Datalayers 查询并行度优化指南

概述

Datalayers 采用智能并行查询策略，默认情况下会自动调度多核CPU资源，通过任务并行化来加速大数据量查询。但在高并发小查询场景下，过度的并行化可能带来额外开销，合理配置并行度可显著提升系统整体QPS。

并行策略

默认并行策略

• 自动任务拆分：将查询任务分解为多个子任务（数据分片、并行扫描、聚合计算）
• CPU资源最大化：充分利用多核CPU并行处理
• 大数据量优势：对于扫描大量数据的查询性能提升显著

小查询优化策略

• 降低并行开销：小查询场景下，任务调度开销可能超过并行收益
• 提升QPS：减少上下文切换，提高系统吞吐量
• 时序场景适用：设备点位查询、短时间范围数据检索

语法

SELECT /*+ SET_VAR(parallel_degree=1) */ * FROM table;

使用建议

• 大范围扫描和重聚合查询，通常适合较高并行度
• 高频小查询场景，可适当降低并行度以提升整体吞吐
• 建议结合压测结果和执行计划观察来调整 parallel_degree

相关文档

• 了解 SQL Hints 总体能力，请参考 SQL Hints 使用指南