在数据分析领域里,相关标量子查询无疑是一把双刃剑:它功能强大,能解决许多复杂问题,同时又因其复杂性给数据库优化器带来了不小的挑战。当前,只有像Oracle这样的商业数据库巨头在这方面做得相对出色[1],在国产数据库领域,也只有PolarDB对其提供了一定的支持[2]。
除了PolarDB,领先的SQL优化引擎PawSQL也提供了对相关标量子查询进行基于成本的重写优化;此外,PawSQL还会合并查询中的多个类似标量子查询,从而进一步提升标量子查询优化的性能。
🌟 相关标量子查询
在SQL的世界里,相关标量子查询(Correlated Scalar Subquery)是一种强大的工具,它允许子查询依赖于外部查询的列值。这与那些独立于外部查询的非相关标量子查询形成鲜明对比。相关标量子查询通过引用外部查询中的列,为每一行数据计算子查询的结果。
示例:
SELECT employee_name
FROM employees e
WHERE salary > (SELECT AVG(salary)
FROM employees
WHERE department_id = e.department_id);
在这个例子中,子查询计算每个部门的平均薪资,并与主查询中的salary
进行比较,展示了相关标量子查询的强大功能。
🏎️ 性能挑战:数据库优化器的视角
相关标量子查询虽然强大,但也给数据库优化器带来了不小的挑战:
-
重复计算:在大数据集上,子查询可能会被重复计算,影响性能。
-
高计算开销:复杂的计算,如聚合函数,可能导致查询性能下降。
-
查询重写难题:将标量子查询转换为连接操作或其他形式并不总是容易的。
-
数据依赖性:优化效果依赖于数据分布和表结构,需要优化器灵活应对。
对于相关标量子查询,解关联后的性能并不总是优于关联子查询,所以仅仅依靠启发式算法的重写无法完成性能优化的目标,需要使用基于代价的重写优化策略。目前,只有少数数据库如Oracle[1]和PolarDB[2]实现了这些高级优化技术。
🚀PawSQL:相关标量子查询优化的新境界
PawSQL优化引擎通过以下方式优化相关标量子查询:
-
基于代价的重写:支持条件和选择列中的标量子查询重写优化。
-
合并重写:合并多个结构相似的标量子查询,减少计算量。
🎯 案例
1. 原始查询:原查询使用了两个相关标量子查询,分别计算每个客户在特定日期的订单总价和订单数量。这种结构通常效率较低,因为需要为每个客户重复执行两个子查询。
SELECT c_custkey,
(SELECT SUM(o_totalprice)
FROM ORDERS
WHERE o_custkey = c_custkey AND o_orderdate = '2020-04-16') AS total,
(SELECT COUNT(*)
FROM ORDERS
WHERE o_custkey = c_custkey AND o_orderdate = '2020-04-16') AS cnt
FROM CUSTOMER
2. 重写后的查询:PawSQL优化引擎将两个相关子查询合并为一个派生表(derived table),然后通过外连接(left outer join)与主查询关联。
SELECT /*QB_1*/ c_custkey, SUM_ AS total, count_ AS cnt
FROM CUSTOMER LEFT OUTER JOIN (
SELECT o_custkey, SUM(o_totalprice) AS SUM_, COUNT(*) AS count_
FROM ORDERS
WHERE o_orderdate = '2020-04-16'
GROUP BY o_custkey) AS SQ ON o_custkey = c_custkey
3. 执行计划改进:
-
通过预先聚合 orders 表的数据,大大减少了需要处理的数据量
-
消除了重复的子查询执行,将两个子查询合并为一个
-
使用哈希连接来高效地关联 customer 和聚合后的 orders 数据
4. 性能提升:从执行计划可以看到,优化后,性能提升了1131.26%!
🌟总结
这个优化案例展示了PawSQL对于相关标量子查询重写技术的有效性。通过将多个相关子查询合并为一个派生表,并使用外连接,优化器能够显著减少重复计算和数据访问。通过PawSQL,您可以在MySQL、PostgreSQL、openGauss等数据库上,体验Oracle般的重写优化能力。
🌐 关于PawSQL
PawSQL专注于数据库性能优化自动化和智能化,提供的解决方案覆盖SQL开发、测试、运维的整个流程,广泛支持MySQL、PostgreSQL、OpenGauss、Oracle等主流商用和开源数据库,以及openGauss,人大金仓、达梦等国产数据库,为开发者和企业提供一站式的创新SQL优化解决方案;有效解决了数据库SQL性能及质量问题,提升了数据库系统的稳定性、应用性能和基础设施利用率,为企业节省了大量的运维成本和时间投入。
PawSQL产品家族
-
PawSQL优化平台 - 面向应用开发者,只需三步即可智能优化SQL性能。该平台提供丰富的查询重写功能、智能索引推荐以及自动化性能验证,通过语义等价转换和执行计划分析,最大限度提升SQL执行效率。
-
PawSQL审核平台 - 面向DevOps管控人员,集成完备的审核规则集,能覆盖数据定义语言(DDL)、数据操作语言(DML)、数据查询语言(DQL)等各种SQL语法,审核准确率高达95%,有效提升SQL代码质量。
-
PawSQL巡检平台 - 面向数据库运维人员,具备自动化采集和分析慢查询的能力,并提供专业的SQL优化建议。同时支持对数据库对象如表、索引等进行审核巡检,及时发现并规避潜在风险。
PawSQL往期文章精选
-
获取更多关于PawSQL的信息,点击关注PawSQL公众号👇👇👇