tabelas e índices + 2K views– Algumas tabelas com mais de 50M tuplas– 20 consultas por minuto– 12K usuários (200 simultâneos)
• SAP R/3 “básico”– 16K tabelas e 19K índices!
3
Sintonia de Bancos de Dados
• Tuning - Sintonia ou ajuste fino“Realizar ajustes em um sistemas de banco de dados de forma a obter um melhor tempo de resposta e/ou aumentar a vazão (throughput) para determinada aplicação”
Buscar um bom desempenho em um sistema de banco de dados existente
Hipótese: HW e SW não mudam!
4
Afinal, sintonia fina de quê?
• Seleção de índices• Alocação de dados• Controle de carga (ajuste de MPL)• Política de substituição de páginas em
memória• Ajuste de tamanhos/quantidades de
buffers• Refino automático de estatísticas
5
Atividade de Sintonia
• Perceber que um recurso está sendo mal utilizado– monitoramento é parte fundamental do
processo
• Localizar e entender a verdadeira fonte do problema– Mais de 90% do tempo para resolução de
problemas de desempenho é gasto no diagnóstico.
6
(1)insert into SALES (prodNum, date, qty, value)values (4, current_timestamp, 20, 348);
(2)select prodNum, date, sum(value) as totalfrom SALESwhere value > 1500000 and date between ‘20040101’ and ‘20040131’group by prodNum, date;
Indices para uma aplicação que contém estas (e possivelmente muitas outras…) cláusulas SQL?
Problema típico
7
Problema simples?
update venda
set valor = valor - 1
where valor > 2375000;
Índices ajudam ou atrapalham?
8
Agendao Introdução e Motivaçãoo Fundamentos
o SGBD, Índices e Processamento de Consultas
o Estado da Arteo Auto-sintonia local e global
o Índices Hipotéticoso What-if
o Criação autônoma de índiceso TPC-C, sintonia local, heurística de benefícios,
PostgreSQL
o Destruição e reindex automáticoso TPC-H, sintonia global, fragmentação física
o Comentários Finais
9
O que é preciso saber?
A atividade de sintonia fina envolve:– Hardware e sistemas operacionais– Gerência de memória e acesso a discos– Controle de concorrência e recuperação– Uso de índices adequados– Otimização e reescrita de consultas– Projeto de banco de dados adequado
Ajuda bastante conhecer SGBDs específicos!
10
Controle de Concorrência
Processador de Consultas
Gerente de Armazenamento
Arquitetura FuncionalComponentes de um SGBD
Otimizador Executor
Gerência deBloqueios
Gerência deTransação e Recuperação
Controle de Memória
Controle de Dados
Meta-Dados eEstatísticas
Dados e Índices
Log de Transações
SQL
11
Processamento de Consultas
Parse Query
Check de Semântica
Query Rewrite
Otimização doPlano de Acesso
Geração de Código
12
Otimização de Consultas
• Problema NP-difícil:– muitas alternativas de planos
• O otimizador de consultas determina o plano de acesso através de:– Heurísticas • otimização por regras, RBO
– Busca de plano de melhor custo• otimização por custo, CBO
13
Planos de Execução
• É o resultado da otimização• É especificado no plano de execução:– Ordem de acesso às tabelas– Ordem de operações • seleção, projeção e junção
– Índices utilizados– Tipos de junção– Ordenações– Tabelas intermediárias
14
Métodos de Acesso
• Tipos básicos de operação:– Varreduras seqüenciais (full scan)– Indexadas (index scan)
• Implementação de operadores• Junções,• Uniões• Ordenações e eliminação de duplicatas
15
QEP: Query Execution Plan
• Exemplo:
SELECT endereço, data-nascimento
FROM empregado
WHERE nome = ‘Guga Kuerten’
Execution Plan--------------------------------------------------------- 0 SELECT STATEMENT Optimizer=CHOOSE 1 0 TABLE ACCESS (BY INDEX ROWID) OF 'EMPREGADO' 2 1 INDEX (UNIQUE SCAN) OF 'PK_EMP' (UNIQUE)
16
Acesso por Índices
• Estruturas auxiliares para permitir acesso mais rápido dados– Sem índices, para obter uma informação
de uma tabela, todas as linhas devem ser lidas do arquivo
– Com índice, pode ser feito acesso direto
Índices em livros permitem que passemos diretamente para o capítulo desejado!
17
Tipos de Índices
• Podem ser de diversos tipos:– Árvore B+
– Cluster ou não-cluster– Bitmap– ...
• Alguns SGBDs permitem: – índices com valores em ordem reversa– índices em resultados de funções
18
Caso Árvores B+
23 37
58 75
43 95
03-22 23-35 37-42 43-54 58-74 75 -
19
• Manutenção:– N chaves, m ponteiros por página (ordem) – número máximo de níveis d (pior caso):
Características de Árvores B
2/1log1 2/ Nd m
– N = 1.000.000 N = 10.000.000– m = 512 m = 512– d 3.37 3 níveis d 3.78 3
níveis
☹
20
Índices Clusterizados
21
Índices Não-clusterizados
22
Agendao Introdução e Motivaçãoo Fundamentos
o SGBD, Índices e Processamento de Consultas
o Estado da Arteo Auto-sintonia local e global
o Índices Hipotéticoso What-if
o Criação autônoma de índiceso TPC-C, sintonia local, heurística de benefícios,
PostgreSQL
o Destruição e reindex automáticoso TPC-H, sintonia global, fragmentação física
o Comentários Finais
23
Autonomic Computing
• Um grande desafio para a comunidade acadêmica e indústria– tornar os sistemas computacionais mais
autônomos
• Visões de futuro– Asilomar Report on Database Research
(1998)– IBM’s Autonomic Computing Manifesto
(2001)
24
Auto-Sintonia (Self-Tuning)
• Capacidade de auto-ajuste dos SGBDs ao ambiente existente para obtenção de melhor desempenho
• Alguns SGBDs comerciais já oferecem versões com algumas características automáticas
• Trabalhos científicos: – muitos artigos sendo publicados nos últimos 10
anos!
25
25/22
Trabalhos Correlatos
Projeto SMART (Self Managing and Resource Tuning) do Centro de Pesquisas IBM Almaden em parceria com os Laboratórios de Toronto e do Vale do Silício;
Projeto AutoAdmin da Microsoft Research;
Oracle;
PostgreSQL;
Grupo de auto-sintonia em SGBDs do Departamento de Informática PUC-Rio.
Índices Hipotéticos
Survey
Auto-Sintonia Global
Heurística de Benefícios
Índices Hipotéticos
Survey
Auto-Sintonia Global
Heurística de Benefícios
DB2: db2advisDB2: db2advis
SQL Server 2005: Database Tuning Advisor
SQL Server 2005: Database Tuning Advisor
Oracle 10g: Automatic Database Diagnostic Monitor
Oracle 10g: Automatic Database Diagnostic Monitor
Pg_autovacuumPg_autovacuum
26
Caso SQL Server
27
Auto-sintonia de
bancos de dados
Auto-sintonia global
Auto-sintonia local
Projeto
Físico
Alocação
de dados
Controle
de carga
Substituição
de páginas
Ajuste de
buffers
Refino de
estatísticas
Auto-sintonia global
por construção
Auto-sintonia global
por adaptação
Possível Classificação
28
Self-Tuning de índices
• Sintonia fina de índices:– Índices podem auxiliar em consultas– Índices podem ser prejudiciais a atualizações– Quais índices criar?
• Dificuldades adicionais:• Quando criar ou destruir?• Risco de criar-recriar inúmeras vezes
29
Agendao Introdução e Motivaçãoo Fundamentos
o SGBD, Índices e Processamento de Consultas
o Estado da Arteo Auto-sintonia local e global
o Índices Hipotéticoso What-if
o Criação autônoma de índiceso TPC-C, sintonia local, heurística de benefícios,
PostgreSQL
o Destruição e reindex automáticoso TPC-H, sintonia global, fragmentação física
o Comentários Finais
30
• Uso de SGBD completo de código aberto• Simulação? Não!• PostgreSQL (por ora, v. 7.4 beta 3)• Linux
• Abordagem intrusiva• Código core modificado• Comando create hypothetical index
Ambiente de Implementação
31
Department Employee Product
id – int
name – varchar(50)
managerid – int
Number of tuples: 200
Number of tupes: 100 Number of tuples: 250
id – int
name – varchar(50)
address – varchar(200)
salary – numeric(10,2)
depid – integer
id – int
type – varchar(30)
description – varchar(150)
measure – varchar(30)
price – numeric(5,2)
Sale
id – int
year – int
month – int
day – int
prodid – int
sellerid – int
Price – numeric(4,2)
Number of tuples: 250
Tutorial: estudo de caso para what-if
Actual indexes are created for all of the tables’ primary keys. Scripts to create the university database can be found here.
Uso de Índices Hipotéticos
32
select d.name, e.name, e.salary
from employee e, department d
where e.depid = d.id and
e.salary between 1000 and 2500;
The following query is very frequently issued by the university application:
Lets take a look at its query execution plan using the explain statement:
explain
select d.name, e.name, e.salary
from employee e, department d
where e.depid = d.id and
e.salary between 1000 and 2500;
Consultas Frequentes
33
Query Execution Plan
QUERY PLAN
---------------------------------------------------------------------------
Hash Join (cost=1.32..314.96 rows=2499 width=50)
Hash Cond: ("outer".depid = "inner".id)
-> Seq Scan on employee e (cost=0.00..269.91 rows=2498 width=42)
Filter: ((salary >= 1000::numeric) AND (salary <= 2500::numeric))
-> Hash (cost=1.26..1.26 rows=26 width=16)
-> Seq Scan on department d (cost=0.00..1.26 rows=26 width=16)
(6 rows)
A sequential scan was chosen by the planner to access the employee table. Perhaps we could improve this by creating an index on the salary column.
Plano de Consulta
34
Although we could benefit from the existence of an index on the salary column, we should be careful to create it. Firstly, we do not know if the DBMS will actually choose to use an index in the salary column if it exists. Secondly, if we try to create an actual index in this column, the DBMS will prevent writers from accessing the table. So it is hard to experiment with new indexes and evaluate how good they are.
Instead of incurring the burden of creating an actual index on the column, we could simulate if this index would be useful to the database. To do that, we create it as a hypothetical index:
create hypothetical index hi_employee_salary
on employee(salary);
Criando Índices Hipotéticos
35
explain hypothetical
select d.name, e.name, e.salary
from employee e, department d
where e.depid = d.id and
e.salary between 1000 and 2500;
The hypothetical index is not actually materialized in the database. Therefore, we will not incur in heavy creation costs or obtain locks on the underlying table to create it. The DBMS, however, cannot use the hypothetical index to answer a user query. If we query the database again or use the explain statement, the system will still use a sequential scan to access the employee table.
We can see how the DBMS would behave if the hypothetical index were materialized using the explain hypothetical statement:
Planos de Consultas com Índices Hipotéticos
36
Query Execution Plan
QUERY PLAN
------------------------------------------------------------------------
Hash Join (cost=1.32..169.42 rows=2499 width=50)
Hash Cond: ("outer".depid = "inner".id)
-> Index Scan using hi_employee_salary on employee e
(cost=0.00..124.37 rows=2498 width=42)
Index Cond: ((salary >= 1000::numeric) AND (salary <= 2500::numeric))
-> Hash (cost=1.26..1.26 rows=26 width=16)
-> Seq Scan on department d (cost=0.00..1.26 rows=26 width=16)
(6 rows)00
If the index hi_employee_salary was materialized, the DBMS would use it to process the query. The estimated cost to process the query would drop from 314.96 using the sequential scan to 169.42 using the index scan.
Análise de Custos na presença
de Índices Hipotéticos
37
drop hypothetical index hi_employee_salary;
create index i_employee_salary on employee(salary);
Now that we know that the index is beneficial to performance, we can drop the hypothetical index and create a corresponding actual one:
Índices Hipotéticos eventually se tornam reais
38
explain select
d.name, e.name, e.salary
from employee e, department d
where e.depid = d.id and
e.salary between 1000 and 2500;
Lets check the query execution plan for the query with the actual index created:
Plano de consulta com novo índice criado
39
Query Execution Plan
QUERY PLAN
------------------------------------------------------------------------
Hash Join (cost=1.32..139.15 rows=2491 width=50)
Hash Cond: ("outer".depid = "inner".id)
-> Index Scan using i_employee_salary on employee e
(cost=0.00..94.24 rows=2490 width=42)
Index Cond: ((salary >= 1000::numeric) AND
(salary <= 2500::numeric))
-> Hash (cost=1.26..1.26 rows=26 width=16)
-> Seq Scan on department d (cost=0.00..1.26 rows=26
width=16)
(6 rows)
The cost estimated by the planner for the query using the hypothetical index was 169.42. With the actual index, the planner gave us an estimate of 139.15. Cost estimates for hypothetical indexes tend to be conservative, but always close to the cost of using the actual index.
Análise dos custos
40
Agendao Introdução e Motivaçãoo Fundamentos
o SGBD, Índices e Processamento de Consultas
o Estado da Arteo Auto-sintonia local e global
o Índices Hipotéticoso What-if
o Criação autônoma de índiceso TPC-C, sintonia local, heurística de benefícios,
PostgreSQL
o Destruição e reindex automáticoso TPC-H, sintonia global, fragmentação física
o Comentários Finais
41
Arquitetura do Componente de Auto-sintonia
Queries, updates,
procedur
e calls
Parser
Optimizer
Executor
Index
Self-tuning
Component
Statements,
Plans
Indexing
Alternatives
Index Creation
Routines
Index Creation
Requests
DBMS
42
Agente em Camadas
Agentes de software
• Autonomia: capacidade de agir para atingir um objetivo sem intervenção humana
• Reatividade: capacidade de responder a mudanças para atingir objetivos;
• Pró-atividade: agir para atingir seus objetivos, antecipando-se a mudanças no ambiente;
• Sociabilidade: capacidade de interagir com outros participantes do ambiente;
Sensor Sensor
Ação Ação
Raciocínio Raciocínio
Mobilidade Mobilidade
Colaboração Colaboração
Tradução Tradução
Crença Crença
43
Integrando agentes ao SGBD
Statement
Processor
Index
Self-tuning
Agent
Index Creation
Routines
PostgreSQL
Postgres Process
Shared Queue
Postgres Process
Statement
Processor
Postgres Process
Statement
Processor
…
Storage Structures
44
Heurística de Benefícios• Query Evaluation Strategy
Benefit of Hypothetical Index = Cost of Query with Actual Indexes – Cost of Query with Hypothetical Indexes;Update Accumulated Benefit of Hypothetical Index;If (Accumulated Benefit of Hypothetical Index >
Cost to Create Hypothetical Index)Then
Reset Accumulated Benefit of Hypothetical Index;
Materialize Hypothetical Index;End if;
• Updates follow similar rules, but consider index destruction
45
Resultados Experimentais• Testes com DBT-2 toolkit • Carga TPC-C• Estudos de caso:– Sem índice: BD sem índices e agente desligado– Índice Automático: BD sem índices e agente ligado– Indexação estática: DB com índices propostos pelos
projetistas do toolkit e agente desligado
• Resultados surpreendentes!– Um índice dos projetistas não criado– Um índice não projetado criado... Porém útil!
46
Avaliação de Vazão (Throughput)
• Escala do BD: # de armazéns• Teste de 90 min: período de aprendizado ok
0
10
20
30
40
50
60
1 2 3 4
Number of Warehouses
Th
rou
gh
pu
t (t
r/m
in)
Noindexing
AutomaticIndexing
Staticindexing
47
Análise dos Resultados
• O componentes conseguiu obter boa vazão média para a aplicação em questão
• O componente-agente passa por fase de aprendizado até atingir estabilidade
• Quanto mais tempo o componente estiver ativo com carga estável, melhor é a vazão observada do sistema
48
Agendao Introdução e Motivaçãoo Fundamentos
o SGBD, Índices e Processamento de Consultas
o Estado da Arteo Auto-sintonia local e global
o Índices Hipotéticoso What-if
o Criação autônoma de índiceso TPC-C, sintonia local, heurística de benefícios,
PostgreSQL
o Destruição e reindex automáticoso TPC-H, sintonia global, fragmentação física
o Comentários Finais
49
Estudos com carga OLAP
• TPC-H• Menos estável• 6 consultas representativas (das
22)• Novo comando
Evaluate
select linenumber, quantity
from lineitem
where orderkey = 200 and linenumber = 2;
50
Componentes = Agentes
51
Resultados Experimentais
• Testes com DBT-2 toolkit agora com carga TPC-H
• Três estudos de caso como anteriormente• Mesma carga submetida para SGBDs comerciais– SQL 2005 e Oracle 10g– Novo índice criado.... E útil !!!
• Heurística de benefícios alterada– Critério histórico– Bônus = Benefício Acumulado / Utilizações
• O ideal seria calcular a contribuição exata de cada índice por comando submetido– E.g. Chaudhuri et al – 2004
• Malus?
52
Ciclo create-drop
• Há risco de destruir índices que serão recriados posteriormente
• Custos envolvidos não desprezíveis• Análise fina da situação: • Por quê índice não está sendo útil?
• Reindex é usado por DBAs
53
Resultados Experimentais (2)
• Testes com DBT-2 toolkit novamente com TPC-C
• Três estudos de caso como anteriormente• Mais consultas, ajustes na carga submetida• Captura de poucas consultas agora não é
bom...• Índices eliminados foram recriados!!!
54
Recriação de Índices
Fragmentação prejudica desempenho para varreduras: confirmado!
Fragmentação aumenta espaço ocupado por um índice: confirmado!
Fragmentação x Custo: confirmado?!
Malefícios Causados pela Fragmentação de Índices
55
Fragmentação no Nível Folha
56
Fragmentação de Índices
• Idéia básica:• Índices fragmentados merecem nova
chance!
• Novos critérios antes de um drop• Grau de fragmentação • G = 100 – [(Ra/Ri) * 100]
• Tamanho do índice• Taxa de varreduras
• Novo comando: getsize
57
Agendao Introdução e Motivaçãoo Fundamentos
o SGBD, Índices e Processamento de Consultas
o Estado da Arteo Auto-sintonia local e global
o Índices Hipotéticoso What-if
o Criação autônoma de índiceso TPC-C, sintonia local, heurística de benefícios,
PostgreSQL
o Destruição e reindex automáticoso TPC-H, sintonia global, fragmentação física
o Comentários Finais
58
Algumas conclusões
• DBA automatizado? – SIM! Vale a pena ... – Paper SQLmag: “Será o fim do DBA?”
• Resultados preliminares animadores– Ferramentas de mercado– Academia: e.g. postgreSQL
• Vários problemas em aberto– Sintonia de projeto físico– Grau de autonomia!
59
Planos HipotéticosPlanos Hipotéticos
Workload ObtainmentWorkload Obtainment
Candidate Index SelectionCandidate Index Selection
Final Index SelectionFinal Index Selection
Database ExecuterDatabase Executer
MonitoringSQL
MonitoringSQL
DDL Clauses
DDL Clauses
SELECT *FROM memberWHERE last_name = ‘Randall’
SELECT *FROM memberWHERE last_name = ‘Randall’
CostsCosts
+ Candidate Indexes+ Candidate Indexes
Final Indexes Recommendations
Final Indexes Recommendations
BD
WorkloadWorkload
Modified Plan
Indexes Benefits
Statistics
60
Atuais e Próximos Passos
• Planos hipotéticos na prática• Wizards para PostgreSQL e versão 8• Parceria com UFC e aplicação real• Gráfico de planos reais e hipotéticos• Interação com DBA para tomada de
decisão• Aviso de iminência de criação do índice• Consulta da metabase com índices
hipotéticos• .... E muitas outras idéias ainda surgindo!
61
Acknowledgments
• Rogério Costa• Marcos Antonio Vaz Salles• Maíra Noronha• Anolan Milanes• Eduardo Morelli• José Maria Monteiro …
www.inf.puc-rio.br/~postgresql
62
OBRIGADO!