SQL性能优化 ——OceanBase SQL 性能调优实践分享（3）

相比较之前的两篇《连接调优》和《索引调优》，本篇文章主要是对先前两篇内容的整理与应用，这里不仅归纳了性能优化的策略，也通过具体的案例，详细展示了如何分析并定位性能瓶颈的步骤。

SQL 调优

先给出性能优化方法和分析性能瓶颈步骤的文字描述：

性能优化的方法

开启并行执行等机制（简单），可以参考：《OceanBase 并行执行技术》。这篇博客内容过多（实际应该像性能调优系列拆成多篇发的），从 4.2 版本开始，OB 已经支持了 auto dop，如果用户不熟悉并行度的设置规则，可以设置 parallel_degree_policy 为 AUTO，让优化器帮忙自动选择合适的并行度，推荐使用。auto dop 的相关内容可以直接在上面这篇博客中搜索 parallel_degree_policy 关键字，或者参考官网文档。
创建合适的索引（简单），可以参考：《索引调优 —— OceanBase SQL 性能调优系列 1》。
调整连接方式（比较简单），可以参考：《连接调优 —— OceanBase SQL 性能调优系列 2》
调整连接顺序（难度较大），这里指的是：例如有 t1，t2，t3 三个表做连接，假设 OB 的优化器认为 t1，t2 两个表先做连接，再与 t3 做连接，是一个比较好的计划。但是实际可能是 t1 和 t3 先做连接，再和 t2 做连接是更优的计划。此时可以通过 hint 告诉优化器正确的连接顺序来优化 SQL 的性能（参考官网文档），在一些复杂场景下，需要丰富的经验支持才能通过调整连接顺序来优化 SQL 执行效率，有兴趣的同学可以自行研究和尝试。
检查 OB 是否做了错误的查询改写 / 缺少合适的查询改写机制（难度较大）。

分析性能瓶颈的步骤

利用 SQL 执行计划去分析具体哪些步骤（哪几个算子）的执行时间慢。个人经验是可以通过把大 SQL 拆分成小 SQL 去分析这一步。
充分利用已有的脚本和工具来简化分析过程。这里我理解主要是通过一些字典视图，例如 oceanbase.GV$SQL_PLAN_MONITOR。

分析 SQL 性能瓶颈的例子

举一个真实的 SQL 性能分析和优化的例子：下面这条 SQL 执行了 2.43 秒，接下来开始分析性能瓶颈并进行优化。

1705634431

看到优化器生成计划是让 bbtr 表先与 cte 表做 merge join，再与 btr 表做 nest loop join。

1705634441

在上面的计划中，从 4 号算子到 8 号算子是三张表的 join 是这个计划最核心的部分，大概率也是性能的瓶颈点，我们先从这里开始分析。

=============================
|ID|OPERATOR           |NAME|
-----------------------------
|4 |NESTED-LOOP JOIN   |    |
|5 |├─MERGE JOIN       |    |
|6 |│  └─TABLE SCAN    |BBTR|
|7 |│  └─TABLE SCAN    |CTE |
|8 |└─TABLE GET        |BTR |
=============================

要分析出计划里哪里是瓶颈，首先得查一下每个表的数据量，先看最内层进行 merge join 的两张表 cte 和 bbtr，merge join 的代价是扫描出 cte 数据的代价 + 扫描出 bbtr 的代价 + 归并的代价：

cte 表在 7 号算子中的过滤条件是 cte.bpo_send_flag = '0'，过滤之后返回数据量是 1638 行，扫描耗时 2.13 秒（这个时间明显不太对）。

1705634448

类似地，bbtr 表的数据在 6 号算子返回的数据量是 40 多万行，没有过滤条件，扫描耗费 0.19 秒。

1705634462

然后上层的 NLJ 要拿 merge join 的结果当做驱动表（左表），对右表 btr 进行 table get。

这条 SQL 一共执行了 2.43 秒，但仅仅是 merge join 中 cte 表的扫描代价就已经高达 2.13 秒了，所以这条 SQL 的瓶颈点就是 cte 表的扫描。

可以看到 cte 表上有一个过滤条件 bpo_send_flag = '0'，所以我们可以通过在 cte 表的列 bpo_send_flag 上建一个索引来优化它的查询性能。如果考虑到计划中的 7 号算子还需要拿 cte 表中的 bpo_send_time 列和 claim_tpa_id 列的数据向上吐行，还可以考虑在（bpo_send_flag, bpo_send_time, claim_tpa_id）上创建联合索引来消除索引回表的性能消耗。

创建索引之后的计划预期大概会长这样：

=================================
|ID|OPERATOR           |NAME    |
---------------------------------
|4 |NESTED-LOOP JOIN   |        |
|5 |├─MERGE JOIN       |        |
|6 |│  └─TABLE SCAN    |BBTR    |
|7 |│  └─TABLE SCAN    |CTE(idx)|
|8 |└─TABLE GET        |BTR     |
=================================

假如上面排查下来发现 cte 表的扫描并不是瓶颈，那么应该做进一步的分析。例如尝试去单独去执行 bbtr 和 cte 两个表的连接，查看它的执行结果的行数和 btr 表的行数关系。4 号 NLJ 算子的左支返回的行数（merge join 结果的行）和右支返回的行数（btr 通过 8 号算子中 filter 过滤之后的行）如果没有明显的大小表关系（左支行数 / 右支行数 < 20），则意味着 4 号算子选择 Hash Join 的方式会比选择 NLJ 的方式更优。那么就可以通过使用 hint /*+ leading(bbtr cte btr) use_hash(btr) */ 来修改 4 号算子的连接方式，将 Nested_Loop Join 改成 Hash Join。