共计 3834 个字符,预计需要花费 10 分钟才能阅读完成。
导读 | SQL 优化是优化工作中经常会涉及的问题,由于早期的开发人员往往只关注于 SQL 功能的实现,而忽略了性能。特别是复杂的 SQL,上线之后很少修改,一旦出现问题,即使是当初的开发人员自己也很难理清其中的业务逻辑,需要花费大量的时间去理解代码之间的关系,最终可能还是感觉无从下手。 |
SQL 优化是优化工作中经常会涉及的问题,由于早期的开发人员往往只关注于 SQL 功能的实现,而忽略了性能。特别是复杂的 SQL,上线之后很少修改,一旦出现问题,即使是当初的开发人员自己也很难理清其中的业务逻辑,需要花费大量的时间去理解代码之间的关系,最终可能还是感觉无从下手。因此开发人员前期应做好代码注释,避免编写过于复杂的 SQL 语句。本文为大家介绍一些生产环境中真实的常用索引优化方法。
遇到问题 SQL 时,大家可以根据各自的习惯使用不同的工具 (PL/SQL、TOAD 等) 对 SQL 进行格式化,我们需要重点关注的是 FROM 后面的表,以及包含 WHERE 语句的条件,然后通过 awrsqrpt 或 dbms_xplan 获取 SQL 的详细执行计划和资源消耗信息,业务案例中的 SQL 语句如下:
SQL> select sum(cggzl) cggzl, sum(qbgzl) qbgzl
from (select case
when zlxm_mc like '%2ê3?3£1??ì2é%' then
gzl
else
0
end cggzl,
case
when zlxm_mc like '%?3±í?÷1ù%' then
gzl
else
0
end qbgzl
from dictmanage.dict_zl_pro b,
his.pat_inpat_order_info c,
pat_inpat_order_cost d
where d.sfxm_id = b.zlxm_id
and c.yzjl_id = d.dyzy_yzjl_id
and zlxm_mc like '%2???%'
and c.yz_zxrq >= to_date(sysdate)
and c.yz_zxrq 0
and c.yz_zfrq is null
and c.zylsh = :in_zylsh)
SQL 的详细执行计划如图 1 所示。
AWR 报告中的资源消耗信息如图 2 所示。
上述代码所示的业务 SQL 语句通过三张表进行关联,最终返回的行数为个位数,从执行计划中我们可以看出,Id=0,CBO 计算总的 COST 为 123K,其中绝大部分的 COST 是由 Id=10 的表 pat_inpat_order_cost 全表扫描所产生的。此时,我们需要重点关注 pat_inpat_order_cost 与其他两张表格的关联情况,where 条件中,pat_inpat_order_cost 的 sfxm_id 和 dyzy_yzjl_id 除了与其他两张表的字段相关联之外,只有 fy_status 一个过滤条件,下面我们就来看下该列的选择性,代码如下:
SQL> select /*+ NO_MERGE LEADING(a b) */
b.owner,
b.table_name,
a.column_name,
b.num_rows,
a.num_distinct Cardinality,
ROUND(A.num_distinct * 100 / B.num_rows, 1) selectivity
from dba_tab_col_statistics a, dba_tables b
where a.owner = b.owner
and a.table_name = b.table_name
and a.owner = upper('his')
and a.table_name = upper('pat_inpat_order_cost')
and a.column_name = upper('fy_status');
pat_inpat_order_cost 表的字段信息如图 3 所示。
SQL> select count(*), FY_STATUS
from his.pat_inpat_order_cost c
group by FY_STATUS;
fy_status 字段列的选择性如图 4 所示。
由图 4 可知,fy_status 的选择性并不好,而且存在严重倾斜,语句中的固定写法 d.fy_status in (‘1’, ‘2’)几乎包含了所有记录,因此其并不是一个很好的过滤条件。where 条件中的大部分过滤条件均来自于 C 表 pat_inpat_order_info,而且 C 表与 D 表 pat_inpat_order_cost 的 sfxm_id 字段相关联。
整个 SQL 语句最终返回的行数为个位数,C 表通过 YZ_ZXRQ_IDX 索引范围扫描再回表进行过滤,获取绑定变量值,之后再进一步确认 C 表返回的行数,代码如下:
SQL> select sql_Id, name, datatype_string, last_captured, value_string
from v$sql_bind_capture
where sql_id = '18rwad2bgcxfa';
SQL 绑定变量值获取情况如图 5 所示。
SQL> select count(*)
from his.pat_inpat_order_info c
where c.yz_zxrq >= to_date(sysdate)
and c.yz_zxrq
带入绑定变量我们可以发现,这个查询返回的行数都保持在个位数,如果 C 表和 D 表采用嵌套连接的方式,C 表能作为驱动表与 D 表 pat_inpat_order_cost 相关联,被驱动表只需要在关联列上创建索引,即可大幅提升整个查询的效率,做法其实很简单,只需要在 sfxm_id 字段上创建索引即可,命令如下:
SQL> create index IDX_SFXM_ID on PAT_INPAT_ORDER_COST (SFXM_ID);
Plan hash value: 408580053
------------------------------------------------------------------------------------------------
| Id | Operation | Name | Rows | Bytes | Cost (%CPU)| Time |
------------------------------------------------------------------------------------------------
| 0 | SELECT STATEMENT | | | | 12 (100)| |
| 1 | SORT AGGREGATE | | 1 | 68 | | |
|* 2 | FILTER | | | | | |
| 3 | NESTED LOOPS | | 1 | 68 | 12 (0)| 00:00:01 |
| 4 | NESTED LOOPS | | 1 | 68 | 12 (0)| 00:00:01 |
| 5 | NESTED LOOPS | | 1 | 39 | 11 (0)| 00:00:01 |
|* 6 | TABLE ACCESS BY GLOBAL INDEX ROWID
| PAT_INPAT_ORDER_INFO | 1 | 21 | 5 (0)| 00:00:01 |
|* 7 | INDEX RANGE SCAN | YZ_ZXRQ_IDX | 4 | | 3 (0)| 00:00:01 |
|* 8 | TABLE ACCESS BY GLOBAL INDEX ROWID
| PAT_INPAT_ORDER_COST | 6 | 108 | 6 (0)| 00:00:01 |
|* 9 | INDEX RANGE SCAN | IDX_DYZY_YZJL_ID | 6 | | 2 (0)| 00:00:01 |
|* 10 | INDEX UNIQUE SCAN | DICT_ZL_PRO_PK | 1 | | 0 (0)| |
|* 11 | TABLE ACCESS BY INDEX ROWID | DICT_ZL_PRO | 1 | 29 | 1 (0)| 00:00:01 |
------------------------------------------------------------------------------------------------
Predicate Information (identified by operation id):
---------------------------------------------------
2 - filter(TO_DATE(TO_CHAR(SYSDATE@!+1))>TO_DATE(TO_CHAR(SYSDATE@!)))
6 - filter(("C"."ZYLSH"=TO_NUMBER(:IN_ZYLSH) AND "C"."YZ_ZFRQ" IS NULL))
7 - access("C"."YZ_ZXRQ">=TO_DATE(TO_CHAR(SYSDATE@!)) AND "C"."YZ_ZXRQ"0 AND INTERNAL_FUNCTION("D"."FY_STATUS")))
9 - access("C"."YZJL_ID"="D"."DYZY_YZJL_ID")
10 - access("D"."SFXM_ID"="B"."ZLXM_ID")
11 - filter("ZLXM_MC" LIKE '% 部位 %')
创建索引之后,整个执行计划按照我们设想的方式进行,SQL 执行时间也从原来的 24 分钟缩短到 1 秒,速度提升了上千倍。
上述案例介绍了一种最简单的 SQL 优化方式,在大多数情况下,我们很难让开发商修改应用,因此索引的优化在 SQL 优化工作中显得尤为重要。
![post-qrcode](https://www.xgss.net/wp-content/uploads/2023/07/二维码-微信公众号256x256.jpg)