文档

Runtime Filter

更新时间:

Hologres从V2.0版本开始支持Runtime Filter,在多表Join场景下自动优化Join过程的过滤行为,提升Join的查询性能。本文为您介绍在Hologres中Runtime Filter的使用。

背景信息

应用场景

Hologres从V2.0版本开始支持Runtime Filter,通常应用在多表(两表及以上)Join的Hash Join场景,尤其是大表Join小表的场景中,无需手动设置,优化器和执行引擎会在查询时自动优化Join过程的过滤行为,从而降低I/O开销,以提升Join的查询性能。

原理介绍

在了解Runtime Filter原理之前,需先了解Join过程。两个表Join的SQL示例如下:

select * from test1 join test2 on test1.x = test2.x;

其对应的执行计划如下。

image..png

如上执行计划,两个表Join时,会通过test2表构建Hash表,然后匹配test1表的数据,最后返回结果。在这个过程中,Join时会涉及到两个名词:

  • build端:两表(或者子查询)做Hash Join时,其中一张表(子查询)的数据会构建成Hash表,这一部分称为build端,对应计划里的Hash节点。

  • probe端:Hash Join的另一边,主要是读取数据然后和build端的Hash表进行匹配,这一部分称为probe端

通常来说,在执行计划正确的情况下,小表是build端,大表是probe端

Runtime Filter的原理就是在HashJoin过程中,利用build端的数据分布,生成一个轻量的过滤器(filter),发送给probe端,对probe端的数据进行裁剪,从而减少probe端真正参与Hash Join以及网络传输的数据量,以此来提升Hash Join性能

因此Runtime Filter更适用于大小表Join,且表数据量相差较大的场景,性能将会比普通Join有更多的提升。

使用限制和触发条件

使用限制

  • 仅Hologres V2.0及以上版本支持Runtime Filter。

  • 仅支持Join条件中只有一个字段,如果有多个字段将不会触发Runtime Filter。从Hologres V2.1版本开始,Runtime Filter支持多个字段Join,如果多个Join字段满足触发条件,也会触发Runtime Filter。

触发条件

Hologres本身支持高性能的Join,因此Runtime Filter会根据查询条件在底层自动触发,但是需要SQL满足下述所有条件才能触发:

  • probe端的数据量在100000行及以上。

  • 扫描的数据量比例:build端 / probe端 <= 0.1(比例越小,越容易触发Runtime Filter)。

  • Join出的数据量比例:build端 / probe端 <= 0.1(比例越小,越容易触发Runtime Filter)。

Runtime Filter的类型

可以根据以下两个维度对Runtime Filter进行分类。

  • 按照Hash Join的probe端是否需要进行Shuffle,可分为Local和Global类型。

    • Local类型:Hologres V2.0及以上版本支持。当Hash Join的probe端不需要Shuffle时,build端数据有如下三种情况,均可以使用Local类型的Runtime Filter:

      • build端probe端的Join Key是同一种分布方式。

      • build端数据broadcast给probe端

      • build端数据按照probe端数据的分布方式Shuffle给Probe端

    • Global类型:Hologres V2.2及以上版本支持。当probe端数据需要Shuffle时,Runtime Filter需要合并后才可以使用,这种情况需要使用Global类型的Runtime Filter。

    Local类型的Runtime Filer仅可能减少数据扫描量以及参与Hash Join计算的数据量,Global类型的Runtime Filter由于probe端数据会Shuffle,在数据Shuffle之前做过滤还可以减少数据的网络传输量。类型都无需手动指定,引擎会自适应。

  • 按照Filter类型,可分为Bloom Filter、In Filter和MinMAX Filter。

    • Bloom Filter:Hologres V2.0及以上版本支持。Bloom Filter具有一定假阳性,导致少过滤一些数据,但其应用范围广,在build端数据量较多是仍能有较高的过滤效率,提升查询性能。

    • In Filter:Hologres V2.0及以上版本支持。In Filter在build端数据NDV(Number of Distinct Value,列的非重复值的个数)较小时使用,其会使用build端数据构建一个HashSet发送给probe端进行过滤,In Filter的优势是可以过滤所有应该过滤的数据,且可以和Bitmap索引结合使用。

    • MinMAX Filter:Hologres V2.0及以上版本支持。MinMAX Filter会根据build端数据得到最大值和最小值,发送给probe端做过滤,其优势为可能根据元数据信息直接过滤掉文件或一个Batch的数据,减少I/O成本。

    三种Filter类型无需您手动指定,Hologres会根据运行时Join情况自适应使用各种类型的Filter。

验证Runtime Filter

如下示例帮助您更好地理解Runtime Filter。

示例1:Join条件中只有1列,使用Local类型Runtime Filter

  • 示例代码:

    begin; 
    create table test1(x int, y int);
    call set_table_property('test1', 'distribution_key', 'x');
    
    create table test2(x int, y int);
    call set_table_property('test2', 'distribution_key', 'x');
    end;
    
    insert into test1 select t, t from generate_series(1, 100000) t;
    insert into test2 select t, t from generate_series(1, 1000) t;
    analyze test1;
    analyze test2;
    
    explain analyze select * from test1 join test2 on test1.x = test2.x;
  • 执行计划:image

    • test2表只有1000行,test1表有100000行,build端probe端的数据量比例是0.01,小于0.1,且Join出来的数据量build端probe端比例是0.01,小于0.1,满足Runtime Filter的默认触发条件,因此引擎会自动使用Runtime Filter。

    • probe端test1表有Runtime Filter Target Expr节点,表示probe端使用了Runtime Filter下推。

    • probe端的scan_rows代表从存储中读取的数据,有100000行,rows代表使用Runtime Filter过滤后,scan算子的行数,为1000行,可以从这两个数据上看Runtime Filter的过滤效果。

示例2:Join条件中有多列(Hologres V2.1版本支持),使用Local类型Runtime Filter

  • 示例代码:

    drop table if exists test1, test2;
    begin;
    create table test1(x int, y int);
    create table test2(x int, y int);
    end;
    insert into test1 select t, t from generate_series(1, 1000000) t;
    insert into test2 select t, t from generate_series(1, 1000) t;
    analyze test1;
    analyze test2;
    
    explain analyze select * from test1 join test2 on test1.x = test2.x and test1.y = test2.y;
  • 执行计划:image

    • Join条件有多列,Runtime Filter也生成了多列。

    • build端broadcast,可以使用Local类型的Runtime Filter。

示例3:Global类型Runtime Filter支持Shuffle Join(Hologres V2.2版本支持)

  • 示例代码:

    SET hg_experimental_enable_result_cache = OFF;
    
    drop table if exists test1, test2;
    begin;
    create table test1(x int, y int);
    create table test2(x int, y int);
    end;
    insert into test1 select t, t from generate_series(1, 100000) t;
    insert into test2 select t, t from generate_series(1, 1000) t;
    analyze test1;
    analyze test2;
    
    explain analyze select * from test1 join test2 on test1.x = test2.x;
  • 执行计划:image

    从上述执行计划可以看出,probe端数据被Shuffle到Hash Join算子,引擎会自动使用Global Runtime Filter来加速查询。

示例4:In类型的Filter结合bitmap索引(Hologres V2.2版本支持)

  • 示例代码:

    set hg_experimental_enable_result_cache=off;
    
    drop table if exists test1, test2;
    
    begin;
    create table test1(x text, y text);
    call set_table_property('test1', 'distribution_key', 'x');
    call set_table_property('test1', 'bitmap_columns', 'x');
    call set_table_property('test1', 'dictionary_encoding_columns', '');
    
    create table test2(x text, y text);
    call set_table_property('test2', 'distribution_key', 'x');
    end;
    
    insert into test1 select t::text, t::text from generate_series(1, 10000000) t;
    
    insert into test2 select t::text, t::text from generate_series(1, 50) t;
    
    analyze test1;
    analyze test2;
    
    explain analyze select * from test1 join test2 on test1.x = test2.x;
  • 执行计划:image

    从上述执行计划可以看出,在probe端的scan算子上,使用了bitmap,因为In Filter可以精确过滤,因此过滤后还剩50行,scan算子中的scan_rows为700多万,比原始行数1000万少,这是因为In Filter可以推到存储引擎,有可能减少I/O成本,最终结果是从存储引擎中读取的数据变少了,In类型的Runtime Filter结合bitmap通常在Join Key为STRING类型时,有明显作用。

示例5:MinMax类型的Filter减少I/O(Hologres V2.2版本支持)

  • 示例代码:

    set hg_experimental_enable_result_cache=off;
    
    drop table if exists test1, test2;
    
    begin;
    create table test1(x int, y int);
    call set_table_property('test1', 'distribution_key', 'x');
    
    create table test2(x int, y int);
    call set_table_property('test2', 'distribution_key', 'x');
    end;
    
    insert into test1 select t::int, t::int from generate_series(1, 10000000) t;
    insert into test2 select t::int, t::int from generate_series(1, 100000) t;
    
    analyze test1;
    analyze test2;
    
    explain analyze select * from test1 join test2 on test1.x = test2.x;
  • 执行计划:image

    从上述执行计划可以看出,probe端scan算子从存储引擎读取的行数为32万多,比原始行数1000万少了很多,这是因为Runtime Filter被下推到存储引擎,利用一个batch数据的meta信息整批过滤数据,有可能大量减少I/O成本。通常在Join Key为数值类型,且build端值域范围比probe端的值域范围小时,有明显效果。