数仓调优实战：GUC参数调优
内容提要
本文介绍了GaussDB(DWS)性能调优中的优化器和系统级GUC参数，包括语句级调优和数据库全局级别的参数配置。通过调整GUC参数可以选择更优的查询计划，提升语句执行性能和整体性能。关键词：GaussDB(DWS)、性能调优、优化器、系统级GUC参数、语句级调优
延伸解读
聚集计算模型的选择逻辑
best_agg_plan参数提供了三种聚集计算模型，分别适用于不同数据分布和结果集大小的场景。当DN第一次聚集后结果集较少且DN数较少时，适合使用best_agg_plan=1，在CN进行二次聚集；若第一次聚集后结果集缩减不明显，则适合best_agg_plan=2，直接在DN上重分布后聚集；若中间结果缩减明显但最终结果行数较大，则适合best_agg_plan=3。优化器通常自动选择，但代价估算偏差时，手动干预可纠正不合理的聚集方式。
排序与Hash聚集的权衡
enable_sort和enable_hashagg参数控制优化器是否使用排序或HashAgg来实现聚集操作。HashAgg适用于聚集后行数缩减较多的场景，而Sort+GroupAgg适用于缩减较少的场景。例如，当需要对大量数据排序时，关闭enable_sort可强制使用HashAgg，避免排序开销。对于多列count distinct，默认使用多个HashAgg，资源消耗较高，关闭enable_hashagg可改用Sort+GroupAgg，降低资源使用。实际调优需结合并发和资源情况选择。
向量化执行引擎的启用条件
enable_force_vector_engine参数可强制生成向量化执行计划，但仅对列存表或行列混存场景有效。若查询涉及行存表，默认无法走向量化引擎，此时开启该参数可将行存数据转换为列存格式，从而利用向量化执行。从示例看，向量化引擎相比行执行引擎有数倍性能提升。但需注意，向量化执行依赖列存特性，行存表单独使用可能无法受益。
全局内存参数配置要点
全局GUC参数中，内存参数对集群性能影响显著。max_process_memory控制单CN/DN内存峰值，计算公式为物理内存*0.665/(1+主DN个数)。shared_buffers建议不超过内存的40%，主要用于行存表扫描。work_mem需根据查询复杂度和并发调整：串行复杂查询建议50%内存/10，简单查询建议50%内存/5，并发场景则需除以物理并发数。maintenance_work_mem应不小于work_mem，以避免维护操作内存不足。
Q&A
GUC参数在GaussDB(DWS)中有什么作用？
GUC参数用于优化SQL查询性能，通过合理配置可以选择更优的查询计划，提升整体性能。
如何通过best_agg_plan参数优化聚集计算？
best_agg_plan参数用于选择最优的聚集计算模型，根据数据分布和聚集结果的特性进行调整。
enable_sort参数的作用是什么？
enable_sort参数控制优化器是否使用排序，影响聚集操作的性能，适用于不同的聚集场景。
query_dop参数如何影响查询性能？
query_dop参数控制查询的并行度，合理设置可以提升执行速度，但过高可能导致资源瓶颈。
全局GUC参数对数据库性能有什么影响？
全局GUC参数显著影响集群性能，包括内存和连接相关参数，合理配置可提升整体性能。
如何选择合适的内存参数以优化GaussDB(DWS)性能？
选择内存参数如max_process_memory和shared_buffers时，应根据系统资源和负载情况进行合理配置。
