数据分布决定SQL写法

《数据分布决定sql写法》要点：
本文介绍了数据分布决定sql写法，希望对您有用。如果有疑问，可以联系我们。

这是2016年8月份上海MOORACLE大会上陈宏义老师(老K)分享的一个案例,将一个merge sql,通过改写成plsql的方式,大大提高了执行效率. 老虎刘在看到这个案例的时候,开始没有注意到执行计划里面显示的各表实际记录数,不认为plsql的改写方式比分析函数的写法更高效,还与陈老师有过几次邮件讨论,直到后来仔细查看了执行计划.

原sql如下：

merge into t_customer c using

(

select a.cstno,a.amount from t_Trade a,

(select cstno,max(Trade_date) Trade_date from t_Trade

group by cstno) b

where a.cstno = b.cstno and a.Trade_date=b.Trade_date

) m

on(c.cstno = m.cstno)

when matched then

update set c.amount = m.amount;

这个sql是将用户交易明细表(t_Trade )的最近的一笔消费额,更新到用户信息表(t_customer)的消费额字段,使用的是merge操作.

执行计划：

老虎刘注：

在没有掌握分析函数的写法前,sql的红色部分是group by后取其他字段信息的一个较为常见的写法,也是这个sql执行效率差的根本原因.

原sql还有一个隐患,就是如果t_Trade的某个cstno对应的最大Trade_date有重复,那么这个sql会报ORA-30926 错误无法执行.

如果不仔细看执行计划(两表的真实数据量信息),这种sql的惯用优化方法是使用分析函数改写：

改写方法1：   

merge into t_customer c using

(

select a.cstno,a.amount from

(select Trade_date,cstno,amount,

row_number()over(partition by cstno order by Trade_date desc) RNO from t_Trade)a

where RNO=1

)  m

on(c.cstno = m.cstno)

when matched then

update set c.amount = m.amount;

这种改写方法会比原sql效率提高很多,而且不存在某个cstno对应的max Trade_date 重复时报错的问题.

但是陈老师没有使用分析函数的改写方法,而是根据两表数据量相差较大的特点,将sql改写成一段更为高效的plsql：

改写方法2：

declare

vamount number;

begin

for v in (select * from t_customer )

loop

select amount into vamount from

(select amount from t_Trade where cstno=v.cstno order by Trade_date desc)

where rownum<2;

update t_customer set amount = vamount where cstno=v.cstno;

end loop

commit;

end;

/

根据原sql的执行计划我们知道,t_customer表的记录数比较少,只有1000多条,而t_Trade表有1000万条,比例为1:10000(不知道这是真实数据还是测试数据,只有1000多个用户,而且一个用户平均1万个消费明细,看起来不像真实数据).

在这样一个两表数据相差较大的特殊情况下,plsql写法确实是比分析函数的写法要高效.这个改写非常巧妙.

我们再来分析一下这两种改写的优缺点：

1、plsql的改写方式,适合在t_customer表比较小,而且t_customer 和 t_Trade 两表的记录数比例比较大的情况下,执行效率才会比分析函数的改写高一些.在本例中,如果t_customer表的记录数是10万,那么分析函数的写法反而要比plsql的写法快上几十到上百倍.

3、plsql这种改写的前提是必须存在t_Trade表cstno + Trade_date 两字段的联合索引.而分析函数的改写就不需要任何索引的支持.

4、对于t_Trade这种千万记录级别的表,使用分析函数的写法可以通过开启并行来提速；plsql的改写,如果要提高效率,需要先将t_customer表按cstno分组,用多个session并发执行.

我们再来看看,陈老师的这段plsql,是不是可以用单个sql来实现,我做了一个尝试,sql代码如下：

merge into t_customer c using

(

select tc.cstno,

(select amount

from t_Trade td1

where td1.cstno=tc.cstno and td1.Trade_date = (select max(Trade_date) from t_Trade td2 where tc.cstno = td2.cstno) and rownum=1 ) as amount

from t_customer tc

)  m

on(c.cstno = m.cstno)

when matched then

update set c.amount = m.amount;

执行计划大致如下：

这种写法也是需要t_Trade表存在cstno+Trade_date 联合索引(IDX_T_TradE),而且T_customer 表的数据量远低于T_Trade.

根据执行计划,这个sql的执行效率应该比plsql写法的效率不相上下.

总结：

sql优化,除了要避免低效的sql写法,主要还是要看表的数据量与数据分布情况,plsql的改写方法,在少数比较特殊的情况下会体现出较高的效率,在某些数据分布的情况下,效率可能还不如原sql.但是,优化思路非常值得借鉴.

而分析函数的改写方式,则不论数据如何分布,都会比原sql要高效,通用性更强.

对于本例改写前的sql,应该还有很多开发人员和DBA在使用,在了解了分析函数的使用方法后,原sql的低效写法就应该被彻底抛弃了.

最后的plsql改写成单sql,逻辑看起来比较复杂难懂,一般不会用到这样的改写,大家了解一下就好了.

还是那句话,优化无定式,优化器是死的,人脑是活的,只有掌握了原理,才能让sql执行效率越来越高.