SQL查询太慢？实战讲解YashanDB SQL调优思路

本文是 Meetup 第十期 “调优实战专场” 的第二篇技术文章，上一篇《高效查询秘诀，解码 YashanDB 优化器分组查询优化手段》中，我们揭秘了 YashanDB 分组查询优化秘诀，本文将通过一个案例，助你快速上手 YashanDB 慢日志功能，精准定位 “慢 SQL” 后进行优化。
在这里插入图片描述

前言

说起 SQL 调优，不少人认为是个高难度的事情，让人望而却步。但其实在日常的运维过程中，慢 SQL 却是一个常见的问题，这时大家或多或少会用到一些常用的调优手段，比如加索引、调整执行计划等。

接下来，我们将通过三大环节详细讲解如何发现、分析和优化 “慢 SQL”，具体包括利用慢日志定位问题、分析执行计划并可通过 hint 手段人为调整优化、以及有效搜集统计信息优化执行计划等。这个通用思路可以在遇到性能问题时，提供一种可行的解决方案，帮助大家尝试着手解决问题。

如何找到慢 SQL

首先，SQL 调优最重要的是如何找到慢 SQL。

从业务层的表现来看，比如应用反应慢、接口获取数据超时、应用夯住等等。但若业务反馈说某条 SQL 很慢，能帮忙优化一下吗？我们该怎么确定这条 SQL 一定就是那条 “慢 SQL” 呢？

在 YashanDB 中，有多种方式可以辅助我们准确定位慢 SQL，以下是一些常用方式：

YCM 监控平台
AWR 报告
系统性能视图，比如 V $SQ L ， V$ SESSION 等
慢日志 slow.log

本次主要介绍怎么使用慢日志功能来找到符合条件的慢 SQL。

01 slow log 的配置

主要通过两个基本参数控制，可以找到慢 SQL。

ENABLE_SLOW_LOG：是否开启慢日志，默认关闭。（即时生效，不建议长期开启，用于复现性能问题时抓取识别慢 SQL。）
SLOW_LOG_TIME_THRESHOLD ：时间阈值，单位毫秒。（代表超过这个时间阈值的 SQL，认为是慢 SQL，会记录在 slow.log 里面

执行下列命令开启慢日志：

ALTER SYSTEM SET ENABLE_SLOW_LOG = TRUE;

在这里插入图片描述
慢日志相关的参数介绍如下：

SLOW_LOG_FILE_NAME：慢日志文件名，使用默认即可。
SLOW_LOG_FILE_PATH：慢日志文件路径，使用默认即可。
SLOW_LOG_OUTPUT：慢日志输出方式，默认是 FILE，也可以设置成 TABLE，慢 SQL 信息会输出到系统表 SYS.SLOW_LOG$，建议使用默认的 FILE 即可。
SLOW_LOG_SQL_MAX_LEN：慢 SQL 打印的 SQL 长度，最长也是 2000，使用默认即可。

按照如上配置设置完成之后，执行时间超过 1s 的 SQL 就会被记录在 slow log 中。

测试完成之后，需要将 slow log 关闭：

ALTER SYSTEM SET ENABLE_SLOW_LOG = FALSE;

既然找到了慢 SQL，接下来需要针对该 SQL 进行优化，一般会去查看该 SQL 的执行计划情况。

执行计划的生成和调整

01 如何查看执行计划

查看执行计划通常有两种手段，通过 explain+SQL 或是通过 autotrace。

方式 1_：_通过 explain + SQL

比如：

explain select object_name from test limit 10;

方式 2_：_autotrace

各操作类别如下：

set autotrace on explain：输出语句的执行结果和执行计划
set autotrace on statistics：输出语句的执行结果和 SQL 执行统计信息
set autotrace traceonly：只输出语句的执行计划和执行统计信息
set autotrace on：输出语句的执行结果、执行计划和执行统计信息

注：输出统计信息需要设置参数 statistics_level=all（alter system set statistics_level=all;)

通过表格对比各个操作类别，更能直观感受其区别：
在这里插入图片描述
以下通过一个完整的测试用例，查看 explain 和 autotrace 各类别打印出来的具体信息。

创建测试表和索引

# 创建测试表
create table test as select * from dba_objects;

# 创建索引，为后面测试hint修改执行计划做准备
create index idx_obj_name on test (object_name);

在这里插入图片描述

使用方式 1 explain 查看执行计划

explain select object_name from test limit 10;

在这里插入图片描述
explain 的执行计划可以看到输出的表格信息，这个表格所展示的就是 SQL 的执行计划，后面会进行解读。

使用方式 2 的 set autotrace on explain

set autotrace on explain 
select object_name from test limit 10;

可以看到输出了执行结果和执行计划：
在这里插入图片描述

使用方式 2 的 set autotrace on statistics

(alter system set statistics_level=all;)
set autotrace on statistics 
select object_name from test limit 10;

可以看到输出了执行结果和统计信息：
在这里插入图片描述
5. 使用方式 2 的 set autotrace traceonly

set autotrace traceonly
select object_name from test limit 10;

可以看到输出了执行计划和统计信息：
在这里插入图片描述

使用方式 2 的 set autotrace on

set autotrace on
select object_name from test limit 10;

可以看到输出了执行结果、执行计划以及统计信息：
在这里插入图片描述
7. 关闭 autotrace 和调整 statistics_level
当测试完毕后，需要将相关设置还原。

#关闭autotrace
set autotrace off

 测试完成，调整statistics_level为默认的typical
alter system set statistics_level=typical;

通过上面这个例子，相信大家对 explain 和 autotrace 的使用有了一个全面的了解。不同的使用方式会有不同的效果，大家根据实际情况选择合适的方法使用即可。

02 执行计划解读

还是上面这个例子，我们来看看执行计划里都有哪些信息，各代表什么含义。
在这里插入图片描述
执行计划中各信息介绍如下：

Id：执行步骤的唯一标识，并不是执行顺序。
Operation type：执行算子，前面的空格标示计划的层次关系。
INDEX FAST FULL SCAN：代表扫描方式是索引快速全扫描
WINDOW：limit
SELECT STATEMENT：代表是 SELECT 查询
Name：对象名
Owner：对象所属用户
Rows：优化器根据统计信息和特定算法计算出来的行数预估值。图中显示的 100000 行其实不是真实的数据行数，为什么呢？咱们先留个悬念。
Cost (% CPU)：优化器根据算子和硬件等信息，算出的一个参考值，Cost 值越大，表示该层计划占用的资源越大。
Partition info：分区相关信息，因为这张表未分区，所以没有该部分相关信息。

如果在某些极端场景导致优化器生成的执行计划并不是最优的，YashanDB 也提供可以手动修改执行计划的手段。

03 通过 hint 调整执行计划

一般情况下，优化器是可以做出最优的执行效果。如果我们的统计信息未收集或者收集失效，这时候优化器可能无法根据错误的统计信息做出最优的执行计划，需要我们手动调整。这时可以选择通过 hint 去调整执行计划。

hint 是一种特殊的注释，其格式和位置固定，作用是影响优化器对执行计划的选择，但非强制。

通过 hint 填写的内容可以分为以下三种：

leading：改变表的 join 顺序；
use_nl/use_hash/use_merge 等：改变表的连接类型；
index/full 等：改变访问路径。

通过添加 hint /+full(test)/ 调整 SQL 使用全表扫描

explain select /*+full(test)*/ object_name from test limit 10;

在这里插入图片描述

可以看到，通过 hint，将原本的索引快速全扫描（INDEX FAST FULL SCAN）调整为了全表扫描（TABLE ACCESS FULL）。

注：这里只是为了验证 hint 确实可以改变执行计划。在此用例中，全表扫描并不是最优的。*

统计信息的收集

在前面执行计划的解读中，TEST 表的预估行数是 100000，这其实是因为没有收集统计信息，系统给的默认值为 100000 行。下面我们来看看怎么收集统计信息。

01 查看统计信息是否有效

统计信息相关参数介绍如下：

DBA_TAB_STATISTICS：表统计信息
DBA_TAB_COL_STATISTICS：列统计信息
DBA_IND_STATISTICS：索引的统计信息
DBA_PART_COL_STATISTICS：分区列的统计信息

比如前面所使用的 test 表，并未收集过统计信息，通过视图查出来信息如下：

select table_name,last_analyzed,stale_stats from dba_tab_statistics where owner='SKYE' and table_name='TEST';
 # SKYE 是 TEST表的所属用户

在这里插入图片描述
LAST_ANALYZED 是指上一次该对象统计信息的收集时间，为空代表从未收集过。

02 统计信息收集方式

在 YashanDB 中，可以从全库、按用户、按表，3 个维度进行统计信息收集，来应对不同的场景。

情况 1：全库收集

exec DBMS_STATS.GATHER_DATABASE_STATS('GATHER', 1, 48,  'FOR ALL COLUMNS SIZE AUTO', 'ALL', TRUE, FALSE);

情况 2：按用户收集

exec DBMS_STATS.GATHER_SCHEMA_STATS('SKYE',1,TRUE,'FOR ALL COLUMNS SIZE AUTO',48,'ALL',TRUE);

情况 3：按表收集

exec DBMS_STATS.GATHER_TABLE_STATS('SKYE', 'TEST','', 1, FALSE, 'FOR ALL COLUMNS SIZE AUTO', 32, 'AUTO', TRUE);

注：一般大库、大表建议使用按表收集统计信息，因为收集统计信息也会消耗系统性能。这里的 1 代表采样率为 1，表数据量比较大的情况下可以使用 0.2 即可。这里的 32 代表并行度，如果系统 CPU 等资源充足，可以适当调大该值加快统计信息速度。

收集完 test 表统计信息之后，视图查询如下：
在这里插入图片描述
可以看到，统计信息收集完成之后，视图会记录该对象的收集情况，在执行计划的 Rows 估算中，能更加真实的预估行数，Cost 也会随之降低。

总结

很多时候 SQL 突然变慢，可能是执行计划改变了；而执行计划突然改变很可能是统计信息失效了，导致优化器不能根据真实的统计信息选择出最优的执行计划。从以往经验来看，可以先查看涉及到的表、分区和索引相关的统计信息是否是正常有效的。

工欲善其事，必先利其器。不论是 AWR、系统视图还是 slow log 工具，大家能够找到适合自己的某一种方法，熟练掌握即可。本文主要介绍的是通过慢日志功能进行 SQL 调优，感兴趣的同学也可以到 YashanDB 官网的文档中心参考官方文档，试试通过 AWR、系统视图等方式，找到慢 SQL 进行分析。