数据库性能优化:SQL增加DISTINCT后查询效率反而提高
【云和恩墨,提供7*24最专业的数据恢复(Oracle,MySQL,SQL server)服务,致力于为您的数据库系统做最后一道安全防护!服务热线:010-59007017-7030】数据恢复|数据库运维|性能优化|安全保障
只要增加了DISTINCT关键字,Oracle就会对随后跟着的所有字段进行排序去重。以前也经常发现由于开发人员对SQL不是很理解,在SELECT列表的20多个字段前面添加了DISTINCT,造成查询的执行异常缓慢,基本上很难在ORA-1555错误出现之前得到查询的结果,甚至有些SQL会产生ORA-7445错误。所以在给开发人员培训的时候还着重介绍了一下DISTINCT的功能以及不正确地使用DISTINCT所带来的性能方面的负面影响。
不过这次碰到了一个有趣的现象:开发人员在测试一个比较复杂的SQL时发现如果SQL中加上了DISTINCT,则查询大概要花费4分钟左右;而如果不加DISTINCT,则查询执行了10多分钟仍然没有返回结果。
根据这样的描述,首先想到的是可能DISTINCT是在查询的最内层,由于加上DISTINCT使得第一步的结果集缩小了,从而导致查询性能的提高。但一看SQL才发现,DISTINCT居然是在查询的最外层。
由于原始SQL很复杂,牵扯太多的表,很难表述清楚。因此这里模拟了一个例子,这个例子由于受到数据量和SQL复杂程度的限制,所以是否添加DISTINCT对SQL执行时间没有太大的影响,但是两个SQL逻辑读的差异还是可以说明一定问题的。
首先建立模拟环境:
SQL> CREATE TABLE T1 AS SELECT * FROMDBA_OBJECTS
2 WHERE OWNER = 'SYS'
3 AND OBJECT_TYPE NOT LIKE '%BODY' AND OBJECT_TYPENOT LIKE 'JAVA%';
Table created.
SQL> CREATE TABLE T2 AS SELECT * FROMDBA_SEGMENTS WHERE OWNER = 'SYS';
Table created.
SQL> CREATE TABLE T3 AS SELECT * FROMDBA_INDEXES WHERE OWNER = 'SYS';
Table created.
SQL> ALTER TABLE T1 ADD CONSTRAINT PK_T1PRIMARY KEY (OBJECT_NAME);
Table altered.
SQL> CREATE INDEX IND_T2_SEGNAME ONT2(SEGMENT_NAME);
Index created.
SQL> CREATE INDEX IND_T3_TABNAME ONT3(TABLE_NAME);
Index created.
SQL> EXEC DBMS_STATS.GATHER_TABLE_STATS(USER,'T1', METHOD_OPT => 'FOR ALL INDEXED COLUMNS SIZE 100', CASCADE => TRUE)
PL/SQL procedure successfully completed.
SQL> EXEC DBMS_STATS.GATHER_TABLE_STATS(USER,'T2', METHOD_OPT => 'FOR ALL INDEXED COLUMNS SIZE 100', CASCADE => TRUE)
PL/SQL procedure successfully completed.
SQL> EXEC DBMS_STATS.GATHER_TABLE_STATS(USER,'T3', METHOD_OPT => 'FOR ALL INDEXED COLUMNS SIZE 100', CASCADE => TRUE)
PL/SQL procedure successfully completed.
下面看看原始SQL和增加DISTINCT后的差别:
SQL> SET AUTOT TRACE
SQL> SELECT T1.OBJECT_NAME, T1.OBJECT_TYPE,T2.TABLESPACE_NAME
2 FROM T1, T2 WHERE T1.OBJECT_NAME = T2.SEGMENT_NAMEAND T1.OBJECT_NAME IN
3 (SELECT INDEX_NAME FROM T3 WHERE T3.TABLESPACE_NAME= T2.TABLESPACE_NAME);
311 rows selected.
Execution Plan
----------------------------------------------------------
0 SELECT STATEMENT Optimizer=CHOOSE(Cost=12 Card=668 Bytes=62124)
1 0 HASH JOIN (SEMI) (Cost=12 Card=668 Bytes=62124)
2 1 HASHJOIN (Cost=9 Card=668 Bytes=39412)
3 2 TABLE ACCESS (FULL) OF 'T2' (Cost=2 Card=668Bytes=21376)
4 2 TABLE ACCESS (FULL) OF 'T1' (Cost=6 Card=3806Bytes=102762)
5 1 TABLE ACCESS (FULL) OF 'T3' (Cost=2 Card=340Bytes=11560)
Statistics
----------------------------------------------------------
93 consistentgets
0 sorts (memory)
0 sorts (disk)
311 rowsprocessedSQL> SELECT DISTINCT T1.OBJECT_NAME,T1.OBJECT_TYPE, T2.TABLESPACE_NAME
2 FROM T1, T2 WHERE T1.OBJECT_NAME= T2.SEGMENT_NAME AND T1.OBJECT_NAME IN
3 ( SELECT INDEX_NAME FROM T3 WHERET3.TABLESPACE_NAME = T2.TABLESPACE_NAME);
311 rows selected.
Execution Plan
----------------------------------------------------------
0 SELECT STATEMENT Optimizer=CHOOSE(Cost=16 Card=1 Bytes=93)
1 0 SORT (UNIQUE) (Cost=16 Card=1 Bytes=93)
2 1 HASH JOIN (Cost=12 Card=1 Bytes=93)
3 2 HASH JOIN (Cost=5 Card=668 Bytes=44088)
4 3 TABLE ACCESS (FULL) OF 'T3' (Cost=2 Card=340Bytes=11560)
5 3 TABLE ACCESS (FULL) OF 'T2' (Cost=2 Card=668Bytes=21376)
6 2 TABLE ACCESS (FULL) OF 'T1' (Cost=6 Card=3806Bytes=102762)
Statistics
----------------------------------------------------------
72 consistent gets
1 sorts (memory)
311 rows processed
从SQL执行的统计信息可以看出,添加DISTINCT后,语句的逻辑读数量反而比不加DISTINCT要低。为什么会产生这种情况,这还要从执行计划说起。
对于不加DISTINCT的情况:由于使用IN子查询,Oracle对第二个连接采用了HASH JOIN SEMI,这种方式相对于普通的HASHJOIN来说代价要大一些。
如果添加了DISTINCT:CBO清楚知道在最后一步肯定要进行排序去重的操作,因此在连接时就选择了HASH JOIN作为连接方式。这就是加上了DISTINCT后,逻辑读反而减少的原因。不过加上DISTINCT后,执行计划增加了一个排序操作;而在不加DISTINCT时是没有这个操作的。
当连接的表数据量很大,但SELECT的最终结果并不是很多,且SELECT列数也不是很多的时候,加上DISTINCT后,增加的排序的代价要小于SEMIJOIN连接的代价。这就是增加一个DISTINCT操作,查询效率反而提高的真正原因。
最后要说明一点,举这个例子意在说明:优化时没有什么东西是一成不变的,几乎任何事情都有可能发生,不要被一些所谓规则限制住。
这篇文章并不是在介绍一种优化SQL的方法,严格意义上讲,加上DISTINCT和不加DISTINCT是两个完全不同的SQL语句。虽然在这个例子中二者是等价的,但这是表结构、约束条件和数据本身共同限制的结果,换成另一个环境,这两个SQL得到的结果可能会相去甚远。因此这两个SQL实际上并不等价,不要试图将本文的例子作为优化时的一种方法。