性能优化技巧:前半有序时的排序
一、 问题背景与适用场景
在对数据集进行排序运算时,有时会遇到这样一种场景:数据集T已经按字段a有序,而字段b无序,现在我们要将T按a、b排序,我们称之为前半有序(a有序)的排序。此时我们能想到一种优化的排序方法:从T中先取出a值相同的一组记录,再这一组内对b排序。然后再依次取出下一组a值相同的记录,重复这个动作,直到完成T中所有记录的排序。这种方法的好处是不需要对T中所有记录进行大排序,一次只需取出一小组,对内存容量要求大大减低,只需能装下每个小组即可。
遗憾的是SQL并不支持这种优化算法,只能所有记录进行大排序,而SPL提供了对这种算法的支持,下面我们实例测试一下,并与Oracle作对比。
二、 测试环境与任务
测试机有两个Intel2670 CPU,主频2.6G,共16核,内存64G,SSD固态硬盘。在此机上安装虚拟机来测试,设置虚拟机为16核、8G内存。
在虚拟机上创建数据表salesman1,共两个字段:area(字符串)、salesman(字符串),生成数据记录4亿行,按area升序排列,area不同值共2000个,每个area对应salesman为20万个。将此表数据导入Oracle数据库,同时用它生成集算器SPL组表来进行测试。
再建另一张表salesman2作大数据量测试,数据表结构不变,总数据记录20亿行,area值4000个,每个area对应50万个salesman。
测试任务都是要对表按照area、salesman排序。
三、 小数据量测试
1. Oracle测试
编写测试SQL如下:
select area, salesman from salesman1 order by area, salesman
本来只需这一句简单的SQL即可,不过这个排序结果的输出时间却非常长,为了减少输出量,只统计排序过程的用时,我们不输出排序后的全部结果,而只输出中间位置的一行,也就是行号为2亿的那一行,所以SQL语句改写如下:
select area, salesman from (
select area, salesman, rownum rn from (
select area, salesman from salesman1 order by area, salesman
)
) where rn=200000000;
要多说一句,这个查询其实没有什么业务意义,纯粹是为了迫使数据库大排序且避免统计输出时间的 。
2. SPL测试
编写SPL脚本如下:
A |
|
1 |
=now() |
2 |
=file("/home/ctx/salesman1.ctx").open().cursor(area,salesman) |
3 |
=A2.group@qs(area;salesman) |
4 |
=A3.skip(199999999) |
5 |
=A3.fetch(1) |
6 |
=interval@s(A1,now()) |
group@qs中选项s表示对数据集只排序,不分组;选项q表示数据集对分号前的分组表达式(area)是有序的,请求使用前半有序时的排序方法按分号后的表达式(salesman)排序。
四、 大数据量测试
1. Oracle测试
编写测试SQL如下:
select area, salesman from (
select area, salesman, rownum rn from (
select area, salesman from salesman2 order by area, salesman
)
) where rn=1000000000;
输出行号为10亿的一行。
2. SPL测试
编写SPL脚本如下:
A |
|
1 |
=now() |
2 |
=file("/home/ctx/salesman2.ctx").open().cursor(area,salesman) |
3 |
=A2.group@qs(area;salesman) |
4 |
=A3.skip(999999999) |
5 |
=A3.fetch(1) |
6 |
=interval@s(A1,now()) |
五、 测试结果
测试结果如下,单位(秒):
数据量 |
4亿行 |
20亿行 |
|
Oracle |
326 |
2556 |
|
SPL |
186 |
1266 |
从测试结果看,SPL前半有序排序与Oracle的大排序相比,数据量4亿行时,运行时间只有60%,20亿行时只有50%,可见性能提升很多,数据量越大时效果越显著。
系列性能优化技巧:
性能优化技巧:遍历复用
性能优化技巧:TopN
性能优化技巧:预关联
性能优化技巧:部分预关联
性能优化技巧:外键序号化
性能优化技巧:维表过滤或计算时的关联
性能优化技巧:有序归并
性能优化技巧:有序定位关联提速主子关联后的过滤
性能优化技巧:附表
性能优化技巧:大维表查找
性能优化技巧:单边分堆
性能优化技巧:有序分组
性能优化技巧:后半有序分组
性能优化技巧:前半有序时的排序
英文已更新