PG14里增加了一个可以缓存嵌套循环连接内参数化扫描的结果的功能，用enable_memoize来开启关闭，主要作用是：是否允许查询使用 memoize 来缓存嵌套循环连接内参数化扫描的结果。

什么是memoization

假设y = f(x)，memoization意味着我们可以在任何计算中用y替代f(x)。例如，无论你计算多少次UPPER(‘x’)，你总会得到’X’。如果这种函数的计算成本很高，并且只有很少的可能输入值，那么维护一个映射所有先前输入值的哈希图并使用它来查找已知（或至少是频繁的）值，而不是再次计算它们，这样的效率会很高。

PostgreSQL-14里的这个enable_memoize选项，可以决定是否缓存嵌套循环连接内参数化扫描的结果，这意味着优化器可以用仅取决于计算输入值的缓存值替换任何计算。相关子查询是一个函数，其输入参数是谓词和对外部查询列的其他引用。因此，相关子查询的结果可以被缓存或记忆。

这有点类似于ORACLE 11g 里引入的一项称为标量子查询缓存（scalar subquery caching）的功能，如果使用标量子查询缓存，ORACLE会将子查询结果缓存在哈希表中，如果后续的记录出现同样的值，优化器通过缓存在哈希表中的值，判断重复值不用重复调用函数，直接使用上次计算结果即可。从而减少调用函数次数，从而达到优化性能的效果。

测试enable_memoize选项

--两个表都有100000 行。
--t.j只有 5 个不同的值，每个值出现 20000 次。
--u.j有 20000 个不同的值，每个值出现 5 次。

CREATE TABLE t AS
SELECT i, i % 5 AS j 
FROM generate_series(1, 100000) AS t(i);
 
CREATE TABLE u AS
SELECT i, i % 20000 as j 
FROM generate_series(1, 100000) AS t(i);
 
CREATE INDEX uj ON u(j);
复制

开启enable_memoize选项后

postgres=# SET enable_memoize = ON;
SET
postgres=#  EXPLAIN (ANALYZE, COSTS OFF, TIMING OFF, BUFFERS)
postgres-# SELECT *
FROM t JOIN u ON t.j = u.j;
+-------------------------------------------------------------------------------+
|                                  QUERY PLAN                                   |
+-------------------------------------------------------------------------------+
| Nested Loop (actual rows=500000 loops=1)                                      |
|   Buffers: shared hit=483                                                     |
|   ->  Seq Scan on t (actual rows=100000 loops=1)                              |
|         Buffers: shared hit=448                                               |
|   ->  Memoize (actual rows=5 loops=100000)                                    |
|         Cache Key: t.j                                                        |
|         Cache Mode: logical                                                   |
|         Hits: 99995  Misses: 5  Evictions: 0  Overflows: 0  Memory Usage: 2kB |
|         Buffers: shared hit=35                                                |
|         ->  Index Scan using uj on u (actual rows=5 loops=5)                  |
|               Index Cond: (j = t.j)                                           |
|               Buffers: shared hit=35                                          |
| Planning:                                                                     |
|   Buffers: shared hit=6                                                       |
| Planning Time: 1.399 ms                                                       |
| Execution Time: 58.676 ms                                                     |
+-------------------------------------------------------------------------------+
(16 rows)
复制

关闭enable_memoize选项后

postgres=# SET enable_memoize = OFF;
SET
postgres=#  EXPLAIN (ANALYZE, COSTS OFF, TIMING OFF, BUFFERS)
SELECT *
FROM t JOIN u ON t.j = u.j;
+-----------------------------------------------------------+
|                        QUERY PLAN                         |
+-----------------------------------------------------------+
| Hash Join (actual rows=500000 loops=1)                    |
|   Hash Cond: (t.j = u.j)                                  |
|   Buffers: shared hit=896                                 |
|   ->  Seq Scan on t (actual rows=100000 loops=1)          |
|         Buffers: shared hit=448                           |
|   ->  Hash (actual rows=100000 loops=1)                   |
|         Buckets: 131072  Batches: 1  Memory Usage: 4931kB |
|         Buffers: shared hit=448                           |
|         ->  Seq Scan on u (actual rows=100000 loops=1)    |
|               Buffers: shared hit=448                     |
| Planning:                                                 |
|   Buffers: shared hit=6                                   |
| Planning Time: 0.317 ms                                   |
| Execution Time: 60.337 ms                                 |
+-----------------------------------------------------------+
(14 rows)
复制

参考文章

https://blog.jooq.org/postgresql-14s-enable_memoize-for-improved-performance-of-nested-loop-joins/