본문 바로가기
Database

PostgreSQL14 Memoize 성능 비교 (feat. 13 vs 14 Nested Loop)

by 향로 (기억보단 기록을) 2023. 1. 30.
반응형

PostgreSQL에서는 3가지의 Join 알고리즘을 지원한다.

  • Nested loop join
  • Hash join
  • Merge join

이 중 Nested loop join 은 가장 보편적인 Join 방식으로 그 작동 방식에는 결국 반복적인 스캔이 있다.

만약 반복적인 스캔의 하위 결과가 매번 같다면 이를 캐시해두고 반복적인 스캔에서 계속 사용한다면 어떨까?
아마도 JavaScript의 메모이제이션 을 알고 있다면 이해하기 쉬울것 같다.

PostgreSQL 14에서 memoize 이 도입되었다.

그리고 AWS의 Aurora PostgreSQL 역시 PostgreSQL 14.x를 지원하고 있어 해당 옵션을 사용할 수 있다.

aurora-versions

Memoize 로 성능 개선을 얼마나 얻을 수 있을지 한번 알아보자.

1. 성능 테스트

성능 테스트 전에 먼저 본인의 PostgreSQL DB가 해당 기능을 지원하는지 체크한다.

1-1. enable_memoize

아래 쿼리로 현재 설정을 확인할 수 있다.

SELECT current_setting('enable_memoize');


console

PG 14에서는 enable_memoize 의 기본 옵션이 ON이다.
그래서 별도의 설정 없이도 memoize 가 적용된다.

AWS Aurora PostgreSQL을 사용한다면 다음과 같이 파라미터 그룹에서 확인할 수 있다.

aurora-param

Amazon Aurora (RDS) 에서 파라미터가 Boolean이면 1 (ON) or 0 (OFF) 으로 설정한다.

1-2. 테스트

테스트를 위해 다음의 환경을 13버전과 14버전에서 각각 만들어둔다.

CREATE TABLE team AS
SELECT team_no, team_no % 100 AS department_no
FROM generate_series(1, 50000) AS team_no;

CREATE TABLE users AS
SELECT user_no, user_no % 20000 as department_no, now() as created_at
FROM generate_series(1, 5000000) AS user_no;

CREATE INDEX idx_user_department_no ON users (department_no);
  • team
    • 50,000 row (5만건)
    • 1 ~ 100 사이의 department_no
  • users
    • 5,000,000 row (500만건)
    • 1 ~ 20,000 사이의 department_no
    • Join 성능 향상을 위한 index (department_no)

위와 같이 테이블을 생성 한 뒤, 이제 실험을 진행한다.

성능 테스트에 사용할 쿼리는 다음과 같다.

SELECT *
FROM team JOIN users on team.department_no = users.department_no
where team.department_no between 51 and 90;

해당 쿼리는

  • team.department_no between 51 and 90 는 seq 로 탐색하고
    • 총 40개의 team을 탐색한다.
  • team.department_no = users.department_no 는 index 로 탐색한다.

성능 테스트를 위해 아래와 같이 반복문으로 총 10번의 쿼리를 수행하고, 총 수행시간을 합산한다.

DO $$
DECLARE
  v_ts TIMESTAMP;
  rec RECORD;
BEGIN

  FOR r IN 1..10 LOOP
    v_ts := clock_timestamp();

      FOR rec IN (
        SELECT *
        FROM team JOIN users on team.department_no = users.department_no
        where team.department_no between 51 and 90
      ) LOOP
        NULL;
      END LOOP;

    RAISE INFO 'Run %, timestamp: %', r, (clock_timestamp() - v_ts);
  END LOOP;
END$$;

1-3. PG 13

PG 13에서는 다음과 같은 실행 계획을 가진다.

explain13

그리고 실행 결과는

pg13_1
  • 1회 평균 285ms
  • 10회 총합은 2.855s 이다.

1-4. PG 14

PG 14는 2가지 종류로 진행된다.

  • enable_memoize 를 ON 한 경우
  • enable_memoize 를 OFF 한 경우

enable_memoize ON

실행계획은 다음과 같다.

explain14

13버전과 달리 Nested Loop가 적용된다.

pg14_1
  • 1회 평균 263ms
  • 10회 총합은 2.632s 이다.

enable_memoize OFF

만약 똑같이 PG 14 버전을 사용하지만 enable_memoize을 off한다면 어떻게 될까?

pg14_1_2
  • 1회 평균 281ms
  • 10회 총합은 2.814s 이다.

PG14라 하더라도 해당 옵션을 off 할 경우 PG 13과 거의 비슷한 성능 결과를 냈다.

1-5. 테스트 결과

PG13에서 14로 업데이트후, enable_memoize 이 도입됨으로 Nested Loop Join은 10%의 성능 개선이 되었다.
(285ms -> 263ms)

memoize로 성능 개선이 된 것을 확인하였으니, 좀 더 자세히 알아보자.

2. Memoization (Row caching)

PostgreSQL에서는 memoize 가 활성화 된 경우, Memoize 노드가 호출될 때마다 전달된 매개변수 값에 해당하는 Row가 이미 캐시되었는지 확인한다.
해당 Row가 캐시되어있으면 즉시 하위 테이블 (혹은 서브 쿼리)의 스캔을 건너뛰고, 다시 부모 노드 (Nested Loop) 로 반환한다.

캐시이기 때문에 당연히 메모리를 차지하는 양이 계속 증가할 수 있다.
그래서 신규 캐시 데이터가 생성될때 남은 캐시 공간이 부족할 경우 자주 조회되지 않는 캐시 데이터를 제거하여 공간을 확보한다.
물론 매개변수가 너무 많은 row와 일치해서 기존 캐시 항목을 제거되더라도 캐시에 들어갈 수 없는 경우 매개변수의 row는 캐시되지 않는다.

위에서 실험한 쿼리의 실행 계획을 살펴보자.

paln
  • Cache Key는 team.department_no
  • 총 4000번의 탐색 중
    • Cache Misses: 40
    • Cache Hits: 3960
    • 이는 40개의 team을 탐색하면서 첫번째 호출에는 캐시되지 않지만 (Misses: 40), 이후 모든 반복 호출건 (Cache Hits: 3960) 은 모두 캐시처리 되었다.
    • 캐시는 총 394kb를 차지했다.

여기서 Evictions 과 Overflows 를 보자.

  • Evictions
    • 캐시에서 제거된 횟수
  • Overflows
    • 메모리 오버플로 횟수

이 2가지 값이 0이 아닌 경우는 할당된 캐시 크기가 충분하지 않음을 나타낸다.
이는 가능한 매개변수 값의 추정치가 올바르지 않을 때 자주 발생한다.
이 경우 Memoize을 사용하는 것이 많은 리소스를 차지한다는 것을 의미할 수 있다.
이럴 경우 최후의 수단으로 enable_memoize 를 off 로 설정하여 캐시 사용을 비활성화할 수 있다.

3. lateral 성능 테스트

위 실험을 하다보면 lateral 은 얼마나 성능 개선이 될지 궁금해진다.
Sub Query 간 상호 참조가 가능한 lateral 은 Cache 효율이 굉장히 잘 나올것 같다.

lateral 에 대해선 다음에 좀 더 자세히 정리할 예정이다.

다음의 쿼리로 13, 14버전에서 테스트해보자.

select *
from (select team_no, department_no 
    from team 
    where team_no between 50 and 40000) t,
lateral (
    select user_no
    from users
    where t.department_no = users.department_no
    ) u

이를 각 10회 수행한다.

3-1. lateral PG 13

실행 계획은 다음과 같다.

lateral_plan13

memoize 가 지원되지 않는 13버전에서는 Nested Loop가 적용되지 않는다.

pg13_2
  • 1회 평균 2.358s
  • 10회 총합은 23.587s 이다.

3-2. lateral PG 14

lateral_plan14
  • 전체 반복 횟수: 39,951
    • loops: 39,951
    • Cache Misses: 100
    • Cache Hits: 39,851
pg14_2
  • 1회 평균 2.09s
  • 10회 총합은 20.914s 이다.

테스트 결과 lateral 에서는 약 20%의 성능 개선이 있었다.
다만, 이게 memoize가 적용된 lateral의 전체적인 성능 개선이라고 보기는 어렵다.
memoize의 특성상 loop 횟수가 많을수록 그 효율이 극대화된다.
현재는 약 3~4만회의 횟수를 반복하기 때문에 20%의 차이이지,
만약 수십만 loop가 실행된 경우에는 이보다 훨씬 더 효과를 볼 수 있을것 같다.

1000x

(1000배의 성능 개선이 되었다는 트위터 짤…)

4. 마무리

매개변수가 같다면 몇번을 실행해도 함수의 결과가 동일함이 보장됨에도 우리는 매번 함수 연산을 수행할 때가 있다.
그간 PostgreSQL 의 Nested Loop가 그러했다.
14버전부터 Memoize가 지원되니 이제는 그런 불필요한 연산을 계속 할 필요가 없다.
실행 계획에서 Nested Loop 가 빈번하며, 그 성능도 만족스럽지 않다면, 14 로 업데이트하여 Memoize로 성능 개선 효과를 한번 시험해봐도 좋을것 같다.

반응형

관련글


티스토리툴바