智能SQL优化工具 PawSQL 月度更新

引言

7 月，PawSQL 在解析器能力、SQL 重写规则和函数支持等方面持续迭代，重点优化了 Hive 场景下的解析与规则应用，并在 SQL 表达式模型和函数库上做了拓展。这些更新不仅提升了 SQL 优化与验证的准确性，也为后续更复杂的分布式优化奠定了基础。

1. Hive 解析能力全面增强

本月多个更新聚焦于 Hive 语法解析的稳定性与扩展性：

• 分区分桶解析优化
  • 修复了 Hive 的CLUSTERED BY 子句解析异常的问题，确保执行计划生成更加精确。
  • 改进了在线DDL 解析逻辑，对 PARTITIONED 子句的在线解析做了更稳健的容错处理。
• 解析规则重构
  • 将所有 Hive 相关规则迁移到独立的 hiverule 目录，提升了代码可维护性和扩展性。

价值：对于使用 Hive 的大数据开发者而言，这意味着 PawSQL 能更好地处理复杂的建表、分区与分布式查询场景，避免因解析异常导致的优化失效。

2. SQL 重写规则持续优化

本月对 SQL 优化规则的核心逻辑进行了补强：

• 新增分区裁剪优化策略： 对分区键上的计算导致的分区裁剪失效进行预警，并提供了一系列的重写优化策略。
• NVL 函数支持：在分区裁剪优化策略中引入 NVL 函数支持，使得缺失值处理场景可直接参与谓词优化。
• 解关联优化的限制: 对包含 LIMIT 子句的子查询（SSQ）禁用解关联，避免在结果集受限的情况下产生错误的执行语义。

价值：这些改进让 PawSQL 在执行计划生成和谓词下推方面更智能，并能规避因过度优化带来的语义偏差。

3. SQL 表达式与函数库扩展

• 新增聚合函数 JSON_AGG： 为 JSON 数据聚合场景提供原生支持，方便构建更丰富的数据接口与分析结果集。
• 表达式模型改进：引入 ValueExprWithTableExpr 表达式模型，支持更复杂的列与表关联表达式。
• 变量解析增强：在 SQL 验证阶段新增变量解析能力，确保动态 SQL 在验证时即可发现潜在错误。

价值：对于需要处理 JSON 数据、复杂表达式或动态 SQL 的开发者，这些改动将显著提升开发与调试效率。

4. 语法兼容性与细节优化

• 关键字与方括号标识符支持允许将 KEY 用作标识符（ID），提升与不同 SQL 方言的兼容性。
• MSSQL 专用 ID 解析规则将 BRACKET_QUOTE_ID 解析限定为 MSSQL，避免在其他方言中产生冲突。

总结

7 月的 PawSQL 更新可以概括为 “Hive 优化更稳健，规则更智能，表达更灵活”。 无论是 Hive 大数据分析，还是跨数据库 SQL 优化，这些改进都让 PawSQL 的解析与优化能力更贴近实际生产需求。

🌐关于PawSQL

PawSQL专注于数据库性能优化自动化和智能化，提供的解决方案覆盖SQL开发、测试、运维的整个流程，广泛支持多种主流商用、国产和开源数据库，为开发者和企业提供一站式的创新SQL优化解决方案。

图片