OceanBase数据库作为国产自主可控的分布式数据库，凭借其高可用性、强一致性和高性能等特点，在金融、电商、政务等领域得到广泛应用。随着业务规模的扩大和数据量的激增，优化OceanBase数据库的查询性能变得愈发重要。PawSQL为OceanBase数据库提供了全方位的性能优化支持，助力用户充分发挥OceanBase数据库的性能潜力。

一、优化核心技术​

PawSQL针对Oceanbase数据库，推出两大专项能力：

1. Oceanbase深度SQL语法支持

• 双模式兼容：完整支持MySQL/Oracle语法体系

• 完整解析OceanBase特有DDL语法：

  CREATE TABLE nation_d (
      n_nationkey INTEGER NOT NULL PRIMARY KEY,
      n_name CHAR(25) NOT NULL,
      n_regionkey INTEGER NOT NULL,
      n_comment VARCHAR(152)
  ) duplicate_scope = cluster/none;
  
  CREATE TABLE part (
      p_partkey int NOT NULL PRIMARY KEY,
      p_name VARCHAR(55) NOT NULL,
      p_mfgr CHAR(25) NOT NULL,
      p_brand CHAR(10) NOT NULL,
      p_type VARCHAR(25) NOT NULL,
      p_size NUMBER NOT NULL,
      p_container CHAR(10) NOT NULL,
      p_retailprice NUMBER(15,2) NOT NULL,
      p_comment VARCHAR(23)
  ) PARTITION BY HASH(p_partkey) PARTITIONS 16;
  

2. 规则体系升级

• 新增三项分布式设计规范：

  • 避免表关联字段不是分布键
  • 分布式数据库的DML应避免表关联
  • 分布式数据库中DML操作没有分片字段的等值条件

• 新增三项分布键设计规范

  • 分布式数据库不建议创建本地表
  • 分布键不建议使用多个字段
  • 分布键应使用区分度大的字段

  新增两项分布策略设计规范

  • 大表不建议使用复制(Replicated)分布
  • 分布方式建议使用hash分布

二、SQL全生命周期产品矩阵​

2.1 开发测试阶段：智能SQL优化​

PawSQL优化平台是一个面向应用开发和测试人员的一站式在线SQL优化工具，整合了业界关于关系数据库查询优化的最佳实践，通过查询重写优化、智能索引推荐，帮助应用开发人员及数据库管理人员一站式解决SQL性能问题。PawSQL优化平台已经完成了和常用IDE的集成，让开发人员不用离开开发环境即可进行SQL优化。

PawSQL优化平台是一款面向开发者和DBA的在线SQL优化工具，集成了业界领先的查询优化技术，包括：

• 智能查询重写：自动优化低效SQL语句
• 索引推荐引擎：精准推荐最优索引组合
• 分布式优化策略：针对OceanBase的分布式特性，提供专属优化建议

2.2 代码集成阶段：智能SQL审核​

PawSQL审核平台凭借其领先的核心技术，如自研SQL解析器、基于语法树的规则匹配和上下文信息更新，为SQL质量管理团队提供全面且精准（正确率超过95%）的智能SQL审核能力。它从语法规范、性能效率、安全性等多个维度进行全面检查，并提供针对性的优化建议，助力企业提升SQL性能和应用程序效率。

针对OceanBase数据库的分布式特性，PawSQL提供专门的分布式查询优化建议，其适用规则数据超过了190个。

2.3 运维阶段：性能巡检平台​

PawSQL数据库性能巡检平台自动定期抓取数据库中产生的慢查询，并提供SQL优化建议，包括自动SQL重写、智能索引推荐、现有冗余索引分析等；自动定期对数据库中的对象进行巡检，识别可能的性能、安全性、可维护性等问题隐患，并提供优化建议。

三. 总结​

PawSQL for OceanBase数据库为您提供一站式的性能优化解决方案。从日常查询优化到复杂的分布式场景处理，PawSQL都能助您轻松应对。🚀 立即体验PawSQL，释放OceanBase数据库的性能潜力！

💡 简介​

PawSQL for Jetbrains(PawSQL Client) 是一款强大的 Jetbrains 插件，它将 PawSQL 引擎的智能 SQL 优化能力无缝集成到您的开发环境中，支持智能索引推荐、查询重写和自动化性能验证。通过与PawSQL Cloud(https://pawsql.com) 或企业私域部署的 PawSQL 优化平台配合使用，为开发者提供一键 SQL 性能优化的能力。

🎯 在IDEA/DataGrip里一键优化SQL​

选择待优化的SQL文本，点击鼠标右键，选择在哪个工作空间进行SQL优化

✨ 核心特性​

• 🚀 一键优化 - 智能分析并优化 SQL 查询性能
• 📊 索引优化 - 智能推荐最优索引组合，全面提升查询效率
• 🔄 查询重写 - 自动生成性能更优的等价 SQL 语句
• 📈 性能验证 - 精确量化优化效果，提供详实的性能提升数据

🔧 安装指南​

在线安装​

1. 启动 Jetbrains IDE工具(譬如 IDEA/DataGrip)
2. 在Plugins中搜索 "PawSQL Client" 并安装

本地安装​

1. 在插件主页，选择合适的插件版本，点击下载到本地

2. 在插件管理页面点击本地安装

⚙️ 首次配置​

1. 在配置界面填写以下信息：

• PawSQL Server 的后端地址（如：https://pawsql.com）

• 账号信息

• 密码

3. 点击保存完成配置

🌐 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，广泛支持包括KingbaseES 在内的多种主流商用和开源数据库，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。

💡 简介​

PawSQL for VSCode 是一款强大的 VSCode 插件，它将 PawSQL 引擎的智能 SQL 优化能力无缝集成到您的开发环境中，支持智能索引推荐、查询重写和自动化性能验证。通过与PawSQL Cloud(https://pawsql.com) 或企业私域部署的 PawSQL 优化平台配合使用，为开发者提供全方位的 SQL 性能优化解决方案。

🎯 在VSCode里一键优化SQL​

方法1. 点击 SQL 语句上方的 "Optimize" 按钮,使用默认工作空间进行优化

方法2. 点击 "Optimize..." 按钮，从下拉菜单选择目标工作空间开始优化分析

✨ 核心特性​

• 🚀 一键优化 - 智能分析并优化 SQL 查询性能
• 📊 索引优化 - 智能推荐最优索引组合，全面提升查询效率
• 🔄 查询重写 - 自动生成性能更优的等价 SQL 语句
• 📈 性能验证 - 精确量化优化效果，提供详实的性能提升数据

🔧 安装指南​

1. 启动 Visual Studio Code
2. 使用快捷键打开扩展市场：

• Windows: Ctrl+Shift+X
• macOS: Cmd+Shift+X
• 搜索 "PawSQL" 并安装

⚙️ 首次配置​

1. 点击 VS Code 左侧活动栏中的 PawSQL 图标
2. 在配置界面填写以下信息：

• PawSQL Server 地址（如：https://pawsql.com）

• 账号信息

• 密码

3. 点击保存完成配置

🌐 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，广泛支持包括KingbaseES 在内的多种主流商用和开源数据库，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。

0. 概述​

在国内信创的大背景下，金仓数据库KingbaseES和达梦数据库作为国内领先的自主可控数据库管理系统，在政府、金融、电信等关键领域扮演着举足轻重的角色。随着数据量的激增和业务复杂度的提升，国产数据库的SQL查询成为了确保业务流畅运行的关键。PawSQL，作为一款专业的数据库性能优化工具，覆盖SQL开发、测试、运维的整个流程，为金仓KingbaseES和达梦数据库提供了全面的优化支持，助力用户充分释放数据库的性能潜力。

1. 纳管数据库​

工作空间是SQL优化的工作环境，PawSQL支持两种方式为金仓KES/达梦数据库创建SQL优化任务的工作空间：

离线 - DDL解析：通过解析数据库的DDL文件，构建工作空间。

在线 - 元数据获取：直接从KingbaseES 数据库中获取元数据，快速建立工作空间。

2. 可配置的SQL审查​

PawSQL为金仓KES/达梦数据库的应用开发人员提供智能SQL审核功能，确保代码的准确性、效率、可读性、可维护性和安全性。

3. 丰富的查询重写优化​

PawSQL提供基于启发式规则和基于代价的SQL重写优化算法，为KingbaseES 推荐语义上等价但性能更优的SQL。同时，提供重写前后的SQL文本对比，并高亮显示重写部分。

4. 智能索引推荐​

PawSQL的智能索引推荐引擎为KingbaseES 上的应用查询提供最优索引策略，以适应各种SQL语法需求，显著提升查询效率。

5. 执行计划可视化（PPV）​

PawSQL的执行计划可视化工具（PawSQL Plan Visualizer）支持对KingbaseES 的执行计划进行图示化展示和分析，帮助用户轻松理解查询的执行过程，快速定位性能瓶颈。

6. 性能验证​

PawSQL自动采集SQL优化前后的KingbaseES 数据库的执行计划，获取优化前后的执行代价，确保推荐的优化建议能够真实提升数据库性能。

7. 慢查询自动采集和管理​

PawSQL性能巡检平台支持对KingbaseES 的慢查询进行采集和管理，支持基于crontab的定时采集和手工采集。

8. 数据库对象巡检​

PawSQL性能巡检平台支持对KingbaseES V8的数据库对象进行定时或手动巡检，覆盖表、列、字符集、索引、约束等各种数据库对象，以识别潜在的安全、性能等潜在问题，并给出警示。

🌟 总结​

PawSQL for KingbaseES，金仓数据库的全方位SQL优化解决方案，无论是日常查询还是复杂数据处理，PawSQL都以专业、高效的解决方案，助力您的数据库性能提升。

🌐 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，广泛支持包括KingbaseES 在内的多种主流商用和开源数据库，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。

引言​

PawSQL对TPC-H基准的Query 9进行的自动性能优化后，Query9的性能提升了1195.14%。本文将根据PawSQL的优化过程，探讨其优化 SQL 性能的有效策略与实际效果。通过对比优化前后的查询结构、索引设计及执行计划，阐述如何实现显著的性能提升。

本文的案例可在线查看：https://pawsql.com/statement/1837384704875499522

TPC-H Query 9介绍：TPC-H 的第9个查询统计每个国家每年所有被订购零件的总利润。其查询特性如下：

• 包含分组、排序、聚集操作
• 存在多表连接和子查询
• 使用了全匹配的LIKE 操作符

1️⃣ 查询重写优化​

原始查询

SELECT profit.nation, profit.o_year, SUM(profit.amount) AS sum_profit
FROM (
    SELECT nation.n_name AS nation, EXTRACT(YEAR FROM orders.o_orderdate) AS o_year,
           lineitem.l_extendedprice * (1 - lineitem.l_discount) - partsupp.ps_supplycost * lineitem.l_quantity AS amount
    FROM part, supplier, lineitem, partsupp, orders, nation
    WHERE supplier.s_suppkey = lineitem.l_suppkey
      AND partsupp.ps_suppkey = lineitem.l_suppkey
      AND partsupp.ps_partkey = lineitem.l_partkey
      AND part.p_partkey = lineitem.l_partkey
      AND orders.o_orderkey = lineitem.l_orderkey
      AND supplier.s_nationkey = nation.n_nationkey
      AND part.p_name LIKE '%dim%'
) AS profit
GROUP BY profit.nation, profit.o_year
ORDER BY profit.nation, profit.o_year DESC;

优化后的查询：‍

SELECT profit_nation.n_name AS nation, EXTRACT(YEAR FROM profit_orders.o_orderdate) AS o_year,
       SUM(profit_lineitem.l_extendedprice * (1 - profit_lineitem.l_discount) - profit_partsupp.ps_supplycost * profit_lineitem.l_quantity) AS sum_profit
FROM part AS profit_part, supplier AS profit_supplier,
     lineitem AS profit_lineitem, partsupp AS profit_partsupp,
     orders AS profit_orders, nation AS profit_nation
WHERE profit_supplier.s_suppkey = profit_lineitem.l_suppkey
  AND profit_partsupp.ps_suppkey = profit_lineitem.l_suppkey
  AND profit_partsupp.ps_partkey = profit_lineitem.l_partkey
  AND profit_part.p_partkey = profit_lineitem.l_partkey
  AND profit_orders.o_orderkey = profit_lineitem.l_orderkey
  AND profit_supplier.s_nationkey = profit_nation.n_nationkey
  AND profit_part.p_name LIKE '%dim%'
GROUP BY profit_nation.n_name, o_year
ORDER BY profit_nation.n_name, o_year DESC;

重写优化要点：

• 消除子查询：将子查询的逻辑提升到主查询中，简化结构。
• 表别名重命名：提高查询的可读性与可维护性。
• 保持计算逻辑：确保查询的业务逻辑未发生变化。

2️⃣ 🔍索引优化策略​

PawSQL 提出的索引优化方案：

CREATE INDEX PAWSQL_IDX0485218972 ON tpch.lineitem(L_PARTKEY, L_SUPPKEY, L_SHIPDATE);
CREATE INDEX PAWSQL_IDX0214365528 ON tpch.supplier(S_NATIONKEY, S_SUPPKEY, S_NAME, S_ADDRESS);
CREATE INDEX PAWSQL_IDX0327029402 ON tpch.part(P_NAME);

索引优化分析：

• lineitem 表索引：针对连接条件和日期过滤的字段，减少 I/O 操作。
• supplier 表索引：覆盖连接和查询字段，避免回表，提高检索效率。
• part 表索引：通过 LIKE 操作符优化 p_name 的模糊匹配。

3️⃣ 执行计划对比​

优化前的执行计划：

• 嵌套循环连接：广泛使用 Nested loop 连接，效率较低。
• 全表扫描：对 lineitem 表进行全表扫描，涉及 60,175 行数据。
• 依赖主键索引：主要依赖主键索引连接各表。

优化后的执行计划：

• 连接顺序优化：仍使用嵌套循环，但连接顺序优化。
• 索引扫描：利用新创建的 PAWSQL_IDX0327029402 索引，扫描 part 表时，处理行数从 60,175 减少至 114。
• lineitem 表精确查找：避免全表扫描，使用PAWSQL_IDX0485218972 进行精准匹配，进一步降低处理行数。

最终，处理的总行数从 60,175 降低到 3,513 行。

4️⃣ 性能提升分析​

• 执行时间：从 260 毫秒减少到 20 毫秒。
• 性能提升：达到 1195.14% 的提升。
• 主要因素：索引优化显著改善了数据访问方式，减少了处理的行数。

🌐 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，广泛支持包括KingbaseES 在内的多种主流商用和开源数据库，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。