数据分布决定SQL写法

这是2016年8月份上海MOORACLE大会上陈宏义老师(老K)分享的一个案例，将一个merge SQL，通过改写成plsql的方式，大大提高了执行效率。 老虎刘在看到这个案例的时候，开始没有注意到执行计划里面显示的各表实际记录数，不认为plsql的改写方式比分析函数的写法更高效，还与陈老师有过几次邮件讨论，直到后来仔细查看了执行计划。

原SQL如下：

merge into t_customer c using

(

select a.cstno, a.amount from t_trade a,

(select cstno,max(trade_date) trade_date from t_trade

group by cstno) b

where a.cstno = b.cstno and a.trade_date=b.trade_date

) m

on(c.cstno = m.cstno)

when matched then

update set c.amount = m.amount;

这个SQL是将用户交易明细表（t_trade ）的最近的一笔消费额，更新到用户信息表（t_customer）的消费额字段，使用的是merge操作。

执行计划：

老虎刘注：

在没有掌握分析函数的写法前，SQL的红色部分是group by后取其他字段信息的一个较为常见的写法，也是这个SQL执行效率差的根本原因。

原SQL还有一个隐患，就是如果t_trade的某个cstno对应的最大trade_date有重复，那么这个SQL会报ORA-30926 错误无法执行。

如果不仔细看执行计划（两表的真实数据量信息），这种SQL的惯用优化方法是使用分析函数改写：

改写方法1：

merge into t_customer c using

(

select a.cstno,a.amount from

(select trade_date,cstno,amount,

row_number()over(partition by cstno order by trade_date desc) RNO from t_trade)a

where RNO=1

) m

on(c.cstno = m.cstno)

when matched then

update set c.amount = m.amount;

这种改写方法会比原SQL效率提高很多，而且不存在某个cstno对应的max trade_date 重复时报错的问题。

但是陈老师没有使用分析函数的改写方法，而是根据两表数据量相差较大的特点，将SQL改写成一段更为高效的plsql：

改写方法2：

declare

vamount number;

begin

for v in (select * from t_customer )

loop

select amount into vamount from

(select amount from t_trade where cstno=v.cstno order by trade_date desc)

where rownum<2;

update t_customer set amount = vamount where cstno=v.cstno;

end loop

commit;

end;

/

根据原SQL的执行计划我们知道，t_customer表的记录数比较少，只有1000多条，而t_trade表有1000万条，比例为1:10000（不知道这是真实数据还是测试数据，只有1000多个用户，而且一个用户平均1万个消费明细，看起来不像真实数据）。

在这样一个两表数据相差较大的特殊情况下，plsql写法确实是比分析函数的写法要高效。这个改写非常巧妙。

我们再来分析一下这两种改写的优缺点：

1、plsql的改写方式，适合在t_customer表比较小，而且t_customer 和 t_trade 两表的记录数比例比较大的情况下，执行效率才会比分析函数的改写高一些。在本例中，如果t_customer表的记录数是10万，那么分析函数的写法反而要比plsql的写法快上几十到上百倍。

2、如果在程序代码中，一段sql要改成plsql，改动还是有点麻烦。sql的改写相对简单些。

3、plsql这种改写的前提是必须存在t_trade表cstno + trade_date 两字段的联合索引。而分析函数的改写就不需要任何索引的支持。

4、对于t_trade这种千万记录级别的表，使用分析函数的写法可以通过开启并行来提速；plsql的改写，如果要提高效率，需要先将t_customer表按cstno分组，用多个session并发执行。

我们再来看看，陈老师的这段plsql，是不是可以用单个sql来实现，我做了一个尝试，SQL代码如下：

merge into t_customer c using

(

select tc.cstno,

(select amount

from t_trade td1

where td1.cstno=tc.cstno and td1.trade_date = (select max(trade_date) from t_trade td2 where tc.cstno = td2.cstno) and rownum=1 ) as amount

from t_customer tc

) m

on(c.cstno = m.cstno)

when matched then

update set c.amount = m.amount;

执行计划大致如下：

这种写法也是需要t_trade表存在cstno+trade_date 联合索引（IDX_T_TRADE），而且T_customer 表的数据量远低于T_trade。

根据执行计划，这个sql的执行效率应该比plsql写法的效率不相上下。

总结：

SQL优化，除了要避免低效的SQL写法，主要还是要看表的数据量与数据分布情况，plsql的改写方法，在少数比较特殊的情况下会体现出较高的效率，在某些数据分布的情况下，效率可能还不如原SQL。但是，优化思路非常值得借鉴。

而分析函数的改写方式，则不论数据如何分布，都会比原SQL要高效，通用性更强。

对于本例改写前的SQL，应该还有很多开发人员和DBA在使用，在了解了分析函数的使用方法后，原SQL的低效写法就应该被彻底抛弃了。

最后的plsql改写成单SQL，逻辑看起来比较复杂难懂，一般不会用到这样的改写，大家了解一下就好了。

还是那句话，优化无定式，优化器是死的，人脑是活的，只有掌握了原理，才能让SQL执行效率越来越高。