9.3 9.4 9.5 9.6 10 11 12
阿里云PostgreSQL 问题报告 纠错本页面

57.1. 采样方法支持函数

TSM 处理器函数返回一个 palloc 好的TsmRoutine结构,其中包含 了下文所述的支持函数的指针。大部分函数是必须的,但是有些是可选的(它们 的指针可以为 NULL)。

void
SampleScanGetSampleSize (PlannerInfo *root,
                         RelOptInfo *baserel,
                         List *paramexprs,
                         BlockNumber *pages,
                         double *tuples);

这个函数在规划期间被掉欧勇。它必须估计在一次采样扫描中会被读到的关系 页面数,以及将被该扫描所选择的元组数(例如,可以先估计采样分数, 乘上baserel->pagesbaserel->tuples 数,并且把结果圆整)。paramexprs列表保存作为 TABLESAMPLE子句的参数的表达式。如果出于优化的目的需要 这些表达式的值,我们推荐使用estimate_expression_value() 来尝试将这些表达式变成常量。但是即便这些表达不能被简化,该函数必须提供 估计的尺寸,并且即使出现不合法的值它也不应该失败(记住它们只是运行时值 的估计)。pagestuples参数是输出。

void
InitSampleScan (SampleScanState *node,
                int eflags);

为 SampleScan 计划节点的执行进行初始化。这会在执行器启动时被调用。 它应该执行执行处理启动所需的任何初始化工作。 SampleScanState节点已经被创建,但是它的 tsm_state域为 NULL。 InitSampleScan函数可以 palloc 任何采样方法需要的内部 状态数据,并且把它的一个指针存储在node->tsm_state 中。有关要扫描的表的信息可以通过SampleScanState 节点的其他域访问(但是要注意 node->ss.ss_currentScanDesc扫描描述符还没有被设置)。 eflags包含描述这个计划节点的执行器操作模式的标志位。

(eflags & EXEC_FLAG_EXPLAIN_ONLY)为真时,该 扫描将不会被真正执行,因此这个函数应该只做最少的事情,让该节点状态对 EXPLAINEndSampleScan可用。

这个函数可以被省略(把指针设置为 NULL),在那种情况下 BeginSampleScan必须执行采样方法所需的所有初始化工作。

void
BeginSampleScan (SampleScanState *node,
                 Datum *params,
                 int nparams,
                 uint32 seed);

开始执行一次采样扫描。就在第一次尝试取得一个元组时就会调用这个函数, 如果该扫描需要被重启可能还要再次调用它。有关要扫描的表的信息可以通过 SampleScanState节点的其他域访问(但是要注意 node->ss.ss_currentScanDesc扫描描述符还没有被设置)。 长度为nparamsparams数组包含在 TABLESAMPLE子句中提供的参数的值。这些参数的编号和类型 在采样方法的parameterTypes列表中指定,并且已经被 检查过不为空。seed包含用于在采样方法中生成任何随机数的 种子。如果给定了REPEATABLE值,种子将是该值的哈希。如果 没有指定REPEATABLE值,种子将是random()的 结果。

这个函数可能会调整域node->use_bulkread 以及node->use_pagemode。 如果node->use_bulkreadtrue(默认), 该扫描将使用一种鼓励重用缓冲区的缓冲区访问策略。如果该扫描只访问 该表的页面的一小部分,将这个域设置为false比较合理。 如果node->use_pagemodetrue(默认), 那么对于每一个被访问的页面上的所有元组,该扫描将会在一趟中执行它们 的可见性检查。如果该扫描只选择每个被访问页面上的一小部分,将这个域 设置为false比较合理。这将导致执行较少次的元组可见性检查, 但是每一次都会代价更大,因为需要更多锁定。

如果采样方法被标记为repeatable_across_scans,在重 新扫描时,它必须能够选择和第一次扫描相同的元组集合,也就是说对 BeginSampleScan的一次新调用必须选择和之前相同的元组 (如果TABLESAMPLE参数和种子没有变化)。

BlockNumber
NextSampleBlock (SampleScanState *node);

返回下一个要扫描的页面的块号,如果没有剩余的页面需要扫描则返回 InvalidBlockNumber

这个函数可以被省略(设置指针为 NULL),在那种情况下核心代码将 执行整个关系的一次顺序扫描。这样一个扫描可以使用同步扫描,这样 采样方法不能假定每一次扫描都用同样的顺序访问关系页面。

OffsetNumber
NextSampleTuple (SampleScanState *node,
                 BlockNumber blockno,
                 OffsetNumber maxoffset);

返回指定页面上下一个要被采样的元组的偏移量,如果没有剩余元组需要被采样, 则返回InvalidOffsetNumbermaxoffset是页面上 使用的最大偏移量。

注意

NextSampleTuple没有被显式地告知范围 1 .. maxoffset中的哪些偏移量真正包含了合法的元组。这通常不 成问题,因为核心代码会忽略采样丢失或者不可见元组的请求。这不会导致采样 中的任何偏差。不过,如果必要,该函数可以检查 node->ss.ss_currentScanDesc->rs_vistuples[]来判断哪些 元组合法并且可见(这要求node->use_pagemodetrue)。

注意

NextSampleTuple不能假定 blockno是最近一次NextSampleBlock调用返回的 同一个页面号。它由之前某次NextSampleBlock调用所返回, 但是核心代码被允许在真正扫描页面之前调用NextSampleBlock, 以便支持预取。假定一旦一个给定页面的采样开始,连续的 NextSampleTuple调用都将引用同一个页面(直到返回 InvalidOffsetNumber)。

void
EndSampleScan (SampleScanState *node);

结束扫描并且释放资源。释放 palloc 过的内存通常并不重要,但是任何外部 可见的资源应该被清除。在没有这类资源存在的通常情况下,这个函数可以被 省略(设置指针为 NULL)。