SQL优化技术分享：从 321 秒到 0.2 秒的性能飞跃 —— 基于 PawSQL 的 TPCH 查询优化实战

在数据库性能优化领域，TPC-H 测试集是一个经典的基准测试工具，常用于评估数据库系统的查询性能。本文将基于 TPCH 测试集中的第 20个查询，结合 PawSQL 自动化优化工具，详细分析如何通过 SQL 重写和索引设计，将查询性能从 321 秒提升到 0.2 秒，性能提升高达1541倍。

1. 背景介绍：一个典型的多表关联分析查询

TPC-H作为业界公认的数据库性能测试基准，其第20号查询(Q20)是一个极具挑战性的复杂分析查询。这个查询的业务场景是：识别阿尔及利亚('ALGERIA')地区库存充足的供应商，具体条件是这些供应商提供的绿色('green%')零件的库存量(ps_availqty)超过该零件在过去一年内订单总量的一半。

原始SQL语句如下：

代码语言：javascript代码运行次数：0运行复制

select s_name, s_address
from supplier, nation
where s_suppkey in (
    select ps_suppkey
    from partsupp
    where ps_partkey in (
        select p_partkey
        from part
        where p_name like 'green%'
    )
    and ps_availqty > (
        select 0.5 * sum(l_quantity)
        from lineitem
        where l_partkey = ps_partkey
        and l_suppkey = ps_suppkey
        and l_shipdate >= date '1997-01-01'
        and l_shipdate < date '1997-01-01' + interval '1' YEAR
    )
)
and s_nationkey = n_nationkey 
and n_name = 'ALGERIA'
order by s_name

在实际测试环境中，这个查询的执行时间达到了惊人的321秒，完全无法满足业务系统的要求。

2. 性能瓶颈分析：为什么这么慢？

从执行计划可以看出主要性能问题：

• 子查询执行次数多：相关子查询被执行了848次，每次耗时约378ms
• 表扫描泛滥：对partsupp、part和lineitem表进行了全表扫描
• 嵌套循环效率低：对lineitem表的访问在嵌套循环最内层
• 排序操作代价高：最后需要对结果集进行排序

3. PawSQL的优化方案：系统性解决方案

PawSQL作为专业的SQL优化工具，针对上述问题提供了一套完整的优化方案：

3.1 SQL重写：从IN到EXISTS

将IN子查询转换为EXISTS形式，在有合适索引的情况下，这种改写通常能让优化器生成更高效的执行计划：

代码语言：javascript代码运行次数：0运行复制

where exists (select /*QB_1*/ partsupp.ps_suppkey
      from partsupp, (...)
      where exists (select /*QB_4*/ part.p_partkey
                      from part
                      where part.p_name like 'green%' and part.p_partkey = partsupp.ps_partkey)
          and partsupp.ps_availqty > SQ_1742975670803.null_
          and partsupp.ps_suppkey = supplier.s_suppkey
          and SQ_1742975670803.l_partkey = partsupp.ps_partkey
          and SQ_1742975670803.l_suppkey = partsupp.ps_suppkey)

3.2 SQL重写：提前聚合计算

将lineitem的聚合计算从子查询中提取出来，预先计算每个(零件,供应商)组合的总量：

代码语言：javascript代码运行次数：0运行复制

select 0.5 * sum(l_quantity) as null_, l_partkey,
    l_suppkey
from lineitem
where l_shipdate >= date '1997-01-01'
    and l_shipdate < date '1997-01-01' + interval '1' YEAR
group by l_partkey, l_suppkey

3.3 智能索引设计

除了SQL重写外，PawSQL还为优化后的SQL推荐了一系列索引，这些索引的创建为查询性能的提升提供了有力支持。

代码语言：javascript代码运行次数：0运行复制

-- 加速lineitem表的聚合计算
CREATE INDEX PAWSQL_IDX1406058528 ON lineitem(l_shipdate,l_quantity,l_partkey,l_suppkey);

-- 优化nation表查询
CREATE INDEX PAWSQL_IDX0006674720 ON nation(n_name,n_nationkey);

-- 支持supplier表的排序和连接
CREATE INDEX PAWSQL_IDX1461825654 ON supplier(s_name,s_address,s_nationkey);
CREATE INDEX PAWSQL_IDX1670284145 ON supplier(s_nationkey,s_name,s_address);

-- 加速part和partsupp表的连接
CREATE INDEX PAWSQL_IDX0450194419 ON part(p_partkey,p_name);
CREATE INDEX PAWSQL_IDX1262756509 ON partsupp(ps_partkey,ps_suppkey,ps_availqty);

3.4 谓词下推

将过滤条件尽可能下推到数据访问层，减少中间结果集：

• nation.n_name = 'ALGERIA'
• part.p_name like 'green%'
• lineitem.l_shipdate范围条件

3.5. 避免排序

通过创建包含s_name的索引，直接利用索引的有序性避免排序操作。

4. 优化效果：性能提升1541倍

优化前后的对比令人震撼：

指标	优化前	优化后	提升幅度
执行时间	321秒	0.208秒	154,124%
lineitem表扫描次数	848次	1次	-
lineitem表扫描行数	509,285,056行	90,514行	-
排序操作	需要显式排序	利用索引避免排序	-

执行计划对比：

• 优化前：全表扫描→嵌套循环→重复计算
• 优化后：索引查找→哈希连接→物化视图

5. 经验总结：SQL优化最佳实践

通过这个案例，我们可以总结出以下SQL优化经验：

1. 避免关联子查询：特别是重复执行的关联子查询，考虑改写为JOIN或提前物化
2. 索引设计：尽量减少表扫描，同时兼顾避免回表操作
3. 利用索引有序性：让索引顺序与ORDER BY一致可以避免排序操作
4. 聚合计算预优化：对于重复的聚合计算，考虑提前计算并存储
5. 专业工具辅助：使用PawSQL等专业工具可以快速定位问题并提供优化方案

这个案例生动展示了：即使是极其复杂的分析查询，通过系统性的优化方法，也能实现从分钟级到亚秒级的性能飞跃。

本文参与 腾讯云自媒体同步曝光计划，分享自微信公众号。原始发表：2025-03-26，如有侵权请联系 cloudcommunity@tencent 删除索引性能优化sql排序