关于多表查询性能的问题

Posted 2023-04-15

【中文标题】关于多表查询性能的问题

【英文标题】：Questions about multi-table query performance

【发布时间】：2012-12-11 09:36:25

【问题描述】：

多表查询有两种方式：

查询 1：

select t1.a, t2.b from t1, t2 where t1.a = t2.a

查询 2：

对于每一行：

select t1.a from t1

做另一个查询：

select t2.b from t2 where t2.a = '??'

当表很大时，哪个性能更好？

【问题讨论】：

执行 1 个查询比执行许多查询要快。如果没有，那么您需要向表中添加索引。

查询 2 是什么意思？它是一个子选择还是您打算使用游标来循环“每一行”？

如果您唯一的考虑是在您的数据库上运行一个查询，那么第一个会运行得更快，但是，如果这是一个多用户环境并且表非常大，那么第一个会运行得更快可能会导致更长的锁，并可能与其他用户发生死锁，您需要确保指定相关的表提示来管理锁。

在不相关的注释上，关于使用from t1, t2 WHERE t1.a = t2.a 而不是from t1 inner join t2 on t1.a = t2.a 可能值得一读this。

【参考方案1】：

您应该始终让 DBMS 在单个查询中完成尽可能多的工作。

DBMS 知道每个数据库中有多少元组，并且有办法估计结果将具有的元组数量。现代 DBMS 具有非常复杂的算法，负责找到执行任何查询的最有效方法（计划器）。

除非您知道自己在做什么以及为什么要这样做（即您知道您的算法将比 DBMS 运行得更快，更重要的是，为什么）您应该让 DMBS 完成它的工作。

更准确地回答您的问题：

您的查询 #1 可以用各种方法回答，具体取决于表的大小。让我们假设两者都是巨大的。一种解决方法是使用基于排序的连接：根据连接属性对两个表进行排序，然后合并它们。这基本上相当于对每个表进行合并排序所需的时间。每个表的每一页都将被读取和写入几次（取决于您在 DMBS 中有多少可用的缓冲区空间）。所以 T1 和 T2 中的每个元组都会被读/写十几次。

如果我们实现您的方法，那么查询的数量将与 T1 大小的元组一样多。让我们假设 T2 没有索引，因此查询将读取 T2 中的每个元组 T1 次。

如果您在 T2 上有一个索引，您可以期望为 T1 中的每个元组读取几页。因此，查询的成本是读取 T1 的成本，然后对于 T1 中的每个元组，您需要阅读几页（2-5）以在 T2 中找到匹配的元组。

如果 T1 非常小而 T2 非常大，查询 2 会更快！但是，DBMS 会发现这一点，并将完全执行您的算法来回答 Q1（它被称为基于循环的连接）。此外，您发送到 DBMS 的每个查询都需要时间来处理（方法 1 没有的开销）。

这是一个常见的天真的 DBMS 程序员的错误：让 DB 做一些工作，然后为每个元组做更多的工作。

相反，您应该考虑让 DBMS 在尽可能少的查询中完成所有处理。它会在性能上得到回报。

最后，如果您真的对性能感兴趣，请获取您最喜欢的 DMBS 的文档并阅读它如何进行查询评估，以及如何改进它。

--dmg