Parallel processing Teradata中的实际并行效率%

Teradata是为并行性而构建的。 我相信，从下面的查询中，我们可以衡量用户查询的并行效率

SELECT 
USERNAME, 
NumOfActiveAMPs,
((sum(AMPCPUTime))/1024) / ((sum(MaxAmpCPUTime) * NumOfActiveAMPs)/1024) * 100 as Parallel_Efficiency,
count(1)
FROM dbc.qrylog 
WHERE MaxAmpCPUTime > 0 
group by 1,2

在理想情况下，我相信PE可以达到100% 但由于各种原因，我发现大多数PE（累积）通常低于50%

您认为我们应该努力实现的并行效率是多少？ 有人告诉我，试图实现高PE（比如60%或更多）对系统状态也不好，但不确定原因，这是真的吗？你的想法

---

谢谢分享你的想法

给定查询的并行效率可以计算为

AMPCPUTime/（MaxAMPCPUTime*（HASHAMP（）+1））

。其中

（MaxAMPCPUTime*（HASHAMP（）+1））

是

影响CPU

的度量，表示参与查询的AMP消耗的最高CPU乘以配置中的AMP数。您可能会发现，各个工作负载的并行效率都很高

有时我想知道，如果用查询使用的AMP数替换系统中的节点数，单个查询的PE是否会更准确。此度量在DBQL中可用，可以帮助平衡使用PI或USI访问路径的查询，这些路径不都是AMP操作

通过将平均节点利用率除以最大节点利用率，可以使用恢复指标获得整个系统的并行效率。这有助于您理解系统如何处理给定的工作量，但不考虑工作量可能有多大。在这里，您可以看到总体效率大于60%，越接近100%，节点协同工作就越好

---

我知道您的查询是关于单个查询的，但我认为共享有关您环境的PE的详细信息也将是有益的。

给定查询的并行效率可以计算为

AMPCPUTime/（maxampputime*（HASHAMP（）+1））

。其中

（MaxAMPCPUTime*（HASHAMP（）+1））

是

影响CPU

的度量，表示参与查询的AMP消耗的最高CPU乘以配置中的AMP数。您可能会发现，各个工作负载的并行效率都很高

有时我想知道，如果用查询使用的AMP数替换系统中的节点数，单个查询的PE是否会更准确。此度量在DBQL中可用，可以帮助平衡使用PI或USI访问路径的查询，这些路径不都是AMP操作

通过将平均节点利用率除以最大节点利用率，可以使用恢复指标获得整个系统的并行效率。这有助于您理解系统如何处理给定的工作量，但不考虑工作量可能有多大。在这里，您可以看到总体效率大于60%，越接近100%，节点协同工作就越好

我知道您的查询是关于个人查询的，但我认为分享您环境的PE的详细信息也将是有益的