資料庫系統是管理資訊系統的核心,以資料庫為基礎的線上事務處理(OLTP)以及線上分析處理(OLAP)是銀行、企業、政府等部門最為重要的電腦應用之一。本文以應用實例為基礎,結合資料庫理論,介紹查詢最佳化技術在現實系統中的運用。 從大多數系統的應用實例來看,查詢操作在各種資料庫操作中所佔據的比重最大,而查詢操作所基於的SELECT語句在SQL語句中又是代價最大的語句。舉例來說,如果資料的量累積到一定的程度,例如一個銀行的帳戶資料庫表格資訊累積到上百萬甚至上千萬筆記錄,全表掃描一次往往需要數十分鐘,甚至數小時。如果採用比全表掃描更好的查詢策略,往往可以使查詢時間降為幾分鐘,由此可見查詢最佳化技術的重要性。
筆者在應用專案的實作中發現,許多程式設計師在利用一些前端資料庫開發工具(如PowerBuilder、Delphi等)開發資料庫應用程式時,只注重使用者介面的華麗,並不重視查詢語句的效率問題,導致所開發出來的應用系統效率低下,資源浪費嚴重。因此,如何設計高效率且合理的查詢語句就顯得非常重要。本文以應用實例為基礎,結合資料庫理論,介紹查詢最佳化技術在現實系統中的運用。
分析問題
許多程式設計師認為查詢最佳化是DBMS(資料庫管理系統)的任務,與程式設計師所寫的SQL語句關係不大,這是錯誤的。一個好的查詢計劃往往可以使程式效能提高數十倍。查詢計畫是使用者所提交的SQL語句的集合,查詢規劃是經過最佳化處理之後所產生的語句集合。 DBMS處理查詢計畫的過程是這樣的:在做完查詢語句的詞法、語法檢查之後,將語句提交給DBMS的查詢優化器,優化器做完代數優化和訪問路徑的優化之後,由預編譯模組對語句進行處理並產生查詢規劃,然後在適當的時間提交給系統處理執行,最後將執行結果傳回給使用者。在實際的資料庫產品(如Oracle、Sybase等)的高版本中都是採用基於代價的最佳化方法,這種最佳化能根據從系統字典表所得到的資訊來估計不同的查詢規劃的代價,然後選擇一個較優的規劃。雖然現在的資料庫產品在查詢最佳化方面已經做得越來越好,但由使用者提交的SQL語句是系統最佳化的基礎,很難設想一個原本糟糕的查詢計畫經過系統的最佳化之後會變得高效,因此使用者所寫語句的優劣至關重要。系統所做查詢優化我們暫不討論,以下重點說明改善使用者查詢計畫的解決方案。
解決問題
以下以關聯式資料庫系統Informix為例,介紹改善使用者查詢計畫的方法。
1.合理使用索引
索引是資料庫中重要的資料結構,它的根本目的就是為了提高查詢效率。現在大多數的資料庫產品都採用IBM最早提出的ISAM索引結構。索引的使用要恰到好處,其使用原則如下:
●在經常進行連接,但是沒有指定為外鍵的列上建立索引,而不經常連接的欄位則由最佳化器自動產生索引。
●在經常進行排序或分組(即進行group by或order by操作)的欄位上建立索引。
●在條件式中常用到的不同值較多的列上建立檢索,在不同值少的列上不要建立索引。例如在僱員表的「性別」欄位上只有「男」與「女」兩個不同值,因此就無必要建立索引。如果建立索引不但不會提高查詢效率,反而會嚴重降低更新速度。
●如果待排序的欄位有多個,可以在這些欄位上建立複合索引(compound index)。
●使用系統工具。如Informix資料庫有一個tbcheck工具,可以在可疑的索引上進行檢查。在某些資料庫伺服器上,索引可能失效或因為頻繁操作而使得讀取效率降低,如果一個使用索引的查詢不明不白地慢下來,可以試著用tbcheck工具檢查索引的完整性,必要時進行修復。另外,當資料庫表更新大量資料後,刪除並重建索引可以提高查詢速度。
2.避免或簡化排序
應簡化或避免對大型表進行重複的排序。當能夠利用索引自動以適當的順序產生輸出時,優化器就避免了排序的步驟。以下是一些影響因素:
●索引中不包括一個或幾個待排序的列;
●group by或order by子句中列的次序與索引的次序不一樣;
●排序的欄位來自不同的表。
為了避免不必要的排序,就要正確地增建索引,合理地合併資料庫表(儘管有時可能影響表的規範化,但相對於效率的提高是值得的)。如果排序不可避免,那麼應試圖簡化它,如縮小排序的列的範圍等。
3.消除對大型表行資料的順序訪問
在巢狀查詢中,對錶的順序存取對查詢效率可能產生致命的影響。例如採用順序存取策略,一個嵌套3層的查詢,如果每層都查詢1000行,那麼這個查詢就要查詢10億行資料。避免這種情況的主要方法就是對連接的列進行索引。例如,兩個表:學生表(學號、姓名、年齡…)和選課表(學號、課程號、成績)。如果兩個表格要做連接,就要在「學號」這個連接欄位上建立索引。
也可以使用並集來避免順序訪問。儘管在所有的檢查列上都有索引,但某些形式的where子句強迫最佳化器使用順序存取。以下的查詢將強迫對orders表執行順序操作: SELECT * FROM orders WHERE (customer_num=104 AND order_num>1001) OR order_num=1008
雖然在customer_num和order_num上建有索引,但在上面的語句中優化器還是使用順序存取路徑掃描整個表。因為這個語句要檢索的是分離的行的集合,所以應該改為如下語句:
SELECT * FROM orders WHERE customer_num=104 AND order_num>1001
UNION
SELECT * FROM orders WHERE order_num=1008
這樣就能利用索引路徑處理查詢。
4.避免相關子查詢
一個列的標籤同時在主查詢和where子句中的查詢中出現,那麼很可能當主查詢中的列值改變之後,子查詢必須重新查詢一次。查詢嵌套層次越多,效率越低,因此應盡量避免子查詢。如果子查詢不可避免,那麼要在子查詢中過濾掉盡可能多的行。
5.避免困難的正規表達式
MATCHES和LIKE關鍵字支援通配符匹配,技術上叫做正規表達式。但這種匹配特別耗費時間。例如:SELECT * FROM customer WHERE zipcode LIKE “98_ _ _”
即使在zipcode欄位上建立了索引,在這種情況下還是採用順序掃描的方式。如果把語句改為SELECT * FROM customer WHERE zipcode >“98000”,在執行查詢時就會利用索引來查詢,顯然會大大提高速度。
另外,也要避免非開始的子字串。例如語句:SELECT * FROM customer WHERE zipcode[2,3]>“80”,在where子句中採用了非開始子字串,因而這個語句也不會使用索引。
6.使用臨時表加速查詢
把表的一個子集進行排序並建立臨時表,有時能加速查詢。它有助於避免多重排序操作,而且在其他方面還能簡化優化器的工作。例如: SELECT cust.name,rcVBles.balance,…other columns
SELECT cust.name,rcVBles.balance,…other columns
FROM cust,rcvbles
WHERE cust.customer_id = rcvlbes.customer_id
AND rcvblls.balance>0
AND cust.postcode>“98000”
ORDER BY cust.name
如果這個查詢要被執行多次而不只一次,可以把所有未付款的客戶找出來放在一個臨時檔案中,並按客戶的名字進行排序: SELECT cust.name,rcvbles.balance,…other columns
SELECT cust.name,rcvbles.balance,…other columns
FROM cust,rcvbles
WHERE cust.customer_id = rcvlbes.customer_id
AND rcvblls.balance>0
ORDER BY cust.name
INTO TEMP cust_with_balance
然後以下面的方式在臨時表中查詢: SELECT * FROM cust_with_balance
WHERE postcode>“98000”
臨時表中的行要比主表中的行少,而且物理順序就是所要求的順序,減少了磁碟I/O,所以查詢工作量可以大幅減少。
注意:臨時表建立後不會反映主表的修改。在主表中資料頻繁修改的情況下,請注意不要遺失資料。
7.用排序取代非順序訪問
非順序磁碟存取是最慢的操作,表現在磁碟存取臂的來回移動。 SQL語句隱藏了這個情況,使得我們在寫應用程式時很容易寫出要求訪問大量非順序頁的查詢。有些時候,用資料庫的排序能力來取代非順序的存取能改善查詢。
-