在进行数据库应用开发中，分页查询是一项非常常见而又至关重要的任务。但你是否曾因为需要获取总记录数的性能而感到头疼？现在，让PawSQL的投影下推优化来帮你轻松解决这一问题！本文以TPCH的Q12为案例进行验证，经过PawSQL的优化后性能提升6000多倍！
分页查询的痛点
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。绝大多少程序员会在原查询上添加count(1)或count(*)，性能可能会非常差，特别是在面对复杂查询时。其实对于这个场景，有很大的概率能够对SQL进行重写优化。
解决方案
PawSQL的投影下推优化功能，能够智能地识别并保留关键列，生成一个等价但更高效的count查询。以下是具体的优化步骤：
获取原始分页查询：首先识别原始查询结构，例如：
SELECT * FROM (SELECT col1, col2, ..., colNFROM tableWHERE ...) dtORDER BY ...LIMIT ?, ?人工改写成记录数查询：
将外层的
SELECT *更改为SELECT count(1)...，删除最外层的 ORDER BY子句和LIMIT子句
SELECT count(1) FROM (SELECT col1, col2, ..., colNFROM t1, t2WHERE ...) dt
PawSQL投影下推优化：PawSQL可以对对内层查询进行投影下推优化，仅保留对结果有影响的列，同时可能触发其他的重写优化，譬如表关联消除，推荐覆盖索引等。
生成高效查询：经过PawSQL的优化，新查询可能如下：
SELECT count(1)FROM (SELECT 1FROM t1WHERE ...)
TPCH案例解析
原Q12：货运模式和订单优先级查询
SELECTL_SHIPMODE,SUM(CASEWHEN O_ORDERPRIORITY = '1-URGENT'OR O_ORDERPRIORITY = '2-HIGH'THEN 1ELSE 0END) AS HIGH_LINE_COUNT,SUM(CASEWHEN O_ORDERPRIORITY <> '1-URGENT'AND O_ORDERPRIORITY <> '2-HIGH'THEN 1ELSE 0END) AS LOW_LINE_COUNTFROMORDERS,LINEITEMWHEREO_ORDERKEY = L_ORDERKEYAND L_SHIPMODE IN ('RAIL', 'FOB')AND L_COMMITDATE < L_RECEIPTDATEAND L_SHIPDATE < L_COMMITDATEAND L_RECEIPTDATE >= DATE '2021-01-01'AND L_RECEIPTDATE < DATE '2021-01-01' + INTERVAL '1' YEARGROUP BYL_SHIPMODEORDER BYL_SHIPMODE;
查询总记录数的SQL
select count(*)from (SELECTL_SHIPMODE,SUM(CASEWHEN O_ORDERPRIORITY = '1-URGENT'OR O_ORDERPRIORITY = '2-HIGH'THEN 1ELSE 0END) AS HIGH_LINE_COUNT,SUM(CASEWHEN O_ORDERPRIORITY <> '1-URGENT'AND O_ORDERPRIORITY <> '2-HIGH'THEN 1ELSE 0END) AS LOW_LINE_COUNTFROMORDERS,LINEITEMWHEREO_ORDERKEY = L_ORDERKEYAND L_SHIPMODE IN ('RAIL', 'FOB')AND L_COMMITDATE < L_RECEIPTDATEAND L_SHIPDATE < L_COMMITDATEAND L_RECEIPTDATE >= DATE '2021-01-01'AND L_RECEIPTDATE < DATE '2021-01-01' + INTERVAL '1' YEARGROUP BYL_SHIPMODE) as t
PawSQL优化过程
PawSQL首先进行投影下推优化，可以看到派生表的列被消除
select count(*)from (select 1from ORDERS, LINEITEMwhere ORDERS.O_ORDERKEY = LINEITEM.L_ORDERKEYand LINEITEM.L_SHIPMODE in ('RAIL', 'FOB')and LINEITEM.L_COMMITDATE < LINEITEM.L_RECEIPTDATEand LINEITEM.L_SHIPDATE < LINEITEM.L_COMMITDATEand LINEITEM.L_RECEIPTDATE >= date '2021-01-01'and LINEITEM.L_RECEIPTDATE < date '2021-01-01' + interval '1' YEARgroup by LINEITEM.L_SHIPMODE) as t
2. 选择列被消除，从而触发了表连接消除（ORDERS被消除）
select /*QB_1*/ count(*)from (select /*QB_2*/ 1from LINEITEMwhere LINEITEM.L_SHIPMODE in ('RAIL', 'FOB')and LINEITEM.L_COMMITDATE < LINEITEM.L_RECEIPTDATEand LINEITEM.L_SHIPDATE < LINEITEM.L_COMMITDATEand LINEITEM.L_RECEIPTDATE >= date '2021-01-01'and LINEITEM.L_RECEIPTDATE < date '2021-01-01' + interval '1' YEARgroup by LINEITEM.L_SHIPMODE) as t
3. PawSQL接着推荐最优索引(索引查找+避免排序+避免回表)
CREATE INDEX PAWSQL_IDX0245689906 ON tpch_pkfk.lineitem(L_SHIPMODE,L_RECEIPTDATE,L_COMMITDATE,L_SHIPDATE);4. 性能验证性能提升
执行时间从优化前的453.48ms,降低到0.065ms，性能提升6975倍！
其他应用场景
报表查询优化：提高报表生成的性能，尤其是在处理多维度数据时。
总结
PawSQL往期文章精选
关于PawSQL
PawSQL专注数据库性能优化的自动化和智能化，提供的解决方案覆盖SQL开发、测试、运维的整个流程，支持MySQL，PostgreSQL，openGauss，Oracle等各种数据库。
欢迎点击关注PawSQL公众号
