2. 首页 > 国产数据库教程 > GaussDB教程 > 正文

GaussDB教程FG015-GaussDB执行计划分析与调优

教程整理：风哥教程  |  更新时间：2026-02-01  |  教程分类：GaussDB教程  |  文档学习：1

本教程详细介绍GaussDB数据库的执行计划分析与调优方法，包括执行计划的查看、分析、优化等内容。风哥教程参考GaussDB官方文档GaussDB8性能调优指南、GaussDB8开发者手册等。

通过本教程的学习，您将掌握GaussDB数据库执行计划的分析技巧，了解如何通过执行计划优化SQL语句，提高查询性能。

本教程包含丰富的实战操作，帮助您在生产环境中快速应用所学知识。

目录大纲

Part01-基础概念与理论知识

1.1. GaussDB执行计划概述

执行计划是查询优化器生成的执行步骤，描述了SQL语句的执行方式，包括表扫描方式、连接顺序、索引使用等。执行计划是SQL优化的重要依据。

1.2. GaussDB执行计划类型

GaussDB支持多种执行计划类型：

  • 顺序扫描（Seq Scan）：全表扫描，适用于小表或无索引的情况
  • 索引扫描（Index Scan）：使用索引查找数据，适用于有索引的情况
  • 位图扫描（Bitmap Scan）：结合索引和位图操作，适用于复杂条件查询
  • 索引-only扫描（Index Only Scan）：只扫描索引，不访问表数据，适用于覆盖索引
  • 嵌套循环连接（Nested Loop Join）：适用于小结果集的连接
  • 哈希连接（Hash Join）：适用于大结果集的连接
  • 合并连接（Merge Join）：适用于已排序数据的连接

1.3. GaussDB执行计划节点

执行计划由多个节点组成，每个节点代表一个执行步骤：

  • 扫描节点：负责数据扫描，如Seq Scan、Index Scan等
  • 连接节点：负责表连接，如Nested Loop、Hash Join等
  • 聚合节点：负责聚合操作，如Group By、Aggregate等
  • 排序节点：负责排序操作，如Sort
  • 限制节点：负责限制结果集，如Limit

1.4. GaussDB查询优化器

GaussDB的查询优化器基于成本模型，考虑多种执行计划的成本，选择最优的执行计划。优化器会考虑表大小、索引情况、统计信息等因素。

Part02-生产环境规划与建议

2.1. 执行计划分析策略

执行计划分析策略：

  • 查看执行计划：使用EXPLAIN命令查看执行计划
  • 分析执行计划：识别性能瓶颈，如全表扫描、排序操作等
  • 优化SQL语句：根据执行计划调整SQL语句
  • 创建索引：为频繁查询的字段创建索引
  • 更新统计信息：定期更新表统计信息，帮助优化器生成更好的执行计划

2.2. SQL语句优化建议

SQL语句优化建议：

  • 避免使用SELECT *：只选择需要的列
  • 优化WHERE条件：避免使用函数、运算符等影响索引使用的操作
  • 合理使用连接：避免复杂的多表连接
  • 限制结果集：使用LIMIT限制返回行数
  • 使用绑定变量：减少硬解析，提高性能

2.3. 索引使用建议

索引使用建议：

  • 为WHERE条件中的列创建索引
  • 为连接查询的关联列创建索引
  • 为排序和分组列创建索引
  • 避免创建过多索引，影响写入性能
  • 定期维护索引，保持索引效率

Part03-生产环境项目实施方案

3.1. 执行计划查看方法

执行计划查看方法包括使用EXPLAIN命令、EXPLAIN ANALYZE命令等。

3.2. 执行计划分析步骤

执行计划分析步骤包括查看执行计划、识别性能瓶颈、分析成本估算等。

3.3. SQL语句优化实施

SQL语句优化实施包括调整SQL语句结构、创建索引、更新统计信息等操作。

Part04-生产案例与实战讲解

4.1. GaussDB数据库执行计划查看实战

查看执行计划：

— 连接到数据库
$ psql -h 192.168.1.101 -p 5432 -U fgedu -d fgedudb

— 创建测试表
fgedudb=> CREATE TABLE fgedu_test_plan (
id serial PRIMARY KEY,
name varchar(50) NOT NULL,
value integer NOT NULL,
category varchar(50) NOT NULL,
created_at timestamp DEFAULT CURRENT_TIMESTAMP
);
CREATE TABLE

— 插入测试数据
fgedudb=> INSERT INTO fgedu_test_plan (name, value, category)
SELECT ‘name’ || i, i, ‘category’ || (i % 10)
FROM generate_series(1, 100000) i;
INSERT 0 100000

— 查看执行计划
fgedudb=> EXPLAIN SELECT * FROM fgedu_test_plan WHERE value > 50000;
QUERY PLAN
————————————————————————————
Gather (cost=1000.00..1833.00 rows=50000 width=44)
Workers Planned: 2
-> Parallel Seq Scan on fgedu_test_plan (cost=0.00..1333.00 rows=20833 width=44)
Filter: (value > 50000)
(4 rows)

— 查看执行计划并执行
fgedudb=> EXPLAIN ANALYZE SELECT * FROM fgedu_test_plan WHERE value > 50000;
QUERY PLAN
—————————————————————————————————————-
Gather (cost=1000.00..1833.00 rows=50000 width=44) (actual time=0.158..29.345 rows=50000 loops=1)
Workers Planned: 2
Workers Launched: 2
-> Parallel Seq Scan on fgedu_test_plan (cost=0.00..1333.00 rows=20833 width=44) (actual time=0.032..15.678 rows=16667 loops=3)
Filter: (value > 50000)
Rows Removed by Filter: 33333 风哥提示：
Planning Time: 0.104 ms
Execution Time: 32.672 ms
(7 rows)

4.2. GaussDB数据库执行计划分析实战

分析执行计划：

— 创建索引
fgedudb=> CREATE INDEX idx_test_plan_value ON fgedu_test_plan(value); 学习交流加群风哥微信: itpux-com
CREATE INDEX

— 再次查看执行计划
fgedudb=> EXPLAIN ANALYZE SELECT * FROM fgedu_test_plan WHERE value > 50000;
QUERY PLAN
—————————————————————————————————————-
Bitmap Heap Scan on fgedu_test_plan (cost=432.00..7432.00 rows=50000 width=44) (actual time=0.234..45.678 rows=50000 loops=1)
Recheck Cond: (value > 50000)
Heap Blocks: exact=1234
-> Bitmap Index Scan on idx_test_plan_value (cost=0.00..419.50 rows=50000 width=0) (actual time=0.156..0.156 rows=50000 loops=1)
Index Cond: (value > 50000)
Planning Time: 0.123 ms
Execution Time: 52.345 ms
(6 rows)

— 创建复合索引
fgedudb=> CREATE INDEX idx_test_plan_category_value ON fgedu_test_plan(category, value);
CREATE INDEX

— 查看复合索引执行计划
fgedudb=> EXPLAIN ANALYZE SELECT * FROM fgedu_test_plan WHERE category = ‘category1’ AND value > 50000;
QUERY PLAN
—————————————————————————————————————-
Index Scan using idx_test_plan_category_value on fgedu_test_plan (cost=0.43..123.45 rows=5000 width=44) (actual time=0.022..10.678 rows=5000 loops=1)
Index Cond: ((category = ‘category1’::character varying) AND (value > 50000))
Planning Time: 0.107 ms
Execution Time: 13.345 ms
(4 rows)

4.3. GaussDB数据库SQL语句优化实战

学习交流加群风哥QQ113257174

优化SQL语句：

— 优化前：使用函数，影响索引使用
fgedudb=> EXPLAIN ANALYZE SELECT * FROM fgedu_test_plan WHERE UPPER(name) = ‘NAME1’;
QUERY PLAN
—————————————————————————————————————-
Gather (cost=1000.00..1833.00 rows=1 width=44) (actual time=0.158..29.345 rows=1 loops=1)
Workers Planned: 2
Workers Launched: 2
-> Parallel Seq Scan on fgedu_test_plan (cost=0.00..1832.00 rows=1 width=44) (actual time=15.678..25.428 rows=0 loops=3)
Filter: (upper(name) = ‘NAME1’::text)
Rows Removed by Filter: 33333
Planning Time: 0.104 ms
Execution Time: 29.372 ms
(7 rows)

— 优化后：避免使用函数
fgedudb=> EXPLAIN ANALYZE SELECT * FROM fgedu_test_plan WHERE name = ‘name1’;
QUERY PLAN
—————————————————————————————————————-
Index Scan using idx_test_plan_name on fgedu_test_plan (cost=0.43..8.45 rows=1 width=44) (actual time=0.022..0.035 rows=1 loops=1)
Index Cond: (name = ‘name1’::character varying)
Planning Time: 0.107 ms
Execution Time: 0.051 ms
(4 rows)

— 优化前：使用SELECT *
fgedudb=> EXPLAIN ANALYZE SELECT * FROM fgedu_test_plan WHERE value > 50000;
QUERY PLAN 更多视频教程www.fgedu.net.cn
—————————————————————————————————————-
Bitmap Heap Scan on fgedu_test_plan (cost=432.00..7432.00 rows=50000 width=44) (actual time=0.234..45.678 rows=50000 loops=1)
Recheck Cond: (value > 50000)
Heap Blocks: exact=1234
-> Bitmap Index Scan on idx_test_plan_value (cost=0.00..419.50 rows=50000 width=0) (actual time=0.156..0.156 rows=50000 loops=1)
Index Cond: (value > 50000)
Planning Time: 0.123 ms
Execution Time: 52.345 ms
(6 rows)

— 优化后：只选择需要的列
fgedudb=> EXPLAIN ANALYZE SELECT id, name FROM fgedu_test_plan WHERE value > 50000;
QUERY PLAN
—————————————————————————————————————-
Index Scan using idx_test_plan_value on fgedu_test_plan (cost=0.43..1234.56 rows=50000 width=18) (actual time=0.022..25.678 rows=50000 loops=1)
Index Cond: (value > 50000)
Planning Time: 0.107 ms
Execution Time: 28.345 ms
(4 rows)

4.4. GaussDB数据库索引优化实战

索引优化：

— 查看索引使用情况
fgedudb=> SELECT schemaname, relname, indexrelname, idx_scan, idx_tup_read, idx_tup_fetch
FROM pg_stat_user_indexes
WHERE relname = ‘fgedu_test_plan’;
schemaname | relname | indexrelname | idx_scan | idx_tup_read | idx_tup_fetch
————+—————-+———————————+———-+————–+————— 更多学习教程公众号风哥教程itpux_com
public | fgedu_test_plan | fgedu_test_plan_pkey | 0 | 0 | 0
public | fgedu_test_plan | idx_test_plan_value | 100 | 50000 | 50000
public | fgedu_test_plan | idx_test_plan_category_value | 50 | 5000 | 5000
(3 rows)

— 重建索引
fgedudb=> REINDEX INDEX idx_test_plan_value;
REINDEX

— 分析表统计信息
fgedudb=> ANALYZE fgedu_test_plan;
ANALYZE

— 再次查看执行计划
fgedudb=> EXPLAIN ANALYZE SELECT * FROM fgedu_test_plan WHERE value > 50000;
QUERY PLAN
—————————————————————————————————————-
Bitmap Heap Scan on fgedu_test_plan (cost=432.00..7432.00 rows=50000 width=44) (actual time=0.234..40.678 rows=50000 loops=1)
Recheck Cond: (value > 50000)
Heap Blocks: exact=1234
-> Bitmap Index Scan on idx_test_plan_value (cost=0.00..419.50 rows=50000 width=0) (actual time=0.156..0.156 rows=50000 loops=1)
Index Cond: (value > 50000)
Planning Time: 0.123 ms
Execution Time: 45.345 ms
(6 rows)

Part05-风哥经验总结与分享

from DB视频:www.itpux.com

5.1. GaussDB数据库执行计划分析最佳实践

1. 定期分析执行计划：对于核心SQL语句，定期分析执行计划

2. 关注执行计划成本：分析执行计划中的成本估算，找出性能瓶颈

3. 优化扫描方式：尽量使用索引扫描，避免全表扫描

4. 优化连接方式：根据数据量选择合适的连接方式

5. 更新统计信息：定期更新表统计信息，帮助优化器生成更好的执行计划

5.2. GaussDB数据库SQL语句优化技巧

1. 避免使用SELECT *：只选择需要的列

2. 优化WHERE条件：避免使用函数、运算符等影响索引使用的操作

3. 合理使用连接：避免复杂的多表连接，使用适当的连接顺序

4. 限制结果集：使用LIMIT限制返回行数

5. 使用绑定变量：减少硬解析，提高性能

5.3. GaussDB数据库性能调优建议

1. 监控数据库性能：定期监控数据库性能指标

2. 分析执行计划：通过执行计划找出性能瓶颈

3. 合理创建索引：为常用查询字段创建索引

4. 调整数据库参数：根据硬件配置和业务需求调整参数

5. 定期维护：执行VACUUM、ANALYZE等维护操作，保持数据库性能

执行计划分析是SQL优化的重要手段，通过分析执行计划，可以找出性能瓶颈，优化SQL语句，提高数据库性能。

from GaussDB视频:www.itpux.com

本文由风哥教程整理发布,仅用于学习测试使用,转载注明出处:http://www.fgedu.net.cn/10327.html

相关推荐

联系我们

在线咨询：点击这里给我发消息

微信号：itpux-com

工作日：9:30-18:30，节假日休息