梁敬彬梁敬弘兄弟出品

并行查询是数据库处理大规模数据集的关键性能优化技术。本文详细介绍达梦数据库的并行设置方法、查看并行执行情况及实际应用案例，帮助您充分利用多核处理能力提升查询性能。

1. 并行查询参数配置

首先，使用 PARALLEL_POLICY 参数来设置并行策略。取值范围：0、1 和 2，默认值0。其中，0 表示不支持并行；1 表示自动并行模式；2 表示手动并行模式。

当开启本地并行（PARALLEL_POLICY>0）时，使用 PARALLEL_THRD_NUM 指定本地并行查询使用的线程数，取值范围为 1~1024，缺省值为 10。需要注意的是，若PARALLEL_POLICY=1，如果 PARALLEL_THRD_NUM=1, 则按照 CPU 个数创建并行线程。

使用自动并行模式时，需要设置MAX_PARALLEL_DEGREE 参数，同时确保PARALLEL_POLICY=1，不过从我使用数据库的经验来看，一般避免使用自动并行。另外，并行机制关闭也不见的合适，还是建议默认开启，手工设置并行更合适一些。

-- 查看当前并行参数配置
SELECT para_name, para_value, para_type 
FROM v$dm_ini 
WHERE para_name LIKE '%PARA%';

2. 配置并行并查看生效状态

2.1 查看当前并行设置状态

查询v$dm_ini视图可以查看当前并行设置状态：

SELECT para_name, para_value, para_type 
FROM v$dm_ini 
WHERE para_name LIKE '%PARA%';

执行结果：

行号     PARA_NAME                      PARA_VALUE PARA_TYPE
---------- ------------------------------ ---------- ---------
1          BATCH_PARAM_OPT                0          IN FILE
2          CLT_CONST_TO_PARAM             0          IN FILE
3          HAGR_PARALLEL_OPT_FLAG         0          SESSION
4          MAX_PARALLEL_DEGREE            1          SESSION
5          PARALLEL_POLICY                0          IN FILE
6          PARALLEL_THRD_NUM              10         IN FILE
7          PARALLEL_MODE_COMMON_DEGREE    1          SESSION
8          HFINS_PARALLEL_FLAG            0          SYS
9          SEC_INDEX_PARALLEL_INSERT_FLAG 0          SYS
10         RLOG_PARALLEL_ENABLE           0          IN FILE
11         PARALLEL_PURGE_FLAG            0          IN FILE
12         AP_PARALLEL_DEGREE             10         IN FILE

可以看到当前PARALLEL_POLICY=0，表示不支持并行。

2.2 修改并行配置

通过修改dm.ini配置文件将PARALLEL_POLICY设置为2（手动并行模式）：

# 编辑dm.ini文件
PARALLEL_POLICY = 2  # 设置为手动并行模式

修改配置后重启数据库服务使配置生效。

2.3 会话级修改并行设置

也可以在当前会话中临时修改并行设置，不需要重启数据库：

-- 修改当前会话的并行策略为手动模式
SET PARALLEL_POLICY = 2;

-- 设置当前会话的并行线程数
SET PARALLEL_THRD_NUM = 8;

3. 使用并行查询与验证

3.1 使用SQL HINT指定并行度

可以通过在SQL语句中添加PARALLEL提示来指定查询的并行度：

-- 使用PARALLEL提示指定并行度为4
SELECT /*+ PARALLEL(4) */ DEPARTMENT_ID, COUNT(*) 
FROM EMPLOYEES 
GROUP BY DEPARTMENT_ID;

3.2 通过执行计划验证并行是否生效

使用EXPLAIN命令查看带并行提示的SQL执行计划：

-- 查看带并行提示的SQL执行计划
EXPLAIN SELECT /*+PARALLEL(4)*/ DEPARTMENT_ID, COUNT(*) 
FROM EMPLOYEES 
GROUP BY DEPARTMENT_ID;

执行结果：

1   #NSET2: [1, 1, 30] 
2     #PRJT2: [1, 1, 30]; exp_num(2), is_atom(FALSE) 
3       #HAGR2: [1, 1, 30]; grp_num(1), sfun_num(1); 
4       #LOCAL COLLECT: [1, 1, 30]; op_id(1) n_grp_by (0) n_cols(0) n_keys(0) for_sync(FALSE)
5           #HAGR2: [1, 1, 30]; grp_num(1), sfun_num(1); 
6             #CSCN2: [0, 3, 30]; INDEX33555497(EMPLOYEES)

对比不使用并行的执行计划：

-- 查看不带并行提示的SQL执行计划
EXPLAIN SELECT DEPARTMENT_ID, COUNT(*) 
FROM EMPLOYEES 
GROUP BY DEPARTMENT_ID;

执行结果：

1   #NSET2: [1, 1, 30] 
2     #PRJT2: [1, 1, 30]; exp_num(2), is_atom(FALSE) 
3       #HAGR2: [1, 1, 30]; grp_num(1), sfun_num(1); 
4         #CSCN2: [0, 3, 30]; INDEX33555497(EMPLOYEES)
已用时间: 0.609(毫秒). 执行号:29.

通过比较执行计划可以发现，带并行提示的SQL执行计划中出现了#LOCAL COLLECT操作符，这是并行执行的明显标志。

4. 适用场景与并行度设置

服务器类型并行度推荐：

小型服务器（4核以下）：/*+ PARALLEL(4) /
中型服务器（4-16核）：/+ PARALLEL(8) /
大型服务器（16核以上）：/+ PARALLEL(12) */

5. 实际性能对比案例

5.1 聚合查询性能测试

测试场景：500万行数据的销售表，按区域和产品类别分组统计

不使用并行：

SQL> SELECT region, product_category, SUM(sales_amount) 
     FROM sales_data 
     GROUP BY region, product_category;

REGION    PRODUCT_CATEGORY    SUM(SALES_AMOUNT)
--------- ------------------ ------------------
EAST      ELECTRONICS                  12345678
EAST      FASHION                       8765432
...       ...                               ...

已用时间: 15024.351(毫秒). 执行号:30.

使用并行：

SQL> SELECT /*+ PARALLEL(8) */ region, product_category, SUM(sales_amount) 
     FROM sales_data 
     GROUP BY region, product_category;

REGION    PRODUCT_CATEGORY    SUM(SALES_AMOUNT)
--------- ------------------ ------------------
EAST      ELECTRONICS                  12345678
EAST      FASHION                       8765432
...       ...                               ...

已用时间: 2513.782(毫秒). 执行号:31.

性能提升：执行时间从15秒降至2.5秒，提升6倍

5.2 复杂多表联接测试

测试场景：连接订单(1000万行)、客户(100万行)和产品(10万行)三张表

不使用并行：

SQL> SELECT c.customer_type, p.category, COUNT(*), SUM(o.amount)
     FROM orders o
     JOIN customers c ON o.customer_id = c.id
     JOIN products p ON o.product_id = p.id
     WHERE o.order_date BETWEEN '2023-01-01' AND '2023-12-31'
     GROUP BY c.customer_type, p.category;

CUSTOMER_TYPE    CATEGORY     COUNT(*)    SUM(AMOUNT)
--------------- ------------ ----------- -------------
CORPORATE       ELECTRONICS        56789     123456789
INDIVIDUAL      ELECTRONICS       123456      98765432
...             ...                 ...           ...

已用时间: 28156.943(毫秒). 执行号:32.

使用并行：

SQL> SELECT /*+ PARALLEL(8) */ c.customer_type, p.category, COUNT(*), SUM(o.amount)
     FROM orders o
     JOIN customers c ON o.customer_id = c.id
     JOIN products p ON o.product_id = p.id
     WHERE o.order_date BETWEEN '2023-01-01' AND '2023-12-31'
     GROUP BY c.customer_type, p.category;

CUSTOMER_TYPE    CATEGORY     COUNT(*)    SUM(AMOUNT)
--------------- ------------ ----------- -------------
CORPORATE       ELECTRONICS        56789     123456789
INDIVIDUAL      ELECTRONICS       123456      98765432
...             ...                 ...           ...

已用时间: 4028.175(毫秒). 执行号:33.

性能提升：执行时间从28秒降至4秒，提升7倍

通过以上测试可以看出，在适合的场景下，合理使用并行查询可以显著提升查询性能。达梦数据库的并行查询功能是处理大规模数据的有力工具，建议在数据量大、计算复杂的场景中积极应用。

达梦数据库知识总结链接贴

公众号：收获不止数据库

系列回顾
“大白话人工智能” 系列
“数据库拍案惊奇” 系列
“世事洞明皆学问” 系列