Начало работы
Подключение
Тесты производительности
Развёртывание
Использование данных
Загрузка данных
Миграция данных
Запрос данных
Управление кластерами
Обновление
Глобальное обслуживание
Масштабирование
Мониторинг
Безопасность
Лучшие практики
Технические принципы
Типы данных
Хранилище
Исполняющий движок
Потоковая обработка (Domino)
MARS3 Индексы
Расширения
Расширенные функции
Расширенный запрос
Федеративные запросы
Grafana
Резервное копирование и восстановление
Аварийное восстановление
Руководство
Настройка производительности
Устранение неполадок
Инструменты
Параметры конфигурации
SQL-команда
Часто задаваемые вопросы
В системе баз данных движок выполнения принимает план запроса, сгенерированный оптимизатором, и извлекает строки данных в соответствии с этим планом.
YMatrix в настоящее время поддерживает следующие движки выполнения:
| Движок выполнения | Описание |
|---|---|
| Движок выполнения Volcano | Движок выполнения Volcano использует модель Volcano, также известную как модель выполнения на основе запроса (pull-based). После анализа SQL-запросов в базе данных генерируется дерево запроса. Каждый узел дерева представляет алгебраический оператор. Во время выполнения запроса вычисления происходят сверху вниз по дереву запроса, в то время как данные извлекаются и обрабатываются снизу вверх. |
| Векторизованный движок выполнения | Векторизованный движок выполнения — это высокопроизводительный движок, специально разработанный для столбцовых форматов хранения, таких как MARS3, MARS2 и AOCO. Для типовых запросов он обеспечивает производительность на один-два порядка выше по сравнению с традиционными движками, ориентированными на строки. Преимущества производительности векторизованного движка по сравнению со скалярными движками обусловлены следующими факторами: 1. Пакетная обработка для снижения накладных расходов выполнения 2. Обработка небольшими пакетами для улучшения локальности данных и использования кэша, повышая производительность доступа к данным 3. Выбор оптимальных путей обработки на основе характеристик данных 4. Снижение накладных расходов на вызовы функций и использование инструкций CPU SIMD (Single Instruction, Multiple Data) для дальнейшего повышения эффективности 5. Обработка данных по столбцам и загрузка только необходимых столбцов для избежания ненужного ввода-вывода Векторизованный исполнитель автоматически интегрируется с традиционным оптимизатором Postgres. Оптимизатор GPORCA необходимо включать вручную. |
