SQL查询太慢？实战讲解YashanDB SQL调优思路

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。

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$SQL，V$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。

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;

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。

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

比如：

explain select object_name from test limit 10;

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：

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。

1.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);

2.使用方式1 explain 查看执行计划

explain select object_name from test limit 10;

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。

3.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：

4.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：

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：

6.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：

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。

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。

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。

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;

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。

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。

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

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。

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：

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。

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（doc.yashandb.com）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。