PawSQL优化 | 分页查询太慢？别忘了投影下推

本文主要是介绍PawSQL优化 | 分页查询太慢？别忘了投影下推，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

​在进行数据库应用开发中，分页查询是一项非常常见而又至关重要的任务。但你是否曾因为需要获取总记录数的性能而感到头疼？现在，让PawSQL的投影下推优化来帮你轻松解决这一问题！本文以TPCH的Q12为案例进行验证，经过PawSQL的优化后性能提升6000多倍！

分页查询的痛点

在进行分页查询时，我们通常需要获取总记录数以计算总页数。绝大多少程序员会在原查询上添加count(1)或count(*)，性能可能会非常差，特别是在面对复杂查询时。其实对于这个场景，有很大的概率能够对SQL进行重写优化。

解决方案

PawSQL的投影下推优化功能，能够智能地识别并保留关键列，生成一个等价但更高效的count查询。以下是具体的优化步骤：

Step1. 获取原始分页查询，

首先识别原始查询结构，例如：

SELECT * FROM (SELECT col1, col2, ..., colNFROM tableWHERE ...
) dt
ORDER BY ...
LIMIT ?, ?

Step2. 将分页查询改为记录总数查询

        Step2.1 将外层的SELECT *更改为SELECT count(1) FROM (...)，

        Step2.2 删除最外层的ORDER BY子句和LIMIT子句

得到的SQL如下：

SELECT count(1) FROM (SELECT col1, col2, ..., colNFROM t1, t2WHERE ...
) dt

Step3. PawSQL投影下推优化

PawSQL可以对对内层查询进行投影下推优化，仅保留对结果有影响的列；同时可能触发其他的重写优化，譬如表关联消除，推荐覆盖索引等。

Step4. 生成高效查询

经过PawSQL的优化重写，新查询可能如下（经过投影下推、表关联消除、查询折叠等重写优化）：

SELECT count(1)
FROM t1
WHERE ...

TPCH案例解析

Q12：货运模式和订单优先级查询

SELECT
L_SHIPMODE,
SUM(CASE
WHEN O_ORDERPRIORITY = '1-URGENT'
OR O_ORDERPRIORITY = '2-HIGH'
THEN 1
ELSE 0
END) AS HIGH_LINE_COUNT,
SUM(CASE
WHEN O_ORDERPRIORITY <> '1-URGENT'
AND O_ORDERPRIORITY <> '2-HIGH'
THEN 1
ELSE 0
END) AS LOW_LINE_COUNT
FROM
ORDERS,
LINEITEM
WHERE
O_ORDERKEY = L_ORDERKEY
AND L_SHIPMODE IN ('RAIL', 'FOB')
AND L_COMMITDATE < L_RECEIPTDATE
AND L_SHIPDATE < L_COMMITDATE
AND L_RECEIPTDATE >= DATE '2021-01-01'
AND L_RECEIPTDATE < DATE '2021-01-01' + INTERVAL '1' YEAR
GROUP BY
L_SHIPMODE
ORDER BY
L_SHIPMODE;

查询总记录数

Q12查询总记录数的SQL如下

select count(*)
from (SELECTL_SHIPMODE,SUM(CASEWHEN O_ORDERPRIORITY = '1-URGENT'OR O_ORDERPRIORITY = '2-HIGH'THEN 1ELSE 0END) AS HIGH_LINE_COUNT,SUM(CASEWHEN O_ORDERPRIORITY <> '1-URGENT'AND O_ORDERPRIORITY <> '2-HIGH'THEN 1ELSE 0END) AS LOW_LINE_COUNTFROMORDERS,LINEITEMWHEREO_ORDERKEY = L_ORDERKEYAND L_SHIPMODE IN ('RAIL', 'FOB')AND L_COMMITDATE < L_RECEIPTDATEAND L_SHIPDATE < L_COMMITDATEAND L_RECEIPTDATE >= DATE '2021-01-01'AND L_RECEIPTDATE < DATE '2021-01-01' + INTERVAL '1' YEARGROUP BYL_SHIPMODE) as t

PawSQL优化过程

1. PawSQL首先进行投影下推优化，可以看到派生表的列被消除

select count(*)
from ( select 1from ORDERS, LINEITEMwhere ORDERS.O_ORDERKEY = LINEITEM.L_ORDERKEYand LINEITEM.L_SHIPMODE in ('RAIL', 'FOB')and LINEITEM.L_COMMITDATE < LINEITEM.L_RECEIPTDATEand LINEITEM.L_SHIPDATE < LINEITEM.L_COMMITDATEand LINEITEM.L_RECEIPTDATE >= date '2021-01-01'and LINEITEM.L_RECEIPTDATE < date '2021-01-01' + interval '1' YEARgroup by LINEITEM.L_SHIPMODE) as t

2. 选择列被消除，从而触发了表连接消除（ORDERS被消除）

select /*QB_1*/ count(*)
from (select /*QB_2*/ 1from LINEITEMwhere LINEITEM.L_SHIPMODE in ('RAIL', 'FOB')and LINEITEM.L_COMMITDATE < LINEITEM.L_RECEIPTDATEand LINEITEM.L_SHIPDATE < LINEITEM.L_COMMITDATEand LINEITEM.L_RECEIPTDATE >= date '2021-01-01'and LINEITEM.L_RECEIPTDATE < date '2021-01-01' + interval '1' YEARgroup by LINEITEM.L_SHIPMODE) as t

3. PawSQL接着推荐最优索引(索引查找+避免排序+避免回表)

CREATE INDEX PAWSQL_IDX0245689906 ON tpch_pkfk.lineitem(L_SHIPMODE,L_RECEIPTDATE,L_COMMITDATE,L_SHIPDATE);

4. 性能验证性能提升

执行时间从优化前的453.48ms,降低到0.065ms，性能提升6975倍！

 

其他应用场景

除了分页查询，PawSQL的投影下推优化还能在以下场景中大放异彩：

• 星号查询优化：避免使用SELECT *带来的数据传输和计算开销。

• EAV模型数据优化：减少高度规范化数据模型的连接操作成本。

• 视图和嵌套视图优化：简化复杂视图查询，降低计算开销。

• 报表查询优化：提高报表生成的性能，尤其是在处理多维度数据时。

---

往期文章精选

SQL审核 | PawSQL的审核规则集体系

高级SQL优化 | 查询折叠

EverSQL向左，PawSQL向右

---

关于PawSQL

PawSQL专注数据库性能优化的自动化和智能化，提供的解决方案覆盖SQL开发、测试、运维的整个流程，支持MySQL，PostgreSQL，openGauss，Oracle等各种数据库。

 

 

 

这篇关于PawSQL优化 | 分页查询太慢？别忘了投影下推的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！

---