免费体验PolarDB PostgreSQL列存索引_云原生数据库 PolarDB(PolarDB)-阿里云帮助中心

本文介绍如何免费体验PolarDB PostgreSQL版列存索引功能。

背景

PolarDB列存索引是针对HTAP场景、OLTP中的慢SQL场景而研发的查询加速方案。典型使用场景包括：实时的统计与分析、灵活查询条件（复合索引不灵活）、基于地理网格的时空统计、与OSS结合的冷数据加速统计等。具体优势包括：

高性能：与PostgreSQL原生行存执行引擎相比，性能可提升15-30倍，最高可提升百倍。比如在TPC-H场景下，可提升近60倍。
低成本：只需为查询用到的列创建列存索引，无需将整表转成列存。列存格式索引占用的空间小。此外PolarDB PostgreSQL版支持OSS冷数据查询与分析，可以有效降低数据存储成本。
易用性：兼容PostgreSQL语法，支持基于PostgreSQL的索引机制。支持精细化控制OLTP与OLAP查询。
实时性：自动维护行存与列存之间的实时数据一致性，无需额外构建行列数据转换链路。
功能全面：
- 支持Prepared Statement语法。
- 支持分区表与pg_pathman。
- 支持事务块内SELECT语句的加速。
- 支持CREATE TABLE AS等ETL功能。

阿里云提供了数据库解决方案功能体验馆，提供真实免费的PolarDB集群环境和开箱即用的测试方法，您可以在线快捷体验列存索引带来的提升效果。

影响

本功能体验不涉及生产环境的部署，因此不会影响业务。

费用

本次体验中，由于体验涉及到的资源不归属于您，因此不会产生任何费用，您可以放心体验。

体验内容

体验环境

在本免费体验中，阿里云提供了预置环境供您操作体验，预置环境的详情如下：

集群：提供了一个PolarDB PostgreSQL版集群。具体如下：
- 内核版本： 14.13.27.0
- 产品版本：企业版
- 系列：集群版独享规格
- 集群规格：集群包含1个主节点和1个只读节点，规格都为2核8 GB
- 存储类型： PSL5
测试数据集：集群中预置了标准测试集TPCH 10G的数据集。

观测指标

CPU占用率：集群中主节点、只读节点和只读列存节点的平均CPU使用率。
查询耗时：执行特定SQL所耗费的时间。单位：秒。

操作步骤

前往瑶池解决方案体验馆，免费体验列存索引/表-加速TP复杂SQL查询。
在产品选项中选择PolarDB PostgreSQL。
单击页面下方的创建免费体验任务按钮。
在确认创建查询加速体验任务对话框中，单击确定。
稍等片刻后，可以看到您创建的体验任务。
单击查看详情，进入实时查询体验页面。

使用行存引擎和列存引擎分别进行单表统计和多表JOIN两个场景的SQL语句查询。

说明

请根据页面按钮提示，手动单击按钮执行每一步操作。若在倒计时结束时没有手动单击按钮，则会自动执行对应操作。
整个体验过程中，您可以在下方的趋势图中观测CPU占用率。

单击开始任务。
单击选择数据库，系统会自动执行如下命令，切换至目标数据库。
```
\c mydb
```

首先进行单表统计场景查询。

首先进行单表统计的普通查询，单击关闭向量化引擎，系统会自动执行如下命令。
```
set polar_csi.enable_query to off;
```

单击查看SQL执行计划，系统会自动执行如下命令，查看如下SQL的执行计划。

explain select
   l_returnflag,
   l_linestatus,
   sum(l_quantity) as sum_qty,
   sum(l_extendedprice) as sum_base_price,
   sum(l_extendedprice * (1 - l_discount)) as sum_disc_price,
   sum(l_extendedprice * (1 - l_discount) * (1 + l_tax)) as sum_charge,
   avg(l_quantity) as avg_qty,
   avg(l_extendedprice) as avg_price,
   avg(l_discount) as avg_disc,
   count(*) as count_order
from
   lineitem
where l_shipdate <= date '1998-12-01' - '60 day'::interval
 group by
   l_returnflag,
   l_linestatus
order by
   l_returnflag,
   l_linestatus;

此时查询计划中并未使用列存索引，返回结果如下：

单击执行SQL，系统会自动执行以下SQL语句：

select
   l_returnflag,
   l_linestatus,
   sum(l_quantity) as sum_qty,
   sum(l_extendedprice) as sum_base_price,
   sum(l_extendedprice * (1 - l_discount)) as sum_disc_price,
   sum(l_extendedprice * (1 - l_discount) * (1 + l_tax)) as sum_charge,
   avg(l_quantity) as avg_qty,
   avg(l_extendedprice) as avg_price,
   avg(l_discount) as avg_disc,
   count(*) as count_order
from
   lineitem
where l_shipdate <= date '1998-12-01' - '60 day'::interval
 group by
   l_returnflag,
   l_linestatus
order by
   l_returnflag,
   l_linestatus;

返回结果如下，执行时间为21.034秒，且可以观察到CPU占有率显著升高。

然后进行单表统计的加速查询。单击开启向量化引擎，系统会自动执行如下命令。
```
set polar_csi.enable_query to on;
```

单击查看SQL执行计划，系统会自动执行如下命令，查看如下SQL的执行计划。

explain select
   l_returnflag,
   l_linestatus,
   sum(l_quantity) as sum_qty,
   sum(l_extendedprice) as sum_base_price,
   sum(l_extendedprice * (1 - l_discount)) as sum_disc_price,
   sum(l_extendedprice * (1 - l_discount) * (1 + l_tax)) as sum_charge,
   avg(l_quantity) as avg_qty,
   avg(l_extendedprice) as avg_price,
   avg(l_discount) as avg_disc,
   count(*) as count_order
from
   lineitem
where l_shipdate <= date '1998-12-01' - '60 day'::interval
 group by
   l_returnflag,
   l_linestatus
order by
   l_returnflag,
   l_linestatus;

此时查询计划使用列存索引，返回结果如下：

单击执行SQL，系统会自动执行以下SQL语句：

select
   l_returnflag,
   l_linestatus,
   sum(l_quantity) as sum_qty,
   sum(l_extendedprice) as sum_base_price,
   sum(l_extendedprice * (1 - l_discount)) as sum_disc_price,
   sum(l_extendedprice * (1 - l_discount) * (1 + l_tax)) as sum_charge,
   avg(l_quantity) as avg_qty,
   avg(l_extendedprice) as avg_price,
   avg(l_discount) as avg_disc,
   count(*) as count_order
from
   lineitem
where l_shipdate <= date '1998-12-01' - '60 day'::interval
 group by
   l_returnflag,
   l_linestatus
order by
   l_returnflag,
   l_linestatus;

返回结果如下，执行时间为0.444秒，且可以观察到CPU占有率并无明显变化。

开始进行多表JOIN场景查询。

首先进行多表JOIN的普通查询，单击关闭向量化引擎，系统会自动执行如下命令。
```
set polar_csi.enable_query to off;
```

单击查看SQL执行计划，系统会自动执行如下命令，查看如下SQL的执行计划。

explain select
   l_orderkey,
   sum(l_extendedprice * (1 - l_discount)) as revenue,
   o_orderdate,
   o_shippriority
from
   customer,orders,
   lineitem
where
   c_mktsegment = 'FURNITURE'
   and c_custkey = o_custkey
   and l_orderkey = o_orderkey
   and o_orderdate < date '1995-03-05'
   and l_shipdate > date '1995-03-05'
group by
   l_orderkey,
   o_orderdate,
   o_shippriority
order by revenue desc, o_orderdate limit 10;

此时查询计划中并未使用列存索引，返回结果如下：

单击执行SQL，系统会自动执行以下SQL语句：

select
   l_orderkey,
   sum(l_extendedprice * (1 - l_discount)) as revenue,
   o_orderdate,
   o_shippriority
from
   customer,orders,
   lineitem
where
   c_mktsegment = 'FURNITURE'
   and c_custkey = o_custkey
   and l_orderkey = o_orderkey
   and o_orderdate < date '1995-03-05'
   and l_shipdate > date '1995-03-05'
group by
   l_orderkey,
   o_orderdate,
   o_shippriority
order by revenue desc, o_orderdate limit 10;

返回结果如下，执行时间为6.789秒，且可以观察到CPU占有率显著升高。

说明

观察CPU占有率时，您可单击图表下方的正常查询或向量化引擎以观察两者之间的CPU占有率对比。

然后进行单表统计的加速查询。单击开启向量化引擎，系统会自动执行如下命令。
```
set polar_csi.enable_query to on;
```

单击查看SQL执行计划，系统会自动执行如下命令，查看如下SQL的执行计划。

explain select
   l_orderkey,
   sum(l_extendedprice * (1 - l_discount)) as revenue,
   o_orderdate,
   o_shippriority
from
   customer,orders,
   lineitem
where
   c_mktsegment = 'FURNITURE'
   and c_custkey = o_custkey
   and l_orderkey = o_orderkey
   and o_orderdate < date '1995-03-05'
   and l_shipdate > date '1995-03-05'
group by
   l_orderkey,
   o_orderdate,
   o_shippriority
order by revenue desc, o_orderdate limit 10;

此时查询计划使用列存索引，返回结果如下：

单击执行SQL，系统会自动执行以下SQL语句：

select
   l_orderkey,
   sum(l_extendedprice * (1 - l_discount)) as revenue,
   o_orderdate,
   o_shippriority
from
   customer,orders,
   lineitem
where
   c_mktsegment = 'FURNITURE'
   and c_custkey = o_custkey
   and l_orderkey = o_orderkey
   and o_orderdate < date '1995-03-05'
   and l_shipdate > date '1995-03-05'
group by
   l_orderkey,
   o_orderdate,
   o_shippriority
order by revenue desc, o_orderdate limit 10;

返回结果如下，执行时间为0.325秒，且可以观察到CPU占有率并无明显变化。

说明

观察CPU占有率时，您可单击图表下方的正常查询或向量化引擎以观察两者之间的CPU占有率对比。

整个执行SQL的过程中，您可以在左侧趋势图中观测集群平均CPU使用率的变化情况。
说明
由于实时监控数据可能存在延迟，为了确保展示完整的CPU变化情况，趋势图中会在SQL执行完后，自动延长一定监控时间（2~3秒）。
（可选）对于已创建的任务，您可以在列存索引-加速TP复杂SQL查询页面，单击体验记录，在任务列表中，单击全部任务或我的任务，查看体验结果及其详情。

结果分析

从本方案中您可以体验到PolarDB PostgreSQL列存索引的如下优势：

1. 使用方式简单，无需更改查询SQL即可实现加速效果。

2. 针对单表统计和多表Join场景，列存索引均有近30倍以上的性能提升。

列存索引对查询有明显加速作用

从执行时间上看，当开启列存索引后，复杂查询执行时间大幅缩短，单表统计查询从29.998秒缩短至0.496秒，多表JOIN查询从15.105秒缩短至0.354秒。
从执行计划上看，当开启列存索引后，执行计划包含CSI Executor，即表示使用列存索引功能。

列存索引对查询的处理更高效

说明

由于实时监控数据可能存在延迟，为了确保展示完整的CPU变化情况，趋势图中会在SQL执行完后，自动延长一定监控时间（2~3秒）。

从执行时间和对应的CPU占用率可以看到，列存索引通过更低的CPU占用率实现了更快的查询。

单表统计查询

多表JOIN查询

专家面对面

您可以加入官方钉钉群进行咨询，获取更多技术支持。钉钉群号：75850003226。

背景

影响

费用

体验内容

体验环境

观测指标

操作步骤

结果分析

列存索引对查询有明显加速作用

列存索引对查询的处理更高效

相关内容

专家面对面