跳到主要内容

SQL优化技巧 - PawSQL如何优化相关标量子查询？

· 阅读需 7 分钟
PawSQL Team
PawSQL Team
Optimize your SQL Queries by Clicks!

在数据分析领域里，相关标量子查询（Correlated Scalar Subquery）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。目前，只有像Oracle这样的商业数据库巨头在这方面做得相对出色。在国产数据库领域，也只有PolarDB对相关性子查询提供了一定的支持。本文不仅会介绍PawSQL如何对相关标量子查询进行基于代价的重写优化，还会展示PawSQL如何识别并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。通过PawSQL，您可以在MySQL/PostgreSQL等数据库上，体验Oracle般的重写优化能力。

🌟 相关标量子查询简介​

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。

🏎️ 挑战与机遇：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，虽然解关联后的性能并不总是优于关联子查询，但基于代价的重写优化策略提供了新的视角。目前，只有少数数据库如Oracle和PolarDB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通过以下方式优化相关标量子查询：

  1. 基于代价的重写：支持条件和选择列中的标量子查询解关联。
  2. 合并重写：优化多个结构相似的标量子查询。

🎯 案例​

原始查询：原查询使用了两个相关子查询（correlated subqueries），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

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 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

性能提升：优化后，预计性能提升了1131.26%，这是一个显著的改进！

标量相关子查询执行计划对比

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

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。

🌐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架构