从 SQL 查询优化技巧去看 h2 数据库查询原理

去看 h2 数据库查询原理"/>

从 SQL 查询优化技巧去看 h2 数据库查询原理

本文目标是：了解查询的核心原理，对比 SQL 查询优化技巧在 h2database 中的落地实现。

前提：为了贴近实际应用，本文 Code Insight 基于 BTree 存储引擎。

数据查询核心原理

数据库实现查询的原理：遍历表/索引，判断是否满足where筛选条件，添加到结果集。简单通用。

对于选择表还是索引、如何遍历关联表、优先遍历哪个表、怎样提升遍历的效率，这个就是数据库查询复杂的地方。

/*** 查询命令实现查询的主要过程* @see org.h2mand.dml.Select#queryFlat*/
private void queryFlat(int columnCount, ResultTarget result, long limitRows) {// 遍历单表 or 关联表。topTableFilter 可以简单理解为游标 cursor。while (topTableFilter.next()) {// 判断是否符合 where 筛选条件if (condition == null || Boolean.TRUE.equals(condition.getBooleanValue(session))) {Value[] row = new Value[columnCount];// 填充select 需要的 columns ①for (int i = 0; i < columnCount; i++) {Expression expr = expressions.get(i);row[i] = expr.getValue(session);}// 保存符合条件的数据，这个对应 resultSetresult.addRow(row);// 没有 sort 语句的情况下，达到 limitRows， 终止 table scan ②if ((sort == null || sortUsingIndex) && limitRows > 0 &&result.getRowCount() >= limitRows) {break;}}}
}

Join 查询核心原理

基于状态机模式，实现多表嵌套循环遍历。

使用的 Join 算法是： Nested Loop Join。

状态变迁：BEFORE_FIRST --> FOUND --> AFTER_LAST

/*** Check if there are more rows to read.* 遍历的数据 row 记录在当前 session 中，随时随地可以获取** @return true if there are* @see org.h2.table.TableFilter#next*/
public boolean next() {// 遍历结束，没有符合的条件的 rowif (state == AFTER_LAST) {return false;} else if (state == BEFORE_FIRST) {// cursor 遍历初始化， 如果基于索引的游标，则可以提前锁定数据范围。③cursor.find(session, indexConditions);if (!cursor.isAlwaysFalse()) {// 如果包含 join 表，重置关联表的状态机。if (join != null) {join.reset();}}} else {// state == FOUND || NULL_ROW 的情况// 嵌套遍历 join 关联表。这是个递归调用关联表的过程。if (join != null && join.next()) {return true;}}// 表/索引数据扫描，匹配filterCondition，直到找到符合的 rowwhile (true) {if (cursor.isAlwaysFalse()) {state = AFTER_LAST;} else {if (cursor.next()) {currentSearchRow = cursor.getSearchRow();current = null;state = FOUND;} else {state = AFTER_LAST;}}// where 条件判断if (!isOk(filterCondition)) {continue;}// 嵌套遍历 join 关联表。主表的每一行 row，需要遍历关联子表一次。④if (join != null) {join.reset();if (!join.next()) {continue;}}// check if it's okif (state == NULL_ROW || joinConditionOk) {return true;}}state = AFTER_LAST;return false;
}

获取查询数据

从遍历的 row 中，获取 select 语句需要的 column 数据。

对应的 Cursor 实现是：org.h2.index.PageBtreeCursor

/*** 根据 columnId 获取对应的值* @see org.h2.table.TableFilter#getValue*/
public Value getValue(Column column) {if (current == null) {// 优先从当前遍历的 row 获取数据。// 如果是索引中的 row，不会包含所有的行，会有取不到的情况Value v = currentSearchRow.getValue(columnId);if (v != null) {return v;}// 如果没有，再尝试从原始表 row 存储中获取数据。⑤// 对应的实现： currentRow = index.getRow(session, currentSearchRow.getKey());current = cursor.get();if (current == null) {return ValueNull.INSTANCE;}}return current.getValue(columnId);
}

常用的 SQL 查询优化技巧

分别对应上述源代码注释的数字角标。

①避免使用 SELECT *：只选择需要的列

如果使用 select *, 即使使用了索引查询。也需要取原数据行的所有数据（⑤）。会进行数据的二次读取，也就是回表查询。影响了性能。

②避免使用 ORDER BY, 尽量使用LIMIT

使用 LIMIT：如果只需要部分结果，可以使用 LIMIT 子句限制返回的行数，避免检索整个结果集。

如上源代码，如果没有 Order By，有limit 限制情况下，可以中途结束表遍历。

如果有 Order By 的情况下，肯定要执行完成整个扫描遍历的过程，最终在 result 结果集中再一次进行排序计算。

③使用索引：确保表中的列上有适当的索引，以加快查询速度。

如果使用索引，在初始化扫描阶段，会给 cursor 一定的范围，避免全表扫描。极大的缩小的查询范围。

④减少连接的表的数量：如果可能，尽量减少查询中的表的数量。

无需多言，嵌套递归查询，理论上是所有表的笛卡尔积。

⑤使用覆盖索引：一个查询的所有列都包含在索引中。

这样查询可以只扫描索引而不需要回表。例如，如果你的查询是 SELECT id, name FROM users WHERE age = 30，那么在 age, id, name 上创建一个复合索引可以避免回表。

其他

Nested Loop Join

// 用伪代码表示，可以更清晰理解上述 join 遍历的过程
for (r in R) {for (s in S) {if (r satisfy condition s) {output <r, s>;}}
}

MySQL 中的Nested Loop Join

MySQL官方文档中提到，MySQL只支持Nested Loop Join这一种join algorithm.

MySQL resolves all joins using a nested-loop join method.

This means that MySQL reads a row from the first table, and then finds a matching row in the second table, the third table, and so on.

作者：京东物流 杨攀

来源：京东云开发者社区 自猿其说Tech 转载请注明来源