性能优化技巧：小事实表与大维表关联

一、  问题背景与适用场景

 

在主子表关联查询中，有时会遇到这样一种情况：按条件过滤后的事实表数据量很小，能够全部装载进内存或仅比内存略大一点；而要关联的维表数据量很大，比内存要大很多。这种时候，如果维表是按键有序存储时，因为事实表涉及的维表记录较少，可以一次性用二分查找方法找出来，而不必象HASH运算那样遍历这个大维表，从而提高运算性能。

SPL提供了这种方法，我们实例测试一下，并且与使用HASH JOIN算法的Oracle对比。

不过，因为要把事实表的关联键都取出来排序后到维表中去找，要一次性汇集尽量多的关联键值去维表中查找，而主要时间成本也消耗在这次查询中，其它关联本身的运算开销不大。所以，这种办法对于多线程是不敏感的，我们后面也测试一下并行时的情况。

 

 

二、  测试环境与任务

 

测试机有两个Intel2670 CPU，主频2.6G，共16核，内存64G，SSD固态硬盘。在此机上安装虚拟机来测试，设置虚拟机为16核、8G内存。

在虚拟机上创建维表account，共三个字段accountid、name、state，总记录共5亿行。创建事实表trade1、trade2、trade3，各有记录分别为30万、300万、1500万行，其表结构都相同，共四个字段tradedate、outid(转出帐户)、receiveid(接收帐户)、amount(转帐金额)。account表中的accountid是事实表中outid和receiveid的外键，都是一对多的关系。

测试任务为分别用3张不同数据量的事实表，查询各州之间转账总金额。再用trade2来测试一下并行的情况。

 

 

三、  测试

 

1.  Oracle测试

编写查询测试SQL如下：

select   /*+ parallel(n) */

       a1.state,

       a2.state,

       sum(amount) as amount

from

       account a1,

       account a2,

       trade1

where

       outid = a1.accountid

       and receiveid = a2.accountid

group by

       a1.state,

       a2.state

order by

       a1.state,

       a2.state;

其中/*+ parallel(n) */ 用于并行测试，n为并行数。

 

2.  SPL测试

编写SPL脚本如下：

	A
1	=now()
2	=file(path+"account.ctx").create()
3	=file(path+"trade1.ctx").create().cursor@m(outid,receiveid,amount;;1)
4	=A3.joinx@q(outid,A2:accountid,state:out_state;receiveid,A2:accountid,state:receive_state;5000000)
5	=A4.groups(out_state,receive_state;sum(amount):amount)
6	=interval@s(A1,now())

joinx时加选项@q就适用于事实表很小、维表很大时来提高关联性能，它的最后一个参数指明每次关联时从游标中读取的记录数，在内存能装下的情况下，此值越大性能越高。

 

3.  测试结果

事实表不同数据量时的测试结果如下(单位：秒)：

事实表过滤后记录数	1500万	300万	30万
Oracle	17277	2747	421
SPL	517	106	72

用trade2(300万行)测试并行的结果如下(单位：秒)：

并行数	1	2	4	8	16
Oracle	2747	1589	1318	1375	1631
SPL	106	109	117	115	109

 

 

四、  结论

 

从测试结果可以看出， 单线程情况下，SPL比Oracle的关联性能提高了很多倍，因为避免了对维表的遍历动作。

在此场景下并行时，SPL算法对并行不敏感，性能没有显著变化。ORACLE可以对并行有效，性能有所提高，但因为遍历的成本太高，并行后仍比SPL慢数倍。