技术开发 频道

适时增加Distinct提高查询效率

  【IT168 技术文档】只有增加DISTINCT关键字,Oracle必然需要对后面的所有字段进行排序。以前也经常发现由于开发人员对SQL不是很理解,在SELECT列表的20多个字段前面添加了DISTINCT,造成查询基本上不可能执行完成,甚至产生ORA-7445错误。所以一直向开发人员强调DISTINCT给性能带来的影响。

  没想到开发人员在测试一条大的SQL的时候,告诉我如果加上了DISTINCT,则查询大概需要4分钟左右可以执行完,如果不加DISTINCT,则查询执行了10多分钟,仍然得不到结果。

  首先想到的是可能DISTINCT是在子查询中,由于加上了DISTINCT,将第一步结果集缩小了,导致查询性能提高,结果一看SQL,发现DISTINCT居然是在查询的最外层。

  由于原始SQL太长,而且牵扯的表太多,很难说清楚,这里模拟了一个例子,这个例子由于数据量和SQL的复杂程度限制,无法看出二者执行时间上的明显差别。这里从两种情况的逻辑读对比来说明问题。

  首先建立模拟环境: 

SQL> CREATE TABLE T1 AS SELECT * FROM DBA_OBJECTS
  
2 WHERE OWNER = 'SYS'
  
3 AND OBJECT_TYPE NOT LIKE '%BODY'
  
4 AND OBJECT_TYPE NOT LIKE 'JAVA%';
  
Table created.
  SQL
> CREATE TABLE T2 AS SELECT * FROM DBA_SEGMENTS WHERE OWNER = 'SYS';
  
Table created.
  SQL
> CREATE TABLE T3 AS SELECT * FROM DBA_INDEXES WHERE OWNER = 'SYS';
  
Table created.
  SQL
> ALTER TABLE T1 ADD CONSTRAINT PK_T1 PRIMARY KEY (OBJECT_NAME);
  
Table altered.
  SQL
> CREATE INDEX IND_T2_SEGNAME ON T2(SEGMENT_NAME);
  
Index created.
  SQL
> CREATE INDEX IND_T3_TABNAME ON T3(TABLE_NAME);
  
Index created.
  SQL
> EXEC DBMS_STATS.GATHER_TABLE_STATS(USER, 'T1', METHOD_OPT => 'FOR ALL INDEXED COLUMNS SIZE 100', CASCADE => TRUE)
  PL
/SQL procedure successfully completed.
  SQL
> EXEC DBMS_STATS.GATHER_TABLE_STATS(USER, 'T2', METHOD_OPT => 'FOR ALL INDEXED COLUMNS SIZE 100', CASCADE => TRUE)
  PL
/SQL procedure successfully completed.
  SQL
> EXEC DBMS_STATS.GATHER_TABLE_STATS(USER, 'T3', METHOD_OPT => 'FOR ALL INDEXED COLUMNS SIZE 100', CASCADE => TRUE)
  PL
/SQL procedure successfully completed.

  仍然沿用上面例子中的结构,看看原始SQL和增加DISTINCT后的差别:

SQL> SET AUTOT TRACE
  SQL
> SELECT T1.OBJECT_NAME, T1.OBJECT_TYPE, T2.TABLESPACE_NAME
  
2 FROM T1, T2
  
3 WHERE T1.OBJECT_NAME = T2.SEGMENT_NAME
  
4 AND T1.OBJECT_NAME IN
  
5 (
  
6 SELECT INDEX_NAME FROM T3
  
7 WHERE T3.TABLESPACE_NAME = T2.TABLESPACE_NAME
  
8 );
  
311 rows selected.
  Execution
Plan
  
----------------------------------------------------------
  0 SELECT STATEMENT Optimizer=CHOOSE (Cost=12 Card=668 Bytes=62124)
  
1 0 HASH JOIN (SEMI) (Cost=12 Card=668 Bytes=62124)
  
2 1 HASH JOIN (Cost=9 Card=668 Bytes=39412)
  
3 2 TABLE ACCESS (FULL) OF 'T2' (Cost=2 Card=668 Bytes=21376)
  
4 2 TABLE ACCESS (FULL) OF 'T1' (Cost=6 Card=3806 Bytes=102762)
  
5 1 TABLE ACCESS (FULL) OF 'T3' (Cost=2 Card=340 Bytes=11560)
  
Statistics
  
----------------------------------------------------------
  0 recursive calls
  
0 db block gets
  
93 consistent gets
  
0 physical reads
  
0 redo size
  
8843 bytes sent via SQL*Net to client
  
723 bytes received via SQL*Net from client
  
22 SQL*Net roundtrips to/from client
  
0 sorts (memory)
  
0 sorts (disk)
  
311 rows processed
  SQL
> SELECT DISTINCT T1.OBJECT_NAME, T1.OBJECT_TYPE, T2.TABLESPACE_NAME
  
2 FROM T1, T2
  
3 WHERE T1.OBJECT_NAME = T2.SEGMENT_NAME
  
4 AND T1.OBJECT_NAME IN
  
5 (
  
6 SELECT INDEX_NAME FROM T3
  
7 WHERE T3.TABLESPACE_NAME = T2.TABLESPACE_NAME
  
8 );
  
311 rows selected.
  Execution
Plan
  
----------------------------------------------------------
  0 SELECT STATEMENT Optimizer=CHOOSE (Cost=16 Card=1 Bytes=93)
  
1 0 SORT (UNIQUE) (Cost=16 Card=1 Bytes=93)
  
2 1 HASH JOIN (Cost=12 Card=1 Bytes=93)
  
3 2 HASH JOIN (Cost=5 Card=668 Bytes=44088)
  
4 3 TABLE ACCESS (FULL) OF 'T3' (Cost=2 Card=340 Bytes=11560)
  
5 3 TABLE ACCESS (FULL) OF 'T2' (Cost=2 Card=668 Bytes=21376)
  
6 2 TABLE ACCESS (FULL) OF 'T1' (Cost=6 Card=3806 Bytes=102762)
  
Statistics
  
----------------------------------------------------------
  0 recursive calls
  
0 db block gets
  
72 consistent gets
  
0 physical reads
  
0 redo size
  
8843 bytes sent via SQL*Net to client
  
723 bytes received via SQL*Net from client
  
22 SQL*Net roundtrips to/from client
  
1 sorts (memory)
  
0 sorts (disk)
  
311 rows processed


        从统计信息可以看出,添加了DISTINCT后,语句的逻辑读反而比不加DISTINCT要高。为什么会产生这种情况,还要从执行计划说起。

  不加DISTINCT的情况,由于使用IN子查询的查询,Oracle对第二个连接采用了HASH JOIN SEMI,这种HASH JOIN SEMI相对于普通的HASH JOIN,代价要大一些。

  而添加了DISTINCT之后,Oracle知道最终肯定要进行排序去重的操作,因此在连接的时候就选择了HASH JOIN作为了连接方式。这就是为什么加上了DISTINCT之后,逻辑读反而减少了。但是同时,加上了DISTINCT之后,语句增加了一个排序操作,而在不加DISTINCT的时候,是没有这个操作的。

  当连接的表数据量很大,但是SELECT的最终结果不是很多,且SELECT列的个数不是很多的时候,加上DISTINCT之后,这个排序的代价要小于SEMI JOIN连接的代价。这就是增加一个DISTINCT操作查询效率反而提高,这个似乎不可能发生的情况的真正原因。

  最后需要说明一下,这篇文章意在说明,优化的时候没有什么东西是一成不变的,几乎任何事情都有可能发生,不要被一些所谓死规则限制住。明白了这一点就可以了。这篇文章并不是打算提供一种优化SQL的方法,严格意义上将,加上DISTINCT和不加DISTINCT是两个完全不同的SQL语句。虽然在这个例子中,二者是等价的,但是这是表结构、约束条件和数据本身共同限制的结果。换了另一个环境,这两个SQL得到的结果可能会相去甚远,所以,不要试图将本文的例子作为优化时的一种方法。

4
相关文章