SQL性能优化之索引优化法

28次阅读

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。

SQL 性能优化之索引优化法

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。

SQL 性能优化之索引优化法

AWR 报告中的资源消耗信息如图 2 所示。

SQL 性能优化之索引优化法

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 性能优化之索引优化法

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。

SQL 性能优化之索引优化法

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 性能优化之索引优化法

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。

阿里云 2 核 2G 服务器 3M 带宽 61 元 1 年，有高配
腾讯云新客低至 82 元 / 年，老客户 99 元 / 年
代金券：在阿里云专用满减优惠券