公众号：杨建荣的学习笔记 · 作者：r2笔记32天 · 发布：2014-07-13 10:45:01 · 原文链接

继续昨天的部分，上一篇的链接为：
http://blog.itpub.net/23718752/viewspace-1217012/
对这条大sql的性能瓶颈进行了分析。主要瓶颈在于一个很大的业务表，数据量在亿级。如果通过时间条件来过滤，会有5%以内的数据被过滤出来。
但是没有时间相关的索引字段，所以会走全表扫描，在目前的产品线中，这个大分区表的索引时严格控制的，所以最后经过测试和比对，还是考虑加并行来提高数据的查取速度。

–查找性能瓶颈，
根据反馈，查取的数据其实并不错，可能在几千条以内的样子。但是有很多的查询条件过滤。

如果有些大表走了索引，但是join的消耗很大，很可能就是表的查询顺序不当导致的。
有些情况下使用全表扫描的代价要比使用索引要低。
像这个例子，排查后，logical_date表中虽然有上千条记录，但是实际上使用的只有一条记录。
memo这个表是最大的表，由上亿条记录，走了索引。但是join的效率很差，根据排查,memo这个表是这个查询的关键，需要根据时间来得到前一天的数据变化。

如果根据时间来过滤，可以过滤到绝大多数的数据。
上一条记录过滤后只剩下 74811 rows selected.
如果关联配置表memo_type查询的数据就会一下子减少到1713条左右，这是对于性能极大的提升和关键。
–考虑加入并行
如果按照时间来查询，这个大表上没有和时间相关的字段，查询走全表扫描会很长，大概在5分钟左右。

–without parallel
74811 rows selected.
Elapsed: 00:03:23.10
这个时候如果只能走全表扫描，但是想使得速度能够提升，可以考虑并行，加入并行后，查询速度控制在了一分钟以内。

–add table mo1_memo_type, with parllel 8
1713 rows selected.

–加上配置表的过滤条件，查取的数据更少了，速度也有了提升。
Elapsed: 00:00:41.85

但是memo表没有时间相关的索引字段，所以会走全表扫描，在目前的产品线中，这个大分区表的索引时严格控制的，所以最后经过测试和比对，还是考虑加并行来提高数据的查取速度。

—去除笛卡尔积连接
如果是以Memo表作为首发，表的执行计划就有了很大的不同，关联时间时，会不停的去和Logical_date表做关联，其实Logical_date表里只需要一条记录，查看执行计划却走了笛卡尔积连接。
-去除笛卡尔积连接可以考虑采用with的句式，把数据先缓存起来，作为后续的查询，就避免了反复全表扫描的消耗。
可以把这段子查询抽取出来，在后续的查询中直接使用
with LO as (select logical_date from (select logical_date from logical_date
where EXPIRATION_DATE IS NULL
AND LOGICAL_DATE_TYPE = ‘B’
AND EXPIRATION_DATE IS NULL)where rownum<2)

–简化sql
可以看到sql语句中存在着很多重复的过滤条件，需要考虑在不改变业务的情况下保证语句的简单易读。

–减少/去除全表扫描
尝试减少或者去除全表扫描，保证效率。
如果通过sql monitor来监控sql语句的性能，可以发现在最后的查取中，对三个表又走了全表扫描。
SQL Plan Monitoring Details (Plan Hash Value=1239783398)

如果对于这部分有所疑惑，可以参见最后select中的这段sql。
(SELECT sum(BR.AMOUNT)
FROM BL1_RC_RATES BR, CUSTOMER CU, SUBSCRIBER SS
WHERE BR.SERVICE_RECEIVER_ID = SS.SUBSCRIBER_NO
AND BR.RECEIVER_CUSTOMER = SS.CUSTOMER_ID
AND BR.EFFECTIVE_DATE <= BR.EXPIRATION_DATE
AND((SS. SUB_STATUS <> ‘C’ and SS.
SUB_STATUS <> ‘T’ and BR.EXPIRATION_DATE is null)
OR (SS. SUB_STATUS = ‘C’ and
BR.EXPIRATION_DATE like SS.EFFECTIVE_DATE))
AND BR.PP_IND = ‘Y’
AND BR.CYCLE_CODE = CU.BILL_CYCLE) AS PP_RATE,
CU.BILL_CYCLE AS CYCLE_CODE,
to_char(NVL(SS.L9_TMV_ACT_DATE, SS.INIT_ACT_DATE),’YYYYMMDD’) AS ACTIVATED_DATE,
to_char(CD.EFFECTIVE_DATE, ‘YYYYMMDD’) AS SHOP_EFFECTIVE_DATE,
写这个sql的人是考虑在最后的数据集返回时，根据bl1_rc_rates来选择性的返回数据，但是在总查询中已经关联了customer,subscriber，在这个地方又关联就重复了！冗余的全表扫描就是因为这个导致的。

–子查询最大程度过滤结果集
可以考虑使用一些尽可能过滤较多数据的子查询来提高效率。
如果一些表的过滤条件会过滤掉大多数的数据，可以考虑子查询。
比如表product 根据soc_type来过滤会排除大多数的数据，可以使用如下的方式
( SELECT SOC_CD,SOC_NAME,SOC_DESCRIPTION FROM PRODUCT WHERE SOC_TYPE=’P’) co来尽可能直接过滤掉最多的数据。

–观察执行计划中表的查取顺序。
做了如上的努力之后，发现还是一些全表扫描，效率貌似更差了。根据我的分析，这些表都应该走索引的。

可以使用Hint leading来校正表的访问顺序。
/*+ leading(MO MOT SS CU CHD CPC CA ) */

最后修正后的sql语句如下：

with LO as (select logical_date from (select logical_date from logical_date
where EXPIRATION_DATE IS NULL
AND LOGICAL_DATE_TYPE = ‘B’
AND EXPIRATION_DATE IS NULL)where rownum<2)
SELECT /*+ leading(MO MOT SS CU CHD CPC CA ) */ DISTINCT CA.L9_CONVERGENCE_CODE AS ATB2,
CU.CUST_SUB_TYPE AS ACCOUNT_TYPE,
CST.DESCRIPTION AS ACCOUNT_TYPE_DESC,
SS.PRIM_RESOURCE_VAL AS MSISDN,
CA.BAN AS BAN_KEY,
to_char(MO.MEMO_DATE, ‘YYYYMMDD’) AS MEMO_DATE,
CU.L9_IDENTIFICATION AS THAI_ID,
SS.SUBSCRIBER_NO AS SUBS_KEY,
SS.DEALER_CODE AS SHOP_CODE,
CD.DESCRIPTION AS SHOP_NAME,
MOT.SHORT_DESC,
REGEXP_SUBSTR(MO.ATTR1VALUE, ‘[^ ;]+’, 1, 3) STAFF_ID,
MO.OPERATOR_ID AS USER_ID,
MO.MEMO_SYSTEM_TEXT,
CO2.SOC_NAME AS FIRST_SOCNAME,
CO3.SOC_NAME AS PREVIOUS_SOCNAME,
CO.SOC_NAME AS CURRENT_SOCNAME,
REGEXP_SUBSTR(MO.ATTR1VALUE, ‘[^ ; ]+’, 1, 1) NAME,
CO.SOC_DESCRIPTION AS CURRENT_PP_DESC,
CO3.SOC_DESCRIPTION AS PREV_PP_DESC,
CO.SOC_CD AS SOC_CD,
(SELECT sum(BR.AMOUNT)
FROM BL1_RC_RATES BR,– CUSTOMER CU, SUBSCRIBER SS –去除冗余的全表扫描
WHERE BR.SERVICE_RECEIVER_ID = SS.SUBSCRIBER_NO
AND BR.RECEIVER_CUSTOMER = SS.CUSTOMER_ID
AND BR.EFFECTIVE_DATE <= BR.EXPIRATION_DATE
AND((SS. SUB_STATUS <> ‘C’ and SS.
SUB_STATUS <> ‘T’ and BR.EXPIRATION_DATE is null)
OR (SS. SUB_STATUS = ‘C’ and
BR.EXPIRATION_DATE like SS.EFFECTIVE_DATE))
AND BR.PP_IND = ‘Y’
AND BR.CYCLE_CODE = CU.BILL_CYCLE) AS PP_RATE,
CU.BILL_CYCLE AS CYCLE_CODE,
to_char(NVL(SS.L9_TMV_ACT_DATE, SS.INIT_ACT_DATE),’YYYYMMDD’) AS ACTIVATED_DATE,
to_char(CD.EFFECTIVE_DATE, ‘YYYYMMDD’) AS SHOP_EFFECTIVE_DATE,
CD.EXPIRATION_DATE AS SHOP_EXPIRED_DATE,
CA.L9_COMPANY_CODE AS COMPANY_CODE
FROM SERVICE_DETAILS S, –大分区表，千万级数据量，存放着交易的明细信息
( SELECT SOC_CD,SOC_NAME,SOC_DESCRIPTION FROM PRODUCT WHERE SOC_TYPE=’P’) CO, –产品配置表，大概几万条左右
CSM_PAY_CHANNEL CPC, –账务相关表，百万级
ACCOUNT CA, –账务相关表，百万级
SUBSCRIBER SS, –用户相关表，百万级
CUSTOMER CU, –用户相关表，百万级
CUSTOMER_SUB_TYPE CST, –用户配置表，几千条数据
CSM_DEALER CD, –产品配置表，大概几千条左右
SERVICE_DETAILS S2,
( SELECT SOC_CD,SOC_NAME,SOC_DESCRIPTION FROM PRODUCT WHERE SOC_TYPE=’P’) CO2, –产品配置表，大概几万条左右
SERVICE_DETAILS S3,
( SELECT SOC_CD,SOC_NAME,SOC_DESCRIPTION FROM PRODUCT WHERE SOC_TYPE=’P’) CO3, –产品配置表，大概几万条左右
(select /*+ parallel(T 8)*/
MEMO_ID,ENTITY_ID,MEMO_TYPE_ID,ATTR1VALUE,OPERATOR_ID,MEMO_SYSTEM_TEXT,MEMO_DATE from
MO1_MEMO T
WHERE T.ENTITY_TYPE_ID = 6
AND TRUNC(T.SYS_CREATION_DATE) = (select TRUNC(LO.LOGICAL_DATE – 1) from lo)
) MO , –交易备注表，数据量过亿
MEMO_TYPE MOT, –配置表，数据量几千
— LOGICAL_DATE LO, –时间配置表，数据量1千多
CHARGE_DETAILS CHD –交易表，数据量千万
WHERE SS.SUBSCRIBER_NO = CHD.AGREEMENT_NO
AND CPC.PYM_CHANNEL_NO = CHD.TARGET_PCN
AND CHD.CHG_SPLIT_TYPE = ‘DR’
AND CHD.EXPIRATION_DATE IS NULL
AND S.SOC = CO.SOC_CD
AND CO.SOC_TYPE = ‘P’
AND S.AGREEMENT_NO = SS.SUBSCRIBER_NO
AND SS.PRIM_RESOURCE_TP = ‘C’
AND CPC.PAYMENT_CATEGORY = ‘POST’
AND CA.BAN = CPC.BAN
AND (CA.L9_COMPANY_CODE = ‘RF’ OR CA.L9_COMPANY_CODE = ‘RM’ OR
CA.L9_COMPANY_CODE = ‘TM’)
AND SS.CUSTOMER_ID = CU.CUSTOMER_ID
AND CU.CUST_SUB_TYPE = CST.CUST_SUB_TYPE
AND CU.CUSTOMER_TYPE = CST.CUSTOMER_TYPE
AND SS.DEALER_CODE = CD.DEALER
AND S2.EFFECTIVE_DATE= (SELECT MAX(SA1.EFFECTIVE_DATE)
FROM SERVICE_DETAILS SA1–, PRODUCT o1 –去除冗余的表连接
WHERE SA1.AGREEMENT_NO = SS.SUBSCRIBER_NO
AND co.soc_cd = sa1.soc
— and co.soc_type = ‘P’
)
AND S2.AGREEMENT_NO = S.AGREEMENT_NO
AND S2.SOC = CO2.SOC_CD
AND CO2.SOC_TYPE = ‘P’
AND S2.EFFECTIVE_DATE = (SELECT MIN(SA1.EFFECTIVE_DATE)
FROM SERVICE_DETAILS SA1–, PRODUCT o1
WHERE SA1.AGREEMENT_NO = SS.SUBSCRIBER_NO
AND co2.soc_cd = sa1.soc
— and co2.soc_type = ‘P’
)
AND S3.AGREEMENT_NO = S.AGREEMENT_NO
AND S3.SOC = CO3.SOC_CD
AND CO3.SOC_TYPE = ‘P’
AND S3.EFFECTIVE_DATE =
(SELECT MAX(SA1.EFFECTIVE_DATE)
FROM SERVICE_DETAILS SA1, PRODUCT o1
WHERE SA1.AGREEMENT_NO = SS.SUBSCRIBER_NO
AND SA1.EFFECTIVE_DATE <
(SELECT MAX(SA1.EFFECTIVE_DATE)
FROM SERVICE_DETAILS SA1–, PRODUCT o1
WHERE SA1.AGREEMENT_NO = SS.SUBSCRIBER_NO
and co3.soc_cd = sa1.soc
— and co3.soc_type = ‘P’
)
and co3.soc_cd = sa1.soc
–and co3.soc_type = ‘P’
)
AND MO.ENTITY_ID = SS.SUBSCRIBER_NO
AND MO.ENTITY_TYPE_ID = 6
AND MO.MEMO_TYPE_ID = MOT.MEMO_TYPE_ID
— AND TRUNC(MO.SYS_CREATION_DATE) = (select TRUNC(LO.LOGICAL_DATE – 1) from lo)
— TRUNC(LO.LOGICAL_DATE – 1)
— AND LO.EXPIRATION_DATE IS NULL
— AND LO.LOGICAL_DATE_TYPE = ‘B’
–AND LO.EXPIRATION_DATE IS NULL
AND (MOT.SHORT_DESC = ‘BCN’ OR MOT.SHORT_DESC = ‘BCNM’ OR
…………
)

经过反复测试，速度都会保持在2分钟左右，相比40分钟和几个小时来说，绝对是性能的提升。