突破常识:SQL增加DISTINCT后查询效率反而提高

杨廷琨,网名 yangtingkun

云和恩墨技术总监,Oracle ACE Director,ACOUG 核心专家

只要增加了DISTINCT关键字,Oracle就会对随后跟着的所有字段进行排序去重。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,造成查询的执行异常缓慢,基本上很难在ORA-1555错误出现之前得到查询的结果,甚至有些SQL会产生ORA-7445错误。所以在给开发人员培训的时候还着重介绍了一下DISTINCT的功能以及不正确地使用DISTINCT所带来的性能方面的负面影响。

不过这次碰到了一个有趣的现象:开发人员在测试一个比较复杂的SQL时发现如果SQL中加上了DISTINCT,则查询大概要花费4分钟左右;而如果不加DISTINCT,则查询执行了10多分钟仍然没有返回结果。

根据这样的描述,首先想到的是可能DISTINCT是在查询的最内层,由于加上DISTINCT使得第一步的结果集缩小了,从而导致查询性能的提高。但一看SQL才发现,DISTINCT居然是在查询的最外层。

由于原始SQL很复杂,牵扯太多的表,很难表述清楚。因此这里模拟了一个例子,这个例子由于受到数据量和SQL复杂程度的限制,所以是否添加DISTINCT对SQL执行时间没有太大的影响,但是两个SQL逻辑读的差异还是可以说明一定问题的。

首先建立模拟环境:

SQL> CREATE TABLE T1 AS SELECT * FROMDBA_OBJECTS 2 WHERE OWNER = 'SYS' 3 AND OBJECT_TYPE NOT LIKE '%BODY' AND OBJECT_TYPENOT LIKE 'JAVA%'; Table created. SQL> CREATE TABLE T2 AS SELECT * FROMDBA_SEGMENTS WHERE OWNER = 'SYS'; Table created. SQL> CREATE TABLE T3 AS SELECT * FROMDBA_INDEXES WHERE OWNER = 'SYS'; Table created. SQL> ALTER TABLE T1 ADD CONSTRAINT PK_T1PRIMARY KEY (OBJECT_NAME); Table altered. SQL> CREATE INDEX IND_T2_SEGNAME ONT2(SEGMENT_NAME); Index created. SQL> CREATE INDEX IND_T3_TABNAME ONT3(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.

下面看看原始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 WHERE T1.OBJECT_NAME = T2.SEGMENT_NAMEAND T1.OBJECT_NAME IN 3 (SELECT INDEX_NAME FROM T3 WHERE T3.TABLESPACE_NAME= T2.TABLESPACE_NAME); 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 HASHJOIN (Cost=9 Card=668 Bytes=39412) 3 2 TABLE ACCESS (FULL) OF 'T2' (Cost=2 Card=668Bytes=21376) 4 2 TABLE ACCESS (FULL) OF 'T1' (Cost=6 Card=3806Bytes=102762) 5 1 TABLE ACCESS (FULL) OF 'T3' (Cost=2 Card=340Bytes=11560) Statistics ---------------------------------------------------------- 93 consistentgets 0 sorts (memory) 0 sorts (disk) 311 rowsprocessed SQL> SELECT DISTINCT T1.OBJECT_NAME,T1.OBJECT_TYPE, T2.TABLESPACE_NAME 2 FROM T1, T2 WHERE T1.OBJECT_NAME= T2.SEGMENT_NAME AND T1.OBJECT_NAME IN 3 ( SELECT INDEX_NAME FROM T3 WHERET3.TABLESPACE_NAME = T2.TABLESPACE_NAME); 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=340Bytes=11560) 5 3 TABLE ACCESS (FULL) OF 'T2' (Cost=2 Card=668Bytes=21376) 6 2 TABLE ACCESS (FULL) OF 'T1' (Cost=6 Card=3806Bytes=102762) Statistics ---------------------------------------------------------- 72 consistent gets 1 sorts (memory) 311 rows processed

从SQL执行的统计信息可以看出,添加DISTINCT后,语句的逻辑读数量反而比不加DISTINCT要低。为什么会产生这种情况,这还要从执行计划说起。

对于不加DISTINCT的情况:由于使用IN子查询,Oracle对第二个连接采用了HASH JOIN SEMI,这种方式相对于普通的HASHJOIN来说代价要大一些。

如果添加了DISTINCT:CBO清楚知道在最后一步肯定要进行排序去重的操作,因此在连接时就选择了HASH JOIN作为连接方式。这就是加上了DISTINCT后,逻辑读反而减少的原因。不过加上DISTINCT后,执行计划增加了一个排序操作;而在不加DISTINCT时是没有这个操作的。

当连接的表数据量很大,但SELECT的最终结果并不是很多,且SELECT列数也不是很多的时候,加上DISTINCT后,增加的排序的代价要小于SEMIJOIN连接的代价。这就是增加一个DISTINCT操作,查询效率反而提高的真正原因。

最后要说明一点,举这个例子意在说明:优化时没有什么东西是一成不变的,几乎任何事情都有可能发生,不要被一些所谓规则限制住

这篇文章并不是在介绍一种优化SQL的方法,严格意义上讲,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,但这是表结构、约束条件和数据本身共同限制的结果,换成另一个环境,这两个SQL得到的结果可能会相去甚远。因此这两个SQL实际上并不等价,不要试图将本文的例子作为优化时的一种方法。

原文发布于微信公众号 - 数据和云(OraNews)

原文发表时间:2016-04-13

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏风口上的猪的文章

.NET面试题系列[15] - LINQ:性能

当你使用LINQ to SQL时,请使用工具(比如LINQPad)查看系统生成的SQL语句,这会帮你发现问题可能发生在何处。

844
来自专栏杨建荣的学习笔记

一条insert语句导致的性能问题分析(二)(r8笔记第43天)

今天对之前描述的问题一条insert语句导致的性能问题分析(一) 进行了进一步的补充。 有一条insert语句的主要性能瓶颈在于insert子句中的查询语句,查...

2905
来自专栏码字搬砖

CDH impala hive hbase 整合

最终达到的效果是这样的:hbase是数据的存储中心。impala、hive可以增查habse数据,不支持insert overwrite impala...

933
来自专栏landv

一、K3 WISE 开发插件《K3 WISE常用数据表整理》

3637
来自专栏乐沙弥的世界

收缩表段(shrink space)

--==================== -- 收缩表段(shrink space) --==================== 一、表的增长方式  ...

651
来自专栏高性能服务器开发

数据库进阶2 Mysql高并发优化

如果不能设计一个合理的数据库模型,不仅会增加客户端和服务器段程序的编程和维护的难度,而且将会影响系统实际运行的性能。所以,在一个系统开始实施之前,完备的数据库模...

631
来自专栏杨建荣的学习笔记

执行计划变化导致CPU负载高的问题分析 (r8笔记第20天)

前几天碰到一个CPU负载较高的问题。从系统层面来看,情况不是很严重,但是从应用的角度来说,已经感觉到很慢了。因为前端的调用频率还是比较高。所以会把这个问题放大。...

2517
来自专栏数据和云

深入内核:DUMP Block的数据读取与脏数据写入影响

张乐奕 云和恩墨副总经理 Oracle ACE 总监 ITPUB Oracle数据库管理版版主、Oracle高可用版版主、ACOUG联合创始人 如果我们执行al...

2686
来自专栏杨建荣的学习笔记

关于统计信息过期的性能落差(r5笔记第36天)

今天客户反馈某一个应用部署补丁的时候,执行了一个脚本一个多小时还没有执行完。 语句是下面这样的形式。 insert into em1_rater_00068_0...

3936
来自专栏学习有记

聚集索引:SQL Server 进阶 Level 3

1073

扫码关注云+社区