MYSQL資料庫的查詢最佳化技術

許多程式員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，如何設計高效合理的查詢語句就顯得非常重要。本文以應用執行個體為基礎，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

許多程式員認為查詢最佳化是DBMS（資料庫管理系統）的任務，與程式員所編寫的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。查詢計劃是使用者所提交的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處理查詢計劃的過程是這樣的：在做完查詢語句的詞法、語法檢查之後，將語句提交給DBMS的查詢最佳化工具，最佳化器做完代數最佳化和存取路徑的最佳化之後，由先行編譯模組對語句進行處理並產生查詢規劃，然後在合適的時間提交給系統處理執行，最後將執行結果返回給使用者。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劃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。系統所做查詢最佳化我們暫不討論，下面重點說明改善使用者查詢計劃的解決方案。
解決問題

下面以關聯式資料庫系統Informix為例，介紹改善使用者查詢計劃的方法。

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最先提出的ISAM索引結構。索引的使用要恰到好處，其使用原則如下：
●在經常進行串連，但是沒有指定為外鍵的列上建立索引，而不經常串連的欄位則由最佳化器自動產生索引。
●在頻繁進行排序或分組（即進行group by或order by操作）的列上建立索引。
●在條件運算式中經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。比如在僱員表的“性別”列上只有“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。
●如果待排序的列有多個，可以在這些列上建立複合索引（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。在一些資料庫伺服器上，索引可能失效或者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，必要時進行修複。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

應當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次序產生輸出時，最佳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；
●排序的列來自不同的表。
為了避免不必要的排序，就要正確地增建索引，合理地合并資料庫表（儘管有時可能影響表的正常化，但相對於效率的提高是值得的）。如果排序不可避免，那麼應當試圖簡化它，如縮小排序的列的範圍等。

3．消除對大型表行資料的順序存取

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。比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串連的列進行索引。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）。如果兩個表要做串連，就要在“學號”這個串連欄位上建立索引。

還可以使用並集來避免順序存取。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。下面的查詢將強迫對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，但是在上面的語句中最佳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．避免相互關聯的子查詢

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，因此應當盡量避免子查詢。如果子查詢不可避免，那麼要在子查詢中過濾掉儘可能多的行。

5．避免困難的正規運算式

MATCHES和LIKE關鍵字支援萬用字元匹配，技術上叫正規運算式。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，在這種情況下也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，還要避免非開始的子串。例如語句：SELECT ＊ FROM customer WHERE zipcode[2，3] >“80”，在where子句中採用了非開始子串，因而這個語句也不會使用索引。

6．使用暫存資料表加速查詢

把表的一個子集進行排序並建立暫存資料表，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最佳化器的工作。例如：
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止一次，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
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暫存資料表中查詢：
SELECT ＊ FROM cust_with_balance
WHERE postcode>“98000”

暫存資料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得到大幅減少。注意：暫存資料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，注意不要遺失資料。

7．用排序來取代非順序存取

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語句隱藏了這一情況，使得我們在寫應用程式時很容易寫出要求存取大量非順序頁的查詢。
有些時候，用資料庫的排序能力來替代非順序的存取能改進查詢。

執行個體分析

下面我們舉一個製造公司的例子來說明如何進行查詢最佳化。製造公司資料庫中包括3個表，模式如下所示：
1．part表
零件號零件描述其他列
（part_num）（part_desc）（other column）
102，032Seageat 30G disk……
500，049Novel 10M network card……
……
2．vendor表
廠商號廠商名其他列
（vendor _num）（vendor_name） （other column）
910，257Seageat Corp……
523，045IBM Corp……
……
3．parven表
零件號廠商號零件數量
（part_num）（vendor_num）（part_amount）
102，032910，2573,450,000
234，423321，0014，000，000
……

下面的查詢將在這些表上定期運行，併產生關於所有零件數量的報表：
SELECT part_desc，vendor_name，part_amount
FROM part，vendor，parven
WHERE part.part_num=parven.part_num
AND parven.vendor_num = vendor.vendor_num
ORDER BY part.part_num
如果不建立索引，上述查詢代碼的開銷將十分巨大。為此，我們在零件號和廠商號上建立索引。索引的建立避免了在嵌套中反覆掃描。關於表與索引的統計資訊如下：
表行尺寸行數量每頁行數量資料頁數量
（table）(row size)（Row count）（Rows/Pages）（Data Pages）
part15010，00025400
Vendor1501，000 2540
Parven13 15，000300 50
索引鍵尺寸每頁鍵數量頁面數量
（Indexes）(Key Size)（Keys/Page)(Leaf Pages）
part450020
Vendor45002
Parven825060
看起來是個相對簡單的3表串連，但是其查詢開銷是很大的。通過查看系統資料表可以看到，在part_num上和vendor_num上有簇索引，因此索引是按照物理順序存放的。parven表沒有特定的存放次序。這些表的大小說明從緩衝頁中非順序存取的成功率很小。此語句的最佳化查詢規劃是：首先從part中順序讀取400頁，然後再對parven表非順序存取1萬次，每次2頁（一個索引頁、一個資料頁），總計2萬個磁碟頁，最後對vendor表非順序存取1.5萬次，合3萬個磁碟頁。可以看出在這個索引好的串連上花費的磁碟存取為5.04萬次。

實際上，我們可以通過使用暫存資料表分3個步驟來提高查詢效率：

1．從parven表中按vendor_num的次序讀資料：
SELECT part_num，vendor_num，price
FROM parven
ORDER BY vendor_num
INTO temp pv_by_vn
這個語句順序讀parven（50頁），寫一個暫存資料表（50頁），並排序。假定排序的開銷為200頁，總共是300頁。

2．把暫存資料表和vendor表串連，把結果輸出到一個暫存資料表，並按part_num排序：
SELECT pv_by_vn，＊ vendor.vendor_num
FROM pv_by_vn，vendor
WHERE pv_by_vn.vendor_num=vendor.vendor_num
ORDER BY pv_by_vn.part_num
INTO TMP pvvn_by_pn
DROP TABLE pv_by_vn
這個查詢讀取pv_by_vn(50頁)，它通過索引存取vendor表1.5萬次，但由於按vendor_num次序排列，實際上只是通過索引順序地讀vendor表（40＋2=42頁），輸出的表每頁約95行，共160頁。寫並存取這些頁引發5＊160=800次的讀寫，索引共讀寫892頁。

3．把輸出和part串連得到最後的結果：

SELECT pvvn_by_pn.＊，part.part_desc
FROM pvvn_by_pn，part
WHERE pvvn_by_pn.part_num=part.part_num
DROP TABLE pvvn_by_pn

這樣，查詢順序地讀pvvn_by_pn(160頁)，通過索引讀part表1.5萬次，由於建有索引，所以實際上進行1772次磁碟讀寫，最佳化比例為30∶1。筆者在Informix Dynamic Sever上做同樣的實驗，發現在時間耗費上的最佳化比例為5∶1(如果增加資料量，比例可能會更大)。

小結
20％的代碼用去了80％的時間，這是程式設計中的一個著名定律，在資料庫應用程式中也同樣如此。我們的最佳化要抓住關鍵問題，對於資料庫應用程式來說，重點在於SQL的執行效率。查詢最佳化的重點環節是使得資料庫伺服器少從磁碟中讀資料以及順序讀頁而不是非順序讀頁。