KES的执行计划分析与索引优化

今天我们继续探讨国产数据库KES的相关内容，本次的讨论重点将放在SQL优化的细节上。作为Java开发人员，我们通常并不需要深入了解数据库的底层实现细节，而是更多地关注如何提升应用性能与数据库的交互效率。具体来说，工作中我们常常需要关注的优化策略包括查看SQL的执行计划和合理地建立索引。

今天我们就从这两个方面深入讨论一下相关的优化技巧。如果你希望了解更深入的内容，建议阅读KES数据库的官方文档，里面涵盖了更多的最佳实践和细节说明：https://bbs.kingbase.com.cn/docHtml?recId=d16e9a1be637c8fe4644c2c82fe16444&url=aHR0cHM6Ly9iYnMua2luZ2Jhc2UuY29tLmNuL2tpbmdiYXNlLWRvYy92OS9wZXJmb3Ivc3FsLW9wdGltaXphdGlvbi9pbmRleC5odG1s

环境准备

好的，首先，我已经在本地成功安装了KES数据库，为了确保接下来的操作顺利进行，我们首先需要准备好一些基础的数据表以及相应的数据。命令如下：

create table t1(id int, val int, name varchar(64));
create table t2(id int, val int);
create index t1_idx on t1(id);
create index t2_idx on t2(id);
insert into t1 select i, i%5000, CONCAT('Kingbase',(i%5)) from generate_series(1,3000000) as x(i);
insert into t2 select i, i%5000 from generate_series(1,1000000) as x(i);

为防止并行影响测试结果，以下所有示例结果是在关闭并行扫描的前提下进行，命令如下：

set max_parallel_workers_per_gather = 0;

执行计划

作为开发人员，我们与执行计划的接触是最为频繁的。尽管我们编写的 SQL 查询在功能上是可用的，但与程序代码不同，数据库的性能压力会受到 SQL 查询效率的显著影响。因此，在我们将 SQL 查询部署到生产环境之前，通常会仔细分析执行计划，确保查询的高效性。否则，一个不优化的慢查询不仅可能影响到单一业务模块的性能，更有可能波及到整个系统，导致性能瓶颈，影响用户体验，甚至影响系统的稳定性。

KingbaseES中explain命令来查看执行计划时最常用的方式。其命令格式如下：

explain [option] statement

其中option为可选项，可以是以下5种情况的组合：

• analyze：执行命令并显示执行事件，默认false(更新语句计划慎用)
• verbose：显示附加信息，比如计划树中每个节点输出的字段名等，默认false
• costs：显示执行计划的成本，默认true
• buffers：显示缓冲区的使用信息，包括共享快、本地块和临时读写块，默认false，前置条件是analyze
• format：指定执行计划的输出格式，支持：TEXT、XML、JSON或者YAML，默认是text

分析执行计划

关于analyze之前说过，我们简单了解下如何分析下explain结果。

explain analyze select * from t1 t where id =555;

• 执行动作：Index Scan using t1_idx on t1
  • Index Scan表示索引扫描，还有一种是Seq Scan代表全表扫描。t1_idx为索引名称。
• 估算成本：(cost=0.43..8.45 rows=1 width=18)
  • Cost=0.43..8.45：第一个数0.43表示启动成本，也就是说返回第一行需要多少cost。第二个数值8.45表示返回所有的数据的成本。这两个数值用..分开。
• 实际成本：(actual time=0.039..0.040 rows=1 loops=1)
  • 只有启动analyze 时才会有。Rows=1：表示实际查询返回了1行记录。Loops=1：表示该索引扫描只执行了1次。
• 索引条件：Index Cond: (id = 555)
  • 代表哪个检索条件命中了索引。

会看执行计划了，我们基本就不会犯特别大的错误。接下来，我们看下索引部分。

索引

在数据库优化中，索引是提高查询效率的关键手段。常见的普通索引和主键索引在此不再赘述，这些类型的索引一般用于对常见查询字段进行优化。

然而，除了这些常见的索引类型之外，还有一些较为特殊的索引类型，对于某些复杂或不常见的查询条件，可能会带来更好的性能提升。接下来，我们将介绍一些不那么常见的索引类型，建议在遇到复杂查询或特殊查询需求时，尝试应用这些索引方式，以便更好地优化数据库的查询效率。

表达式索引

我们通常知道，如果一个查询条件加了函数的话，那么这个索引是肯定无法命中的。所以，在KES也有相应的处理方法，给函数也加上索引。如下所示：

create index idx_t1 on t1(upper(name));

比如数据库内存储的是包含大小写的字母，但是用户在搜索的时候很难真的将大小写写正确，所以我们直接全都按照大写处理，这样就可以正常匹配数据了。效果对比如图所示：

未建立索引情况下如下：

建立索引后，情况如下：

like后匹配索引

正常情况下，不管是联合索引还是like查询都是要满足最左原则的。这理解不介绍了，但是如果我们的like条件是后缀匹配怎么办？如下：

select * from t1 where t1.name like '%2';

直接全表扫描，如图所示：

这里给出的解决方案是反转函数，其中Collate 为 "C"的字段做like操作时，也被转换为">= AND <" 的一对索引条件。命令如下：

create index on t1(reverse(name) collate "C");

explain select * from t1 where reverse(t1.name) like '2%';

字符串like ‘%abc’等价于reverse(字符串) like ‘cba%’，将其转换成类似前匹配的方式。效果对比如图所示：

局部索引

顾名思义，我进进对部分数据做索引，而不是整表数据，如果这部分是热点数据经常被查询，你完全可以使用起来。

create index idx_t2 on t2(id) where id < 500;

效果对比如图所示：

创建后如图所示：

这里基本没啥差别，是因为在演示之前已经有id的全表索引了。

使用HINT

比如，你建立了很多索引在同一个表中，但是执行计划并不是你想用的索引，你个人觉得有问题，那么也可以强制让SQL使用索引，命令如下：

explain select * from t1 where id=20;

set enable_hint = TRUE;

explain select/+seqscan(t1)/ * from t1 where id=20;

因为默认不开启hint，所以我们需要提前开启才生效，效果对比如图所示：

删除不必要的索引

由于开发人员经验以及数据库管理人员暂缺，有时候可能一张表中的索引已成泛滥状态，比如你有一个联合索引，但又有人建立一个重复的单独索引。完全就是浪费空间，并且也增加了插入数据的时间。命令如下：

select relname, indexrelname, idx_scan, idx_tup_read, idx_tup_fetch from sys_stat_user_indexes order by idx_scan, idx_tup_read, idx_tup_fetch;

定期vacuum和重建索引

可以通过使用数据库的磁盘空间工具 VACUUM 来优化存储空间，该工具的主要作用是删除那些已经被标记为删除的数据行，并释放相应的磁盘空间。

然而，VACUUM 工具并不会自动清理与这些数据行相关联的索引，因此在执行VACUUM后，索引可能依旧包含冗余数据。这时需要手动重建索引来优化查询性能。

索引重建可以通过以下几种方式进行，具体级别的选择取决于需要操作的范围：

1. 数据库级别：通过 REINDEX DATABASE 命令，可以重建整个数据库中的所有索引。

   REINDEX DATABASE d1;
   

2. 表级别：通过 REINDEX TABLE 命令，可以重建指定表的所有索引。

   REINDEX TABLE t1;
   

3. 索引级别：通过 REINDEX INDEX 命令，可以重建单个索引。此操作针对特定索引进行优化，适用于仅希望对某个索引进行优化，而不影响其他部分的情形。

   REINDEX INDEX idx1;
   

重建索引操作可以有效地减少索引文件的大小，提高查询性能，尤其在数据量较大、删除或更新操作频繁的环境中。

总结

在今天的讨论中，我们深入探讨了国产数据库KES的SQL优化技巧，尤其是执行计划分析和索引优化这两个方面。通过理解和优化SQL查询的执行计划，我们能够显著提高数据库查询的效率，避免不必要的性能瓶颈。作为Java开发人员，尽管我们通常不需要深入到数据库底层的细节，但理解如何通过执行计划优化查询以及合理使用索引，将直接影响到应用性能和用户体验。

通过合理使用不同类型的索引，比如表达式索引、反转索引和局部索引等，我们可以优化查询性能，尤其是在面对复杂或特殊查询需求时。此外，定期对数据库进行维护，诸如删除冗余索引和重建索引，也能有效减少系统负担，保持数据库的高效运行。

总之，虽然数据库优化是一个持续的过程，但通过合理的工具和方法，我们能够确保在KES数据库中进行高效的查询和数据存取，保障应用的稳定性和高效性。如果你希望进一步深入了解优化技巧，官方文档提供了更多的详细信息和最佳实践，值得开发者参考。

---

我是努力的小雨，一个正经的 Java 东北服务端开发，整天琢磨着 AI 技术这块儿的奥秘。特爱跟人交流技术，喜欢把自己的心得和大家分享。还当上了腾讯云创作之星，阿里云专家博主，华为云云享专家，掘金优秀作者。各种征文、开源比赛的牌子也拿了。

想把我在技术路上走过的弯路和经验全都分享出来，给你们的学习和成长带来点启发，帮一把。

欢迎关注努力的小雨，咱一块儿进步！