ReaderMX.
AustinDatabases

GEQO 是什么，POSTGRESQL SQL优化核心原理为什么在这里

Aliuaustin3约 6 分钟
❝

开头还是介绍一下群，如果感兴趣PolarDB ,MongoDB ,MySQL ,PostgreSQL ,Redis, OceanBase, Sql Server等有问题，有需求都可以加群加群请联系 liuaustin3 ，（共3400人左右 1 + 2 + 3 + 4 +5 + 6 + 7 + 8 ）(1 2 3 4 5 6 7 8群已经爆满  9群 为纯聊天群，默认不加入不得发广告，自己公众号文章链接等，发一次直接踢，默认加入8群，开10群PolarDB专业学习群115+)

上期咱们说到GEQO ，什么是GEQO，geqo_threshold 是 PostgreSQL 配置文件（postgresql.conf）中的一个 GUC（全局统一配置）参数。它的默认值通常是 12。

参数的作用与逻辑

控制优化器策略开关：当查询中的 JOIN 表数量小于 geqo_threshold 时，优化器会采用穷举/动态规划算法（Dynamic Programming）来搜索最优的执行计划；当 JOIN 表数量大于等于 geqo_threshold 时，优化器会自动切换为遗传算法（GEQO，Genetic Query Optimizer），以防止因表数量过多导致优化阶段耗时爆炸。

Image

在源码中的定义位置：

定义与声明：src/backend/utils/misc/guc_tables.c（属于 GUC 参数配置表中的 ConfigureNamesInt 数组）。

算法切换逻辑应用：src/backend/optimizer/plan/planner.c 里的 make_one_rel 函数（在此处通过判断 JOIN 关系的层级/表数量是否达到了 geqo_threshold，来决定调用 standard_join_search 还是 geqo）。

修改方法：

全局修改：编辑 postgresql.conf，将 geqo_threshold = 12 改为你需要的值，然后执行 SELECT pg_reload_conf();。

Image

看到这里，作为PG ACE我竟然这块的知识没有接触过，真是罪过，罪过

下面我好好地把这些参数捋一捋

  1. geqo

含义：是否启用 GEQO（遗传算法优化器）

on：强制启用 GEQO

off：强制禁用 GEQO

默认：auto（根据 geqo_threshold 自动触发）

作用场景：

当你想强制测试 GEQO 行为时使用，例如构造 12+ JOIN 的实验。

  1. geqo_threshold

含义：JOIN 表数量 ≥ 该值时启用 GEQO

默认：12

典型范围：12–24

影响：

设置低了 → 普通查询也用 GEQO，计划质量下降

设置高了 → 复杂 JOIN 仍用 DP，规划时间爆炸

  1. geqo_effort

含义：搜索强度（1–10），决定 GEQO 的整体计算量

默认：5

越大 → 搜索更充分 → 计划质量更好，但规划时间更长

越小 → 搜索更快，但可能找不到好计划

影响的内部参数：

geqo_pool_size（种群大小）

geqo_generations（迭代次数）

这两个如果设为 0，会根据 geqo_effort 自动计算。

  1. geqo_pool_size

含义：种群大小（population size）

默认：0 → 自动根据 geqo_effort 计算

典型范围：50–200

影响：

大种群 → 搜索空间更大 → 计划质量更好 → 规划更慢

小种群 → 搜索空间小 → 速度快但质量差

内部公式（简化）：

Code

pool_size ≈ geqo_effort × log(n_tables)

  1. geqo_generations

含义：遗传算法迭代次数（generation count）

默认：0 → 自动根据 geqo_effort 计算

典型范围：100–500

影响：

迭代越多 → 越可能找到更优 JOIN 顺序

迭代太少 → 搜索不充分，计划质量下降

内部公式（简化）：

Code

generations ≈ geqo_effort × pool_size

  1. geqo_selection_bias

含义：选择偏置（selection bias），控制“优秀个体”被选中的概率

默认：2.0

范围：1.5–2.0

解释：

越接近 2.0 → 更偏向选择适应度高的个体（更贪心）

越接近 1.5 → 更均匀选择（更随机）

影响：

偏置高 → 更快收敛，但可能陷入局部最优

偏置低 → 搜索更广，但收敛慢

  1. geqo_seed

含义：遗传算法随机种子（0.0 = 使用系统随机）

默认：0.0

设置为固定值（如 1.0）可让 GEQO 结果可复现

用途： 用于实验、调试、论文复现 JOIN 顺序。

Image

好，既然是没有怎么接触过，我们的做个实验，不过今天有点晚了，我先把实验的步骤写清楚，下期咱们做做实验

1 建立测试表

-- 1. 创建 8 张测试表
CREATE TABLE t1 (id int PRIMARY KEY, val int);
CREATE TABLE t2 (id int PRIMARY KEY, val int);
CREATE TABLE t3 (id int PRIMARY KEY, val int);
CREATE TABLE t4 (id int PRIMARY KEY, val int);
CREATE TABLE t5 (id int PRIMARY KEY, val int);
CREATE TABLE t6 (id int PRIMARY KEY, val int);
CREATE TABLE t7 (id int PRIMARY KEY, val int);
CREATE TABLE t8 (id int PRIMARY KEY, val int);

-- 2. 插入少量数据并更新统计信息
INSERT INTO t1 SELECT g, g % 10 FROM generate_series(1, 1000) g;
INSERT INTO t2 SELECT g, g % 10 FROM generate_series(1, 1000) g;
INSERT INTO t3 SELECT g, g % 10 FROM generate_series(1, 1000) g;
INSERT INTO t4 SELECT g, g % 10 FROM generate_series(1, 1000) g;
INSERT INTO t5 SELECT g, g % 10 FROM generate_series(1, 1000) g;
INSERT INTO t6 SELECT g, g % 10 FROM generate_series(1, 1000) g;
INSERT INTO t7 SELECT g, g % 10 FROM generate_series(1, 1000) g;
INSERT INTO t8 SELECT g, g % 10 FROM generate_series(1, 1000) g;

ANALYZE;

在默认配置下，8 张表远小于 geqo_threshold = 12，因此优化器会使用传统的穷举/动态规划算法。

SQL
-- 关闭 GEQO，使用标准动态规划（DP）
SET geqo = off;

-- 查看优化器生成的执行计划与耗时（注意查看 Planning Time）
EXPLAIN (ANALYZE, COSTS ON)
SELECT * 
FROM t1
JOIN t2 ON t1.val = t2.val
JOIN t3 ON t2.val = t3.val
JOIN t4 ON t3.val = t4.val
JOIN t5 ON t4.val = t5.val
JOIN t6 ON t5.val = t6.val
JOIN t7 ON t6.val = t7.val
JOIN t8 ON t7.val = t8.val
WHERE t1.id = 1;
-- 1. 强制启用 GEQO 并降低触发阈值
SET geqo = on;
SET geqo_threshold = 6; -- 8张表 >= 6，强行进入 GEQO 流程

-- 2. 配置 GEQO 运行参数（可选，用于观察控制效果）
SET geqo_pool_size = 50;     -- 种群大小：50个个体
SET geqo_effort = 5;         -- 搜索强度：控制迭代代数
SET geqo_seed = 0.5;         -- 固定的随机种子（保证实验可重复）

-- 3. 执行相同的 EXPLAIN，观察执行计划
EXPLAIN (ANALYZE, COSTS ON)
SELECT * 
FROM t1
JOIN t2 ON t1.val = t2.val
JOIN t3 ON t2.val = t3.val
JOIN t4 ON t4.val = t3.val
JOIN t5 ON t4.val = t5.val
JOIN t6 ON t5.val = t6.val
JOIN t7 ON t6.val = t7.val
JOIN t8 ON t7.val = t8.val
WHERE t1.id = 1;
-- 改变随机种子，让 GEQO 重新进行种群演化
SET geqo_seed = 0.9;

EXPLAIN (COSTS ON)
SELECT * 
FROM t1 
JOIN t2 ON t1.val = t2.val
JOIN t3 ON t2.val = t3.val
JOIN t4 ON t3.val = t4.val
JOIN t5 ON t4.val = t5.val
JOIN t6 ON t5.val = t6.val
JOIN t7 ON t6.val = t7.val
JOIN t8 ON t7.val = t8.val
WHERE t1.id = 1;

好了，今天就到这，下期我们把测试的结果拿出来看看GEQO的参数调整和PG的数据库优化之间的关系


Image

KEEP THE THREAD GOING

更多来源文章