[摘錄](méi)查詢的優(yōu)化

數(shù)據(jù)庫(kù)系統(tǒng)是管理信息系統(tǒng)的核心，基于數(shù)據(jù)庫(kù)的聯(lián)機(jī)事務(wù)處理（OLTP）以及聯(lián)機(jī)分析處理(OLAP)是銀行、企業(yè)、政府等部門(mén)最為重要的計(jì)算機(jī)應(yīng)用之一。從大多數(shù)系統(tǒng)的應(yīng)用實(shí)例來(lái)看，查詢操作在各種數(shù)據(jù)庫(kù)操作中所占據(jù)的比重最大，而查詢操作所基于的SELECT語(yǔ)句在SQL語(yǔ)句中又是代價(jià)最大的語(yǔ)句。舉例來(lái)說(shuō)，如果數(shù)據(jù)的量積累到一定的程度，比如一個(gè)銀行的賬戶數(shù)據(jù)庫(kù)表信息積累到上百萬(wàn)甚至上千萬(wàn)條記錄，全表掃描一次往往需要數(shù)十分鐘，甚至數(shù)小時(shí)。如果采用比全表掃描更好的查詢策略，往往可以使查詢時(shí)間降為幾分鐘，由此可見(jiàn)查詢優(yōu)化技術(shù)的重要性。
筆者在應(yīng)用項(xiàng)目的實(shí)施中發(fā)現(xiàn)，許多程序員在利用一些前端數(shù)據(jù)庫(kù)開(kāi)發(fā)工具（如PowerBuilder、Delphi等）開(kāi)發(fā)數(shù)據(jù)庫(kù)應(yīng)用程序時(shí)，只注重用戶界面的華麗，并不重視查詢語(yǔ)句的效率問(wèn)題，導(dǎo)致所開(kāi)發(fā)出來(lái)的應(yīng)用系統(tǒng)效率低下，資源浪費(fèi)嚴(yán)重。因此，如何設(shè)計(jì)高效合理的查詢語(yǔ)句就顯得非常重要。本文以應(yīng)用實(shí)例為基礎(chǔ)，結(jié)合數(shù)據(jù)庫(kù)理論，介紹查詢優(yōu)化技術(shù)在現(xiàn)實(shí)系統(tǒng)中的運(yùn)用。

分析問(wèn)題

許多程序員認(rèn)為查詢優(yōu)化是DBMS（數(shù)據(jù)庫(kù)管理系統(tǒng)）的任務(wù)，與程序員所編寫(xiě)的SQL語(yǔ)句關(guān)系不大，這是錯(cuò)誤的。一個(gè)好的查詢計(jì)劃往往可以使程序性能提高數(shù)十倍。查詢計(jì)劃是用戶所提交的SQL語(yǔ)句的集合，查詢規(guī)劃是經(jīng)過(guò)優(yōu)化處理之后所產(chǎn)生的語(yǔ)句集合。DBMS處理查詢計(jì)劃的過(guò)程是這樣的：在做完查詢語(yǔ)句的詞法、語(yǔ)法檢查之后，將語(yǔ)句提交給DBMS的查詢優(yōu)化器，優(yōu)化器做完代數(shù)優(yōu)化和存取路徑的優(yōu)化之后，由預(yù)編譯模塊對(duì)語(yǔ)句進(jìn)行處理并生成查詢規(guī)劃，然后在合適的時(shí)間提交給系統(tǒng)處理執(zhí)行，最后將執(zhí)行結(jié)果返回給用戶。在實(shí)際的數(shù)據(jù)庫(kù)產(chǎn)品(如Oracle、Sybase等)的高版本中都是采用基于代價(jià)的優(yōu)化方法，這種優(yōu)化能根據(jù)從系統(tǒng)字典表所得到的信息來(lái)估計(jì)不同的查詢規(guī)劃的代價(jià)，然后選擇一個(gè)較優(yōu)的規(guī)劃。雖然現(xiàn)在的數(shù)據(jù)庫(kù)產(chǎn)品在查詢優(yōu)化方面已經(jīng)做得越來(lái)越好，但由用戶提交的SQL語(yǔ)句是系統(tǒng)優(yōu)化的基礎(chǔ)，很難設(shè)想一個(gè)原本糟糕的查詢計(jì)劃經(jīng)過(guò)系統(tǒng)的優(yōu)化之后會(huì)變得高效，因此用戶所寫(xiě)語(yǔ)句的優(yōu)劣至關(guān)重要。系統(tǒng)所做查詢優(yōu)化我們暫不討論，下面重點(diǎn)說(shuō)明改善用戶查詢計(jì)劃的解決方案。 ?
解決問(wèn)題
下面以關(guān)系數(shù)據(jù)庫(kù)系統(tǒng)Informix為例，介紹改善用戶查詢計(jì)劃的方法。

1．合理使用索引
索引是數(shù)據(jù)庫(kù)中重要的數(shù)據(jù)結(jié)構(gòu)，它的根本目的就是為了提高查詢效率。現(xiàn)在大多數(shù)的數(shù)據(jù)庫(kù)產(chǎn)品都采用IBM最先提出的ISAM索引結(jié)構(gòu)。索引的使用要恰到好處，其使用原則如下：
●在經(jīng)常進(jìn)行連接，但是沒(méi)有指定為外鍵的列上建立索引，而不經(jīng)常連接的字段則由優(yōu)化器自動(dòng)生成索引。
●在頻繁進(jìn)行排序或分組（即進(jìn)行g(shù)roup by或order by操作）的列上建立索引。
●在條件表達(dá)式中經(jīng)常用到的不同值較多的列上建立檢索，在不同值少的列上不要建立索引。比如在雇員表的“性別”列上只有“男”與“女”兩個(gè)不同值，因此就無(wú)必要建立索引。如果建立索引不但不會(huì)提高查詢效率，反而會(huì)嚴(yán)重降低更新速度。
●如果待排序的列有多個(gè)，可以在這些列上建立復(fù)合索引（compound index）。
●使用系統(tǒng)工具。如Informix數(shù)據(jù)庫(kù)有一個(gè)tbcheck工具，可以在可疑的索引上進(jìn)行檢查。在一些數(shù)據(jù)庫(kù)服務(wù)器上，索引可能失效或者因?yàn)轭l繁操作而使得讀取效率降低，如果一個(gè)使用索引的查詢不明不白地慢下來(lái)，可以試著用tbcheck工具檢查索引的完整性，必要時(shí)進(jìn)行修復(fù)。另外，當(dāng)數(shù)據(jù)庫(kù)表更新大量數(shù)據(jù)后，刪除并重建索引可以提高查詢速度。

2．避免或簡(jiǎn)化排序
應(yīng)當(dāng)簡(jiǎn)化或避免對(duì)大型表進(jìn)行重復(fù)的排序。當(dāng)能夠利用索引自動(dòng)以適當(dāng)?shù)拇涡虍a(chǎn)生輸出時(shí)，優(yōu)化器就避免了排序的步驟。以下是一些影響因素：
●索引中不包括一個(gè)或幾個(gè)待排序的列；
●group by或order by子句中列的次序與索引的次序不一樣；
●排序的列來(lái)自不同的表。
為了避免不必要的排序，就要正確地增建索引，合理地合并數(shù)據(jù)庫(kù)表（盡管有時(shí)可能影響表的規(guī)范化，但相對(duì)于效率的提高是值得的）。如果排序不可避免，那么應(yīng)當(dāng)試圖簡(jiǎn)化它，如縮小排序的列的范圍等。

3．消除對(duì)大型表行數(shù)據(jù)的順序存取
在嵌套查詢中，對(duì)表的順序存取對(duì)查詢效率可能產(chǎn)生致命的影響。比如采用順序存取策略，一個(gè)嵌套3層的查詢，如果每層都查詢1000行，那么這個(gè)查詢就要查詢10億行數(shù)據(jù)。避免這種情況的主要方法就是對(duì)連接的列進(jìn)行索引。例如，兩個(gè)表：學(xué)生表（學(xué)號(hào)、姓名、年齡……）和選課表（學(xué)號(hào)、課程號(hào)、成績(jī)）。如果兩個(gè)表要做連接，就要在“學(xué)號(hào)”這個(gè)連接字段上建立索引。
還可以使用并集來(lái)避免順序存取。盡管在所有的檢查列上都有索引，但某些形式的where子句強(qiáng)迫優(yōu)化器使用順序存取。下面的查詢將強(qiáng)迫對(duì)orders表執(zhí)行順序操作：
SELECT ＊ FROM orders WHERE (customer_num=104 AND order_num>1001) OR order_num=1008
雖然在customer_num和order_num上建有索引，但是在上面的語(yǔ)句中優(yōu)化器還是使用順序存取路徑掃描整個(gè)表。因?yàn)檫@個(gè)語(yǔ)句要檢索的是分離的行的集合，所以應(yīng)該改為如下語(yǔ)句：
SELECT ＊ FROM orders WHERE customer_num=104 AND order_num>1001
UNION
SELECT ＊ FROM orders WHERE order_num=1008
這樣就能利用索引路徑處理查詢。

4．避免相關(guān)子查詢
一個(gè)列的標(biāo)簽同時(shí)在主查詢和where子句中的查詢中出現(xiàn)，那么很可能當(dāng)主查詢中的列值改變之后，子查詢必須重新查詢一次。查詢嵌套層次越多，效率越低，因此應(yīng)當(dāng)盡量避免子查詢。如果子查詢不可避免，那么要在子查詢中過(guò)濾掉盡可能多的行。

5．避免困難的正規(guī)表達(dá)式
MATCHES和LIKE關(guān)鍵字支持通配符匹配，技術(shù)上叫正規(guī)表達(dá)式。但這種匹配特別耗費(fèi)時(shí)間。例如：SELECT ＊ FROM customer WHERE zipcode LIKE “98_ _ _”
即使在zipcode字段上建立了索引，在這種情況下也還是采用順序掃描的方式。如果把語(yǔ)句改為SELECT ＊ FROM customer WHERE zipcode >“98000”，在執(zhí)行查詢時(shí)就會(huì)利用索引來(lái)查詢，顯然會(huì)大大提高速度。
另外，還要避免非開(kāi)始的子串。例如語(yǔ)句：SELECT ＊ FROM customer WHERE zipcode[2，3] >“80”，在where子句中采用了非開(kāi)始子串，因而這個(gè)語(yǔ)句也不會(huì)使用索引。




6．使用臨時(shí)表加速查詢
把表的一個(gè)子集進(jìn)行排序并創(chuàng)建臨時(shí)表，有時(shí)能加速查詢。它有助于避免多重排序操作，而且在其他方面還能簡(jiǎn)化優(yōu)化器的工作。例如：
SELECT cust.name，rcvbles.balance，……other columns
FROM cust，rcvbles
WHERE cust.customer_id = rcvlbes.customer_id
AND rcvblls.balance>0
AND cust.postcode>“98000”
ORDER BY cust.name
如果這個(gè)查詢要被執(zhí)行多次而不止一次，可以把所有未付款的客戶找出來(lái)放在一個(gè)臨時(shí)文件中，并按客戶的名字進(jìn)行排序：
SELECT cust.name，rcvbles.balance，……other columns
FROM cust，rcvbles
WHERE cust.customer_id = rcvlbes.customer_id
AND rcvblls.balance>0
ORDER BY cust.name
INTO TEMP cust_with_balance
然后以下面的方式在臨時(shí)表中查詢：
SELECT ＊ FROM cust_with_balance
WHERE postcode>“98000”
臨時(shí)表中的行要比主表中的行少，而且物理順序就是所要求的順序，減少了磁盤(pán)I/O，所以查詢工作量可以得到大幅減少。
注意：臨時(shí)表創(chuàng)建后不會(huì)反映主表的修改。在主表中數(shù)據(jù)頻繁修改的情況下，注意不要丟失數(shù)據(jù)。

7．用排序來(lái)取代非順序存取
非順序磁盤(pán)存取是最慢的操作，表現(xiàn)在磁盤(pán)存取臂的來(lái)回移動(dòng)。SQL語(yǔ)句隱藏了這一情況，使得我們?cè)趯?xiě)應(yīng)用程序時(shí)很容易寫(xiě)出要求存取大量非順序頁(yè)的查詢。
有些時(shí)候，用數(shù)據(jù)庫(kù)的排序能力來(lái)替代非順序的存取能改進(jìn)查詢。

實(shí)例分析

下面我們舉一個(gè)制造公司的例子來(lái)說(shuō)明如何進(jìn)行查詢優(yōu)化。制造公司數(shù)據(jù)庫(kù)中包括3個(gè)表，模式如下所示：
1．part表
零件號(hào)零件描述其他列
（part_num）（part_desc）（other column）
102，032Seageat 30G disk……
500，049Novel 10M network card……
……

2．vendor表
廠商號(hào)廠商名其他列
（vendor _num）（vendor_name） （other column）
910，257Seageat Corp……
523，045I(yíng)BM Corp……
……

3．parven表
零件號(hào)廠商號(hào)零件數(shù)量
（part_num）（vendor_num）（part_amount）
102，032910，2573,450,000
234，423321，0014，000，000
……

下面的查詢將在這些表上定期運(yùn)行，并產(chǎn)生關(guān)于所有零件數(shù)量的報(bào)表：
SELECT part_desc，vendor_name，part_amount
FROM part，vendor，parven
WHERE part.part_num=parven.part_num
AND parven.vendor_num = vendor.vendor_num
ORDER BY part.part_num
如果不建立索引，上述查詢代碼的開(kāi)銷將十分巨大。為此，我們?cè)诹慵?hào)和廠商號(hào)上建立索引。索引的建立避免了在嵌套中反復(fù)掃描。關(guān)于表與索引的統(tǒng)計(jì)信息如下：

表行尺寸行數(shù)量每頁(yè)行數(shù)量數(shù)據(jù)頁(yè)數(shù)量
（table）(row size)（Row count）（Rows/Pages）（Data Pages）
part15010，00025400
Vendor1501，000 2540
Parven13 15，000300 50
索引鍵尺寸每頁(yè)鍵數(shù)量頁(yè)面數(shù)量
（Indexes）(Key Size)（Keys/Page)(Leaf Pages）
part450020
Vendor45002
Parven825060

看起來(lái)是個(gè)相對(duì)簡(jiǎn)單的3表連接，但是其查詢開(kāi)銷是很大的。通過(guò)查看系統(tǒng)表可以看到，在part_num上和vendor_num上有簇索引，因此索引是按照物理順序存放的。parven表沒(méi)有特定的存放次序。這些表的大小說(shuō)明從緩沖頁(yè)中非順序存取的成功率很小。此語(yǔ)句的優(yōu)化查詢規(guī)劃是：首先從part中順序讀取400頁(yè)，然后再對(duì)parven表非順序存取1萬(wàn)次，每次2頁(yè)（一個(gè)索引頁(yè)、一個(gè)數(shù)據(jù)頁(yè)），總計(jì)2萬(wàn)個(gè)磁盤(pán)頁(yè)，最后對(duì)vendor表非順序存取1.5萬(wàn)次，合3萬(wàn)個(gè)磁盤(pán)頁(yè)。可以看出在這個(gè)索引好的連接上花費(fèi)的磁盤(pán)存取為5.04萬(wàn)次。
實(shí)際上，我們可以通過(guò)使用臨時(shí)表分3個(gè)步驟來(lái)提高查詢效率：

1．從parven表中按vendor_num的次序讀數(shù)據(jù)：
SELECT part_num，vendor_num，price
FROM parven
ORDER BY vendor_num
INTO temp pv_by_vn
這個(gè)語(yǔ)句順序讀parven（50頁(yè)），寫(xiě)一個(gè)臨時(shí)表（50頁(yè)），并排序。假定排序的開(kāi)銷為200頁(yè)，總共是300頁(yè)。

2．把臨時(shí)表和vendor表連接，把結(jié)果輸出到一個(gè)臨時(shí)表，并按part_num排序：
SELECT pv_by_vn，＊ vendor.vendor_num
FROM pv_by_vn，vendor
WHERE pv_by_vn.vendor_num=vendor.vendor_num
ORDER BY pv_by_vn.part_num
INTO TMP pvvn_by_pn
DROP TABLE pv_by_vn
這個(gè)查詢讀取pv_by_vn(50頁(yè))，它通過(guò)索引存取vendor表1.5萬(wàn)次，但由于按vendor_num次序排列，實(shí)際上只是通過(guò)索引順序地讀vendor表（40＋2=42頁(yè)），輸出的表每頁(yè)約95行，共160頁(yè)。寫(xiě)并存取這些頁(yè)引發(fā)5＊160=800次的讀寫(xiě)，索引共讀寫(xiě)892頁(yè)。

3．把輸出和part連接得到最后的結(jié)果：
SELECT pvvn_by_pn.＊，part.part_desc
FROM pvvn_by_pn，part
WHERE pvvn_by_pn.part_num=part.part_num
DROP TABLE pvvn_by_pn
這樣，查詢順序地讀pvvn_by_pn(160頁(yè))，通過(guò)索引讀part表1.5萬(wàn)次，由于建有索引，所以實(shí)際上進(jìn)行1772次磁盤(pán)讀寫(xiě)，優(yōu)化比例為30∶1。筆者在Informix Dynamic Sever上做同樣的實(shí)驗(yàn)，發(fā)現(xiàn)在時(shí)間耗費(fèi)上的優(yōu)化比例為5∶1(如果增加數(shù)據(jù)量，比例可能會(huì)更大)。

小結(jié)

20％的代碼用去了80％的時(shí)間，這是程序設(shè)計(jì)中的一個(gè)著名定律，在數(shù)據(jù)庫(kù)應(yīng)用程序中也同樣如此。我們的優(yōu)化要抓住關(guān)鍵問(wèn)題，對(duì)于數(shù)據(jù)庫(kù)應(yīng)用程序來(lái)說(shuō)，重點(diǎn)在于SQL的執(zhí)行效率。查詢優(yōu)化的重點(diǎn)環(huán)節(jié)是使得數(shù)據(jù)庫(kù)服務(wù)器少?gòu)拇疟P(pán)中讀數(shù)據(jù)以及順序讀頁(yè)而不是非順序讀頁(yè)。

posted on 2006-07-26 22:42 見(jiàn)酒就暈 閱讀(167) 評(píng)論(0)  編輯  收藏 所屬分類: J2EE文章