子查询相关改写

优化器对于子查询一般使用嵌套执行的方式，也就是父查询每生成一行数据后，都需要执行一次子查询，使用这种方式需要多次执行子查询，执行效率很低，对于子查询的优化，一般会使用改写先转换为连接操作，可大大提高执行效率，主要优点如下：

  • 可避免子查询多次执行。
  • 优化器可根据统计信息选择更优的连接顺序和连接方法。
  • 子查询的连接条件、过滤条件改写为父查询的条件后，优化器可以进行进一步优化，比如条件下压等。

视图合并

视图合并是指将代表一个视图的子查询合并到包含该视图的查询中，视图合并后，有助于优化器增加连接顺序的选择、访问路径的选择以及进一步做其他改写操作，从而选择更优的执行计划。OceanBase 数据库支持对 SPJ (select-project-join) 的视图进行视图合并。

如下示例为 SQL_A 改写为 SQL_B：

  1. create table t1 (c1 int, c2 int);
  2. create table t2 (c1 int primary key, c2 int);
  3. create table t3 (c1 int primary key, c2 int);
  5. SQL_A: select t1.c1, v.c1 
  6.        from t1, (select t2.c1, t3.c2 
  7.                  from t2, t3 
  8.                  where t2.c1 = t3.c1) v 
  9.        where t1.c2 = v.c2;
  10. <==>
  11. SQL_B: select t1.c1, t2.c1 
  12.        from t1, t2, t3 
  13.        where t2.c1 = t3.c1 and t1.c2 = t3.c2;

如果 SQL_A 不进行改写， 则其连接顺序有以下几种：

  • t1, v(t2,t3)
  • t1, v(t3,t2)
  • v(t2,t3), t1
  • v(t3,t2), t1

进行视图合并改写后， 可选择的连接顺序有：

  • t1, t2, t3
  • t1, t3, t2
  • t2, t1, t3
  • t2, t3, t1
  • t3, t1, t2
  • t3, t2, t1

可以看出，进行 view merge 后，连接顺序可选择空间增加，对于复杂查询，视图合并后，对路径的选择和可改写的空间均会增大，从而使得优化器可生成更优的计划。

子查询展开

子查询展开是指将 where 条件中子查询提升到父查询中，并作为连接条件与父查询并列进行展开。转换后子查询将不存在，外层父查询中会变成多表连接。好处是优化器在进行路径选择，连接方法和连接排序是都会考虑到子查询中的表， 从而可以获得更优的执行计划, 一般涉及的子查询表达式有 not in、in、not exist、exist、any、all、some。

  • 改写条件
    当生成的连接语句能返回与原始语句相同的行。
  • 展开为半连接(SEMI JOIN / ANTI JOIN)
    如下例所示，t2.c2 不具有唯一性，改为 semi join，该语句改写后执行计划为：
  1. create table t1 (c1 int, c2 int);
  2. create table t2 (c1 int primary key, c2 int);
  4. explain select * from t1 where t1.c1 in  (select t2.c2 from t2)\G;
  5. *************************** 1. row ***************************
  6. Query Plan: =======================================
  7. |ID|OPERATOR      |NAME|EST. ROWS|COST|
  8. ---------------------------------------
  9. |0 |HASH SEMI JOIN|    |495      |3931|
  10. |1 | TABLE SCAN   |t1  |1000     |499 |
  11. |2 | TABLE SCAN   |t2  |1000     |433 |
  12. =======================================
  14. Outputs & filters:
  15. -------------------------------------
  16.   0 - output([t1.c1], [t1.c2]), filter(nil),
  17.       equal_conds([t1.c1 = t2.c2]), other_conds(nil)
  18.   1 - output([t1.c1], [t1.c2]), filter(nil),
  19.       access([t1.c1], [t1.c2]), partitions(p0)
  20.   2 - output([t2.c2]), filter(nil),
  21.       access([t2.c2]), partitions(p0)

将查询前面操作符改为 not in 后，可改写为 anti join， 具体计划如下例所示：

  1. explain select * from t1 where t1.c1 not in  (select t2.c2 from t2)\G;
  2. *************************** 1. row ***************************
  3. Query Plan: ================================================
  4. |ID|OPERATOR             |NAME|EST. ROWS|COST  |
  5. ------------------------------------------------
  6. |0 |NESTED-LOOP ANTI JOIN|    |0        |520245|
  7. |1 | TABLE SCAN          |t1  |1000     |499   |
  8. |2 | TABLE SCAN          |t2  |22       |517   |
  9. ================================================
  11. Outputs & filters:
  12. -------------------------------------
  13.   0 - output([t1.c1], [t1.c2]), filter(nil),
  14.       conds(nil), nl_params_([t1.c1], [(T_OP_IS, t1.c1, NULL, 0)])
  15.   1 - output([t1.c1], [t1.c2], [(T_OP_IS, t1.c1, NULL, 0)]), filter(nil),
  16.       access([t1.c1], [t1.c2]), partitions(p0)
  17.   2 - output([t2.c2]), filter([(T_OP_OR, ? = t2.c2, ?, (T_OP_IS, t2.c2, NULL, 0))]),
  18.       access([t2.c2]), partitions(p0)
  • 子查询展开为内连接

上面示例的 SQL_A 中如果将 t2.c2 改为 t2.c1，由于 t2.c1 为主键，子查询输出具有唯一性，此时可以直接转换为内连接，如下例所示：

  1. SQL_A: select * from t1 where t1.c1 in (select t2.c1 from t2);
  2. <==>
  3. SQL_B: select t1.* from t1, t2 where t.c1 = t2.c1;

SQL_A 改写后计划如下例所示：

  1. explain select * from t1 where t1.c1 in (select t2.c1 from t2)\G;
  2. *************************** 1. row ***************************
  3. Query Plan: ====================================
  4. |ID|OPERATOR   |NAME|EST. ROWS|COST|
  5. ------------------------------------
  6. |0 |HASH JOIN  |    |1980     |3725|
  7. |1 | TABLE SCAN|t2  |1000     |411 |
  8. |2 | TABLE SCAN|t1  |1000     |499 |
  9. ====================================
  11. Outputs & filters:
  12. -------------------------------------
  13.   0 - output([t1.c1], [t1.c2]), filter(nil),
  14.       equal_conds([t1.c1 = t2.c1]), other_conds(nil)
  15.   1 - output([t2.c1]), filter(nil),
  16.       access([t2.c1]), partitions(p0)
  17.   2 - output([t1.c1], [t1.c2]), filter(nil),
  18.       access([t1.c1], [t1.c2]), partitions(p0)

对于not in、in、not exist、exist、any、all 都可以对应做类似的改写操作。

any/all 使用 MAX/MIN 改写

对于 any/all 的子查询， 如果子查询中没有 group by 子句、聚集函数以及 having 时， 则以下表达式可以使用聚集函数 MIN/MAX 进行等价转换, 其中 col_item 为单独列且有非 NULL 属性：

  1. val > ALL(SELECT col_item ...)  <==> val > ALL(SELECT MAX(col_item) ...);
  2. val >= ALL(SELECT col_item ...) <==> val >= ALL(SELECT MAX(col_item) ...);
  3. val < ALL(SELECT col_item ...)  <==> val < ALL(SELECT MIN(col_item) ...);
  4. val <= ALL(SELECT col_item ...) <==> val <= ALL(SELECT MIN(col_item) ...);
  5. val > ANY(SELECT col_item ...)  <==> val > ANY(SELECT MIN(col_item) ...);
  6. val >= ANY(SELECT col_item ...) <==> val >= ANY(SELECT MIN(col_item) ...);
  7. val < ANY(SELECT col_item ...)  <==> val < ANY(SELECT MAX(col_item) ...);
  8. val <= ANY(SELECT col_item ...) <==> val <= ANY(SELECT MAX(col_item) ...);

将子查询更改为含有 max/min 的子查询后，再结合使用 MAX/MIN 的改写，可减少改写前对内表的多次扫描, 如下例所示：

  1. select c1 from t1 where c1 > any(select c1 from t2);
  2. <==>
  3. select c1 from t1 where c1 > any(select min(c1) from t2);

结合 MAX/MIN 的改写后, 可利用 t2.c1 的主键序将 limit 1 直接下压到 table scan，将 min 值输出，执行计划为：

  1. explain select c1 from t1 where c1 > any(select c1 from t2)\G;
  2. *************************** 1. row ***************************
  3. Query Plan: ===================================================
  4. |ID|OPERATOR        |NAME          |EST. ROWS|COST|
  5. ---------------------------------------------------
  6. |0 |SUBPLAN FILTER  |              |1        |73  |
  7. |1 | TABLE SCAN     |t1            |1        |37  |
  8. |2 | SCALAR GROUP BY|              |1        |37  |
  9. |3 |  SUBPLAN SCAN  |subquery_table|1        |37  |
  10. |4 |   TABLE SCAN   |t2            |1        |36  |
  11. ===================================================
  13. Outputs & filters:
  14. -------------------------------------
  15.   0 - output([t1.c1]), filter([t1.c1 > ANY(subquery(1))]),
  16.       exec_params_(nil), onetime_exprs_(nil), init_plan_idxs_([1])
  17.   1 - output([t1.c1]), filter(nil),
  18.       access([t1.c1]), partitions(p0)
  19.   2 - output([T_FUN_MIN(subquery_table.c1)]), filter(nil),
  20.       group(nil), agg_func([T_FUN_MIN(subquery_table.c1)])
  21.   3 - output([subquery_table.c1]), filter(nil),
  22.       access([subquery_table.c1])
  23.   4 - output([t2.c1]), filter(nil),
  24.       access([t2.c1]), partitions(p0),
  25.       limit(1), offset(nil)

外连接消除

外连接操作可分为左外连接，右外连接和全外连接， 连接过程中，外连接左右顺序不能变换，这使得优化器对连接顺序的选择受到限制。外连接消除是指将外连接转换成内连接，从而可以提供更多可选择的连接路径，供优化器考虑。

进行外连接消除，需要存在“空值拒绝条件”，即 where 条件中，存在当内表生成的值为 null 时，使得输出为 false 的条件。

如下例所示：

  1. select t1.c1, t2.c2 from t1 left join t2 on t1.c2 = t2.c2

这是一个外连接，在其输出行中 t2.c2 可能为 null。如果加上一个条件 t2.c2 > 5，则通过该条件过滤后，t2.c1 输出不可能为 NULL， 从而可以将外连接转换为内连接。

  1. select t1.c1, t2.c2 from t1 left join t2 on t1.c2 = t2.c2 where t2.c2 > 5
  2. <==>
  3. select t1.c1, t2.c2 from t1 inner join t2 on t1.c2 = t2.c2 where t2.c2 > 5

简化条件改写

having条件消除

如果查询中没有聚集操操作及 group by 则 having 可以合并到 where 条件中，并将 having 条件删除， 从而可以将 having 条件在 where 条件中同一管理优化，并进行进一步相关优化。

  1. select * from t1, t2 where t1.c1 = t2.c1  having t1.c2 > 1
  2. <==>
  3. select * from t1, t2 where t1.c1 = t2.c1  and t1.c2 > 1

改写后计划如下例所示, t1.c2 > 1 条件被下压到了 TABLE SCAN 层。

  1. explain select * from t1, t2 where t1.c1 = t2.c1  having t1.c2 > 1\G;
  2. *************************** 1. row ***************************
  3. Query Plan: =========================================
  4. |ID|OPERATOR        |NAME|EST. ROWS|COST|
  5. -----------------------------------------
  6. |0 |NESTED-LOOP JOIN|    |1        |59  |
  7. |1 | TABLE SCAN     |t1  |1        |37  |
  8. |2 | TABLE GET      |t2  |1        |36  |
  9. =========================================
  11. Outputs & filters:
  12. -------------------------------------
  13.   0 - output([t1.c1], [t1.c2], [t2.c1], [t2.c2]), filter(nil),
  14.       conds(nil), nl_params_([t1.c1])
  15.   1 - output([t1.c1], [t1.c2]), filter([t1.c2 > 1]),
  16.       access([t1.c1], [t1.c2]), partitions(p0)
  17.   2 - output([t2.c1], [t2.c2]), filter(nil),
  18.       access([t2.c1], [t2.c2]), partitions(p0)

等价关系推导

等价关系推导是指利用比较操作符的传递性，推倒出新的条件表达式, 从而减少需要处理的行数或者选择到更有效的索引。OceanBase 数据库可对等值连接进行推导，比如 a ＝ b and a > 1 可以推导出 a ＝ b and a > 1 and b > 1， 如果 b 上有索引，且 b > 1 在该索引选择率很低，则可以大大提升访问 b 列所在表的性能。

如下例所示， 条件 t1.c1 = t2.c2 and t1.c1 > 2，等价推导后为 t1.c1 = t2.c2 and t1.c1 > 2 and t2.c2 > 2, 从计划中可以看到 t2.c2 已下压到 TABLE SCAN，且使用 t2.c2 对应的索引。

  1. create table t1(c1 int primary key, c2 int);
  2. create table t2(c1 int primary key, c2 int, c3 int, key idx_c2(c2));
  4. explain extended_noaddr select t1.c1, t2.c2 
  5.                         from t1, t2 
  6.                         where t1.c1 = t2.c2 and t1.c1 > 2\G;
  7. *************************** 1. row ***************************
  8. Query Plan: ==========================================
  9. |ID|OPERATOR   |NAME      |EST. ROWS|COST|
  10. ------------------------------------------
  11. |0 |MERGE JOIN |          |5        |78  |
  12. |1 | TABLE SCAN|t2(idx_c2)|5        |37  |
  13. |2 | TABLE SCAN|t1        |3        |37  |
  14. ==========================================
  16. Outputs & filters:
  17. -------------------------------------
  18.   0 - output([t1.c1], [t2.c2]), filter(nil),
  19.       equal_conds([t1.c1 = t2.c2]), other_conds(nil)
  20.   1 - output([t2.c2]), filter(nil),
  21.       access([t2.c2]), partitions(p0),
  22.       is_index_back=false,
  23.       range_key([t2.c2], [t2.c1]), range(2,MAX ; MAX,MAX),
  24.       range_cond([t2.c2 > 2])
  25.   2 - output([t1.c1]), filter(nil),
  26.       access([t1.c1]), partitions(p0),
  27.       is_index_back=false,
  28.       range_key([t1.c1]), range(2 ; MAX),
  29.       range_cond([t1.c1 > 2])

恒真/假消除

对于如下恒真恒假条件：

  • false and expr ＝ 恒false。
  • true or expr = 恒true。

可以将这些恒真恒假条件消除，比如以下 SQL， where 0 > 1 and c1 ＝ 3， 由于0 > 1使得 and 恒假， 所以该 SQL 不用执行，可直接返回，从而加快查询的执行。

  1. explain extended_noaddr select * from t1 where 0 > 1 and c1 = 3\G;
  2. *************************** 1. row ***************************
  3. Query Plan: ===================================
  4. |ID|OPERATOR  |NAME|EST. ROWS|COST|
  5. -----------------------------------
  6. |0 |TABLE SCAN|t1  |0        |38  |
  7. ===================================
  9. Outputs & filters:
  10. -------------------------------------
  11.   0 - output([t1.c1], [t1.c2]), filter([0], [t1.c1 = 3]), startup_filter([0]),
  12.       access([t1.c1], [t1.c2]), partitions(p0),
  13.       is_index_back=false, filter_before_indexback[false,false],
  14.       range_key([t1.__pk_increment], [t1.__pk_cluster_id], [t1.__pk_partition_id]),
  15.       range(MAX,MAX,MAX ; MIN,MIN,MIN)always false

非SPJ的改写

冗余排序消除

冗余排序消除是指删除 order item 中不需要的项，减少排序开销 ，以下三种情况可进行排序消除：

  • ORDER BY 表达式列表中有重复列， 可进行去重后排序。
  1. Select * from t1 where c2 = 5 order by c1, c1, c2, c3 
  2. <==>
  3. Select * from t1 where c2 = 5 order by c1, c2, c3
  • ORDER BY 列中存在 where 中有单值条件的列， 则该列排序可删除。
  1. Select * from t1 where c2 = 5 order by c1, c2, c3
  2. <==>
  3. Select * from t1 where c2 = 5 order by c1, c3
  • 如果本层查询有 order by 但是没有 limit，且本层查询位于父查询的集合操作中，则 order by 可消除。因为对两个有序的集合做 union 操作，其结果是乱序的。但是如果 order by 中有 limit，则语义是取最大/小的 N 个，此时不能消除order by，否则有语义错误。
  1. (select c1,c2 from t1 order by c1) union (select c3,c4 from t2 order by c3)
  2. <==>
  3. (select c1,c2 from t1) union (select c3,c4 from t2)

limit 下压

limit 下压改写是指将 limit 下降到子查询中，OceanBase 现在支持在不改变语义的情况下，将 limit 下压到视图(示例1)及union 对应子查询(示例2)中。

  1. select * from (select * from t1 order by c1) a limit 1; 
  2. <==>
  3. select * from (select * from t1 order by c1 limit 1) a limit 1;
  1. (select c1,c2 from t1) union all (select c3,c4 from t2) limit 5 
  2. <==>
  3. (select c1,c2 from t1 limit 5) union all (select c3,c4 from t2 limit 5) limit 5

distinct 消除

  • 如果 select item 中只包含常量， 则可以消除 distinct, 并加上 limit 1。
  1. Select distinct 1,2 from t1 
  2. <==> 
  3. Select 1,2 from t1 limit 1
  5. create table t1 (c1 int primary key, c2 int);
  6. explain extended_noaddr Select distinct 1,2 from t1\G;
  7. *************************** 1. row ***************************
  8. Query Plan: ===================================
  9. |ID|OPERATOR  |NAME|EST. ROWS|COST|
  10. -----------------------------------
  11. |0 |TABLE SCAN|t1  |1        |36  |
  12. ===================================
  14. Outputs & filters:
  15. -------------------------------------
  16.   0 - output([1], [2]), filter(nil),
  17.       access([t1.c1]), partitions(p0),
  18.       limit(1), offset(nil),
  19.       is_index_back=false,
  20.       range_key([t1.c1]), range(MIN ; MAX)always true
  • 如果 select item 中包含确保唯一性约束的列，则 distinct 能够消除, 如下举例中 (c1, c2)为主键，可确保 c1, c2, c3 唯一性， 从而 distinct 可消除。
  1. create table t2(c1 int, c2 int, c3 int, primary key(c1, c2));
  3. select distinct c1, c2, c3 from t2
  4. <==>
  5. select c1, c2 c3 from t2;
  7.  explain select distinct c1, c2, c3 from t2\G;
  8. *************************** 1. row ***************************
  9. Query Plan: ===================================
  10. |ID|OPERATOR  |NAME|EST. ROWS|COST|
  11. -----------------------------------
  12. |0 |TABLE SCAN|t2  |1000     |455 |
  13. ===================================
  15. Outputs & filters:
  16. -------------------------------------
  17.   0 - output([t2.c1], [t2.c2], [t2.c3]), filter(nil),
  18.       access([t2.c1], [t2.c2], [t2.c3]), partitions(p0)

MIN/MAX 改写

  • 当 MIN/MAX 函数中参数为索引前缀列, 且不含 group by 时，可将该 scalar aggregate 转换为走索引扫描1行的情况，如下例所示：
  1. create table t1 (c1 int primary key, c2 int, c3 int, key idx_c2_c3(c2,c3));
  3. select min(c2) from t1;
  4. <==>
  5. select min(c2) from (select c2 from t2 order by c2 limit 1) as t;
  7. explain select min(c2) from t1\G;
  8. *************************** 1. row ***************************
  9. Query Plan: ==================================================
  10. |ID|OPERATOR       |NAME          |EST. ROWS|COST|
  11. --------------------------------------------------
  12. |0 |SCALAR GROUP BY|              |1        |37  |
  13. |1 | SUBPLAN SCAN  |subquery_table|1        |37  |
  14. |2 |  TABLE SCAN   |t1(idx_c2_c3) |1        |36  |
  15. ==================================================
  17. Outputs & filters:
  18. -------------------------------------
  19.   0 - output([T_FUN_MIN(subquery_table.c2)]), filter(nil),
  20.       group(nil), agg_func([T_FUN_MIN(subquery_table.c2)])
  21.   1 - output([subquery_table.c2]), filter(nil),
  22.       access([subquery_table.c2])
  23.   2 - output([t1.c2]), filter([(T_OP_IS_NOT, t1.c2, NULL, 0)]),
  24.       access([t1.c2]), partitions(p0),
  25.       limit(1), offset(nil)
  • 如果 select MIN/MAX 的参数为常量，且包含 group by 则可已将 MIN/MAX 改为常量，从而减少 MIN/MAX 的计算开销。
  1. select max(1) from t1 group by c1;
  2. <==>
  3. select 1 from t1 group by c1;
  5. explain extended_noaddr select max(1) from t1 group by c1\G;
  6. *************************** 1. row ***************************
  7. Query Plan: ===================================
  8. |ID|OPERATOR  |NAME|EST. ROWS|COST|
  9. -----------------------------------
  10. |0 |TABLE SCAN|t1  |1000     |411 |
  11. ===================================
  13. Outputs & filters:
  14. -------------------------------------
  15.   0 - output([1]), filter(nil),
  16.       access([t1.c1]), partitions(p0),
  17.       is_index_back=false,
  18.       range_key([t1.c1]), range(MIN ; MAX)always true
  • 如果 select MIN/MAX 的参数为常量，且不含 group by， 可按如下例所示进行改写， 从而走索引只需扫描1行。
  1. select max(1) from t1;
  2. <==> 
  3. select max(t.a) from (select 1 as a from t1 limit 1) t;
  5. explain extended_noaddr select max(1) from t1\G;
  6. *************************** 1. row ***************************
  7. Query Plan: ==================================================
  8. |ID|OPERATOR       |NAME          |EST. ROWS|COST|
  9. --------------------------------------------------
  10. |0 |SCALAR GROUP BY|              |1        |37  |
  11. |1 | SUBPLAN SCAN  |subquery_table|1        |37  |
  12. |2 |  TABLE SCAN   |t1            |1        |36  |
  13. ==================================================
  15. Outputs & filters:
  16. -------------------------------------
  17.   0 - output([T_FUN_MAX(subquery_table.subquery_col_alias)]), filter(nil),
  18.       group(nil), agg_func([T_FUN_MAX(subquery_table.subquery_col_alias)])
  19.   1 - output([subquery_table.subquery_col_alias]), filter(nil),
  20.       access([subquery_table.subquery_col_alias])
  21.   2 - output([1]), filter(nil),
  22.       access([t1.c1]), partitions(p0),
  23.       limit(1), offset(nil),
  24.       is_index_back=false,
  25.       range_key([t1.c1]), range(MIN ; MAX)always true