メインコンテンツまでスキップ
バージョン: 4.x

Tableスキャンの最適化

概要​

高性能なリアルタイム分析データウェアハウスであるDorisは、クエリパフォーマンスを大幅に向上させることができる強力なpartition pruning機能を提供します。

パーティション pruningは、クエリの条件を分析してクエリに関連するパーティションを知的に特定し、これらのパーティション内のデータのみをスキャンすることで、無関係なパーティションの不要なスキャンを回避するクエリ最適化技術です。このアプローチにより、I/O操作と計算負荷を大幅に削減し、クエリ実行を高速化できます。

ケース​

DorisのPartition pruning機能を実演する使用例を以下に示します。

日付でパーティション化されたsalesという名前の売上データTableがあり、各日のデータが個別のパーティションに格納されているとします。Table構造は以下のように定義されています：

CREATE TABLE sales (
    date DATE,
    product VARCHAR(50),
    amount DECIMAL(10, 2)
)
PARTITION BY RANGE(date) (
    PARTITION p1 VALUES LESS THAN ('2023-01-01'),
    PARTITION p2 VALUES LESS THAN ('2023-02-01'),
    PARTITION p3 VALUES LESS THAN ('2023-03-01'),
    PARTITION p4 VALUES LESS THAN ('2023-04-01')
)
DISTRIBUTED BY HASH(date) BUCKETS 16
PROPERTIES
(
    "replication_num" = "1"
);

それでは、2023年1月15日から2023年2月15日までの総売上金額をクエリする必要があります。クエリ文は以下の通りです：

SELECT SUM(amount) AS total_amount
FROM sales
WHERE date BETWEEN '2023-01-15' AND '2023-02-15';

上記のクエリに対して、Dorisのpartition pruning最適化プロセスは以下の通りです：

  1. Dorisはクエリ条件内のpartition列dateを知的に分析し、クエリの日付範囲が'2023-01-15'から'2023-02-15'の間であることを特定します。
  2. クエリ条件とpartition定義を比較することで、Dorisはスキャンが必要なpartitionの範囲を正確に特定します。この例では、partitionp2とp3のみをスキャンする必要があります。これらの日付範囲がクエリ条件を完全にカバーしているためです。
  3. Dorisはp1やp4など、クエリ条件に関連しないpartitionを自動的にスキップし、不要なデータスキャンを回避してI/Oオーバーヘッドを削減します。
  4. 最後に、Dorisはpartitionp2とp3内でのみデータスキャンと集約計算を実行し、クエリ結果を迅速に取得します。

EXPLAINコマンドを使用することで、クエリ実行プランを確認し、Dorisのpartition pruning最適化が有効になっていることを確認できます。実行プランでは、OlapScanNodeノードのpartition属性に、実際にスキャンされたpartitionとしてp2とp3が表示されます。

|   0:VOlapScanNode(212)                                                     |
|      TABLE: cir.sales(sales), PREAGGREGATION: ON                           |
|      PREDICATES: (date[#0] >= '2023-01-15') AND (date[#0] <= '2023-02-15') |
|      partitions=2/4 (p2,p3)                                                |

要約​

まとめとして、Dorisのパーティション・プルーニング機能は、クエリ条件とパーティション間の関連性をインテリジェントに識別し、無関係なパーティションを自動的にプルーニングして、必要なデータのみをスキャンすることで、クエリパフォーマンスを大幅に向上させることができます。パーティション・プルーニング機能を合理的に活用することで、ユーザーは効率的なリアルタイム分析システムを構築し、大量データのクエリ要求を容易に処理することができます。

このページでは