8小时玩转openGauss训练营课程笔记

很荣幸能参加这次训练营，以下是一些我感兴趣的点，做下笔记：

1. openGauss是基于PostgreSQL内核，优化了体系结构、事务、存储引擎、优化器和ARM体系结构。

2. MOT，是openGauss免锁，高吞吐，低时延的融合内存引擎。MOT支持绝大部分SQL特性（函数、存储过程…）,符合ACID要求，基于事务行存储，与传统磁盘引擎并排基于磁盘的存储引擎。MOT存储引擎使用和扩展外部数据封装机制，嵌在openGauss内部的存储引擎。

优势：

1. 性能高
2. CPU 利用率高
3. 延迟低

特性：

1. 内存优化数据结构
2. 无锁索引
3. 无锁事务管理
4. 针对NUMA优化的内存管理，预缓存对象池
5. 针对NUMA高度优化的组提交

基本语句：

1. 授权：grant usage on foreign sever mot_server to user;
2. MOT建表语法：create foreign table XXX [server mot_server].
3. 查询语法同普通表：select * from XXX;
4. 删除：drop foreign table XXX;
5. 索引创建：create index mot_table_indx on mot_table(id);

3. 集中式部署：集中式部署又包括单机和主备两种类型。主备方式最多支持8个节点。
   分布式部署：分布式部署方面，数据按shard划分，读写负载准线性扩展，满足大规模业务量场景，支持两地三中心高可用部署。
   分布式采用GTM-Lite技术提供全局事务快照和提交号管理，实现强一致性，且无中心节点性能瓶颈。同时提供无锁、多版本、高并发事务这些高性能的事务处理能力，避免了单GTM的性能瓶颈。

4. 高并发优化：
   GaussDB采用线程池模型，线程池在数据库服务器上配置，控制数据库服务器活动线程数目。线程复用。对系统的业务起到流控作用，防止出现雪崩。高并发连接切换代价小、内存损耗小，执行效率高。
   增量检查点技术：
   GaussDB采用增量Checkpoint机制，可以解决全量checkpoint大量IO写问题，以“小批快跑”的方式，提高数据的安全性，降低恢复时间。实现性能波动<5%。

5. 查询优化

   1. 通过统计信息进行物理优化，物理优化的依据，来源于表信息的统计。
   2. 行数估算代价估算的基础，来源于基表统计信息的推算。
   3. 代价估算，根据关系的行数，推算出当前算子的执行代价。
   4. 路径搜索，依据若干算子的执行代价通过求解最优路径进行路径搜索。
   5. 计划生成，将查询的执行路径转换 成PlanTree能够输出给 执行器做查询执行。

物理优化的技术点：

1、统计信息模型 Table/Column-Level statistics 描述基表数据的特征包括唯一值、MCV值等，用于行数估算
2、行数估算 Row Estimation 估算基表baserel、Join中间结果集joinrel、Aggregation 中结果集大小，为代价估算做准备
3. 代价估算 Cost Estimation 根据数据量估算不同算子执行代价，各算子代价之和即为 计划总代价
4. 路径搜索 Access Path Generation 通过求解路径最优算法（e.g. 动态规划、遗传算法）处理 连接路径搜索过程，以最小搜索空间找到最优连接路径。