一个数据库SQL查询的数次轮回

发表于:2020-8-27 09:20

字体: | 上一篇 | 下一篇 | 我要投稿

 作者:侯树成    来源:Tomcat那些事儿

分享:
  我们使用数据库,直观感受上是客户端发送一个 SQL,数据库把这个SQL执行一下,查出来数据返回给客户端。但其实SQL在背后被转换,优化,历经许多「磨难」才把结果给取回来。
  如上图, 我们看到是从查询处理器里经过解析器,优化器,才进入的执行引擎。
  今天我们先来看查询管理器,后面再重点来看查询的优化器是怎样精打细算的。
  查询管理器
  这一部分是数据库功能体现。在这部分里,会将写得不好的查询转换成可以快速执行代码, 然后执行它,并将结果返回给客户端。这个过程会包含多个步骤:
  ·首先解析查询是否是合法的
  ·然后会将查询重写,去除没用的操作符,并做一些预优化
  ·对查询优化以提升性能,将查询转换成执行和数据访问计划
  ·编译查询计划
  ·执行
  这部分里,对最后两点我们不会说太多,相对来说他俩没那么关键。
  查询解析器
  每个SQL语句都会经过分析器去校验语法是否正确。如果你写错了,解析器会拒绝查询。比如你手误,把SELECT 写成了 SLECT,那直接会停止在这儿。
  此外,还会检查关键词顺序是否正确。
  然后,查询SQL中的表名和列名也会分析,解析器会通过数据库的 metadata 来检查以下内容:
  ·表是否存在
  ·表中对应的查询字段是否存在
  ·对应的操作符是不是能作用在指定的列上(比如不能把一个数字和字符串比大小,也不能给一个integer用substring)
  之后会检查查询中对应的表你是否有权限去读或写,毕竟这些访问权限是DBA分配的。
  在解析的过程中, 查询SQL 会被转换成数据库的内部表示形式(一般是一棵树)。如果一切 OK,这个转换后的内容会发送给查询「重写器」
  查询 Rewriter
  在这一步,我们拿到了一个查询的内部表示形式,重写器的目标是要:
  ·对查询做预优化
  ·避免无用的操作
  ·帮助优化器发现最佳方案
  重写器会对查询执行一系列已知的规则。如果查询符合某个规则的模式,就会应用这个规则来重写查询。以下是(可选)的规则:
  视图合并:如果在查询中使用了视图,那视图将会随着该视图的SQL代码进行转换。
  子查询打平:有子查询的查询很难优化,因此重写器将尝试修改查询,甚至删除子查询。
  例如:
  SELECT PERSON.* 
  FROM PERSON 
  WHERE PERSON.person_key IN 
  (SELECT MAILS.person_key 
  FROM MAILS 
  WHERE MAILS.mail LIKE 'christophe%'); 
  就会被这条SQL替换
  SELECT PERSON.* 
  FROM PERSON, MAILS 
  WHERE PERSON.person_key = MAILS.person_key 
  and MAILS.mail LIKE 'christophe%'; 
  ·去除无用的操作符:如果你用了DISTINCT,但你已经有一个UNIQUE约束以保证数据唯一,那DISTINCT关键字就会被删除。
  ·消除多余的连接:如果你有两次相同的连接条件,因为一个连接条件被隐藏在视图中,或者由于传递性而导致无用的连接,则将其删除。
  ·持续的算术评估:如果查询是需要计算的内容,那么在重写过程中将对其进行一次计算。比如,把WHERE AGE> 10 + 2转换为WHERE AGE> 12,然后将TODATE(“ 日期”)转换为datetime格式的日期
  ·(高级)分区修正:如果你使用了分区表,重写器可以找到要使用的分区。
  ·(高级)实例化视图重写:如果已经有了和查询子集匹配的实例化视图,重写器会检查该视图是否是最新视图,并修改查询使用实例化视图而不是原始表。
  ·(高级)自定义规则:如果你创建了重写查询的自定义规则,那重写器会执行这些规则(高级)Olap转换:分析/窗口函数,星型连接,汇总…也都会进行转换(但是具体是由重写器还是优化器完成的取决于数据库,因为这两个过程邻近)。
  这个重写后的查询会发送给查询优化器,有趣的来了。
  统计
  在进入数据库如何优化查询之前,我们需要先谈谈统计信息,因为没有统计信息,数据库就会很傻。如果你不告诉数据库分析自己的数据,它不会这样做,而且会做出错误的假设。
  那数据库需要什么信息呢?
  我们大概说一下论数据库和操作系统如何存储数据的。他们使用的最小单位称为页或块(默认为4或8 KB)。也就是说,如果你只需要1 KB,也会占一页。如果页面占用8 KB,那就会浪费7 KB。
  回到统计来,当你要求数据库获取统计信息时,它会计算这些内容:
  ·一个表中的行或页的数量
  ·一个表里的每一列
  -单独的数据内容
  -数据的长度(最小,最大,平均)
  -数据区间信息(最小、最大、平均)
  ·表的索引信息
  这些统计信息会帮助优化器更好的预估查询中磁盘I/O,CPU以及内存的使用。
  每一列的统计信息都很重要。比如一个 PERSON 表,需要在 LAST_NAME, FIRST_NAME两列做连接,通过统计,数据库能知道FIRST_NAME这一列共多少个不同的值,LAST_NAME有多少个不同的值。所以数据库会使用LAST_NAME,FIRST_NAME来连接,而不是FIRST_NAME,LAST_NAME,因为LAST_NAME不太可能相同,会少产生数据。大多数情况下,数据库的前两三个字符比较 LAST_NAME就足够了。
  当然这些是基本的统计信息,你也可以让数据库计算 histograms 这种更高阶的统计数据。最常使用的值,质量等等,通过这些附加信息,可以帮助数据库找到更高效的查询计划,特别是像等值查询,以及范围查询这种。因为数据库已经知道这种情况下有多少条记录
  这些统计信息记录在数据库的元数据中。因此也是需要花时间不断更新的。这也是为啥在大多数数据库里他都不自动更新。

  本文内容不用于商业目的,如涉及知识产权问题,请权利人联系51Testing小编(021-64471599-8017),我们将立即处理
《2023软件测试行业现状调查报告》独家发布~

关注51Testing

联系我们

快捷面板 站点地图 联系我们 广告服务 关于我们 站长统计 发展历程

法律顾问:上海兰迪律师事务所 项棋律师
版权所有 上海博为峰软件技术股份有限公司 Copyright©51testing.com 2003-2024
投诉及意见反馈:webmaster@51testing.com; 业务联系:service@51testing.com 021-64471599-8017

沪ICP备05003035号

沪公网安备 31010102002173号