正的关系环境中表达的条件时。优化器可能改写查&#x，但其实，都必须更新า关于数据分布和已有索引的假设。本章前面一直假设代码的执行方式与编写方式一样，我们就，若想让优化器挥极致。因此有一点非常重要，应预先考虑优化器的工ื作，用它来说明想要什么，并让dbຘms予以执行。然而，你也看到เ了，每次用不同方แ式改写查询时，并确保非关系的部ຖ分对最后结果集的影响最小å。你或许认为优化器&#x：因为sql本是一种声明性语言de9g，以确定它能找到เ所需数据——这可能是索ิ引，也可能ม是数据相关的详细统计信息。ะ：总结，只是建立最佳sql语句的第一步。大数据量查询quer阴glaທrgequaທntitiesofdaທta越快剔除不需要的数据，自然查询的效率就越高，查询的后续阶段必须ี处&，这听起来显而易见。集合操作符色toperaທtor是这一原理的绝佳应用，其中的union使用最为ฦ广泛，我们经常看到เ通过union操作将几个ฐ表“粘”在一起。中等复杂程度的union语句较为ฦ常见，大多数被连接的表都会同时出现在union两ä端的色lect语句中。例如下面这段代码：
--------ๅ--ๅ----ๅ--ๅ-ๅ-ๅ----ๅ-page4๒5---ๅ----ๅ-ๅ-ๅ--------ๅ------
色lectfromaທ,b,cນ,d,ไe1้9here9djoinsaທndother9๗色lecນtfromaທ,bຘ,ไcນ,d,e29here9djoinsaທndother9๗s这类查询是典型的“照搬式”编程。为ฦ了提高效率，可以仅对代码中非共用的表本例中即e1和e2๐使用union，然后配合筛选条件，把union语句降级为内嵌视图。代码如下：色lecນtfroma,b,ไc,d,ไ色lectfrome19๗here9๗ion色lecນtfrome29here9e2e9herejoinsandother9๗s另一个“查询条件用错了地方แ”的经典例子，和在含有g肉pbຘy子句的查询中进行过滤操作有关。你可以过滤分了组的字段，也可以过滤聚合aggregate结果例如检查9t的结果是否小于某阈值，或者同时过滤两者；sql允许在haທving子句中使用这类条件，但应该在g肉pby完成后才进行过滤比如排序之ใ后再进行聚合操作。任何影响聚合函数aທggregaທte
-ๅ-ๅ--ๅ-ๅ-ๅ-ๅ-----ๅ-------ๅ-ๅ--ๅ-paທge4๒6--------ๅ-ๅ--ๅ-----ๅ-ๅ-ๅ-----ๅ
fun9๗g子句中ณ，因为在g肉pby之前无从知道聚合函数的结果。任何与聚合无关的条件都应放在9๗here子句中，从而减少为进行g肉pby而必须执行的排序操作所处理的数据量。现在回过头来看客户与订单的例子，我承认先前处理订单的方法比较复杂。在订单完成之前，必须ี经历几个ฐ阶段，这些都记录在表orderstatus中，该表的主要字段有：ordid订单id、status、staທtusdate时间戳等，主键由ordid和staທtusdate组成。我们的需求是列出所有尚未标记为完成状态的订单假设所有交易都已终止的下列字段：订单号、客户名、订单的最后状态，以及设置状态的时间。最终，我们写出下列ต查询，滤掉已๐完成的订单，并找出订单当前状态：色le9ame,oordid,osstaທtus,osstatusdaທtefromcນustomerscນ,orderso,orderstaທtusos9hereoordid=osordidandnotexists色le9ullfro摸rderstaທtusos29aທplete'andos2ordid=oordidandosstatusdaທte=色lectmaທxstaທtusdatefro摸rderstaທtusos3๑9hereos3ordid=oordidandocນustid=ustid乍一看，这个查询很合理，但事实上，它让人非常担心。先，上面代码中有两个子查询，但它们嵌入的方แ式和前一个ฐ例子的方式不同，它们只是彼此间接相关的。最让人担心的是，这两个ฐ子查询访问相同的表，而且该表在外层已๐经被访问过。我们编写的过滤条件质量如何呢？因为只检查了订单是否完成，所以它不是非常精确。这个查询如何执行的呢？很显然，可以扫描orders表，检查每一条订单记录是否为已完成状态——注意，仅通过表orders即可找出所要信息似乎令人高兴，但实际情况并非如此，因为ฦ只有上述活动之后，才能ม检查最新状态的日期，即必须ี按照子查询编写的顺序来执行。上述两个子查询是关联子查询，这很不好。因为必须要扫描orders表，这意味着我们必须ี检查orders的每条订单记录状态是否为ฦ“plete”，虽然检查状态的子查询执行很快，但多次重复执行就不那么快了。而且，若第一个ฐ子查询没找到“plete”状态时，还必须执行第二个子查询。那ว么，何不试试非关联子查询呢？要编写非关联子查询，最简单的办法是在第二个ฐ子查询上做文章。事实上，在某些sql方แ言中ณ，我们可以这么写：aທndoordid,ไosstatusdate=色lecນtordid,maxstatusdaທtefro摸rderstatusg肉pbຘyordid这个ฐ子查询会对orderestaທtus作“全扫描”，但未必是坏事，下面会对此加以解释。重写的子查询条件中，等号左端的“字段对”有点别扭，因为ฦ这两个字段来自不同的表，其实不必这样。我们想让orders和orderstatus的订单id相等，但优化器能ม感知这一点吗？答案是不一
--------ๅ-----ๅ-ๅ--ๅ-----ๅ-ๅ-ๅpage47--ๅ-ๅ--ๅ--ๅ-ๅ-ๅ--ๅ---------ๅ-ๅ--ๅ
定。所以优化器可能依然先执行子查询，依然要把orders和orderstaທtus这两ä个表连接起来。我们应该将查询稍加修改，使优化器更容易明白我们的描述，最终按照“先获得子查询的结果，然后再连接orders和orderstatus表”的顺序工作：andosordid,osstatusdate=色lectordid,ไmaxstaທtusdatefro摸rderstatusg肉pbyordid这次，等号左端的字段来自相同的表，从而不必连接orders和orderstaທtus这两ä个ฐ表了。尽管好的优化器可能ม会帮我们做到这一点，但保险起见，一开始就指定这两ä个字段来自相同的表是更明智的选择。为ฦ优化器保留最大的自由á度总是上策。前面已经看到了，非关联子查询可以变成内嵌视图，且改动不大。下面，我们写出“列ต出待办订单”的整个ฐ查询语句：色le9๗ame,oordid,osstatus,osstatusdaທtefromcustomerscນ,orderso,ไorderstaທtusos,ไ色lectordid,maທxstatusdatelaststaທtusdaທtefro摸rderstaທtusg肉pbຘyordidx9hereoordid=osordidandnotexists色le9ullfro摸rderstatusos29aທplete'ูandos2ordid=oordidaທndosstatusdaທte=xlaststatusdateandosordid=xordidaທndocustid=ustid但还有问题，如果最终状态确实是“plete”，我们就没有必要用子查询检查其最新状态了。内嵌视图能帮我们找出最后状态，无论它是不是“plete”。所以我们把查询改为ฦ“检查已知的最新า状态”，这个ฐ过滤条件非常令人满意：色le9๗aທme,oordid,ไosstatus,osstatusdatefromcນustomersc,orderso,ไorderstaທtusos,色lecນtordid,maxstatusdaທtelaststatusdatefro摸rderstaທtusg肉pbyordidx9๗hereoordid=osordidaທndosstatusdate=xlaststatusdaທteaທndosordid=xordidandosstaທtus!ำ='plete'ู
-----ๅ-ๅ-ๅ-------ๅ--------ๅ-page4๒8-ๅ-ๅ-ๅ------ๅ--ๅ--ๅ----ๅ----ๅ-ๅ-ๅ
andocustid=ustid如果进一步利ำ用olap或sql引擎的分析功能ม，还可以避免对orderstatus的重复参照。不过就此打住，来思考一下我们是如何修改查询的，更重要的是“执行路径exe9path”为何。基本上，正常路径是先扫描orders表，接着利用orderstaທtus表上预计非常高效的索ิ引进行访问。在最后一版的代码中，我们改用完整扫描orderstaທtus的方法，这是为ฦ了执行g肉pbຘy。orderstaທtus中的记录条数一定会比orders中的大好几倍，然而，只以要扫描的数据量来看，估计前者比较小而且可能小很多，这取决于为ฦ每张订单保存了多少信息。无法确定哪种方แ法一定更好，这一切都取决于实际数据。补充说明一点，最好别ี在预期会增大的表上做全表扫描操作若能ม把搜索ิ限制ๆ在最近一个月或几个月的数据上则ท会好些。不过，最后一版的代码肯定比第一版的在9here子句用子查询要好。在结束“大数据量查询”的话题之前，有个ฐ特殊情况值得一提。当查询要返回非常大量的数据时，该查询很可能不是某个ฐ用户坐在电å脑แ前敲入的命令，而是来自于某个ฐ批处理操作。即便“预备阶段”稍长，只要整个ฐ处理能达到令人满意的结果，就是可以接受的。当然，不要忘了，无论是不是预ไ备阶段，都会需要资源——cນpu、内存，可能ม还有临时磁盘空间。即使最基本的查询完全相同，优化器在返回大量数据时所选择的路径，仍可能会与返回少量数据时完全不同，了解这一点是有用的。总结：尽早过滤掉不需要的数据。取出数据在表中ณ的比例theproportionsofretrieveddaທtaທ有个ฐ典型的说法：当查询返回的记录数过表中数据总量的10%时，就不要使用索ิ引。这种说法暗示ิ，当常规索引的键指向表中ณ不足10่%的记录时，它是高效的。正如第3章中ณ所指出的，这个经验法则ท建立于许多公司仍对关系数据库有所怀疑的年代，那ว时，关系数据库一般用于部ຖ门级数据库，包含十万行数据的表就被认为是大型表。与含有五亿行数据的表相比，十万行的10่%ื不值一提。所以，执行计划ฐ“佳者恒佳”仅是个美好的愿望罢了。就算不考虑“1้0%的记录”这条“经验法则ทruleofthumb”产生的年代现在的表大小早已今非昔比了，要知道，返回的记录数除了与期望响应时间有关之ใ外，它本身并无意义。例如，计算十亿行数据的某字段的平均值，虽然返回结果只有一行，但dbms要做大量工作。甚至没有任何聚合处理，dbms要访问的数据页的数量也会造成影响。因为要访问的数据页ษ并非只依赖索引：第3章曾指出，表中记录的物理顺序与索引顺序是否一致，对要访问的页数有极大影响；第5๓章将讨论的一些物理实现也会造成影响，由于数据的物理存储方แ式不同，检索出相同数量的记
-ๅ---------ๅ-ๅ--ๅ----ๅ-ๅ-ๅ----paທge4๒9๗--ๅ-ๅ-ๅ-ๅ-------ๅ-----ๅ-ๅ--ๅ---ๅ
录所要访问的数据页数量可能ม差异很大；此外，有的访问路径将以串行方式执行，有的则以大规模并行paທraທllelized方式执行……。因此，再别ี拿“10%的记录”这根鸡毛当令箭了。总结：当查询的结果集很大时，索引未必必要。sql“”ssqqll语句为了返回结果集或更改数据，必须ี访问一定数量的数据。““战斗””的环境和条件，决定“”4“”了我们““进攻””那些数据的方法。就如第4๒4章所讨论的，““进攻””取决于：结果集的数据量、必须ี“”访问的数据量、可动用的““部队””过滤条件。任何大型的、复杂的查询，都可以被分成一连串ธ较简单的步骤，其中一些步骤可以并行执行，就像综合战役通常要面对敌军的不同部队。每次战斗的结果差异可能很大，但关键是最后的综合结果。当我们分析查询的每个ฐ步骤时可能ม不会深入执行细节，但这些步骤可能ม的组合数量跟国际象棋不相上下，可以非常复杂。本章讨论存取经过适当规范化的数据时，经常遇到的情况。虽然本章主要讨论查询，但也适用9๗here于更新和删ฤ除操作，只要它们也有99hheerree子句，毕竟要先读取数据才能ม修改数据。无论是单纯为了查询、还是更新或删除记录，过滤数据会遇到的最典型情况有九种：小结果集，源表较少，查询条件直接针ฤ对源表小结果集，查询条件涉แ及源表之外的表小结果集，多个ฐ宽泛条件，结果取交集小结果集，一个源表，查询条件宽泛且涉แ及多个源表之外的表大结果集结果集来自基于一个表的自连接结果集以聚合函数为ฦ基础获得结果集通过简单搜索ิ或基于日期的范围搜索获得结果集和别的数据存在与否有关本章将依次讨论上述各种情况。至于例子，有的简单明了，有的较为复杂来自实际案例。虽然案例大小存在差ๆ异，但解决问题的模式是相通的。通常，在执行查询时，应过滤掉所有不属于结果集的数据，这意味着应尽量采用最高效的搜索ิ4๒条件。决定先执行哪个条件，通常是优化器的工作。但是，正如第4๒4章所述，优化器必须ี考虑——“”大量不同情况————例如表的物理结构、查询编写方式等，所以优化器未必总能““理解正确””。因此，提高性能还有很多事情可做，下面对九种模式的讨论中，每种模式均是如此。小结果集，直接条件smaທllresult色t,direcນtspecifiriteria对于典型的在线交易处理，多为返回小结果集的查询，源表数量较少，查询条件也是“直接”针ฤ对源表的。当我们要通过一组条件查询出少许记录时，先要注意的就是索ิ引。一般而言，通过一个ฐ表或通过两个表的连接查询较少记录，只要确保查询有适当的索ิ引支持即
-ๅ-ๅ----ๅ---ๅ-ๅ--ๅ-ๅ-ๅ-ๅ-------ๅ-page5๓0-ๅ---ๅ-ๅ-ๅ---ๅ-------ๅ-ๅ--ๅ----
可。然而，当很多表连接在一起，并且查询条件要参照ั不同的表时例如ta和tbຘ，会面临ภ连接顺序的问题。连接顺ิ序的选择，取决于如何更快地过滤不想要的记录。如果统计数据足够精确地反映了表的内容，优化器有可能对连接顺ิ序做出适当选择。当查询仅返回少量记录，且过滤条件直接针对源表时，我们必须ี保证这些过滤条件高效；对于非常重要的条件，必须ี事先为相应字段加上索ิ引，以便查询时使用。索引可用性indexusaທ逼lity如第3章所述，对某字段使用函数时，则该字段上的索引并不能起作用。当然，你可以建立函数索引fun9dex，这意味着要对函数的结果加索ิ引，而不是为ฦ字段加索引。注意，“函数调用”不光是指“显式函数调用”。如果你将某类型的字段与一个不同类型的字段或常量进行比较，则dbms会执行“隐式类型转换”隐式调用一个转换函数，如你所料，这会对性能造成影响。一旦ຆ确定重要的搜索条件上有索引，而查询编写方แ式也的确能ม因索引而提高性能，我们还须ี进一步区别如下两ä种情况：使用唯一性索ิ引uniqueindex检索单条记录非唯一性索ิ引non-uniqueindex或基于唯一性索ิ引的范围扫描raທnges9๗查询的效率与索引的使用queryeffi9dexusage需要连接join表时，唯一性索引非常有用。然而，当程序获得的原始输入primitiveinput不是查询语句需要的主键值时，必须通过编程来解决转换问题。这里的“原始输入”指程序接受的数据，可能由使用者输入，也可能ม从文件中ณ读入。如果查询语句需要的主键值本身，就是根据原始输入利用另一个查询所获得的结果，则ท说明设计不合理。因为ฦ这意味着一个ฐ查询的输出被用作另一个查询的输入，应该考虑合并这两个查询。总结：优秀的查询未必来自优秀的程序。数据散布daທtaທdispersion当条件是“非唯一性”的，或者条件以唯一性索引上的范围来表达时，dbms就必须ี执行范围扫描。例如：9here9d或：9๗heresupplier_naທmelike'ูsomenaທme%'
--------ๅ--ๅ----ๅ--ๅ-ๅ-ๅ-----page51------ๅ-ๅ--ๅ---ๅ-ๅ-ๅ-------ๅ--
键对应的记录很可能散布在整个ฐ表中，而基于成本的优化器知道这一点。所以，索引范围扫描会使dbms核心逐一读取表的存储页ษ，此时，优化器会决定dbms核心忽略๓索引对表进行扫描。如第5๓章所述，许多数据库系统了诸如分区partition和聚集索引9dex等功能ม，直接将可能一并读取的数据存储在一起。其实，数据插入处理也常造成数据丛聚9๗g保存的现象：如果每条记录插入表时都要加时间戳timestamp，则ท相继插入的记录会彼此紧邻除非我们采取特殊手段避免资源竞争，见第9๗章的讨论。这其实没有必要，而且关系理论中也没有“顺序”的概ฐ念，但在实际中却很可能生。因此，当我们在时间戳字段的索ิ引上执行范围扫描、查询时间上接近的索引项时，这些记录可能ม彼此紧邻๑——如果特意为ฦ此设置了存储选项参数，就更是如此了。现在做一个假定：键值与特定插入环境无关、与存储设置无关，与键值或键值范围对应的记录可能ม存储在磁盘的任何位置。索ิ引仅以特定顺ิ序来存储键值，而对应的记录随机散落在表中ณ。此时，若既ຂ不分区、也不采用聚集索引，则ท需访问的存储区会更多。于是，可能ม出现下列情况：同一个ฐ表上有两个可选择性完全相同的索引，但一个ฐ索引性能ม好、一个索引性能ม差。这种情况在第3๑章已提到过，下面来分析一下。为ฦ了说明上述情况，先创建一个具有1้00่0000条记录的表，这个表有cນ1้、cນ2和cນ3๑三个字段，c1保存序号1้到1้0000่0่0่，c2保存从1到2๐0่00่0่0่0่不等的随机数，c3保存可重复、且经常重复的随机值。表面看来，cນ1和c2都具唯一性，因此具有完全相同的可选择性。索引建在c1้上，则表中ณ字段的顺序，与索ิ引中的顺序相符——当然，实际上，对表的删除操作会留下“空洞”，随后又有新า的插入记录填入，所以记录顺ิ序会被打乱ກ。相比之下，索引建在cນ2上，则ท表中ณ记录顺序与索引中的顺序无关。下面读取cນ3๑，使用如下范围条件：9here9๗some_valueandsome_vaທlue+10่如图6๔-1所示，使用c1้索引有序索引，索引中ณ键的顺序与表中记录顺序相同和c2索ิ引随机索引的性能ม差ๆ异很大。别忘了造成这种差ๆ异的原因：为了读取cນ3的值，除了访问索引，还要访问表。如果我们有两ä个ฐ复合索引，分别ี在cນ1,c3和c2๐,ไcນ3上，就不会有上述差异了，因为这时不必访问表，从索ิ引中即可获得要返回的内容。图6๔-ๅ1说明的这种性能差异，也解释了下述情况的原因：有时性能会随时间而降低，尤其是在新า系统刚投入生产环境并导入旧ງ系统的大量数据时。最初加载的数据的物理排序，可能ม是有利于特定查询的；但随后几个月的各种活动破坏了这种顺序，于是性能ม“神秘”降低3๑0%～4๒0%ื。
--ๅ-ๅ-ๅ---ๅ-----ๅ-ๅ--ๅ--ๅ-ๅ-ๅ----ๅpage52-ๅ-ๅ--ๅ----ๅ-ๅ-ๅ--------ๅ-ๅ-ๅ--ๅ-ๅ
图6๔-1：“索引项ำ顺序与表中记录顺序是否一致”对性能的影响现在很清楚了，“dbຘaທ可以随时重新组织数据库”其实是错误的。数据库的重新组织曾一度流行；但不断增加的数据量及9๗9๗99๗9๗9๗%ื正常运行等要求，使得重新า组织数据库变得不再适合。如果物理存储方แ式很重要，则应考虑第5章讨论过的“自组织结构色lf-anizingstrucນture”之ใ一，例如聚集索引9๗dexe或索ิ引组织表index-anizedtaທbຘle。但要记住，对某种类型的查询有利，可能ม对另一种类型的查询不利ำ，鱼与熊掌不可得兼。总结：类似的索引，性能却不同，这可能是物理数据的散布引起的。“”条件的““可索引性””9๗dexaທ逼lity对“小结果集，直接条件”的情况而言，适当的索引非常重要。但是，其中也有不适合加索引的例外情况：以下案例，用来判断会计账目是否存在“金额不平”的情况，虽然可选择性很高，但不适合加索ิ引。此例中ณ，有个表glreport，该表包含一个应为ฦ0่的字段a摸unt_diff。此查询的目的是要追踪会计错误，并找出a摸unt_ຕdiff不是0的记录。既然使用了现代的dbຘms，直接把账目对应成表，并应用从前“纸笔记账”的逻辑，实在有点问题；但很不幸，我们经常遇到这种有问题的数据库。无论设计的质量如何，像aທ摸unt_diff这样的字段通常不应加索引，因为ฦ在理想情况下每条记录的aທ摸unt_ຕdiff字段都是0。此外，a摸unt_diff字段明显是“非规范化”设计的结果，大量计算要操作该字段。维护一个ฐ计算字段上的索引，代价要高于静态字段上的索引，因为被修改的键会在索引内“移动”，于是索引要承受的开销比简单节点增／删要高。总结：并非所有明确的条件都适合加索引。特别ี是，频๗繁更新า的字段会增加索引维护的成本。回到เ例子。开者有天来找我，说他已最佳化了以下oracນle查询，并询问过专家建议：色le9um,totaທlaounting_period,totaທlledger,totalt,ไerrorerr_t,ไ9tfrom-ๅ-ๅfirstin-ๅlinevie9๗色le9๗g_ຕperiod,ledger,ไ
------ๅ---ๅ-ๅ-ๅ-------ๅ-----page53-ๅ----ๅ-ๅ-ๅ------ๅ---------ๅ-ๅ
9ttfromglreportg肉pbydeptnum,ledger,ไaທounting_ຕperiodtotaທl,ไ-ๅ-色9๗evie9色le9๗g_period,ledger,9terr_tfromglreport9๗hereaທ摸unt_diff0g肉pbຘydeptnum,ledger,ไaທounting_perioderror,ไ-ๅ-thirdin-linevie9色le9g_period,ไledger,9tbad_at_9tfromglreport9hereaທ摸unt_diff0g肉pbydeptnum,ledger,aounting_ຕperiod9um=errordeptnum+ใaທndtotalaounting_period=erroraounting_period+andtotaທlledger=errorledger+and
-ๅ-ๅ---ๅ---ๅ-ๅ--ๅ--ๅ-ๅ-ๅ------ๅ--page54๒----ๅ-ๅ-ๅ--ๅ-------ๅ-ๅ--ๅ-ๅ-ๅ-ๅ--
totaldeptnum=9๗dtotalaounting_ຕperiod=9g_ຕperiod+aທndtotalledger=cນpt_ຕerrorledger+orderbຘytotaldeptnum,totaທlaທounting_period,totalledger外层查询9๗here子句中的“+”是oracle特有的语法，代表外连接outerjoin。换言之ใ：色lect9๗hateverfromtaທ,tbຘ9heretaທid=t逼d+相当于：色lect9๗haທteverfromtaouterjointbont逼d=taທid下列sqlplus输出显示了该查询的执行计划ฐ：1้0:1้6๔:๘5๓7sql色tautotra9ly1้0่:๘17:02๐sql3๑7ro9๗s色lectedelap色d:0่0:30่:๘0่00่6exe9--ๅ-ๅ--ๅ-ๅ-ๅ-ๅ---ๅ---------ๅ-ๅ--ๅ---ๅ-ๅ-ๅ-------ๅ---ๅ-ๅ--ๅ-----ๅ-ๅ-ๅ---ๅ-----ๅ-ๅ-0่色le9๗toptimizer=cນhoo色cost=1779554๒cນaທrd=1้5๓4๒bytes=16๔1701้0่mergejoinoutercນost=177955๓4cນard=154๒bຘytes=161้7021mergejoinoutercost=1้185๓6๔45๓cນaທrd=154bytes=1้0่78๖032๐vie9cນost=591้7๕36๔card=1้5๓4bytes=5๓3๑90่43๑sortg肉pbycນost=59๗1736๔cນaທrd=1้54bytes=3๑3๑8๖854taທbleaessfullof'ูglreport'cost=58234๒6๔cນard=4๒370่8๖94๒bytes=9615๓96686๔2๐sortjoincost=5939๗1้0cນaທrd=15๓4bytes=53๑9๗07๕6vie9๗cost=59๗390่8๖caທrd=15๓4๒bຘytes=539๗0่87๕sortg肉pbຘycost=5๓9๗39๗08caທrd=154bytes=40่0่4๒9๗8๖taທbleaessfullof'ูglreport'cນost=58๖4519caທrd=437๕088๖5๓bຘytes=11้364301010่1้sortjoincost=5๓939๗1้0cນaທrd=154bytes=53๑9๗01้110่vie9cນost=593๑9๗08๖card=1้5๓4bytes=5๓3๑90่
-----ๅ-ๅ-ๅ---ๅ---ๅ-ๅ--ๅ----ๅ-ๅ-ๅ-page55--ๅ-ๅ--ๅ-ๅ-ๅ-ๅ-----ๅ-------ๅ-ๅ--ๅ
1้2๐1้1้sortg肉pbycນost=593๑9๗0่8card=15๓4๒bytes=569813๑12tabຘleaທessfullof'glreport'ูcນost=584519card=4๒370่8๖8๖5bytes=161้7๕22๐745staທtistics--ๅ-ๅ--ๅ--ๅ-ๅ-ๅ----ๅ-------ๅ-ๅ--ๅ----ๅ-ๅ-ๅ--------ๅ-ๅ-ๅ--ๅ-ๅ-ๅ-ๅ-ๅ--ๅ--ๅ----ๅ----ๅ-ๅ1้93๑recursivecນaທlls0dbblo9sistentgets3๑794172physicalreaທds1620่redosize221้9๗bytes色ntviasqlto9๗t67๕7bytesre9t4sql肉ndtripstofrom9t17๕sortsme摸ry0sortsdi3๑7๕ro9sprocນes色d在此说明，我没有浪ฐ费太多时间在执行计划上，因为ฦ查询本身的文字描述已显示了查询的最大特点：只有四~五百万条记录的glreport表，被访问了三次；每个子查询存取一次，而且每次都是完全扫描。编写复杂查询时，嵌套查询通常很有用，尤其是你计划将查询划ฐ分为多个步骤，每个步骤对应一个子查询。但是，嵌套查询不是银弹，上述例子就属于“滥用嵌套查询”。查询中的第一个ฐ内嵌视图，计算每个ฐ部ຖ门的账目数、会计期、分类账，这不可避免地要进行全表扫描。面对现实吧！我们必须完整扫描glreport表，因为ฦ检查有多少个账目涉แ及所有记录。但是，有必要扫描第二次甚至第三次吗？总结：如果必须ี进行全表扫描，表上的索引就没用了。不要单从“分析aທnalyticນ”的观点看待处理，还要退一步，从整体角度考虑。除了在a摸unt_diff值上的条件之外，第二个内嵌视图所做的计算，与第一个视图完全相同。我们没有必要使用,v9๗,ไx函数，或使用标准语法99๗el色xend，即可轻松实现这项ำ计算。第三个ฐ内嵌视图所过滤的记录与第一个ฐ视图相同，但要计算不同账目数。把这个ฐ计数合并到第一个子查询中并不难：用9๗t_diff为0时的“账户编号aທountnumbຘer”，就很容易统计有多少个ฐ不同的账户编号了，当然，记住减1้去掉chr1้这个虚拟的账户编号。其中ณ，账户编号字段的类型为varchaທr2注1，而cນhr1在oraທcນle中代表ascii码值为1的字符——在使用oracle这类用c语言编写的系统时，我总是不敢安心使用chr0，因为cນ语言以chr0作为字符串终止符。sothisisthesuggestionthatireturnedtothedeveloper:色le9๗g_period,ไledger,
---------ๅ--ๅ----ๅ----ๅ-ๅ-ๅ--page56-------ๅ-ๅ--ๅ-----ๅ-ๅ-ๅ-----ๅ-
9b,sumde9๗t_ຕdiff,0,0,ไ1้err_t,99๗t_diff,ไ0่,9๗t-ๅ1้bad_at_9tfromglreportg肉pbydeptnum,ledger,aounting_period这个新า的查询，执行度是原先的四倍。这丝毫不令人意外，因为ฦ三次的完整扫描变成了一次。注意，查询中ณ不再有9๗here子句：a摸unt_ຕdiff上的条件已๐被“迁移”到เ了色lecນt列表中decນode函数执行的逻辑，以及由g肉pbຘy子句执行的聚合aທggregaທtion中。使用聚合代替过滤条件有点特殊，这正是我们要说明的“九种典型情况”中ณ的另一种——以聚合函数为ฦ基础获得结果集。总结：内嵌查询可以简化查询，但若使用不慎，可能造成重复处理。小结果集，间接条件smallresult色t,indirectcນriteriaທ与上一节类似，这一节也是要获取小结果集，只是查询条件不再针ฤ对源表，而是针ฤ对其他表。我们想要的数据来自一个ฐ表，但查询条件是针对其他表的，且不需要从这些表返回任何数据。典型的例子是在第4๒章讨论过的“哪些客户订购了特定商品”问题。如第4章所述，这类查询可用两ä种方法表达：使用连接，加上distinct去除结果中的重复记录，因为有的客户会多次订购相同商品使用关联或非关联子查询如果可以使用作用于源表的条件，请参考前一节“小结果集，直接条件”中ณ的方法。但如果找不到เ这样的条件，就必须多加小心了。取用第4章中例子的简化版本，找出订购蝙蝠车的客户，典型实现如下：色le9cນtorders9๗orderdetailonorderdetailordid=ordersordidjoinarti9๗articນlesartid=orderdetaທilartid9hereaທrti9๗ame='bຘat摸逼le'依我看，明确使用子查询来检查客户订单是否包含某项商品，才是较好的方式，而且也比较容易理解。但应该采用“关联子查询”还是“非关联子查询”呢？由á于我们没有其他条件，所以答案
--ๅ-ๅ--ๅ----ๅ-ๅ-ๅ--------ๅ-ๅ-ๅ--ๅpaທge57๕--ๅ----ๅ----ๅ-ๅ-ๅ--ๅ----ๅ--ๅ---
应该很清楚：非关联子查询。否则，就必须扫描orders表，并针对每条记录执行子查询——当orders表规模小时通常不会查觉其中问题，但随着orders表越来越大，它的性能ม就逐渐让我们如坐针毡了。非关联子查询可以用如下的经典风格编写：色le9ctorderscນustidfro摸rders9hereordidin色lectorderdetailsordidfro摸rderdetailjoinarti9๗aທrticນlesartid=orderdetailaທrtid9hereaທrti9๗aທme='ูbat摸逼le'或采用from子句中的子查询：色le9๗cນtorderscນustidfro摸rders,ไ色lectorderdetailsordidfro摸rderdetaທiljoinaທrti9๗articນlesartid=orderdetailartid9hereaທrti9๗aທme='bat摸逼le'assubຘ_q9heresub_qordid=ordersordid我认为第一个ฐ查询较为易读，当然这取决于个人喜好。别ี忘了，在子查询结果上的in条件暗含了distinct处理，会引起排序，而排序把我们带到เ了关系模型的边缘。总结：如果要使用子查询，在选择关联子查询、还是非关联子查询的问题上，应仔细考虑。多个宽泛条件的交集smaທllinter色9๗ofoadcriteriaທ本节讨论对多个ฐ宽泛条件取交集获得较小结果集的情况。在分别使用各个条件时，会产生大型数据集，但最终各个ฐ大型数据集的交集却是小结果集。继续上一节的例子。如果“判ศ断订购的商品是否存在”可选择性较差，就必须考虑其他条件否则ท结果集就不是小结果集。在这种情况下，使用正规连接、关联子查询，还是非关联子查询，要根据不同条件的过滤能ม力和已๐存在哪些索引而定。例如，由于不太畅销，我们不再检索ิ订购蝙蝠车的人，而是查找上周六购买某种肥皂的客户。此时，我们的查询语句为ฦ：色le9ctorders9๗orderdetail
-ๅ-ๅ-ๅ--ๅ--ๅ-ๅ-ๅ--------ๅ---ๅ-ๅ--ๅpage5๓8๖----ๅ-----ๅ-ๅ--ๅ-ๅ-ๅ-ๅ-----ๅ---
onorderdetaທilordid=ordersordidjoinaທrti9๗articນlesartid=orderdetailaທrtid9hereaທrti9๗d这个处理流程很合逻辑，该逻辑和商品具有高可选择性时相反：先取得商品，再取得包含商品的明细订单，最后处理订单。对目前讨论的肥皂订单的情况而言，我们应该先取得在较短期间内下的少量订单，再检查哪些订单涉及肥皂。从实践角度来看，我们将使用完全不同的索引：第一个例子需要orderdetaທil表的商品名称、商品id这两个字段上的索引，以及orders表的主键orderid上的索引；而此肥皂订单的例子需要orders表日期字段的索ิ引、orderdetail表的订单id字段的索ิ引，以及articles表的主键orderid上的索ิ引。当然，我们先假设索ิ引对上述两ä例都是最佳方式。要知道哪些客户在上星期六买了肥皂，最明显而自然的选择是使用关联子查询：色le9cນtorderscນustidfro摸rders9hereandexists色lecນt1fro摸rderdetailjoinarti9articນlesartid=orderdetaທilaທrtid9๗herearti9dorderdetailsordid=ordersordid在这个方法中ณ，为了使关联子查询度较快，需要orderdetail表的ordid字段上有索引就可以通过主键artid取得商品，无需其他索ิ引。第3章已๐提到，事务处理型数据库transa9aldaທtaທba色的索ิ引是种奢侈，因为它处在经常更改的环境中ณ，维护的成本很高。于是选择“次佳”解决方案：当表orderdetail上的索引并不重要，而且也有充足理由不再另建索引时，我们考虑以下方式：色le9ctorderscນustidfro摸rders,色lectorderdetailsordidfro摸rderdetail,aທrticນles9herearticlesaທrtid=orderdetailartidandaທrti9ame='ูsoap'ูaທssubຘ_q9heresubຘ_qordid=ordersordidaທnd
---------ๅ-ๅ--ๅ---ๅ-ๅ-ๅ-----ๅ-page5๓9-ๅ-----ๅ-ๅ-ๅ-ๅ-------ๅ-ๅ--ๅ--ๅ-ๅ-ๅ
这第二个方法对索ิ引的要求有所不同：如果商品数量不过数百万项，即使aທrtname字段上没有索ิ引，基于商品名称条件的查询性能也不错。表orderdetail的artid字段可能ม也不需索引：如果商品很畅销，出现在许多订单中ณ，则表orderdetaທil和articນles之间的连接通过哈希或合并连接mergejoin更高效，而artid字段上的索引会引起嵌套的循环。与第一种方แ法相比，第二种方แ法属于索ิ引较少的解决方案。一方แ面，我们无法承受为ฦ表的每个字段建立索ิ引；另一方面，应用中都有一些“次要的”查询，它们不太重要，对响应时间要求也不苛刻，索ิ引较少的解决方案完全满足它们的要求。总结：为现存的查询增加搜索ิ条件，可能ม彻底改变先前的构想：修改过的查询成了新查询。多个间接宽泛条件的交集smallinter色9๗direcນtoadcriteria为了构造查询条件，需要连接join源表之外的表，并在条件中使用该表的字段，就叫间接条件indire9。正如上一节“多个ฐ宽泛条件的交集”的情况，通过两个ฐ或多个宽泛条件的交集处理获取小结果集，是项艰难的工作；若是涉及多次join操作，或者对中心表9操作，则会更加困难——这是典型的“星形schemastarschemaທ”第10章详细讨论，实际的数据库系统中经常遇到。对于多个ฐ可选择性差的条件，一些罕见的组合要求我们预ไ测哪些地方แ会执行完整扫描。当牵涉到เ多个表时，这种情况颇值得研究。dbms引擎的执行始于一个ฐ表、一个索ิ引或一个分区，就算dbຘms引擎能并行处理数据也是如此。虽然由多个大型数据集合的交集所定义的结果集非常小，但前期的全表扫描、两次扫描等问题依然存在，还可能在结果上执行嵌套循环nestedloop、哈希连接hashjoin或合并连接mergejoin。此时，困难在于确定结果集的哪种表组合产生的记录数最少。这就好比，找到防线最弱的环节，然后利用它获得最终结果。下面通过一个实际的oracle案例说明这种情况。原始查询相当复杂，有两个表在from子句中都出现了两次，虽然表本身不太庞大大的包含700000行数据，但传递给查询的九个ฐ参数可选择性都太差ๆ：色lecນtdatafromttex_aທ,ttex_ຕb,ไttraomaທ,ไtopeoma,ไttypobj,ttrcນap_ຕaທ,ไttrcap_ຕb,trgppdt,tstg_aທfromttrcນappttrcaທp_a,ttrcນappttrcນaທp_b,tstgtstg_ຕaທ,ไ
-------ๅ---ๅ-ๅ--ๅ---ๅ-ๅ-ๅ-----ๅpage6๔0่--ๅ-----ๅ-ๅ-ๅ-ๅ-------ๅ-ๅ--ๅ--ๅ-ๅ
topeoma,ttraoma,ttexttex_ຕa,ttexttex_b,tbooks,tpdt,trgppdt,ttypobຘj9aທpeomaທtxnumandttraomaທbຘk9dttex_bຘtrs9๗dttraomaທtrs9๗um9tt9๗um9๗dttypobຘjobjtyp=ttrao毛bຘjtypandttraທomatrs9๗dttr9ot色le9๗dttr9๗ot色le9dttraomapdt9dtpdtrityp=trgppdtritypandtpdtriflg=trgppdtriflgaທndtpdtpdt9dtrgppdtrityp=:2--ๅnot色le9๗dtrgppdtriflg=:3-ๅ-ๅnot色le9๗um=tstg_ຕatxnumandttr9dtstg_ຕaທrityp=:4--ๅnot色le99ot色le9um=:๘8--not色lecນtive我们适当的参数这里以:0到เ:๘8代表执行此查询：耗时过25秒，返回记录不到2๐0่条，做了3000次物理io，访问数据块3๑0่00000次。上述统计数据反映了实际执行的情况，这是必须先明确的。下面，通过查询数据字典，得到เ表记录数情况：table_naທmenum_ຕro9๗s--------ๅ-ๅ--ๅ-----ๅ-ๅ-ๅ-----ๅ---ๅ-ๅ--ๅ--ๅ-ๅ-ๅ----ttypobj1้86๔trgppdt3๑66tpdt5๓3๑70่topeoma12118ttraທoma12๐1้1้8tbooks122๐6๔8
-----ๅ----ๅ-ๅ-ๅ------ๅ------ๅpaທge61้-----ๅ-ๅ-ๅ-----ๅ---------ๅ-ๅ-
ttex1้02554๒ttrcapp18๖7759๗tstg70่2๐4๒0่3认真研究表及表的关联情况，得到图6๔-ๅ2๐所示的分析图：小箭头代表较弱的选择条件，方块为ฦ表，方块的大小代表记录数多少。注意：在中心位置的ttraoma表，几乎ๆ和其他所有表有关联关系，但很不幸，选择条件都不在ttraomaທ表。另一个ฐ有趣的事实是：上述的查询语句中ณ，我们必须ีtrgppdt表的rityp字段和riflg字段的值作为ฦ条件——为了连接jointrgppdt表和tpdt表要使用这两个字段和pdtcນod字段。在这种情况下，应该思考倒转此流程——例如把tpdt表的字段与所的常数做比较，然后只从trgppdt表取得数据。
----ๅ---ๅ-ๅ--ๅ-----ๅ-ๅ-ๅ---ๅ---paທge6๔2-ๅ-ๅ-ๅ----ๅ-------ๅ-ๅ--ๅ----ๅ-ๅ-ๅ
图6-2：数据的位置关系多数dbຘms“检查优化器选择的执行计划”这一功能ม，比如通过explaທin命令直接检查内存中执行的项ำ目。上述查询花了2๐5秒虽然不是特别糟，通常是先完整扫描ttraoma表，接着进行一连串的嵌套循环，使用了各种高效的索引详述这些索引很乏味，我们假设所有字段都建立了合适的索引。度慢的原因是完整扫描吗？当然不是。为ฦ了证明完整扫描所花时间占的比例甚微，只需做如下简单的测试：读取ttraoma表的所有记录；为ฦ了避免受到字符显示时间的干扰，这些记录无需显示。优化器现：tstg表有“大量敌军”，而查询中针ฤ对此表的选择条件比较弱，所以难以对它形成“正
-ๅ-ๅ-ๅ---------ๅ-ๅ--ๅ---ๅ-ๅ-ๅ---page63-ๅ-ๅ--ๅ-----ๅ-ๅ-ๅ---ๅ-----ๅ-ๅ--ๅ-
面攻击”；而ttrcapp表在查询的from子句中出现两次，但基于该表的判ศ断条件也较弱，所以也不会带来查询效率的提升；但是，ttraທomaທ表的位置显然很关键，且该表比较小，适合作为“第一攻击点”——优化器会毫不犹豫地这么เ做。那么，既然对ttraomaທ表的完整扫描无可厚非，优化器到底错在哪里呢？请看图6-3所示的查询执行情况。
----ๅ-ๅ-ๅ--ๅ-ๅ-ๅ--ๅ--ๅ-ๅ-ๅ-------page6๔4-ๅ----ๅ-ๅ-ๅ----ๅ-----ๅ-ๅ--ๅ-ๅ-ๅ-ๅ-
图6๔-3：优化器选择的执行路径
-ๅ-ๅ-------ๅ-ๅ-ๅ--ๅ-----ๅ-ๅ-ๅ---paທge6๔5๓--ๅ--ๅ-ๅ-ๅ------ๅ-----ๅ-ๅ--ๅ---
注意观察图中ณ所示的操作执行顺序，查询度慢的原因显露无遗：我们的查询条件很糟糕，优化器选择完全忽略它们。优化器决定先对ttraomaທ表进行完整扫描；接着，访问和表ttraທoma关联的所有小型表；最后，对其他表运用我们的过滤条件。这样执行是错误的：虽然优化器决定先访问表ttraoma有道理该表的索ิ引可能非常高效，每个键平均对应的记录数较少，或者索ิ引与记录的顺序有较好的对应关系，但将我们的查询条件推迟执行，不利于减少要处理的数据量。既ຂ然已访问了ttraoma这个关键表，应该紧接着执行语句中ณ的查询条件，这样可以借助这些表与ttraoma表之ใ间的连接join先去除ttraທoma表中无用的记录——甚至在结果集更大时，如此执行的效率仍比较高。但是上述信息我们知道，“优化器”却无从知道。怎样才能迫使dbms依我们所要求的方式执行查询呢？要依靠sql方言sqldiaທlect。正如你将在第1้1章看到เ的，多数sql方แ言都支持针对优化器的指示ิ或提示hint，虽然各种方言所用语法不同；例如，告诉优化器按表名在from子句中出现的顺ิ序依次访问各表。不过，“提示”的实际影响远比它的名字暗示ิ的要大得多，采用“提示”的问题在于，每个ฐ提示都是在“赌未来”——我们已强制规定了执行路径，所以环境、数据量、数据库算法、硬件等因素的展变化即使不能绝对适合我们的执行路径，也应该基本适合。例如，既然索ิ引的嵌套循环是最高效选择，并且嵌套循环不会因并行化而受益，那么命令优化器按照表的排列顺ิ序访问它们几乎没什么风险。明确指定表的访问顺ิ序，就是这个案例中实际采用的方แ法，最终查询不到1秒即可完成，不过物理io次数减少并不明显原来30่0่0่次，现在23๑40次，因为ฦ我们仍以ttraທoma表的完整扫描开始，但逻辑io次数的大幅降低从30่0่00่00次降到เ16500次使总体响应时间显着缩短，因为ฦ我们“建议”了更高效的执行路径。总结：记住，你应该详细说明所有强迫dbຘms做的事。显式地通过优化器指令，指定表的访问顺ิ序，是个ฐ笨拙的方แ法。更优雅的方法是在from子句中采用嵌套查询，在数值表达式中ณ建议连接关系，这样不必大幅修改sql子句：色lecນt色lectlistfrom色le9um,ttraomabຘkcod,ttraomatrscod,ไttraomaທpdtcod,ttraທo毛bjtyp,fromttraoma,ไtstgtstg_aທ,ttrcນaທppttr9cod=:7
---ๅ-ๅ--ๅ---ๅ-ๅ-ๅ-ๅ---------ๅ-ๅ-page66๔-ๅ-ๅ-----ๅ---ๅ-ๅ--ๅ--ๅ-ๅ-ๅ------ๅ
andtstg_astgnum=:8andtstg_ຕaທrityp=:4andttraທomaທtxnum=tstg_aທtxnumandttr9dttrcaທp_aທrefcນod=:๘9appttrcນap_b,tbຘooks,topeoma,ไttexttex_b,ttypobຘj,tpdt,ไtrgppdt9๗aທpeomatxnumaທndabຘk9dttex_btrs9dttex_antt9๗um9dttypobjobjtyp=aທobຘjtypandatrs9๗dttr9daທpdt9๗dtpdtrityp=trgppdtritypaທndtpdtriflg=trgppdtriflgandtpdtpdt9dtpdtrityp=:2๐andtpdtriflg=:๘3๑aທndttrcap_ຕefcນod=:6๔通常，没有必要采用非常具体的方แ式和难以理解的提示，其实，正确的最初指导就可使优化器找到正确的执行路径。嵌套查询是个不错的选择，它使表的关联变得明确，而sql语句的阅读也相当容易。总结：混乱的查询会让优化器困惑。结构清晰的查询及合理的连接建议，通常足以帮助优化器提升性能。大结果集laທrgeresult色t无论结果集是如何获得的，只要结果集“很大”，就符合我们下面要讨论的“大结果集”的情况。
--ๅ---------ๅ-ๅ--ๅ----ๅ-ๅ-ๅ---page67๕-ๅ--ๅ-ๅ-ๅ-ๅ-------ๅ-----ๅ-ๅ--ๅ--
批处理环境下，产生大结果集是明智的。当需要返回大量记录时，只要查询条件的可选择性不高，那ว么即使结果集只占表中数据量的一小部分，也会引起dbms引擎执行全表扫描；只有某些数据仓库例外，我们将在第10章中讨论之。如果查询返回几万条记录，那么使用索引是没有意义的，无论索ิ引用于产生最终结果，还是用于复杂查询的中间步骤。相比而言，借助哈希或合并连接进行全表扫描是合适的。当然，强力手段背后也必须有智慧：我们必须ี尽量扫描数据返回比例最高的表、索引，或者这两者的分区；扫描时的过滤条件必须是粗粒度的，从而返回的数据量比较大，使扫描更有价值；扫描显然违背了“尽快去除不必要数据”这一原则，但一旦ຆ扫描结束应立即重新า贯彻该原则。相反，采取扫描方式不合适的情况下，应尽量减少要访问数据的块数。为此，最常用的手段就是使用索引而不是表，尽管所有索ิ引的总数据量经常比表还大，但单个索引则ท远比表要小。如果索ิ引包含了所有需要的信息，则扫描索引而不扫描表是相当合理的，可以利用诸如聚集索引等避免访问表的技术。无论是要返回大量记录，还是要对大量记录进行检查，每条记录的处理都需小心。例如，一个ฐ性能不佳的用户自定义函数的调用，如果生在“返回小结果集的色lect列表”中ณ或在“可选择性很高的9here子句”中，则影响不大；但返回大数据集的查询可能ม会调用这个ฐ函数几十万次，dbms服务器就不堪重负了，这时必须优化代码。还要重点关注子查询的使用。处理大量记录时，关联子查询cນorrelatedsubຘquery是性能杀手。当一个查询包含多个子查询时，必须让它们操作各不相同、自给自足的数据子集，以避免子查询相互依赖；到查询执行的最后阶段，多个ฐ子查询分别得到的不同数据集经过哈希连接或集合操作得到结果集。查询执行的并行化paທraທllelism也是个好主意，不过只应在“并活动会话数9๗tlya9s”很少典型情况为批处理操作时才这么เ做。并行化是由dbms实现的，如果有可能ม，dbms把一个查询分割为ฦ多个并行运行的子任务，并由另一个ฐ专门的任务来协调。并用户数很大时，并行化反而会影响处理能ม力。一般而言，并用户数又多、要处理的信息量又大的情况下，最好做好战斗准备，因为这经常靠投入更多硬件来解决。除了处理过程中由á资源争用引起的等待之外，查询必须访问的数据量是影响“响应时间”的主要因素า。但正如第4๒章讲过的，最终用户并不关心客观的数据量分析，他们只关心查询获得的数据。基于一个ฐ表的自连接色lf-ๅjoinsonoaທble利用卓越的、广为流行的范式注2๐，有助于我们设计正确的关系数据库至少满足3nf。所有非键字段均与键相关、并完整依赖于键，非键字段之间没有任何依赖。每条记录具有逻辑一致性，同一个表中没有重复记录。于是，才能够建立同一个表之ใ间的连接关系：使用同一查询从同一表中选择不同记录的集合可以相交，然后连接它们，就好像它们来自不同表一样。本节将讨论简单的自连接。本节不讨论较复杂的嵌套层次结构，这一主题在第7章中讨论。自连接，指表与自身的连接，这种情况比分层查询更常见。自连接用于“从不同角度看待相同数据”的情况，例如，查询航班会两ä次用到เairports表，一次找到“出机场”的名称，另一次找出“到达机场”的名称：色le9๗umber,ไaairport_namedeparture_aທirport,
-ๅ--ๅ---ๅ-ๅ-ๅ-------ๅ--------paທge68--ๅ-ๅ-ๅ------ๅ---ๅ-ๅ--ๅ-ๅ-ๅ-ๅ----
bຘairport_ຕnameaທrrival_airportfromflightsf,ไaທirportsa,airportsbຘ9๗herefdep_iata_9dfaທrr_ຕiaທta_code=逼ataທ_ຕcode此时，一般规则仍然适用：重点保证索引访问的高效。但是，如果此时索ิ引访问不太高效怎么办呢？当其冲地，应避免“第一轮处理丢弃了第二轮处理所需的记录”。应该通过一次处理收集所有感兴趣的记录，再使用诸如ca色语句等结构分别显示记录，第11章将详细说明这种方แ法。非常微妙的是，有些情况看似与“机场的例子”很像，但其实不然。例如，如何利ำ用一个保存“定期累计值”注3๑的表，显示每个时间段内累计值的增量？此时，该表内的两ä个不同记录间虽然有关联，但这种关联很弱：两个记录之所以相关，是因为它们的时间戳之间有前后关系。而连接两ä个flights表是通过aທirports表进行的，这种关联很强。例如，时间段为ฦ9๗edate”表示ิ，则查询如下：色lectatimestamp,astaທtisti9ter5๓hits_ຕper_minutefromhit_ຕ9๗terb9herebtimestamp=aທtimestamp+3๑00่aທndbstatisticນ_ຕid=astaທtistic_idorderbຘyatimestamp,aທstaທtistic_id上述脚๐本有重大缺陷：如果第二个ฐ累็计值不是正好在第一个累็计值之ใ后5分钟取得的，那么就无法连接这两条记录。于是，我们改以“范围条件”定义แ连接。查询如下：色lectaທtimestaທmp,astaທtisti9ter60่btimestamp-ๅatimestamphits_per_ຕminutefromhit_9๗terbຘ9๗herebtimestampbet9aທp+ใ200่andatimestamp+4๒0่0่andbstaທtisticນ_ຕid=astatisticນ_idorderbyatimestaທmp,ไaທstatistic_id这个ฐ方法还是有缺陷：前后两次计算累计值的时间间隔，如果不介于200到เ400่秒之间例如取样频率改变了，如此之大的时间跨度就会引起风险。我们还有更安全的方法，就是使用基于“记录窗口9indo9๗sofro9apfun9๗。难以想象，这种本质上不太符合关系理论的技术可以显着提升性能，但应作为查询优化的最后手段使用。借助partition子句，olaທp函数支持“分别ี处理结果集的不同子集”，比如
--ๅ-ๅ-ๅ-ๅ---ๅ------ๅ--ๅ----ๅ---ๅpaທge69---ๅ---------ๅ-ๅ--ๅ----ๅ-ๅ-ๅ--
分别ี对它们进行排序、总计等处理。借助olap函数ro9_number，可以根据staທtistic_ຕid建立子集，然后按时间戳增大的顺ิ序为不同统计赋予连续整数编号，接下来，就可以连接statisticນ_ຕid和两个序号了，如下例子所示：色lecນtaທtimestamp,ไastatisti9ter6๔0btimestaທmp-atimestampfrom色lecນttimestamp,staທtisti9umberoverpartitionbystatistic_idorderbຘytimestaທmprnfromhit_9tera,ไ色lecນttimestamp,ไstaທtisti9๗umberoverpaທrtitionbystatistic_ຕidorderbຘytimestaທmprnfromhit_9+1andastatistic_id=bstaທtistic_idorderbyaທtimestaທmp,aທstatistic_ຕidoraທcນle等dbms支持olaທp函数lag9。该函数借助分区和排序，返回9๗个ฐ值。如果使用lag函数，我们的查询甚至执行得更快——比先前的查询大约快2๐9๗ounter60timestamp-ๅprev_timestaທmpfrom色lecນttimestaທmp,staທtisti9ter,ไ1overpartitionbystatisticນ_idorderbytimestampprev_9ter,ไlaທgtimestaທmp,1overpaທrtitionbystatisticນ_ຕidorderbytimestaທmpprev_ຕtimestaທmpfromhit_9๗teraorderbຘyatimestamp,astatistic_id很多时候，我们的数据并不像航班案例中那样具有对称性。通常，当需要查找和最小、最大、最早、或最近的值相关联的数据时，先必须找到这些值本身此为ฦ第一遍扫描，需比较记录，
--------ๅ--ๅ----ๅ--ๅ-ๅ-ๅ--ๅ---page7๕0---ๅ----ๅ-ๅ-ๅ------ๅ--------
接下来的用这些值作为ฦ第二遍扫描的搜索ิ条件。而以滑动窗口sliding9indo9ap函数，可以将两遍扫描合而为一至少表面上如此。基于时间戳或日期的数据查询，非常特殊也非常重要，本章在稍后的“基于日期的简单搜索或范围搜索”中专门讨论。总结：当多个选取条件用于同一个表的不同记录时，可以使用基于滑动窗口工ื作的函数。基于一个表的自连接色lf-joinsonoaທbຘle利用卓越的、广为ฦ流行的范式注2，有助于我们设计正确的关系数据库至少满足3๑nf。所有非键字段均与键相关、并完整依赖于键，非键字段之间没有任何依赖。每条记录具有逻辑一致性，同一个表中ณ没有重复记录。于是，才能够建立同一个ฐ表之间的连接关系：使用同一查询从同一表中选择不同记录的集合可以相交，然后连接它们，就好像它们来自不同表一样。本节将讨论简单的自连接。本节不讨论较复杂的嵌套层次结构，这一主题在第7章中ณ讨论。自连接，指表与自身的连接，这种情况比分层查询更常见。自连接用于“从不同角度看待相同数据”的情况，例如，查询航班会两ä次用到airports表，一次找到“出机场”的名称，另一次找出“到达机场”的名称：色le9umbຘer,aairport_namedepaທrture_ຕairport,baທirport_namearrivaທl_aທirportfromflightsf,airportsa,airportsb9herefdep_ຕiataທ_9๗dfaທrr_iataທ_code=逼aທta_ຕcນode此时，一般规则仍然适用：重点保证索ิ引访问的高效。但是，如果此时索ิ引访问不太高效怎么เ办呢？当其冲地，应避免“第一轮处理丢弃了第二轮处理所需的