标签：方式 索引 对象 bdc oci mmu ima 介绍 优化
在数据库调优过程中，SQL语句往往是导致性能问题的主要原因，而执行计划则是解释SQL语句执行过程的语言，只有充分读懂执行计划才能在数据库性能优化中做到游刃有余。
常见的关系型数据库中，虽然执行计划的表示方法各自不同，但执行原理却大同小异。在我看来，SQL语句的执行过程中总共包含两个关键环节：
读取数据的方式（scan）：包含表扫描和索引扫描
表之间如何进行连接（join）：包含Nest Loop 、Merge Join、Hash
join及半连接等、多表间的连接顺序选择
只要掌握这两个关键环节，我们就可以迅速识别SQL语句在当前数据库中的执行逻辑，发现执行计划中存在的问题及隐患。由于不同数据库之间对于执行计划的表示方法各不相同。对于DB2数据库，很多人并不能理解执行计划所表达的含义，接下来我们就通过实际案例详细探讨DB2数据库中执行计划的各个要点。
01
读取数据的方式
谈到读取数据就离不开数据库中的物理对象：表及索引。因此谈到数据读取的方式，只需理解表扫描及索引扫描，就能基本把握数据的来源。
02
全表扫描
在DB2 LUW中可以通过四种方式获取语句的执行计划（db2expln工具），虽然工具不同，但展示的内容基本相似，最大的区别就是详细程度。详细程度由大到小排序分别是：。为了方便展示，我们在这里只讨论通过db2expln所展示的执行计划信息。首先我们来看一个db2expln抓取的完整的执行计划。
db2expln展示的信息总共分为三部分，分别是当前SQL 语句，执行计划详细信息及执行计划图示（需添加-g参数才能展示），第一部分是当前采集执行计划的语句（见图1-1）：
图1-1
这部分内容基本一目了然，需要注意的就是里面:HV … :HI… 的信息是DB2将参数改写的信息（基本可以忽略）。
接下来我们来看最关键的部分，执行计划的详细信息（见图1-2）：
这部分首先包括当前环境的字符集（codepage），下面是根据统计信息评估出的成本及返回行数。在这个例子中执行成本为124470，返回行数为1行。从第6行开始的位置内容比较重要，我们采取逐行解释：
第三部分为执行计划图，我们可以通过执行计划图快速直接地看出SQL语句的执行过程，执行计划图的阅读顺序是从下往上，从左往右，按照编号从大到小的顺序进行阅读。比如在这个例子中，首先看第三步，显示对表进行表扫描操作（TBSCAN），然后对扫描的结果进行group by操作并将最终结果返回，这条SQL语句就执行完毕了。
03
索引扫描
接下来来看个索引扫描的例子，为了快速理解这个执行计划，我们直接先看执行计划图，可以看到这个SQL语句首先读取索引，获取RID后到表里获取其他数据，进行group by后将结果返回。
其他部分和上一个例子差不多，就不一一详细介绍了，主要看索引扫描的相关细节。从下面的信息可以看出用到的索引中包含4个字段，但这条SQL只用到了一个字段。其他三个字段都没用使用。如果该表上有其他索引包含这条SQL所使用的更多的字段时，这个索引肯定不是最佳选择。
数据读取的方式还有更多的细节，这里暂时不一一讨论了，但不论对数据采用何种方式读取，最核心的内容还是数据从哪里读取，简单来说就是有没有更好的索引可以替代当前的扫描策略，所以，当我们对SQL语句进行优化时，第一步就是需要考虑当前的读取方式是否足够有效。
04
表连接的方式
接下来我们来谈表之间的连接，写过SQL的童鞋都知道，写SQL时Join方式可以有很多种情况：inner join,left join,right join,full join等，还包括一些子查询，比如exist 或者In等方式。对于星型查询，DB2 10以后还支持ZZJOIN。
05
Nest Loop(NLJOIN)
Nest Loop是最简单的一种连接方式，数据库会根据表中的记录数选择内表及外表，在定义内外表后，首先会对外表进行全表扫描，然后重复扫描内表并与外表中的每一条记录进行匹配，最终返回程序所需的结果集。
因此NLJOIN的总成本大约为外表扫描的成本+外表返回的行数×内表扫描的成本。NLJOIN作为使用场景最多的连接方式，当外表匹配行数较少或内外表行数差距较大时效率较高，但也正因为NLJOIN的运行方式，也经常会发生性能隐患。
06
Merge Join(MSJOIN)
合并连接是为了解决Nest Loop中存在的一些问题所采用的一种连接方式，MSJOIN会将需要连接的两张表进行排序，并将排序后的结果集按照交叉方式匹配，最终返回连接后的结果。
MSJOIN的总成本大约为单次外表扫描的成本＋单次内表扫描的成本＋排序成本。MSJOIN常见的场景通常是SQL需要返回排序结果，亦或者主外表都比较大的情况，此外MSJOIN只能应用于SQL语句中包含唯一连接谓词的情况，当主外表数量级都比较大，且连接谓词上都存在索引时，MSJOIN的效率较高（避免了排序成本），通常MSJOIN比较稳定，即使统计信息估算错误，也不会导致执行效率出现较大的偏差。
07
Hash join(HSJOIN)
HSJOIN是一种比较高级的连接方式，进行连接前首先会将外表根据连接谓词进行哈希产生哈希表，然后将哈希表与内表进行连接并返回结果。与MSJOIN类似，HSJOIN也只对内外表分别进行一次扫描，同时HSJOIN也支持多连接谓词。在两张大表通过多连接谓词进行连接时效率很高。
HSJOIN的扫描成本约为内表扫描成本＋外表扫描成本。但需要注意的是，生成的哈希表会存放在排序堆中，一旦排序堆内存溢出，会额外产生大量的物理IO，这点需要特别注意。
08
半连接（semi-join）
半连接属于一种比较奇怪的连接方式，在很多资料里并没有将其划分到连接方式中，因为有的时候，从执行计划中根本看不到连接操作符，比如下面这个SQL：
这是一个典型的子查询，我们可以从SQL语句中猜出大概逻辑，首先会读取子查询中的表，然后根据返回的内容与外部表进行匹配并返回结果。但从执行计划图中并不能看到任何关于连接的信息。
执行计划图中并没有显示任何join的信息，只是多个对象进行了fetch，但从文字描述中可以看到更详细的内容。
数据流1首先会对内部表进行全表扫描（ANY／ALLSubquery），读取后的结果与外部表进行匹配，匹配到结果后不继续扫描立刻返回结果（EXISTS Subquery）。
09
多表间的连接顺序选择
不论在同一条SQL语句中包含了多少张表连接，在同一时刻只有两张表进行连接，但多表间的连接顺序也是决定性能的主要原因。数据库对于表的顺序的选择，往往根据两个表之间连接后得出的行数进行排序，如果统计信息与实际情况偏差较大，有可能会导致由于连接顺序不当而导致的性能问题。
10
总结
通过对执行计划的解析，我们讲解了SQL执行过程中对于性能影响较大的各个要点，但如何在生产上保持SQL的高效稳定，还需对执行计划进行更深入的理解。下面就这方面解答一些同学们常见的疑问：
Q & A
Q1：在查询时，有一个驱动表，通常是from后的第一个表，后面一堆左连接右连接，这个驱动表如何选择？对性能有影响么？自己人为该顺序不会影响执行计划？
A1：在数据库中，会根据当前表的情况进行内外表的选择，SQL语句中的写法只能从一定程度上决定连接次序，但不会做连接中内外表的决策。
举个例子，select*from a,(select*from b,c where b.id=c.id)where……，比如这个SQL，在写法中指明了需要先将b c表连接，再与a表连接，但在连接时候的方式以及连接时候内表外表的选择，都由数据库决定。
Q2：关于连接方式的选择，是由连接的两个表和连接的字段是否排序决定的？
A2：这个不绝对，但是会作为选择的因素之一。
Q4：访问某表的access plan改变了，统计信息没变，是什么情况？这是优化器自动调整了吗？可是优化器根据统计信息生成访问计划，按道理应该是不会变的啊？
A4：执行计划的选择会根据数据库参数，统计信息作为参考，但在编译过程中数据库还会收集一些物理信息。比如数据的物理分布可能会对扫描的方式产生影响。
Q5：这个物理信息是什么，是表空间信息吗？
A5：表在物理中存放的情况。
Q6：有什么手段跟踪一个SQL完整的执行过程，包括你说的动态收集物理信息？
A6：可以抓trace或者stack。db2trc，和db2pd –stack。
Q7：老师，db2的优化器是对越复杂的sql支持的越好吗？有这个说法吗？
A7：db2的优化器对复杂SQL的支持在关系型数据库里应该是最好的，但是对于联机交易系统来讲，我觉得SQL的稳定性比较重要。但复杂SQL牵扯到的变化因素太多，任何一个表的统计信息改变都有可能导致SQL性能下降，所以在联机交易系统不太推荐写复杂SQL。
Q8：那我们写sql时该怎么注意呢？NL join类似笛卡尔集，时间复杂度最高，其次是merge。我觉得从sql上避免不了，因为选择了那个列，就基本确定了连接类型。
A8：在编写SQL的时候很难决定用什么连接方式，但有些需要注意的地方，比如避免多张大表连接，这些在开发过程中还是可以办到的。
Q9：hash连接，如果探测表很大，内建表很小，hash的成本显示很高，因为探测表做了表扫描，没有用到索引，这种如何优化，只能减少探测表的返回集吗？
A9：可以在探测表上创建适当索引。
Q10：对表做完统计更新后需要做rbind吗？
A10：这个需要取决于你的应用是静态SQL还是动态SQL。静态SQL的话执行计划在bind的时候保持在数据库中，统计信息更新后建议rebind，但动态的就没必要了。
Q11：通常谓词出现在索引的第一个字段应该就是有效索引，可有时候这个索引存在，但是个复合索引，跑db2advis时却建议在这个谓词上创建新的单一的索引，为什么数据库不用现有的复合？
A11：复合索引并不一定高效，这个需要根据数据分布来判断，如果单一索引的Clusterration非常好（也就是和表存放的顺序匹配度非常高），这样可以用到大量预取操作，性能会比同步读好很多。
Q12：嵌入式C、C++、COBOL的包BND（包括静态SQL），要绑， 用户SP也建议绑定吧？
A12：UDI的成本其实很大程度上和表设计有关。比如在做DML语句的时候发生行溢出和页重组，带来的消耗远大于**索引。相关信息可以看db2pd -tcb或者snapshot for table。
Q13：请问一下对于表压缩有什么建议？比如要做大表的压缩，有没有一些量化指标供参考，因为有一些表开了压缩批次**较多记录时候影延长了批次1/3的时间。
A13：对于压缩，需要分析当前数据库的瓶颈在哪。压缩是以cpu为代价降低磁盘io，如果瓶颈在磁盘io上，肯定会有帮助，但如果瓶颈在cpu上只会雪上加霜。
Q14：调整APPENDON呢？有没有量化的一些指标？
A14：这个不是很好量化。对于磁盘io瓶颈，可以先从索引，语句甚至表设计入手。如果都已经调整到很好了但还是存在iO瓶颈，同时CPU使用率又比较低（30-40以下）。可以考虑压缩。
标签：方式 索引 对象 bdc oci mmu ima 介绍 优化
原文地址：http://www.cnblogs.com/xiaojianblogs/p/6846494.html
