SQL性能优化策略之索引优化方法-技术圈

「数仓宝贝库」，带你学数据！

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。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 < to_date(sysdate + 1)           and d.fy_status in ('1', '2')           and sfxm_je > 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。

图1　SQL执行计划

AWR报告中的资源消耗信息如图2所示。

图2　AWR报告中的资源消耗信息

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。

图3　pat_inpat_order_cost表的字段信息

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。

图4　fy_status字段列的选择性

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。

图5　SQL绑定变量值获取情况

SQL> select count(*)  from his.pat_inpat_order_info c where c.yz_zxrq >= to_date(sysdate)   and c.yz_zxrq < to_date(sysdate + 1)   and c.yz_zfrq is null   and c.zylsh = 72706;

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"<TO_DATE(TO_CHAR       (SYSDATE@!+1)))   8 - filter(("SFXM_JE">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。

本文摘编于《DBA攻坚指南：左手Oracle，右手MySQL》，经出版方授权发布。

●6个方面揭秘数据仓库面试标准

●学会这7个绘图工具包，Matplotlib可视化也没那么难

●拒绝反爬虫！教你搞定爬虫验证码

●数据指标是什么？必知必会的数据指标类型都在这了

●一文了解滴滴与蚂蚁金服开源共建的SQLFlow

●数仓到底要分多少层？

●手把手教你建设数据指标体系

●17个知识点，教你打通数仓学习的任督二脉