无刺鱼米饭 发表于 2024-11-15 21:46:25

【GreatSQL优化器-02】索引和Sargable谓词

【GreatSQL优化器-02】索引和Sargable谓词

一、Sargable谓词介绍


GreatSQL的优化器在有过滤条件的时候,需要先把条件按照是否有索引来进行区分,可以用索引来加速查询的条件称为Sargable,其中 arge 来源于 Search Argument(搜索参数)的首字母拼成的"SARG"。GreatSQL用keyuse_array索引数组和Sargables数组来储存Sargable谓词,其中Sargable数组是对keyuse_array的补充使用,比如``a, =,SELECT * FROM t1 where c1 in (SELECT cc1 FROM t2) andc1 >c2;+----+------+---------------------+| c1 | c2   | date1               |+----+------+---------------------+|2 |    1 | 2022-03-26 16:44:00 |+----+------+---------------------+> SELECT * FROM INFORMATION_SCHEMA.OPTIMIZER_TRACE;| SELECT * FROM t1 where c1 in (SELECT cc1 FROM t2) andc1 >c2 | {"steps": [    {// 1、sql语句转换成更快执行的语句      "join_preparatiON": {      "SELECT#": 1,      "steps": [          {            "join_preparatiON": {            "SELECT#": 2,            "steps": [                {                  "expanded_query": "/* SELECT#2 */ SELECT `t2`.`cc1` FROM `t2`"                }            ]            }          },          {            "expanded_query": "/* SELECT#1 */ SELECT `t1`.`c1` AS `c1`,`t1`.`c2` AS `c2`,`t1`.`date1` AS `date1` FROM `t1` where (`t1`.`c1` in (/* SELECT#2 */ SELECT `t2`.`cc1` FROM `t2`) and (`t1`.`c1` > `t1`.`c2`))"          },          {            "transformatiON": {            "SELECT#": 2,            "FROM": "IN (SELECT)",            "to": "semijoin",            "chosen": true,            "transformatiON_to_semi_join": {                "subquery_predicate": "`t1`.`c1` in (/* SELECT#2 */ SELECT `t2`.`cc1` FROM `t2`)",                "embedded in": "WHERE",                "semi-join cONditiON": "(`t1`.`c1` = `t2`.`cc1`)",                "decorrelated_predicates": [                  {                  "outer": "`t1`.`c1`",                  "inner": "`t2`.`cc1`"                  }                ]            }            }          },          {            "transformatiONs_to_nested_joins": {            "transformatiONs": [                "semijoin"            ],// 这个sql语句被转换成以下最终的语句,可以发现最后以semi join的形式查询的。            "expanded_query": "/* SELECT#1 */ SELECT `t1`.`c1` AS `c1`,`t1`.`c2` AS `c2`,`t1`.`date1` AS `date1` FROM `t1` semi join (`t2`) where ((`t1`.`c1` > `t1`.`c2`) and (`t1`.`c1` = `t2`.`cc1`))"            }          }      ]      }    },    {// 2、优化器执行计划生成      "join_optimizatiON": {      "SELECT#": 1,      "steps": [          {            "cONditiON_processing": {            "cONditiON": "WHERE",            "original_cONditiON": "((`t1`.`c1` > `t1`.`c2`) and (`t1`.`c1` = `t2`.`cc1`))",            "steps": [                {                  "transformatiON": "equality_propagatiON",                  "resulting_cONditiON": "((`t1`.`c1` > `t1`.`c2`) and multiple equal(`t1`.`c1`, `t2`.`cc1`))"                },                {                  "transformatiON": "cONstant_propagatiON",                  "resulting_cONditiON": "((`t1`.`c1` > `t1`.`c2`) and multiple equal(`t1`.`c1`, `t2`.`cc1`))"                },                {                  "transformatiON": "trivial_cONditiON_removal",                  "resulting_cONditiON": "((`t1`.`c1` > `t1`.`c2`) and multiple equal(`t1`.`c1`, `t2`.`cc1`))"                }            ]            }          },          {            "substitute_generated_columns": {            }          },          {// 表依赖,因为是两张表做join,因此这里显示了2张表            "TABLE_dependencies": [            {                "TABLE": "`t1`",                "row_may_be_null": false,                "map_bit": 0,                "depends_ON_map_bits": [                ]            },            {                "TABLE": "`t2`",                "row_may_be_null": false,                "map_bit": 1,                "depends_ON_map_bits": [                ]            }            ]          },          {            "ref_optimizer_key_uses": [ //这里就是keyuse_array的结果,实际用到了两个索引,c1和cc2的唯一索引            {                "TABLE": "`t1`",                "field": "c1",                "equals": "`t2`.`cc1`",                "null_rejecting": true            },            {                "TABLE": "`t2`",                "field": "cc1",                "equals": "`t1`.`c1`",                "null_rejecting": true            }            ]          },      // 通过查看系统表可以查看到keyuse_array信息,但是Sargables数组信息没有显示。// 这个通过debug代码发现过程中提取出了一个谓词组,就是c1>c2,field值为cc1列,arg_value值为c2列,num_VALUES为所有Sargable谓词数量,这里为1。// 这个Sargable数组信息在后面函数update_sargable_FROM_cONst补充检查是否可以使用这里面的cc1索引加速查询。struct SARGABLE_PARAM {Field *field;   // t2的cc1列Item **arg_value; // t1的c2列uINT num_VALUES;// 值为1,因为数组只有一个值};二、update_ref_and_keys代码执行过程

update_ref_and_keys函数里面通过add_key_fields把查询sql的cond条件包含的索引信息添加到Key_use_array,注意只有等于的条件才会通过add_key_field添加key_field。cond条件分为两种:FUNC_ITEM和COND_ITEM,其中and_level用于在merge_key_fields时候把用不到的key_field删掉。
条件类型说明FUNC_ITEM只由一个条件组成COND_ITEM由若干个 AND 和 OR 连接起来的条件,包含Item_cond_or和Item_cond_and两种 COND_AND_FUNC:同一个and条件的and_level不变 COND_OR_FUNC:处理前and_level需要自增实际代码执行过程:
CREATE TABLE t1 (c1 INT PRIMARY KEY, c2 INT,date1 DATETIME);
INSERT INTO t1 VALUES (1,10,'2021-03-25 16:44:00.123456'),(2,1,'2022-03-26 16:44:00.123456'),(3,4,'2023-03-27 16:44:00.123456');
CREATE TABLE t2 (cc1 INT PRIMARY KEY, cc2 INT);
INSERT INTO t2 VALUES (1,3),(2,1),(3,2),(4,3);
CREATE INDEX idx1 ON t1(c2);
CREATE INDEX idx2 ON t1(c2,date1);
CREATE INDEX idx2_1 ON t2(cc2);

SET optimizer_trace = 'enabled=ON' ;
greatsql> SELECT * FROM t1 where c1 in (SELECT cc1 FROM t2) andc1 >c2;
+----+------+---------------------+
| c1 | c2   | date1               |
+----+------+---------------------+
|2 |    1 | 2022-03-26 16:44:00 |
+----+------+---------------------+
> SELECT * FROM INFORMATION_SCHEMA.OPTIMIZER_TRACE;
| SELECT * FROM t1 where c1 in (SELECT cc1 FROM t2) andc1 >c2 | {
"steps": [
    {// 1、sql语句转换成更快执行的语句
      "join_preparatiON": {
      "SELECT#": 1,
      "steps": [
          {
            "join_preparatiON": {
            "SELECT#": 2,
            "steps": [
                {
                  "expanded_query": "/* SELECT#2 */ SELECT `t2`.`cc1` FROM `t2`"
                }
            ]
            }
          },
          {
            "expanded_query": "/* SELECT#1 */ SELECT `t1`.`c1` AS `c1`,`t1`.`c2` AS `c2`,`t1`.`date1` AS `date1` FROM `t1` where (`t1`.`c1` in (/* SELECT#2 */ SELECT `t2`.`cc1` FROM `t2`) and (`t1`.`c1` > `t1`.`c2`))"
          },
          {
            "transformatiON": {
            "SELECT#": 2,
            "FROM": "IN (SELECT)",
            "to": "semijoin",
            "chosen": true,
            "transformatiON_to_semi_join": {
                "subquery_predicate": "`t1`.`c1` in (/* SELECT#2 */ SELECT `t2`.`cc1` FROM `t2`)",
                "embedded in": "WHERE",
                "semi-join cONditiON": "(`t1`.`c1` = `t2`.`cc1`)",
                "decorrelated_predicates": [
                  {
                  "outer": "`t1`.`c1`",
                  "inner": "`t2`.`cc1`"
                  }
                ]
            }
            }
          },
          {
            "transformatiONs_to_nested_joins": {
            "transformatiONs": [
                "semijoin"
            ],// 这个sql语句被转换成以下最终的语句,可以发现最后以semi join的形式查询的。
            "expanded_query": "/* SELECT#1 */ SELECT `t1`.`c1` AS `c1`,`t1`.`c2` AS `c2`,`t1`.`date1` AS `date1` FROM `t1` semi join (`t2`) where ((`t1`.`c1` > `t1`.`c2`) and (`t1`.`c1` = `t2`.`cc1`))"
            }
          }
      ]
      }
    },
    {// 2、优化器执行计划生成
      "join_optimizatiON": {
      "SELECT#": 1,
      "steps": [
          {
            "cONditiON_processing": {
            "cONditiON": "WHERE",
            "original_cONditiON": "((`t1`.`c1` > `t1`.`c2`) and (`t1`.`c1` = `t2`.`cc1`))",
            "steps": [
                {
                  "transformatiON": "equality_propagatiON",
                  "resulting_cONditiON": "((`t1`.`c1` > `t1`.`c2`) and multiple equal(`t1`.`c1`, `t2`.`cc1`))"
                },
                {
                  "transformatiON": "cONstant_propagatiON",
                  "resulting_cONditiON": "((`t1`.`c1` > `t1`.`c2`) and multiple equal(`t1`.`c1`, `t2`.`cc1`))"
                },
                {
                  "transformatiON": "trivial_cONditiON_removal",
                  "resulting_cONditiON": "((`t1`.`c1` > `t1`.`c2`) and multiple equal(`t1`.`c1`, `t2`.`cc1`))"
                }
            ]
            }
          },
          {
            "substitute_generated_columns": {
            }
          },
          {// 表依赖,因为是两张表做join,因此这里显示了2张表
            "TABLE_dependencies": [
            {
                "TABLE": "`t1`",
                "row_may_be_null": false,
                "map_bit": 0,
                "depends_ON_map_bits": [
                ]
            },
            {
                "TABLE": "`t2`",
                "row_may_be_null": false,
                "map_bit": 1,
                "depends_ON_map_bits": [
                ]
            }
            ]
          },
          {
            "ref_optimizer_key_uses": [ //这里就是keyuse_array的结果,实际用到了两个索引,c1和cc2的唯一索引
            {
                "TABLE": "`t1`",
                "field": "c1",
                "equals": "`t2`.`cc1`",
                "null_rejecting": true
            },
            {
                "TABLE": "`t2`",
                "field": "cc1",
                "equals": "`t1`.`c1`",
                "null_rejecting": true
            }
            ]
          },
      
// 通过查看系统表可以查看到keyuse_array信息,但是Sargables数组信息没有显示。
// 这个通过debug代码发现过程中提取出了一个谓词组,就是c1>c2,field值为cc1列,arg_value值为c2列,num_VALUES为所有Sargable谓词数量,这里为1。
// 这个Sargable数组信息在后面函数update_sargable_FROM_cONst补充检查是否可以使用这里面的cc1索引加速查询。
struct SARGABLE_PARAM {
Field *field;   // t2的cc1列
Item **arg_value; // t1的c2列
uINT num_VALUES;// 值为1,因为数组只有一个值
};函数的SELECT_optimize属性见下表。
函数的查询优化类型涉及函数对应索引操作OPTIMIZE_NONE无OPTIMIZE_KEY 、between 、IN函数Item_func::BETWEEN : 把between转换为a>1 and a对于 c1=cc1:      ->判断c1=5是否可以合并          -> c1相等。可以合并                  ->将 c1=5 的Key_field删除,剩下c1=cc1,注意这里返回的end="cc1=c1"->对于 cc1=c1:      ->判断 c1=5 是否可以合并          ->cc1不等于c1,不能合并->将所有没有被合并的 Key_field 去掉最终剩下2个 Key_field:Key_field(c1=cc1, and_level=1, optimize=0, null_rejecting=true)Key_field(cc1=c1, and_level=1, optimize=0, null_rejecting=true)最后因为通过merge_key_fields算出来的field==end,因此不加入keyuse_array,注意只有or条件才会执行merge_key_fields。这里条件如果去掉or t1.c1=5这两个key_field就会加入keyuse_array于是看到如下的trace,这里面的access_type全是scan方式,说明没有用索引提升查询性能。            "considered_execution_plans": [            {                "plan_prefix": [                ],                "TABLE": "`t1`",                "best_access_path": {                  "cONsidered_access_paths": [                  {                      "rows_to_scan": 4,                      "filtering_effect": [                      ],                      "final_filtering_effect": 1,                      "access_type": "scan", 这里t1的扫描方式是索引扫描                      "resulting_rows": 4,                      "cost": 0.65,                      "chosen": true                  }                  ]                },                "rest_of_plan": [                  {                  "plan_prefix": [                      "`t1`"                  ],                  "TABLE": "`t2`",                  "best_access_path": {                      "cONsidered_access_paths": [                        {                        "rows_to_scan": 5,                        "filtering_effect": [                        ],                        "final_filtering_effect": 1,                        "access_type": "scan", 这里t2的扫描方式是索引扫描                        "using_join_cache": true,                        "buffers_needed": 1,                        "resulting_rows": 5,                        "cost": 2.25005,                        "chosen": true                        }                      ]                  },-- 下面的结果中,type=index,表明选择了索引扫描,跟上面算出来的结论一致greatsql> EXPLAIN SELECT * FROM t1 join t2 ON t1.c1=t2.cc1 and t2.cc1=t1.c1 or t1.c1=5;+----+-------------+-------+------------+-------+---------------+--------+---------+------+------+----------+---------------------------------------------------------+| id | select_type | table | partitions | type| possible_keys | key    | key_len | ref| rows | filtered | Extra                                                   |+----+-------------+-------+------------+-------+---------------+--------+---------+------+------+----------+---------------------------------------------------------+|1 | SIMPLE      | t1    | NULL       | index | PRIMARY       | idx2   | 11      | NULL |    4 |   100.00 | Using index                                             |   这里选择了索引扫描,跟上面算出来的结论一致|1 | SIMPLE      | t2    | NULL       | index | PRIMARY       | idx2_1 | 5       | NULL |    5 |   100.00 | Using where; Using index; Using join buffer (hash join) |+----+-------------+-------+------------+-------+---------------+--------+---------+------+------+----------+---------------------------------------------------------+例子2:SELECT * FROM t1 join t2 ON t1.c1=t2.cc1 and t1.c2 Filter: ((t2.cc1 = t1.c1) or (t1.c1 = 5))(cost=2.90 rows=20)    -> Inner hash join (no cONditiON)(cost=2.90 rows=20)      -> INDEX scan ON t2 using idx2_1(cost=0.19 rows=5)      -> Hash            -> INDEX scan ON t1 using idx2(cost=0.65 rows=4) |+---------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------+greatsql> EXPLAIN FORMAT=TREE SELECT * FROM t1 join t2 ON t1.c1=t2.cc1 and t1.c1 Nested loop inner join(cost=1.91 rows=3)    -> Filter: (t1.c1 < 5)(cost=0.86 rows=3)      -> INDEX range scan ON t1 using PRIMARY over (c1 < 5)(cost=0.86 rows=3)    -> Single-row INDEX lookup ON t2 using PRIMARY (cc1=t1.c1)(cost=0.28 rows=1) |+--------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------+附录:join_type表扫描方式
JT_UNKNOWNJT_SYSTEM表只有一行,比如SELECT * FROM (SELECT 1)JT_CONST表最多只有一行满足,比如WHERE TABLE.pk = 3JT_EQ_REF=符号用在唯一索引JT_REF=符号用在非唯一索引JT_ALL全表扫描JT_RANGE范围扫描JT_INDEX_SCAN索引扫描JT_FTFulltext索引扫描JT_REF_OR_NULL包含null值,比如"WHERE col = ... OR col IS NULLJT_INDEX_MERGE一张表执行多次范围扫描最后合并结果四、总结

从上面优化器最早的步骤我们认识了Sargable谓词的定义和判定方法,如果查询用到了Sargable谓词是可以进行eq_ref扫描方式的,有效提高了查询效率。通过实际例子发现,在做多表连接的时候用OR条件会降低执行效率,同时用唯一索引列作为连接条件的话会提高效率。因此实际写查询sql的时候,尽量用唯一索引作为连接条件,少用OR条件进行过滤。

Enjoy GreatSQL
来源:https://www.cnblogs.com/greatsql/p/18547608
免责声明:由于采集信息均来自互联网,如果侵犯了您的权益,请联系我们【E-Mail:cb@itdo.tech】 我们会及时删除侵权内容,谢谢合作!
页: [1]
查看完整版本: 【GreatSQL优化器-02】索引和Sargable谓词