Оптимизация SQL-запросов (Часть 1)

3 июня 2014 в 17:52

В данной статье рассматриваются особенности запросов на выборку данных, виды индексов, использование планов запросов, различные подходы к оптимизации запросов. Во второй части статьи «Оптимизация SQL-запросов (Часть 2)» рассматриваются рекомендации по разработке оптимальной структуры БД.

Введение

Все более-менее сложные веб-приложения взаимодействуют с базами данных. Причем получение данных из базы является одним из узких мест приложения. Таким образом, оптимизация запросов к базе способна существенно повысить производительность веб-приложения в целом.

1. Демонстрационная база данных

Для демонстрации запросов в данном докладе потребуется база данных. Допустим, необходимо автоматизировать следующую предметную область: у торгового предприятия есть различные товары, которые продаются различным заказчикам. Необходимо обеспечить хранение данных по заказам клиентам, включая заказанные товары, и о статусах заказа, развернутых во времени. Создадим упрощенную базу данных.
БД имеет следующую структуру:

База наполнена тестовыми данными:

• Status — 3 записи
• Customer — 3 записи
• Product — 10 записей
• Order — 3 млн. записей.
• OrderStatus — 9 млн. записей.
• OrderProduct — 2,5 млн. записей

2. Запросы на выборку данных

Запросы на выборку данных реализуются с помощью конструкции SELECT языка SQL.
Запрос в MS SQL имеет следующий синтаксис:

1. [ WITH <common_table_expression>]
2. SELECT select_list [ INTO new_table ]
3. [ FROM table_source ] [ WHERE search_condition ]
4. [ GROUP BY group_by_expression ]
5. [ HAVING search_condition ]
6. [ ORDER BY order_expression [ ASC | DESC ] ]

2.1. Типы соединений таблиц

Если запрос адресован к нескольким таблицам БД, то выполняется соединение этих таблиц по определенным полям.
Существует несколько типов соединений:
Внутреннее (INNER JOIN)

1. select o.OrderNumber
2. from [Order] o inner join [Product] p on
3. p.ProductId=o.ProductId

Внешнее левое/правое (LEFT/RIGHT JOIN)

1. select o.OrderNumber
2. from [Order] o left join [Product] p on
3. p.ProductId=o.ProductId

Перекрестное (CROSS JOIN)
(Используется редко)

2.2. Вложенные запросы

Вложенный запрос представляет собой запрос типа select from select
Пример:

1. select OrderId from
2. (
3. select OrderId, count(0) as ProductCount from [OrderProduct]
4. group by OrderId
5. ) as SubQuery
6. where SubQuery.ProductCount < 1

2.3. Короткие и соотнесенные запросы

Пример короткого селекта:

1. select
2. OrderId,
3. (select [Customer].CustomerName from [Customer] where [Customer].CustomerId = [Order].CustomerId)
4. from [Order]

Пример соотнесенного запроса:

1. select
2. Count(OrderId)
3. from [Order]
4. where
5. (select [Customer].CustomerName from [Customer] where [Customer].CustomerId = [Order].CustomerId) = 'ОАО РЖД'

В MS SQL короткие и соотнесенные запросы могут быть реализованы с помощью конструкции OUTER/CROSS APPLY.

1. select
2. OrderId, CustomerName
3. from [Order] CROSS APPLY (select [Customer].CustomerName from [Customer] where [Customer].CustomerId = [Order].CustomerId) cus
4. where CustomerName = 'ОАО РЖД'

Существует два типа оператора APPLY: CROSS APPLY и OUTER APPLY. Оператор CROSS APPLY возвращает только строки из внешней таблицы, которые создают результирующий набор из возвращающей табличное значение функции. Оператор OUTER APPLY возвращает и строки, которые формируют результирующий набор, и строки, которые этого не делают, со значениями NULL в столбцах, созданных возвращающей табличное значение функцией.

3. Индексы

3.1. Виды индексов MS-SQL

В MS SQL Индексы могут быть двух типов: кластерные и не кластерные.
Если упрощенно, то кластерный индекс отличается от не кластерного тем, что в листьях этого индекса содержатся не ссылки на записи в таблице, а сами записи. Таким образом, для таблицы допустим только один кластерный индекс.
Скорость доступа к строкам при указании условия where, совпадающего с условием индексирования для кластерного индекса, будет выше, чем при поиске записей по простому индексу.
Если в кластерный индекс включены часто обновляемые поля, то это отрицательно скажется на производительности, т. к. обновления будут приводить к логическому переупорядочиванию данных.
Если из таблицы, имеющей кластерный индекс, часто удаляются записи, то это приводит к сильной фрагментации таблицы.
MS SQL по умолчанию создает кластерные индексы по первичному ключу.

3.2. Ограничения MS SQL при создании индексов

При создании индекса максимальная суммарная длина полей допускается равной 900 байт. Причем индекс может быть создан по полям, типы которых допускают большую длину полей, но при этом хранящиеся данные обязательно должны быть меньше.
Т.е., например, в таблице имеется 2 поля varchar(500), MSSQL допускает создание индекса при условии, что реальная длина записей по этим полям не превышает 900. При наличии такого индекса в таблице, при попытке вставки (или обновления) данных, если сумма реальных полей будет превышать 500 байт, то будет выдано сообщение об ошибке.
Для хранения каждого символа в типах nvarchar и nchar MS SQL использует 2 байта.

4. Планы запросов

В реляционной СУБД оптимальный план выполнения запроса — это такая последовательность применения операторов реляционной алгебры к исходным и промежуточным отношениям, которое для конкретного текущего состояния БД (её структуры и наполнения) может быть выполнено с минимальным использованием вычислительных ресурсов.

4.1. Анализ плана запроса

Ядро SQL Server Database Engine может показывать, каким образом оно переходит к таблицам и использует индексы для доступа к данным. Это называется выводом плана выполнения. Для проведения анализа медленно выполняемого запроса полезно изучить план выполнения запроса, чтобы определить причину проблемы.
Планы выполнения запросов в MS SQL отображаются cредой SQL Server Management Studio. При этом отображается наилучший план выполнения, используемый ядром Database Engine для отдельных инструкций языка DML и Transact-SQL. В этом плане содержатся сведения о процессе компиляции хранимых процедур и о вызовах хранимых процедур произвольной глубины вложенности. Например, при выполнении инструкции SELECT можно увидеть, что Database Engine выполняет просмотр таблицы для получения данных. Выполнение инструкции SELECT может также показать, что просмотр индекса будет использоваться, если Database Engine определит, что просмотр индекса является наиболее быстрым способом получения данных из таблицы.
Таким образом, выбор оптимального плана во многом зависит от наличия в базе индексов и их оптимальности.

При выполнении запроса в MSSQL есть возможность поиска “отсутствующих” индексов. Т. е. MS SQL подсказывает, какие индексы можно создать, чтобы данный конкретный запрос выполнялся быстрее.
Пример:

1. SET STATISTICS XML ON
2. GO
3. select * from [OrderStatus]
4. where statusdate < GETDATE()
5. GO

Запрос выдает рекомендации на создание индекса:

1. <MissingIndexes>
2. <MissingIndexGroup Impact="74.5401">
3. <MissingIndex Database="" Schema="[dbo]" Table="[OrderStatus]">
4. <ColumnGroup Usage="INEQUALITY">
5. <Column Name="[StatusDate]" ColumnId="3" />
6. </ColumnGroup>
7. <ColumnGroup Usage="INCLUDE">
8. <Column Name="[OrderId]" ColumnId="1" />
9. <Column Name="[StatusId]" ColumnId="2" />
10. </ColumnGroup>
11. </MissingIndex>
12. </MissingIndexGroup>
13. </MissingIndexes>

4.2. Способы применения индекса в планах запроса

Основные типы получения записей индекса это Seek и Scan.
Index Scan получает все записи индекса, указанного в столбце Argument. Если необязательный предикат WHERE:() появится в столбце Argument, то возвращаются только те строки, которые удовлетворяют условию, указанному в этом предикате.
Оператор Index Seek использует возможности поиска по индексам для получения строк из индекса. С самого начала поиск обрабатывает только те строки, которые квалифицированы, и страницы, которые содержат эти квалифицированные строки, поэтому стоимость пропорциональна числу квалифицированных строк и содержащих их страниц, а не к общему числу строк в таблице. Таким образом, поиск является более эффективной стратегией, если мы имеем дело с очень селективным поисковым предикатом; то есть если мы имеем поисковый предикат, который отсекает большую часть таблицы.

4.3. Способы изменения плана

В MS SQL при выполнении запросов можно указать специальные «подсказки» (hint), с помощью которых можно повлиять на план запроса.
Оптимизатор запросов SQL Server обычно автоматически выбирает наилучший план выполнения запроса. Поэтому подсказки, в том числе <подсказки_по_соединению>, рекомендуется использовать только опытным пользователям и администраторам базы данных в случае крайней необходимости.
Примечание. В некоторых СУБД, например Firebird, можно косвенно влиять на план запроса, например добавлением «+0» к полю таблицы. В этом случае оптимизатор перестает использовать индекс.

4.4. Кэширование и повторное использование плана

В SQL Server есть пул памяти, предназначенный для хранения планов выполнения и буферов данных. Процентное соотношение размера пула, выделенного для планов выполнения и буферов данных, динамически изменяется в зависимости от состояния системы. Часть пула памяти, используемого для хранения планов выполнения, называется кэшем процедур.
В SQL Server планы выполнения состоят из следующих основных компонентов.
План запроса. Тело плана выполнения является структурой данных только для чтения, которая предназначена для использования любым числом пользователей. Оно называется планом запроса. План запроса не содержит контекста пользователя.
Контекст выполнения. Для каждого пользователя, который в настоящий момент выполняет запрос, имеется структура данных, которая содержит данные, относящиеся к данному выполнению, например значения параметров. Эта структура данных называется контекстом выполнения. Структуры данных контекста выполнения являются повторно используемыми. Если пользователь выполняет запрос и одна из структур не используется, она повторно инициализируется контекстом нового пользователя.

4.5. Проблема параметров при кэшировании запросов

Если к серверу выполняется несколько однотипных параметризованных запросов, то сервер строит план только для первого запроса, далее этот план попадает в кэш, и остальные запросы выполняются с уже кэшированным планом.
Рассмотрим 2 запроса:

1. select * from [Order] where orderdate > '01/01/2001'

1. select * from [Order] where orderdate > '01/01/2041'

Для выполнения этих запросов используются разные планы, т. к. при построении плана, MS SQL анализирует количество возвращаемых данных.
Если данный запрос сделать параметризованным:

1. select * from [Order] where orderdate > @PDate

то план запроса будет определятся самым первым запросом.
Это демонстрирует следующий скрипт:

1. declare @PDate datetime = '01/01/2041'
2. select * from [Order] where orderdate > @PDate
3. go
4.  
5. select * from [Order] where orderdate > '01/01/2041'
6. go
7.  
8. (0 row(s) affected)
9. Table 'Order'. Scan count 1, logical reads 55446, physical reads 0, read-ahead reads 0, lob logical reads 0, lob physical reads 0, lob read-ahead reads 0.
10.  
11. (0 row(s) affected)
12. Table 'Order'. Scan count 1, logical reads 17992, physical reads 0, read-ahead reads 0, lob logical reads 0, lob physical reads 0, lob read-ahead reads 0.

Таким образом, оптимальный план, построенный по первому параметризованному запросу, из-за кэширования будет распространен на остальные запросы, где этот план может оказаться, мягко говоря, не совсем оптимальным.

5. Подходы к оптимизации запросов

5.1. Поиск неоптимальных запросов

Критичные запросы. Выполняются достаточно редко, но их длительное время выполнения заметно невооруженным взглядом.
Часто выполняемые запросы, которые сами по себе не занимают много времени, но из-за того, что выполняются часто, общее время их выполнения становится критичным.
К сожалению, самый надежный метод довольно сложен и предусматривает отслеживание всех выполненных запросов к серверу с их последующей группировкой.
Существует более простой, но не столь надежный метод. Можно положиться на статистику всех запросов, которая хранится в кэше плана выполнения, и опросить их с использованием динамических административных представлений.

1. SELECT
2. substring(text,qs.statement_start_offset/2
3. ,(CASE
4. WHEN qs.statement_end_offset = -1 THEN len(convert(nvarchar(max), text)) * 2
5. ELSE qs.statement_end_offset
6. END - qs.statement_start_offset)/2)
7. ,qs.plan_generation_num as recompiles
8. ,qs.execution_count as execution_count
9. ,qs.total_elapsed_time - qs.total_worker_time as total_wait_time
10. ,qs.total_worker_time as cpu_time
11. ,qs.total_logical_reads as reads
12. ,qs.total_logical_writes as writes
13. FROM sys.dm_exec_query_stats qs
14. CROSS APPLY sys.dm_exec_sql_text(qs.sql_handle) st
15. LEFT JOIN sys.dm_exec_requests r
16. ON qs.sql_handle = r.sql_handle
17. ORDER BY 3 DESC

5.2. Статистика индексов

Для индекса существует понятие плотности распределения. Если каждое значение в таблице уникальное, то плотность будет 1/<число записей>. Например, если в таблице 100 записей, то плотность будет равна 1%. Теория говорит, что чем меньше плотность, тем лучше – это увеличивает избирательность, а, следовательно, и ценность построенного индекса.
Например, если колонка содержит только 3 значения, плотность распределения будет равна 33.3%, что показывает бесполезность построения индекса по данному полю. Индексы занимают место на диске и в оперативной памяти и отнимают быстродействие. В идеале, самый лучший индекс имеет плотность распределения равную единице, деленной на количество записей в таблице — все записи уникальны.
При построении индексов, обращайте внимание на плотность распределения – если она превышает 10%, то индекс можно считать бесполезным. Сканирование по таблице в таком случае будет более эффективным.

Для просмотра статистики индекса используется команда:

1. DBCC SHOW_STATISTICS ([Order], IDX_ORDERNUMBER)

5.3. Фильтрация в индексах

Фильтруемый индекс — это оптимизированный некластеризованный индекс, особенно подходящий для запросов, осуществляющих выборку из хорошо определенного подмножества данных. Он использует предикат фильтра для индексирования части строк в таблице. Хорошо спроектированный фильтруемый индекс позволяет повысить производительность запросов, а также снизить затраты на обслуживание и хранение индексов по сравнению с полнотабличными индексами.
Пример. Отберем все строки продуктов, где количество больше 9900.

1. select * from OrderProduct where Quantity > 9900

Результат:

1. (77785 row(s) affected)
2.  
3. SQL Server Execution Times:
4. CPU time = 452 ms, elapsed time = 488 ms.

Создадим индекс по полю Quantity:

1. CREATE NONCLUSTERED INDEX OrderVIP
2. ON [OrderProduct] (Quantity)

Тот же запрос:

1. SQL Server Execution Times:
2. CPU time = 31 ms, elapsed time = 335 ms.

Создадим фильтрованный индекс:

1. CREATE NONCLUSTERED INDEX OrderVIP
2. ON [OrderProduct] (Quantity)
3. where [OrderProduct].Quantity >9900
4. GO

Результат:

1. SQL Server Execution Times:
2. CPU time = 16 ms, elapsed time = 338 ms.

Кроме того, фильтрованный индекс создается гораздо быстрее.

5.4. Индексы с включенными полями

Индекс с неключевыми столбцами может значительно повысить производительность запроса, когда все столбцы запроса включены в индекс как ключевые или неключевые. Производительность повышается благодаря тому, что оптимизатор запросов может найти все значения столбцов в этом индексе. При этом нет обращения к данным таблиц или кластеризованных индексов, что приводит к меньшему количеству дисковых операций ввода-вывода.
Пример. Допустим, необходимо найти номера и даты заказов по определенному поставщику.
Запрос:

1. select CustomerId, OrderNumber, OrderDate from [Order]
2. where CustomerId = (select top 1 customerid from customer);
3.  
4. (262144 row(s) affected)
5. (1 row(s) affected)
6. SQL Server Execution Times:
7. CPU time = 328 ms, elapsed time = 1379 ms.

Создаем индекс на поле CustomerId:

1. CREATE NONCLUSTERED INDEX IDX_OrderCustomer
2. ON [Order] (CustomerId)

Результат такой же. MSSQL индекс не использует. Оптимизатор решает, что быстрее сделать Scan по первичному ключу, т.к. селективность индекса маленькая.

Создаем индекс с включенными полями:

1. CREATE NONCLUSTERED INDEX IDX_OrderCustomer
2. ON [Order] (CustomerId)
3. include (OrderNumber, OrderDate)

Время выполнения запроса уменьшается, индекс попадает в план:

1. SQL Server Execution Times:
2. CPU time = 63 ms, elapsed time = 1426 ms.

5.5. Дополнительные команды при создании индексов

Команда CREATE INDEX имеет дополнительные параметры. Рассмотрим некоторые из них, которые в дальнейшем могут повлиять на производительность запросов.
ASC|DESC
ASC значит что индекс будет построен по возрастанию ключей. DESC соответственно – по убыванию. Эта опция не дает никакой разницы на поиск данных, но оказывает существенное влияние на скорость выполнения ORDER BY опции в запросах.
Пример.

1. select OrderDate from [Order]
2. order by OrderDate Desc

Вариант 1.

1. CREATE NONCLUSTERED INDEX IDX_OrderDate
2. ON [Order] (OrderDate)
3. SQL Server Execution Times:
4. CPU time = 187 ms, elapsed time = 2562 ms.

Вариант 2.

1. CREATE NONCLUSTERED INDEX IDX_OrderDate
2. ON [Order] (OrderDate Desc)
3. SQL Server Execution Times:
4. CPU time = 156 ms, elapsed time = 2563 ms.

SORT_IN_TEMPDB
Полезна при создании индексов. Эта опция может увеличить производительность системы во время создания индексов. Индексы создаются в два этапа. На первом создается временный набор данных с отсортированными ключами для некластерного индекса. На втором – окончательный результат переносится на место его хранения в базе данных. Без указания данной опции временный результат создается в той же file group, где и будет создан индекс. При указанной опции временный результат будет находиться в базе данных Tempdb. Преимущества: индекс будет менее фрагментирован, временную базу можно поместить на другой диск и тем самым увеличить скорость чтения/записи. Недостаток: требуется больше памяти на дисках и надо уделять дополнительное внимание базе данных Tempdb.

5.6. Оптимизация композитных индексов

В создании композитного (сложного) индекса участвуют несколько полей таблицы. При создании индекса следует обращать внимание на порядок следования полей в индексе.
Например, если создается индекс по полям Field1, Field2, то он может быть применен только в запросе, где в критериях используются оба этих поля. Также этот индекс будет полезен для условий, построенных для одного Field1. Для одного Field2 этот индекс не может быть применен.
Если в дополнение к индексу по полям Field1, Field2 добавить индекс по полям Field2, Field1, то SQL Server при построении плана запроса будет анализировать, какой из них более селективен в применении к ограничениям на условия запроса. Последний момент в построении композитного индекса по полям Field1, Field2 – он не равен сумме индексов по указанным полям. В случае, когда в запросе могут быть использованы оба поля как критерий поиска при раздельных индексах по полям, будет построено пересечение по индексам, что медленнее чем выборка из композитного индекса.
Примечание. В некоторых СУБД, например Firebird, применение нескольких индексов в запросе для одной таблицы ведет к существенному снижению производительности.
Пример. Отберем заказы определенного клиента, начиная с указанной даты.

1. select customerid, OrderDate from [order] where customerid = '222a3c77-50e9-4abb-be21-aa45b540f2a6'
2. and OrderDate > GetDate()
3. Go
4. SQL Server Execution Times:
5. CPU time = 141 ms, elapsed time = 861 ms.

План показывает сканирование по первичному ключу. MS SQL рекомендует создание композитного индекса по коду поставщика и дате.

Создадим индекс:

1. CREATE NONCLUSTERED INDEX IDX_OrderCustomerDate
2. ON [Order] (CustomerId, OrderDate)
3. Go

Тот же самый запрос стал выполняться быстрее.

1. SQL Server Execution Times:
2. CPU time = 93 ms, elapsed time = 819 ms.

Уберем из условия отбор по дате:

1. select customerid, OrderDate from [order] where customerid='222a3c77-50e9-4abb-be21-aa45b540f2a6'
2. /*and OrderDate&gt;GetDate()*/
3. Go

Индекс по-прежнему используется.
Теперь вернем условие по дате, но уберем условие по клиенту:

1. select customerid, OrderDate from [order] where /*customerid='222a3c77-50e9-4abb-be21-aa45b540f2a6'
2. and*/ OrderDate&gt;GetDate()
3. Go

Индекс используется, только вместо более быстрой операции Seek используется Scan.

5.7. Общие рекомендации по проектированию индексов

Большое количество индексов в таблице снижает производительность инструкций INSERT, UPDATE, DELETE и MERGE, потому что при изменении данных в таблице все индексы должны быть изменены соответствующим образом.
Большое число индексов может повысить производительность запросов, которые не изменяют данных, таких как инструкции SELECT, поскольку у оптимизатора запросов будет больший выбор индексов при определении самого быстрого способа доступа.
Индексирование маленьких таблиц может оказаться не лучшим выбором, так как поиск данных в индексе может потребовать у оптимизатора запросов больше времени, чем простой просмотр таблицы. Следовательно, для маленьких таблиц индексы могут вообще не использоваться, но тем не менее их необходимо поддерживать при изменении данных в таблице.

5.8. Выбор типа соединения таблиц

Выбор типа соединения таблиц в запросе (INNER/LEFT/RIGHT) зависит от задачи. Практика показывает, что если в запросе, который подразумевает однозначное соединение одной таблицы с другой, нет большой разницы, использовать INNER или LEFT JOIN. Оптимизатор генерирует для таких запросов одинаковый план.
Пример:

1. select * from
2. [Order]
3. left join [OrderProduct]
4. on [Order].OrderId = [OrderProduct].OrderId
5. where [OrderProduct].Quantity > 100

или

1. select * from
2. [Order]
3. inner join [OrderProduct]
4. on [Order].OrderId = [OrderProduct].OrderId
5. where [OrderProduct].Quantity > 100

5.9. Рекомендации по оптимизации запросов от Microsoft

Ниже перечислены случаи, когда SQL Server не в состоянии точно вычислить мощность. Это приводит к неточному определению стоимости, что, в свою очередь, может привести к созданию неоптимальных планов запросов. Если избегать применения таких конструкций, можно повысить производительность выполнения запросов. Иногда в таких случаях доступны альтернативные формулировки запросов и другие средства, помогающие решить эту проблему.

• Запросы с предикатами, которые содержат операторы сравнения столбцов одной и той же таблицы.
• Запросы с предикатами, использующими операторы, и выполнение одного из следующих условий:
• отсутствует статистика для столбца, указанного с любой стороны от оператора;
• распределение значений в статистике неоднородно, а запрос выполняет поиск весьма ограниченного набора значений. Эта ситуация особенно вероятна, если оператор не является оператором равенства (=);
• предикат использует оператор неравенства (!=) или логический оператор NOT.
• Запросы с любыми встроенными функциями SQL Server или пользовательскими скалярными функциями, которым в качестве аргументов передаются выражения, отличные от констант.
• Запросы, в которые включены столбцы, соединяемые по арифметическим операторам или объединением строк.
• Запросы, которые сравнивают переменные, значения которых в момент компиляции и оптимизации запроса неизвестны.

Для повышения производительности перечисленных типов запросов можно попробовать предпринять следующие меры:
Постройте индексы или статистику для столбцов, участвующих в запросе.
Попробуйте использовать вычисляемые столбцы или перепишите запрос, если он содержит операторы, которые сравнивают или производят арифметические операции над двумя и более столбцами. Например, в следующем запросе сравниваются значения в двух столбцах:

1. SELECT * FROM MyTable
2. WHERE MyTable.Col1 > MyTable.Col2

Можно повысить производительность, добавив вычисляемый столбец Col3 к таблице MyTable, который подсчитывает разницу между Col1 и Col2 (Col1 минус Col2). Затем переписать запрос:

1. SELECT * FROM MyTable
2. WHERE Col3 > 0

Возможно, производительность еще больше повысится, если построить индекс для столбца MyTable.Col3.

Во второй части статьи «Оптимизация SQL-запросов (Часть 2)» рассматриваются рекомендации по разработке оптимальной структуры БД.