PostgreSQL 并行查询加速窗口函数与聚合函数实战：性能起飞的秘密

“喂，哥们，你还在为 PostgreSQL 慢查询头疼吗？”

“可不是嘛！特别是涉及到窗口函数和聚合函数，那速度，简直让人抓狂！”

“嘿嘿，试试并行查询吧！PostgreSQL 的并行查询，可是个‘大杀器’，用好了，能让你的查询性能原地起飞！”

“并行查询？听起来很高大上啊，具体怎么搞？”

别急，今天咱们就来好好聊聊 PostgreSQL 并行查询在窗口函数和聚合函数中的应用，手把手教你如何榨干 PostgreSQL 的性能潜力，让你的查询速度“嗖嗖嗖”地往上窜！

1. 啥是并行查询？

在解释并行查询之前，咱们先来想象一个场景：你一个人搬一堆砖头，累死累活，效率还低。但如果找几个帮手一起搬，那速度不就快多了？

PostgreSQL 的并行查询，就类似于这个“找帮手”的过程。它将一个大的查询任务，拆分成多个小的子任务，然后分配给多个 CPU 核心（或者说“工人”）同时执行，最后再把结果汇总起来。这样一来，原本需要串行执行的任务，变成了并行执行，查询速度自然就大幅提升了。

PostgreSQL 从 9.6 版本开始引入并行查询，并在后续版本中不断增强。目前，PostgreSQL 已经支持并行顺序扫描、并行 Join（包括 Nested Loop、Hash Join 和 Merge Join）、并行聚合、并行窗口函数等。

2. 窗口函数与并行查询

窗口函数，是 PostgreSQL 中非常强大的一类函数。它可以对查询结果集中的每一行，都计算出一个基于“窗口”的值。这个“窗口”，可以理解为与当前行相关的一组行。常见的窗口函数有 ROW_NUMBER()、RANK()、DENSE_RANK()、NTILE()、LAG()、LEAD() 等。

在默认情况下，PostgreSQL 的窗口函数是串行执行的。也就是说，它会逐行处理数据，计算窗口函数的值。当数据量很大时，这种串行执行方式就会成为性能瓶颈。

而并行查询，则可以打破这个瓶颈。PostgreSQL 可以将窗口函数的计算任务，分配给多个“工人”并行执行。每个“工人”负责处理一部分数据，计算出各自的窗口函数值，最后再由“领导者进程”将结果汇总起来。

2.1. 开启并行窗口函数

要让 PostgreSQL 对窗口函数执行并行查询，需要满足以下几个条件：

• PostgreSQL 版本 >= 9.6。
• 查询中不包含 ORDER BY 子句，或者 ORDER BY 子句中的列与 PARTITION BY 子句中的列相同。这是因为，如果 ORDER BY 子句与 PARTITION BY 子句不同，PostgreSQL 需要对数据进行全局排序，而这会破坏并行性。
• 设置合适的并行度参数：max_parallel_workers_per_gather、max_worker_processes 和max_parallel_workers。这些参数控制了 PostgreSQL 可以使用的最大并行工作进程数。

2.2. 实战演示：并行窗口函数

假设我们有一张名为 sales 的表，记录了每个销售员在每个月的销售额。现在，我们要计算每个销售员每个月的销售额排名。

-- 创建 sales 表
CREATE TABLE sales (
    salesman_id INT,
    month INT,
    sales_amount NUMERIC
);
 
-- 插入测试数据
INSERT INTO sales (salesman_id, month, sales_amount)
VALUES
    (1, 1, 1000),
    (1, 2, 1200),
    (1, 3, 1500),
    (2, 1, 800),
    (2, 2, 900),
    (2, 3, 1100),
    (3, 1, 1200),
    (3, 2, 1400),
    (3, 3, 1600);
 
-- 串行执行窗口函数
EXPLAIN ANALYZE
SELECT
    salesman_id,
    month,
    sales_amount,
    RANK() OVER (PARTITION BY salesman_id ORDER BY sales_amount DESC) AS sales_rank
FROM
    sales;
 
-- 开启并行查询
SET max_parallel_workers_per_gather = 2;
SET max_worker_processes =8;
SET max_parallel_workers = 8;
 
 
EXPLAIN ANALYZE
SELECT
    salesman_id,
    month,
    sales_amount,
    RANK() OVER (PARTITION BY salesman_id ORDER BY sales_amount DESC) AS sales_rank
FROM
    sales;

通过对比两次 EXPLAIN ANALYZE 的输出，你会发现，开启并行查询后，查询计划中出现了 Gather 节点，并且 Workers Planned 的值大于 0。这表明 PostgreSQL 确实使用了并行查询来执行窗口函数。

观察Execution Time, 并行查询一般会更优. (数据量小时可能看不出差别, 当数据量足够大时, 优势就体现出来了).

3. 聚合函数与并行查询

聚合函数，也是 PostgreSQL 中常用的一类函数。它可以对一组数据进行汇总计算，得到一个单一的结果。常见的聚合函数有 COUNT()、SUM()、AVG()、MIN()、MAX() 等。

与窗口函数类似，PostgreSQL 的聚合函数在默认情况下也是串行执行的。但通过并行查询，我们可以将聚合计算任务分配给多个“工人”并行执行，从而提高查询速度。

3.1. 开启并行聚合

要让 PostgreSQL 对聚合函数执行并行查询，需要满足以下几个条件：

• PostgreSQL 版本 >= 9.6。
• 查询中不包含 GROUP BY 子句，或者 GROUP BY 子句中的列是表的主键或唯一键。这是因为，如果 GROUP BY 子句中的列不是主键或唯一键，PostgreSQL 需要对数据进行分组，而这会破坏并行性。
• 设置合适的并行度参数。 同窗口函数.

3.2. 实战演示：并行聚合

还是以 sales 表为例，现在我们要计算每个销售员的总销售额。

-- 串行执行聚合函数
EXPLAIN ANALYZE
SELECT
    salesman_id,
    SUM(sales_amount) AS total_sales
FROM
    sales
GROUP BY
    salesman_id;
 
-- 开启并行查询
SET max_parallel_workers_per_gather = 2;
 
EXPLAIN ANALYZE
SELECT
    salesman_id,
    SUM(sales_amount) AS total_sales
FROM
    sales
GROUP BY
    salesman_id;

同样，通过对比两次 EXPLAIN ANALYZE 的输出，你可以看到并行查询的效果。 请注意Gather节点和Workers Planned的值。

4. 并行查询的注意事项

并行查询虽好，但也不是万能的。在使用并行查询时，还需要注意以下几点：

• 并非所有查询都能并行化。PostgreSQL 的并行查询，目前还存在一些限制。例如，包含某些特定操作符、函数或子查询的查询，可能无法并行化。
• 并行度并非越高越好。过高的并行度，可能会导致资源竞争加剧，反而降低查询性能。一般来说，建议将并行度设置为 CPU 核心数的 2-4 倍。
• 并行查询会增加系统开销。并行查询需要启动多个工作进程，这会增加系统的 CPU、内存和 I/O 开销。因此，对于一些简单的查询，或者数据量很小的查询，使用并行查询可能反而会更慢。
• 注意死锁风险. 并行查询增加了死锁的可能性, 特别是当多个查询同时更新同一张表时. 要注意事务隔离级别和锁的使用.
• 监控并行查询性能. 使用pg_stat_activity视图可以监控当前正在运行的查询是否使用了并行工作进程, 以及并行工作进程的状态.

5. 总结

PostgreSQL 的并行查询，是一个强大的性能优化工具。通过将查询任务拆分成多个子任务，并行执行，可以显著提高窗口函数和聚合函数的查询速度。但同时，我们也需要注意并行查询的限制和注意事项，合理使用并行查询，才能真正发挥它的威力。

“怎么样，哥们，现在对 PostgreSQL 的并行查询有点感觉了吧？”

“嗯嗯，感觉打开了新世界的大门！以后再也不怕慢查询了！”

“哈哈，那就赶紧去试试吧！记住，实践出真知，多动手，多尝试，你也能成为 PostgreSQL 高手！”

希望这篇文章能帮助你更好地理解和使用 PostgreSQL 的并行查询。如果你还有其他问题，欢迎留言讨论！