分享一次公司晉級考試的SQL題目，非常有趣的案例（postgresql 標量子查詢 where like 謂詞過濾條件）

小至尖尖發表於2023-11-10
SQL

同事今天晉級高階工程師考試，發來一道公司出題目讓我幫忙進行最佳化，其中場景二的案例非常有意思?。

題目內容如下：

原始SQL：
scott=> explain analyze 
scott-> select 
scott-> a.id,
scott-> a.col2,
scott-> (select sum(b.id) from table02 b where a.col2 like b.col2||'%' )
scott-> from table01 a;


                                                       QUERY PLAN                                                       
------------------------------------------------------------------------------------------------------------------------
 Seq Scan on table01 a  (cost=0.00..3905341.00 rows=100000 width=45) (actual time=0.579..50568.090 rows=100000 loops=1)
   SubPlan 1
     ->  Aggregate  (cost=39.02..39.03 rows=1 width=8) (actual time=0.504..0.504 rows=1 loops=100000)
           ->  Seq Scan on table02 b  (cost=0.00..39.00 rows=10 width=4) (actual time=0.063..0.499 rows=8 loops=100000)
                 Filter: (a.col2 ~~ (col2 || '%'::text))
                 Rows Removed by Filter: 1992
 Planning Time: 0.097 ms
 Execution Time: 50590.882 ms
(8 行記錄)

時間：50591.756 ms (00:50.592)

table01、table02 這兩張表沒有建立任何索引，全表掃描+標量子查詢SQL執行需要50s才能出結果，速度非常慢。

考題要求要最佳化這條SQL，意思既是無論是調整 postgresql資料庫的引數，對SQL加索引，等價改寫SQL，這些手段都沒問題，只要能讓執行速度變快就行。

 

由於當時我在忙其他的事情，大致看了一眼後給出了以下的改寫方案（我沒加索引，感覺加索引的用處不大）：

改寫1：

scott=> explain analyze select 
scott-> a.id,
scott-> a.col2,
scott-> b.sum_b_id
scott-> from table01 a 
scott-> left join (select sum(b.id) sum_b_id,b.col2 from table02 b group by b.col2) b 
scott-> ON a.col2 like b.col2||'%'
scott-> ;

                                                    QUERY PLAN                                                         
----------------------------------------------------------------------------------------------------------------------------
 Nested Loop Left Join  (cost=39.00..448135.74 rows=127500 width=45) (actual time=1.283..8674.517 rows=100000 loops=1)
   Join Filter: (a.col2 ~~ (b.col2 || '%'::text))
   Rows Removed by Join Filter: 25400387
   ->  Seq Scan on table01 a  (cost=0.00..1841.00 rows=100000 width=37) (actual time=0.018..19.620 rows=100000 loops=1)
   ->  Materialize  (cost=39.00..45.37 rows=255 width=11) (actual time=0.000..0.024 rows=255 loops=100000)
         ->  HashAggregate  (cost=39.00..41.55 rows=255 width=11) (actual time=1.241..1.316 rows=255 loops=1)
               Group Key: b.col2
               ->  Seq Scan on table02 b  (cost=0.00..29.00 rows=2000 width=7) (actual time=0.007..0.342 rows=2000 loops=1)
 Planning Time: 0.181 ms
 Execution Time: 8682.974 ms
(10 行記錄)

時間：8684.338 ms (00:08.684)

可以看到等價改寫以後，SQL從原來執行 50s 的時間已經降低到 8.8s 左右，提升還是挺大的。

把答案給了同事，我也去忙其他的事情了。

 

晚上我閒下來沒事做，賊無聊，仔細看了下改寫1 SQL的執行計劃，感覺這種計劃可能不是最優的執行計劃。

因為我始終感覺走HASH可能才是最佳的執行計劃，如果這條SQL在ORACLE 上執行，CBO很大可能會讓計劃走HASH，但是在PG就是走NL（腦殘最佳化器）?。

吃完飯後一直在嘗試改寫，搞了哥很長時間，最終還是把HASH版本的SQL給改出來了，淚目?。

改寫2：

scott=> explain analyze 
scott-> with a as (select id,col2,substr(t1.col2,1,x.rn) rn1 from table01 t1,
scott(> 

scott(>   (select min(length(col2)) rn from table02) x),
<t2.col2,1,x.rn) rn2 from (select sum(b.id) sum_b_id,b.col2 from table02 b group by b.col2) t2,                                
scott(>       (select min(length(col2)) rn from table02) x)
scott-> select a.id,a.col2,b.sum_b_id from a 
scott-> left join b on a.rn1 = b.rn2 and a.col2 like b.col2||'%';
                                                                QUERY PLAN                                                        
        
----------------------------------------------------------------------------------------------------------------------------------
--------
 Hash Left Join  (cost=127.86..14881.38 rows=100000 width=45) (actual time=2.322..215.695 rows=100000 loops=1)
   Hash Cond: (substr(t1.col2, 1, (min(length(table02.col2)))) = substr(b.col2, 1, (min(length(table02_1.col2)))))
   Join Filter: (t1.col2 ~~ (b.col2 || '%'::text))
   ->  Nested Loop  (cost=39.00..2880.02 rows=100000 width=41) (actual time=0.588..36.635 rows=100000 loops=1)
         ->  Aggregate  (cost=39.00..39.01 rows=1 width=4) (actual time=0.580..0.582 rows=1 loops=1)
               ->  Seq Scan on table02  (cost=0.00..29.00 rows=2000 width=3) (actual time=0.015..0.252 rows=2000 loops=1)
         ->  Seq Scan on table01 t1  (cost=0.00..1841.00 rows=100000 width=37) (actual time=0.005..15.073 rows=100000 loops=1)
   ->  Hash  (cost=85.67..85.67 rows=255 width=15) (actual time=1.721..1.724 rows=255 loops=1)
         Buckets: 1024  Batches: 1  Memory Usage: 20kB
         ->  Nested Loop  (cost=78.00..85.67 rows=255 width=15) (actual time=1.500..1.602 rows=255 loops=1)
               ->  Aggregate  (cost=39.00..39.01 rows=1 width=4) (actual time=0.554..0.555 rows=1 loops=1)
                     ->  Seq Scan on table02 table02_1  (cost=0.00..29.00 rows=2000 width=3) (actual time=0.004..0.233 rows=2000 l
oops=1)
               ->  HashAggregate  (cost=39.00..41.55 rows=255 width=11) (actual time=0.945..1.002 rows=255 loops=1)
                     Group Key: b.col2
                     ->  Seq Scan on table02 b  (cost=0.00..29.00 rows=2000 width=7) (actual time=0.005..0.250 rows=2000 loops=1)
 Planning Time: 0.351 ms
 Execution Time: 224.017 ms
(17 行記錄)

時間：225.488 ms

這個案例從最早的 50秒 改寫到 8秒，到最後的 225毫秒出結果，花了不少時間研究各種改寫方式?。

只能說PG的最佳化器確實太拉跨了，要用CTE才能讓最佳化器走HASH連線，浪費開發者不少時間，換成ORACLE資料庫不會走這種SB執行計劃。?

以後估計會很少發部落格，正在考慮轉行賣炒粉，現在的市場真的是一言難盡。?

 

相關文章