江苏龙网

  1. 主页 > 生活百科 > >

SQL 子查询优化详解

子查询

子查询 （Subquery）的优化一直以来都是 SQL 查询优化中的难点之一 。关联子查询的基本执行方式类似于 Nested-Loop，但是这种执行方式的效率常常低到难以忍受 。当数据量稍大时，必须在优化器中对其进行去关联化 （Decoorelation 或 Unnesting），将其改写为类似于 Semi-Join 这样的更高效的算子 。
前人已经总结出一套完整的方法论，理论上能对任意一个查询进行去关联化 。本文结合 SQL Server 以及 HyPer 的几篇经典论文，由浅入深地讲解一下这套去关联化的理论体系 。它们二者所用的方法大同小异，基本思想是想通的 。
本文的例子都基于 TPC-H 的表结构，这里 有一份供你参考 。
子查询简介子查询是定义在 SQL 标准中一种语法，它可以出现在 SQL 的几乎任何地方，包括 SELECT, FROM, WHERE 等子句中 。
总的来说，子查询可以分为关联子查询（Correlated Subquery） 和非关联子查询（Non-correlated Subquery）  。后者非关联子查询是个很简单的问题，最简单地，只要先执行它、得到结果集并物化，再执行外层查询即可 。下面是一个例子：
SELECT c_count, count(*) AS custdistFROM (         SELECT c_custkey, count(o_orderkey) AS c_count         FROM CUSTOMER                  LEFT OUTER JOIN ORDERS ON c_custkey = o_custkey             AND o_comment NOT LIKE '%pending%deposits%'         GROUP BY c_custkey     ) c_ordersGROUP BY c_countORDER BY custdist DESC, c_count DESC;▲ TPCH-13 是一个非关联子查询
非关联子查询不在本文讨论范围之列 ，除非特别声明，以下我们说的子查询都是指关联子查询 。
关联子查询的特别之处在于，其本身是不完整的：它的闭包中包含一些外层查询提供的参数  。显然，只有知道这些参数才能运行该查询，所以我们不能像对待非关联子查询那样 。
根据产生的数据来分类，子查询可以分成以下几种：
标量（Scalar-valued） 子查询：输出一个只有一行一列的结果表，这个标量值就是它的结果 。如果结果为空（0 行），则输出一个 NULL 。但是注意，超过 1 行结果是不被允许的，会产生一个运行时异常 。
标量子查询可以出现在任意包含标量的地方，例如 SELECT、WHERE 等子句里 。下面是一个例子：
SELECT c_custkeyFROM CUSTOMERWHERE 1000000 < (    SELECT SUM(o_totalprice)    FROM ORDERS    WHERE o_custkey = c_custkey)▲ Query 1: 一个出现在 WHERE 子句中的标量子查询，关联参数用红色字体标明了
SELECT o_orderkey, (    SELECT c_name    FROM CUSTOMER    WHERE c_custkey = o_custkey) AS c_name FROM ORDERS▲ Query 2: 一个出现在 SELECT 子句中的标量子查询
存在性检测（Existential Test） 子查询：特指 EXISTS 的子查询，返回一个布尔值 。如果出现在 WHERE 中，这就是我们熟悉的 Semi-Join 。当然，它可能出现在任何可以放布尔值的地方 。
SELECT c_custkeyFROM CUSTOMERWHERE c_nationkey = 86 AND EXISTS(        SELECT * FROM ORDERS        WHERE o_custkey = c_custkey    )▲ Query 3: 一个 Semi-Join 的例子
集合比较（Quantified Comparision） 子查询：特指 IN、SOME、ANY 的查询，返回一个布尔值，常用的形式有：x = SOME(Q) （等价于 x IN Q）或 X <> ALL(Q)（等价于 x NOT IN Q） 。同上，它可能出现在任何可以放布尔值的地方 。
SELECT c_nameFROM CUSTOMERWHERE c_nationkey <> ALL (SELECT s_nationkey FROM SUPPLIER)▲ Query 4: 一个集合比较的非关联子查询
原始执行计划我们以 Query 1 为例，直观地感受一下，为什么说关联子查询的去关联化是十分必要的 。
下面是 Query 1 的未经去关联化的原始查询计划（Relation Tree） 。与其他查询计划不一样的是，我们特地画出了表达式树（Expression Tree），可以清晰地看到：子查询是实际上是挂在 Filter 的条件表达式下面的 。


推荐阅读


上一篇：曹操的谋士叫荀什么,荀彧的侄子荀攸

下一篇：朱元璋儿时的伙伴来要官为什么被杀,朱元璋的三个发小的下场如何