建站
咨詢
售后
建站咨詢
新聞中心
本篇內(nèi)容介紹了“數(shù)據(jù)庫運(yùn)行很慢的原因分析”的有關(guān)知識，在實際案例的操作過程中，不少人都會遇到這樣的困境，接下來就讓小編帶領(lǐng)大家學(xué)習(xí)一下如何處理這些情況吧！希望大家仔細(xì)閱讀，能夠?qū)W有所成！
專業(yè)領(lǐng)域包括網(wǎng)站制作、成都做網(wǎng)站、商城網(wǎng)站建設(shè)、微信營銷、系統(tǒng)平臺開發(fā)， 與其他網(wǎng)站設(shè)計及系統(tǒng)開發(fā)公司不同，成都創(chuàng)新互聯(lián)公司的整合解決方案結(jié)合了幫做網(wǎng)絡(luò)品牌建設(shè)經(jīng)驗和互聯(lián)網(wǎng)整合營銷的理念，并將策略和執(zhí)行緊密結(jié)合，為客戶提供全網(wǎng)互聯(lián)網(wǎng)整合方案。
當(dāng)你發(fā)現(xiàn)數(shù)據(jù)庫查詢特別慢的時候，并且從硬件配置、SQL優(yōu)化和索引等方面都找不出原因，那你可能需要從數(shù)據(jù)庫的計算引擎本身的性能找下原因。
數(shù)據(jù)庫的計算引擎性能有多重要？我們可以拿汽車做個簡單類比。服務(wù)器硬件配置是基礎(chǔ)設(shè)施，相當(dāng)于汽車行駛的道路，高速公路和山村土路的行駛效果肯定是不一樣的；SQL的查詢優(yōu)化相當(dāng)于駕駛水平；而數(shù)據(jù)庫計算引擎就相當(dāng)于汽車發(fā)動機(jī)，既是數(shù)據(jù)庫性能的源動力，也是各家廠商最核心的技術(shù)壁壘。
那么，我們就從數(shù)據(jù)庫計算引擎的實現(xiàn)技術(shù)探究下如何提高數(shù)據(jù)庫性能。下圖是從客戶端發(fā)出一條SQL語句到結(jié)果返回給客戶端的簡化流程。
如果把數(shù)據(jù)庫內(nèi)核看成一個組織，那么優(yōu)化器就位于組織的最上層，作為組織的首腦發(fā)號施令；執(zhí)行器位于組織的中間，嚴(yán)格執(zhí)行優(yōu)化器下發(fā)的計劃，從存儲空間中讀取數(shù)據(jù)進(jìn)行加工處理，最終返回給客戶端。
優(yōu)化器
如何形象的理解優(yōu)化器？以查詢“知乎點贊過萬的回答”為例，用戶通過SQL告訴數(shù)據(jù)庫“給我找出點贊過萬的回答”，優(yōu)化器把用戶的需求轉(zhuǎn)換為“如何找到點贊過萬的回答”的策略和方法，即查詢計劃。
同一種SQL會有成千上萬種不同的執(zhí)行計劃，而好的執(zhí)行計劃和差的執(zhí)行計劃在運(yùn)行性能上會有天壤之別。
如何從成千上萬種查詢計劃中選出最優(yōu)的？早期數(shù)據(jù)庫的查詢優(yōu)化器通常采用啟發(fā)式規(guī)則進(jìn)行優(yōu)化RBP（Rule Based Optimization），這種優(yōu)化方式不夠準(zhǔn)確，往往難以獲得最優(yōu)的執(zhí)行計劃，而基于代價的優(yōu)化CBO (Cost Based Optimization)則能夠針對大多數(shù)場景高效篩選出性能最好的執(zhí)行計劃。
因此，我們見到的高性能數(shù)據(jù)庫引擎往往使用基于代價的優(yōu)化器。
執(zhí)行器
執(zhí)行器是數(shù)據(jù)庫內(nèi)核最重要的部件之一。提升執(zhí)行器的性能，會很大程度上提升數(shù)據(jù)庫性能，因此各大數(shù)據(jù)庫廠商都紛紛投入很多精力到執(zhí)行器技術(shù)的研發(fā)中。
提升執(zhí)行器性能的手段主要有兩種技術(shù)路線，一種是向量計算（vectorized execution），另外一種是代碼生成（code generation）。目前主流的數(shù)據(jù)庫廠商會使用其中一種執(zhí)行器優(yōu)化技術(shù)，例如Snowflake使用的是向量計算，Impala使用的是代碼生成, Spark兩種都有使用，OushuDB使用了向量計算外加SIMD優(yōu)化技術(shù)。而一些傳統(tǒng)的數(shù)據(jù)庫還未實現(xiàn)其中任何一種性能技術(shù)。
聰明的你可能要問了，哪種技術(shù)路線更勝一籌？關(guān)于這個問題，不少研究和論文給出了答案：兩種技術(shù)側(cè)重點不同但都可以提升性能，不同的語句也會有不同程度的性能提升，向量計算更適合并行處理數(shù)據(jù)SIMD。所以，想要在并行計算的基礎(chǔ)上進(jìn)一步提升數(shù)據(jù)庫引擎性能，就可以結(jié)合并行處理數(shù)據(jù)充分利用CPU硬件指令（比如SIMD）。
SIMD
SIMD(single instruction multi-data), 即單指令多數(shù)據(jù)流，以同步的方式在同一時間內(nèi)執(zhí)行同一條指令。相比單指令單數(shù)據(jù)流（SISD），單指令多數(shù)據(jù)流一次性獲得所有操作數(shù)進(jìn)而加快了運(yùn)算，特別是數(shù)據(jù)密集型運(yùn)算。
如上圖所示，使用標(biāo)量運(yùn)算一次只能執(zhí)行一對數(shù)據(jù)的乘法操作，而采用SIMD乘法指令則可以一次同時執(zhí)行四對數(shù)據(jù)的乘法操作。作為向量體系結(jié)構(gòu)的一種，SIMD使用一條向量指令開啟一組數(shù)據(jù)操作，其中數(shù)據(jù)的加載、存儲以及數(shù)據(jù)計算以流水線的形式進(jìn)行。
通過在國際標(biāo)準(zhǔn)數(shù)據(jù)集TPCH上的測試，我們發(fā)現(xiàn)OushuDB 4.x的速度比最新版本的SparkSQL 3.x快大約一個數(shù)量級。
基于以上的分析，如果從提升數(shù)據(jù)庫性能的角度，我們可以采用基于代價的優(yōu)化+向量計算+ SIMD的技術(shù)路徑，作為提升數(shù)據(jù)庫性能的首選方法。
“數(shù)據(jù)庫運(yùn)行很慢的原因分析”的內(nèi)容就介紹到這里了，感謝大家的閱讀。如果想了解更多行業(yè)相關(guān)的知識可以關(guān)注創(chuàng)新互聯(lián)網(wǎng)站，小編將為大家輸出更多高質(zhì)量的實用文章！
網(wǎng)頁名稱：數(shù)據(jù)庫運(yùn)行很慢的原因分析
文章地址：http://fisionsoft.com.cn/article/iisgeh.html
