揭祕華為雲GaussDB(for Influx)最佳實踐：hint查詢
摘要：GaussDB(for Influx)通過提供hint功能，在單時間線的查詢場景下，效能有大幅度的提升，能有效滿足客戶某些特定場景的查詢需求。
本文分享自華為雲社群《華為雲GaussDB(for Influx)揭祕第十期：最佳實踐之hint查詢》，作者：高斯Influx官方部落格。
“怎麼感覺查詢越來越慢了？”隨著業務資料量的不斷增大，很多客戶都反饋同樣的查詢語句變得越來越慢。接到客戶的反饋後，我們分析了客戶的查詢執行各個階段的耗時，發現隨著資料量的增加，耗在倒排索引階段的時間越來越長，那麼倒排索引到底是幹什麼用的呢？能不能跳過倒排索引呢？
倒排索引，顧名思義，是一種索引結構，該索引避免了多維查詢時進行大量的資料掃描。其本身就是用於提高查詢效能的，顯然不能簡單地跳過倒排索引。但是隨著資料量的不斷增大，確實引起了查詢的時延變大。那麼倒排索引的原理是什麼？適合於哪種業務場景？有沒有可能跳過倒排索引，來進一步降低查詢時延呢？本文基於GaussDB(for Influx)的實現，給您一一解答上述問題。
1. 為什麼要使用倒排索引？
用以下資料作為示例進行說明，其中
Tag：region，service，host；
Field：cpu，mem；
資料來源(SeriesKey)：region+service+host；
一般涉及的查詢有兩種：
1）要查詢某個資料來源在某個時間點的cpu使用情況，例如：
select max(cpu) from mst where region=’北京’ and service=’influx’ and host=’host001’ and time>now()-30s
所有的tag都指定了相應的值。
2）給定部分維度，查詢某些資訊：例如要查詢北京（region）的Influx（service）服務的cpu使用情況：
select max(cpu) from mst where region=’北京’ and service=’influx’ and time>now()-30s
只指定了部分tag值。
對於第一種查詢方案，可以直接根據tag值來確定資料來源，但是對於第二種場景，查詢沒有直接給出具體的資料來源，僅指定了兩個維度（region和service）以及查詢的指標cpu，這種查詢就需要根據部分維度組合（region=北京，service=influx）找到所有對應的資料來源，例如在資料中北京的Influx服務有3臺主機(host001, host002, host003)，就需要查詢到這3臺主機資料來源，這就需要倒排索引，否則就需要進行大量的資料掃描。
有了倒排索引，Influx的查詢能力得到了很大的提升，但是隨著資料量的不斷增長，消耗在倒排索引的時間也越來越長；倒排索引的作用就是通過部分維度來找到對應所有的資料來源，那麼如果我們可以通過其他方式更快地找到資料來源，就可以跳過倒排索引了。資料來源是由tag set的value組成的，即由region，service，host三個tag的值組成，例如region=“北京”，service=“influx”，host=“host001”三個tag值就組成一個數據源。那麼當業務要查詢的查詢裡帶了所有tag的值時，我們就可以根據查詢語句來確定資料來源，例如：
select max(cpu) from mst where region=’北京’ and service=’influx’ and host=’host001’ and time>now()-30s
該語句查詢過去30s內北京region，Influx服務，host001主機的CPU的最大值。上面的查詢帶了需要確定資料來源的所有tag的值，因此我們在這種查詢中就可以跳過倒排索引的階段，類似的查詢我們也叫做單時間線查詢。
2. GaussDB(for Influx)的實現方案
上一章節講到，如果業務的查詢是單時間線查詢，我們就可以根據查詢語句來確認資料來源，而不用再去倒排索引中找。基於這個思路，GaussDB(for Influx)實現了hint特性，hint特性允許客戶指定查詢跳過倒排索引模組，直接去查詢資料，從而進一步提高查詢效能。
GaussDB(for Influx)通過定義特殊的hint語法來識別查詢語句是否走倒排索引，系統解析業務查詢語句時，如果識別到查詢帶有hint語法，就會跳過倒排索引查詢的步驟，直接根據查詢語句中tagset資訊，找到資料來源，去儲存層查詢對應的資料，其邏輯對比如下圖：
3. Hint查詢的效能
針對單時間線查詢的場景下，我們測試了使用hint功能和不適用hint功能之間的效能。
測試條件為：300萬時間線，單時間線查詢；執行查詢1000次取平均時延。下圖為hint查詢和非hint查詢的測試結果對比：
從圖中可以看出，在相同的查詢語句和測試環境下，hint查詢時延明顯優於非hint查詢。
4. Hint查詢的使用
使用hint查詢的方法也很簡單，業務只需要少量的改動即可，在查詢時新增hint查詢標識/*+ full_series */。例如，常規查詢語句為：
select max(cpu) from mst where region=’北京’ and service=’influx’ and host=’host001’ and time>now()-30s
改為用hint的方式，查詢語句為：
select /*+ full_series */ max(cpu) from mst where region=’北京’ and service=’influx’ and host=’host001’ and time>now()-30s
在使用hint方式查詢時，一定要確定是單時間線的查詢，否則可能會出現查不出來資料的問題。
5. 總結
GaussDB(for Influx)通過提供hint功能，在單時間線的查詢場景下，效能有大幅度的提升，能有效滿足客戶某些特定場景的查詢需求。
除了以上優勢外，GaussDB(for Influx)還在叢集化、冷熱分級儲存、高可用方面也做了深度優化，能更好地滿足時序應用的各種場景。
6. 結束
本文作者：華為 雲資料庫創新Lab & 華為雲時空資料庫團隊
更多技術文章，關注GaussDB(for Influx)官方部落格：
https://bbs.huaweicloud.com/community/usersnew/id_1586596796288328
Lab官網：https://www.huaweicloud.com/lab/clouddb/home.html
產品首頁：https://www.huaweicloud.com/product/gaussdbforinflux.html
華為夥伴暨開發者大會2022火熱來襲，重磅內容不容錯過！
【精彩活動】
勇往直前·做全能開發者→12場技術直播前瞻，8大技術寶典高能輸出，還有程式碼密室、知識競賽等多輪神祕任務等你來挑戰。即刻闖關，開啟終極大獎！點選踏上全能開發者晉級之路吧！
【技術專題】
未來已來，2022技術探祕→華為各領域的前沿技術、重磅開源專案、創新的應用實踐，站在智慧世界的入口，探索未來如何照進現實，乾貨滿滿點選瞭解