PawSQL的博客

在数据库性能调优中,子查询优化是提升查询效率的关键点之一。今天,我们将分享一个使用 PawSQL 对EXISTS子查询进行重写优化的案例,展示如何通过合理的SQL重写与索引设计,实现超过487516.45%的性能提升!

在数据库性能优化领域，TPC-H 测试集是一个经典的基准测试工具，常用于评估数据库系统的查询性能。本文将基于 TPCH 测试集中的第 20个查询，结合 PawSQL 自动化优化工具，详细分析如何通过 SQL 重写和索引设计，将查询性能从 321 秒提升到 0.2 秒，性能提升高达1541倍。

过滤谓词下推（Filter Predicate Pushdown，简称FPPD）优化不是索引条件下推（Index Condition Pushdown，简称ICP）优化。ICP是在SQL执行时，把过滤条件下推到在存储引擎层进行数据过滤，减少在服务层的数据处理压力，进而提升SQL执行性能，ICP属于执行优化。FPPD优化通过尽可能的 “下压” 过滤条件至SQL中的内部查询块，提前过滤掉部分数据, 减少中间结果集的大小，减少后续计算需要处理的数据量，进而提升SQL执行性能，FPPD属于重写优化。

本篇介绍PawSQL优化引擎中的COUNT标量子查询重写优化，从正文可以看到，通过此重写优化，SQL性能的提升超过1000倍！

本文从两个角度阐述避免使用SELECT *的9个理由，同时讨论两个合理使用SELECT *的例外场景

​PawSQL性能巡检平台（Performance Patroller）是一款支持多种主流数据库的智能化性能巡检平台，具备以下核心特性：（1）全面的数据库支持，包括MySQL 5.6及以上版本、PostgreSQL 9.1及以上版本、openGauss 1.0及以上版本、阿里云RDS MySQL、达梦数据库、人大金仓数据库KingbaseES V8、MogDB等。（2）智能化的性能诊断能力：自动化慢查询采集与分析、基于语义的SQL重写优化、智能索引推荐、基于代价模型的性能验证、自动化数据库对象巡检。​

在数据驱动的现代世界，SQL查询的速度是应用程序快速响应的关键。尤其是那些涉及窗口函数的复杂查询，若缺乏恰当的索引支持，性能瓶颈可能会成为阻碍。本文将带您看看PawSQL是如何通过智能索引推荐，帮助一个包含窗口函数的查询性能提升50倍的。

在进行分页查询时，我们通常需要获取总记录数以计算总页数。传统方法是在原查询上添加count(1)或count(*)，但这在面对复杂查询时，会引入不必要的开销。

我们经常看到SQL优化规范要求避免order by random，原因是什么？有什么其他的替代方案吗？

创建高效的索引最重要的原则是，基于您的工作负载（workload）创建索引，而不是基于您的表结构。 本文介绍索引创建时需遵循一些准则，以达到最佳的查询性能和数据维护效率，这些准则也是PawSQL索引推荐引擎的内部工作逻辑。

由于原生的MySQL和PostgreSQL都不支持表关联消除，PawSQL的JoinEliminationRewrite重写优化对它们是一个有意义的补充。在SQL被部署至生产环境真正执行之前，使用PawSQL可以把无意义的表关联给消除掉，避免数据库花费资源进行无意义的表关联操作。