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) */ 是Oracle的并行查询语法，n是并行数。

脚本执行时间，单位：秒

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（N和M分别是主子表的记录 数），这种性能完全不能接受。

将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：

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：

在A6的new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

类似地，这个运算也很容易并行。