从 TPCH 测试学习性能优化技巧之 Q4

一、     查询要求

Q4语句查询得到订单优先级统计值。计算给定的某三个月的订单的数量,在每个订单中至少有一行由顾客在它的提交日期之后收到。

Q4语句的特点是:带有分组、排序、聚集操作、子查询并存的单表查询操作。子查询是相关子查询。

 

二、     Oracle执行

Oracle编写的查询SQL语句如下:

select  /*+ parallel(n) */

         o_orderpriority,

         count(*) as order_count

from

         orders

where

         o_orderdate >= date '1995-10-01'

         and o_orderdate < date '1995-10-01' + interval '3' month

         and exists (

                   select * from lineitem

                   where l_orderkey = o_orderkey and l_commitdate < l_receiptdate

         )

group by

         o_orderpriority

order by

         o_orderpriority;

其中/*+ parallel(n) */ Oracle的并行查询语法,n是并行数。

脚本执行时间,单位:秒

并行数

1

2

4

8

12

Oracle

504

311

270

189

207

三、     SPL优化

分析SQL语句,它有一个exists子查询,找出子表lineitem中有满足条件l_commitdate < l_receiptdate的记录,对应主表orders的记录。

exists子句都可以改写成join。事实上,SQL在实现时一般也是将exists转换成join来计算,否则,如果按exists的计算逻辑,又会导致N*M的复杂度(NM分别是主子表的记录 数),这种性能完全不能接受。

 

exists改写成join之后是这样:

select  /*+ parallel(n) */

       o_orderpriority,

       count(*) as order_count

from (

       select distinct l_orderkey,o_orderpriority from

       orders,lineitem

       where

              o_orderdate >= date '1995-10-01'

              and o_orderdate < date '1995-10-01' + interval '3' month

              and l_orderkey = o_orderkey

              and l_commitdate < l_receiptdate

)

group by

       o_orderpriority

order by

       o_orderpriority;

 

改写之后可以发现,这仍然是个主子表连接的问题,而且这里的连接运算是为了生成针对主表的某种过滤条件,中间结果集实际上是和orders表对应的,而一般主子连接的结果集是和子表对应的,所以还要对连接结果做针对orderkey的去重运算。

SPL一方面可以采用前面Q3所说的有序归并方法实现连接,另一方面还可以利用结果集的有序性(连接结果集对orderkey有序),快速实现去重运算。

 

SPL脚本如下:


A

1

=1

2

=now()

3

>date=date("1995-10-01")

4

=elapse@m(date,3)

5

=file(path+"orders.ctx").create().cursor@m(O_ORDERKEY,O_ORDERPRIORITY;O_ORDERDATE>=date   && O_ORDERDATE < A4;A1)

6

=file(path+"lineitem.ctx").create().news(A5,L_ORDERKEY,L_COMMITDATE,L_RECEIPTDATE,O_ORDERPRIORITY;   L_COMMITDATE < L_RECEIPTDATE)

7

=A6.group@1(L_ORDERKEY).groups(O_ORDERPRIORITY;count(1):order_count)

8

=now()

9

=interval@s(A2,A8)

A5,A6使用了前面解释过的技巧。A7中的group@1即表示针对有序游标实现去重(仅分组后取第一条记录)。

 

脚本执行时间,单位:秒

并行数

1

2

4

8

12

Oracle

504

311

270

189

207

SPL组表

160

81

41

24

20

并行性能仍然表现出色。

 

四、     进一步优化

上面分析过程说过,这里的连接运算本质上是为了过滤主表,我们还可以依照这样思路优化:把子表看成主表的集合字段,直接计算聚合值并用作过滤条件。这里可以把统计同一个L_ORDERKEY下满足条件L_COMMITDATE < L_RECEIPTDATE的记录数,如果等于0则将主表相应记录过滤掉,这样将大大减少了连接结果集的记录数,把分组去重的操作换成了效率更高的过滤操作,还能进一步提高性能。

 

SPL脚本如下:


A

1

=1

2

=now()

3

>date=date("1995-10-01")

4

=elapse@m(date,3)

5

=file(path+"orders.ctx").create().cursor@m(O_ORDERKEY,O_ORDERPRIORITY;O_ORDERDATE>=date   && O_ORDERDATE < A4;A1)

6

=file(path+"lineitem.ctx").create().new(A5,O_ORDERPRIORITY,count():c;L_COMMITDATE   < L_RECEIPTDATE).select(c>0)

7

=A6.groups(O_ORDERPRIORITY;count(1):order_count)

8

=now()

9

=interval@s(A2,A8)

A6new函数中计算满足条件的子表记录数量,并过滤保留大于0的。

 

脚本执行时间,单位:秒

并行数

1

2

4

8

12

Oracle

504

311

270

189

207

SPL组表

160

81

41

24

20

优化后

153

78

39

21

15

类似地,这个运算也很容易并行。