在之前的一篇月报中，我们已经简单地分析过PG的优化器（PgSQL · 源码分析 · PG优化器浅析），着重分析了SQL逻辑优化，也就是尽量对SQL进行等价或者推倒变换，以达到更有效率的执行计划。本次月报将会深入分析PG优化器原理，着重物理查询优化，包括表的扫描方式选择、多表组合方式、多表组合顺序等。

表扫描方式

表扫描方式主要包含顺序扫描、索引扫描以及Tid扫描等方式，不同的扫描方式

• Seq scan，顺序扫描物理数据页

• Index scan，先通过索引值获得物理数据的位置，再到物理页读取

• Tid scan，通过page号和item号直接定位到物理数据

选择度计算

• 全表扫描选择度计算

全表扫描时每条记录都会返回，所以选择度为1，所以rows=10000

• 整型大于或者小于选择度计算

• 字符串等值选择度计算

备注：如果值不在most_common_vals里面，计算公式为：

• cost计算

代价模型:总代价=CPU代价+IO代价+启动代价

总cost=cpu_tuple_cost * 952 + seq_page_cost * 5 + cpu_operator_cost * 952
=16.90
其他扫描方式cost计算可以参考如下函数：

表组合方式

• Nest Loop

假设：

M=20000 pages in L, pL=40 rows per page,
N=400 pages in R, pR=20 rows per page.

L和R进行join

对于外表L每一个元组扫描内表R所有的元组
总IO代价: M + (pL * M) * N=20000 + (4020000)400
=320020000

• MergeJoin

主要分为3步:

(1) Sort L on lid 代价MlogM

(2) Sort R on rid 代价NlogN

(3) Merge the sorted L and R on lid and rid 代价M+N

• HashJoin

使用HashJoin的前提是其中假设一个表可以完全放在内存中，实际过程中可能统计信息有偏差，优化器认为一个表可以放到内存中，事实上数据在内存中放不下，需要使用临时文件，这样会降低性能。

表的组合顺序

不同的组合顺序将会产生不同的代价，想要获得最佳的组合顺序，如果枚举所有组合顺序，那么将会有N!的排列组合，计算量对于优化器来说难以承受。PG优化器使用两种算法计算更优的组合顺序，动态规划和遗传算法。对于连接比较少的情况使用动态规划，否则使用遗传算法。

• 动态规划求解过程

PG优化器主要考虑将执行计划树生成以下三种形式:

动态规划的思想可以参考百度百科动态规划，主要将待求解问题分解成若干个子问题，先求解子问题，然后从这些子问题的解得到原问题的解。具体应用在表组合顺序上，则是先考虑单表最优访问访问，然后考虑两种组合，再考虑多表组合，最终得到更优的解。