正的关系环境中ณ表达的条件时。若想让优化器挥极致，我们就必须扩大关系处理的工作量，并确保非关系的部分对最后结果集的影响最小。本章前面一直假设代码的执行方式与编写方แ式一样，但其实，优化器可能改写查询——有时改动还很大。你或许认为优化器所做的改写无关紧ู要，因为sql本是一种声明性语言de9guage，用它来说明想要什么，并让dbຘms予以执行。然而，你也看到了，每次用不同方式改写查询时，都必须更新า关于数据分布和已有索引的假设。因此有一点非常重要：应预先考虑优化器的工作，以确定它能找到เ所需数据——这可能ม是索引，也可能是数据相关的详细统计信息。总结：保证sql语句返回正确结果，只是建立最佳sql语句的第一步。大数据量查询quer阴glargequantitiesofdaທta越快剔除不需要的数据，查询的后续阶段必须处理的数据量就越少，自然查询的效率就越高，这听起来显而易见。集合操作符色toperator是这一原理的绝佳应用，其中的union使用最为ฦ广泛，我们经常看到เ通过union操作将几个表“粘”在一起。中ณ等复杂程度的union语句较为ฦ常见，大多数被连接的表都会同时出现在union两ä端的色lecນt语句中。例如下面这段代码：
--ๅ--ๅ----ๅ--ๅ-ๅ------ๅ------page45๓---ๅ------ๅ--ๅ-ๅ---ๅ--ๅ-ๅ-----
色lectfromaທ,ไb,c,d,ไe19here9djoinsaທndother9色lecນtfroma,bຘ,ไc,ไd,e2๐9here9djoinsaທndother9๗s这类查询是典型的“照搬式”编程。为ฦ了提高效率，可以仅对代码中非共用的表本例中即e1้和e2๐使用union，然后配合筛选条件，把union语句降级为内嵌视图。代码如下：色lecນtfromaທ,b,c,d,色lectfrome19here9๗ion色lectfrome29๗here9e2e9๗herejoinsandother9s另一个“查询条件用错了地方”的经典例子，和在含有g肉pby子句的查询中ณ进行过滤操作有关。你可以过滤分了组的字段，也可以过滤聚合aggregaທte结果例如检查9t的结果是否小于某阈值，或者同时过滤两者；sql允许在having子句中使用这类条件，但应该在g肉pbຘy完成后才进行过滤比如排序之后再进行聚合操作。任何影响聚合函数aggregate
-ๅ---------ๅ---ๅ-ๅ--ๅ--ๅ-ๅ----page4๒6-ๅ-ๅ----ๅ-----ๅ--ๅ-ๅ---ๅ----ๅ--ๅ
fun9๗g子句中，因为在g肉pbຘy之前无从知道聚合函数的结果。任何与聚合无关的条件都应放在9๗here子句中，从而减少为进行g肉pby而必须执行的排序操作所处理的数据量。现在回过头来看客户与订单的例子，我承认先前处理订单的方法比较复杂。在订单完成之前，必须ี经历几个阶段，这些都记录在表orderstatus中，该表的主要字段有：ordid订单id、staທtus、statusdate时间戳等，主键由ordid和statusdaທte组成。我们的需求是列出所有尚未标记为完成状态的订单假设所有交易都已๐终止的下列字段：订单号、客户名、订单的最后状态，以及设置状态的时间。最终，我们写出下列查询，滤掉已完成的订单，并找出订单当前状态：色le9๗ame,oordid,osstatus,ไosstatusdaທtefromcustomersc,orderso,orderstaທtusos9๗hereoordid=osordidandnotexists色le9ullfro摸rderstaທtusos2๐9aplete'aທndos2ordid=oordidaທndosstatusdaທte=色lectmaxstaທtusdatefro摸rderstatusos3๑9๗hereos3ordid=oordidandocນustid=ustid乍一看，这个查询很合理，但事实上，它让人非常担心。先，上面代码中有两ä个子查询，但它们嵌入的方式和前一个例子的方แ式不同，它们只是彼此间接相关的。最让人担心的是，这两个ฐ子查询访问相同的表，而且该表在外层已经被访问过。我们编写的过滤条件质量如何呢？因为只检查了订单是否完成，所以它不是非常精确。这个查询如何执行的呢？很显然，可以扫描orders表，检查每一条订单记录是否为已๐完成状态——注意，仅通过表orders即可找出所要信息似乎令人高兴，但实际情况并非如此，因为只有上述活动之后，才能ม检查最新状态的日期，即必须ี按照ั子查询编写的顺序来执行。上述两ä个子查询是关联子查询，这很不好。因为必须要扫描orders表，这意味着我们必须检查orders的每条订单记录状态是否为“plete”，虽然检查状态的子查询执行很快，但多次重复执行就不那么เ快了。而且，若第一个子查询没找到“plete”状态时，还必须ี执行第二个子查询。那ว么，何不试试非关联子查询呢？要编写非关联子查询，最简单的办法是在第二个ฐ子查询上做文章。事实上，在某些sql方แ言中ณ，我们可以这么写：andoordid,ไosstaທtusdate=色lecນtordid,maທxstatusdaທtefro摸rderstatusg肉pbyordid这个子查询会对orderestaທtus作“全扫描”，但未必是坏事，下面会对此加以解释。重写的子查询条件中ณ，等号左端的“字段对”有点别扭，因为这两ä个字段来自不同的表，其实不必这样。我们想让orders和orderstaທtus的订单id相等，但优化器能ม感知这一点吗？答案是不一
----ๅ--ๅ-ๅ----ๅ-----ๅ--ๅ-ๅ---ๅ-page4๒7---ๅ--ๅ--ๅ-ๅ---ๅ------ๅ---ๅ---
定。所以优化器可能依然先执行子查询，依然要把orders和orderstatus这两个表连接起来。我们应该将查询稍加修改，使优化器更容易明白我们的描述，最终按照“先获得子查询的结果，然后再连接orders和orderstatus表”的顺ิ序工作：andosordid,ไosstatusdate=色lectordid,maxstatusdaທtefro摸rderstatusg肉pbຘyordid这次，等号左端的字段来自相同的表，从而不必连接orders和orderstaທtus这两ä个ฐ表了。尽管好的优化器可能会帮我们做到这一点，但保险起见，一开始就指定这两ä个字段来自相同的表是更明智的选择。为ฦ优化器保留最大的自由á度总是上策。前面已经看到了，非关联子查询可以变成内嵌视图，且改动不大。下面，我们写出“列ต出待办订单”的整个ฐ查询语句：色le9๗ame,oordid,osstatus,ไosstatusdaທtefromcustomersc,orderso,ไorderstaທtusos,色lectordid,maxstaທtusdatelaststatusdatefro摸rderstaທtusg肉pbຘyordidx9hereoordid=osordidaທndnotexists色le9ullfro摸rderstatusos29aທplete'andos2๐ordid=oordidandosstatusdate=xlaststatusdateandosordid=xordidandocustid=ustid但还有问题，如果最终状态确实是“plete”，我们就没有必要用子查询检查其最新状态了。内嵌视图能帮我们找出最后状态，无论它是不是“plete”。所以我们把查询改为“检查已๐知的最新状态”，这个过滤条件非常令人满意：色le9ame,oordid,ไosstatus,osstatusdatefromcustomersc,ไorderso,orderstaທtusos,ไ色lectordid,maxstatusdaທtelaທststatusdatefro摸rderstatusg肉pbyordidx9hereoordid=osordidandosstatusdate=xlaststatusdaທteaທndosordid=xordidandosstaທtus!='ูplete'
----ๅ------ๅ---ๅ-ๅ--ๅ--ๅ-ๅ---ๅ-page48-ๅ-ๅ----ๅ-----ๅ--ๅ-ๅ------ๅ-ๅ--ๅ
andocustid=ustid如果进一步利用olap或sql引擎的分析功能，还可以避免对orderstatus的重复参照。不过就此打住，来思考一下我们是如何修改查询的，更重要的是“执行路径exe9path”为何。基本上，正常路径是先扫描orders表，接着利ำ用orderstaທtus表上预计非常高效的索引进行访问。在最后一版的代码中，我们改用完整扫描orderstaທtus的方法，这是为了执行g肉pby。orderstatus中的记录条数一定会比orders中的大好几倍，然而，只以要扫描的数据量来看，估计前者比较小而且可能小很多，这取决于为每张订单保存了多少信息。无法确定哪种方法一定更好，这一切都取决于实际数据。补充说明一点，最好别ี在预期会增大的表上做全表扫描操作若能ม把搜索限制在最近一个月或几个月的数据上则会好些。不过，最后一版的代码肯定比第一版的在9here子句用子查询要好。在结束“大数据量查询”的话题之前，有个特殊情况值得一提。当查询要返回非常大量的数据时，该查询很可能不是某个ฐ用户坐在电脑前敲入的命令，而是来自于某个ฐ批处理操作。即便“预备阶段”稍长，只要整个ฐ处理能达到เ令人满意的结果，就是可以接受的。当然，不要忘了，无论是不是预备阶段，都会需要资源——cນpu、内存，可能还有临ภ时磁盘空间。即使最基本的查询完全相同，优化器在返回大量数据时所选择的路径，仍可能ม会与返回少量数据时完全不同，了解这一点是有用的。总结：尽早过滤掉不需要的数据。取出数据在表中ณ的比例theproportionsofretrieveddata有个典型的说法：当查询返回的记录数过表中ณ数据总量的10%时，就不要使用索引。这种说法暗示ิ，当常规索引的键指向表中不足1้0่%的记录时，它是高效的。正如第3章中所指出的，这个经验法则建立于许多公司仍对关系数据库有所怀疑的年代，那时，关系数据库一般用于部门级数据库，包含十万行数据的表就被认为是大型表。与含有五亿行数据的表相比，十万行的10%ื不值一提。所以，执行计划ฐ“佳者恒佳”仅是个美好的愿望罢了。就算不考虑“1้0%ื的记录”这条“经验法则ruleofthumbຘ”产生的年代现在的表大小早已๐今非昔比了，要知道，返回的记录数除了与期望响应时间有关之ใ外，它本身并无意义。例如，计算十亿行数据的某字段的平均值，虽然返回结果只有一行，但dbms要做大量工作。甚至没有任何聚合处理，dbms要访问的数据页ษ的数量也会造成影响。因为要访问的数据页并非只依赖索ิ引：第3章曾指出，表中记录的物理顺序与索引顺序是否一致，对要访问的页数有极大影响；第5๓章将讨论的一些物理实现也会造成影响，由于数据的物理存储方แ式不同，检索出相同数量的记
---ๅ----ๅ--ๅ-ๅ---------ๅ----page4๒9--ๅ------ๅ--ๅ-ๅ------ๅ-ๅ--ๅ---ๅ
录所要访问的数据页数量可能ม差异很大；此外，有的访问路径将以串行方式执行，有的则以大规模并行paທraທllelized方式执行……。因此，再别拿“10่%的记录”这根鸡毛当令箭了。总结：当查询的结果集很大时，索引未必必要。sql“”ssqqll语句为了返回结果集或更改数据，必须ี访问一定数量的数据。““战斗””的环境和条件，决定“”4“”了我们““进攻””那些数据的方แ法。就如第44章所讨论的，““进攻””取决于：结果集的数据量、必须“”访问的数据量、可动用的““部队””过滤条件。任何大型的、复杂的查询，都可以被分成一连串ธ较简单的步骤，其中一些步骤可以并行执行，就像综合战役通常要面对敌军的不同部队。每次战斗的结果差异可能很大，但关键是最后的综合结果。当我们分析查询的每个ฐ步骤时可能不会深入执行细节，但这些步骤可能的组合数量跟国际象棋不相上下，可以非常复杂。本章讨论存取经过适当规范化的数据时，经常遇到的情况。虽然本章主要讨论查询，但也适用9here于更新和删除操作，只要它们也有9๗9hheerree子句，毕竟要先读取数据才能修改数据。无论是单纯为了查询、还是更新或删除记录，过滤数据会遇到的最典型情况有九种：小结果集，源表较少，查询条件直接针对源表小结果集，查询条件涉แ及源表之ใ外的表小结果集，多个宽泛条件，结果取交集小结果集，一个源表，查询条件宽泛且涉及多个源表之外的表大结果集结果集来自基于一个表的自连接结果集以聚合函数为基础获得结果集通过简单搜索或基于日期的范围搜索ิ获得结果集和别的数据存在与否有关本章将依次讨论上述各种情况。至于例子，有的简单明了，有的较为复杂来自实际案例。虽然案例大小存在差ๆ异，但解决问题的模式是相通的。通常，在执行查询时，应过滤掉所有不属于结果集的数据，这意味着应尽量采用最高效的搜索4条件。决定先执行哪个条件，通常是优化器的工作。但是，正如第44章所述，优化器必须ี考虑——“”大量不同情况————例如表的物理结构、查询编写方式等，所以优化器未必总能ม““理解正确””。因此，提高性能ม还有很多事情可做，下面对九种模式的讨论中，每种模式均是如此。小结果集，直接条件smallresult色t,directspecນifiriteria对于典型的在线交易处理，多为返回小结果集的查询，源表数量较少，查询条件也是“直接”针对源表的。当我们要通过一组条件查询出少许记录时，先要注意的就是索引。一般而言，通过一个表或通过两个表的连接查询较少记录，只要确保查询有适当的索引支持即
------ๅ--ๅ-ๅ---------ๅ-----page5๓0-ๅ-ๅ-----ๅ--ๅ-ๅ------ๅ---ๅ---ๅ-ๅ
可。然而，当很多表连接在一起，并且查询条件要参照ั不同的表时例如taທ和tbຘ，会面临连接顺序的问题。连接顺序的选择，取决于如何更快地过滤不想要的记录。如果统计数据足够精确地反映了表的内容，优化器有可能对连接顺序做出适当选择。当查询仅返回少量记录，且过滤条件直接针对源表时，我们必须保证这些过滤条件高效；对于非常重要的条件，必须事先为ฦ相应字段加上索ิ引，以便查询时使用。索引可用性indexusa逼lity如第3章所述，对某字段使用函数时，则该字段上的索引并不能起作用。当然，你可以建立函数索引fun9dex，这意味着要对函数的结果加索ิ引，而不是为字段加索引。注意，“函数调用”不光是指“显式函数调用”。如果你将某类型的字段与一个不同类型的字段或常量进行比较，则ทdbms会执行“隐式类型转换”隐式调用一个转换函数，如你所料é，这会对性能造成影响。一旦确定重要的搜索条件上有索引，而查询编写方แ式也的确能因索引而提高性能，我们还须进一步区别如下两种情况：使用唯一性索引uniqueindex检索单条记录非唯一性索引non-ๅuniqueindex或基于唯一性索引的范围扫描ranges9查询的效率与索引的使用queryeffi9dexusaທge需要连接join表时，唯一性索引非常有用。然而，当程序获得的原始输入primitiveinput不是查询语句需要的主ว键值时，必须ี通过编程来解决转换问题。这里的“原始输入”指程序接受的数据，可能由使用者输入，也可能从文件中ณ读入。如果查询语句需要的主键值本身，就是根据原始输入利ำ用另一个查询所获得的结果，则说明设计不合理。因为ฦ这意味着一个查询的输出被用作另一个查询的输入，应该考虑合并这两个查询。总结：优秀的查询未必来自优秀的程序。数据散布daທtadispersion当条件是“非唯一性”的，或者条件以唯一性索引上的范围来表达时，dbms就必须ี执行范围扫描。例如：9๗here9d或：9๗heresupplier_naທmelike'somename%'
--ๅ-----ๅ-ๅ--ๅ-ๅ------ๅ------page51้------ๅ---ๅ--ๅ-ๅ---ๅ--ๅ-ๅ--ๅ-ๅ--ๅ
键对应的记录很可能散布在整个ฐ表中ณ，而基于成本的优化器知道这一点。所以，索引范围扫描会使dbms核心逐一读取表的存储页ษ，此时，优化器会决定dbms核心忽略索引对表进行扫描。如第5章所述，许多数据库系统了诸如分区paທrtition和聚集索引9dex等功能ม，直接将可能一并读取的数据存储在一起。其实，数据插入处理也常造成数据丛聚9g保存的现象：如果每条记录插入表时都要加时间戳timestaທmp，则相继插入的记录会彼此紧邻除非我们采取特殊手段避免资源竞争，见第9章的讨论。这其实没有必要，而且关系理论中ณ也没有“顺序”的概念，但在实际中却很可能ม生。因此，当我们在时间戳字段的索ิ引上执行范围扫描、查询时间上接近的索ิ引项时，这些记录可能彼此紧邻๑——如果特意为ฦ此设置了存储选项参数，就更是如此了。现在做一个ฐ假定：键值与特定插入环境无关、与存储设置无关，与键值或键值范围对应的记录可能存储在磁盘的任何位置。索引仅以特定顺ิ序来存储键值，而对应的记录随机散落在表中ณ。此时，若既不分区、也不采用聚集索引，则ท需访问的存储区会更多。于是，可能ม出现下列情况：同一个表上有两ä个ฐ可选择性完全相同的索引，但一个索引性能好、一个索引性能差。这种情况在第3章已提到过，下面来分析一下。为ฦ了说明上述情况，先创建一个具有100่000่0条记录的表，这个ฐ表有cນ1、c2和c3三个ฐ字段，c1保存序号1้到1้00่0่000่，c2保存从1到เ2๐0000่00不等的随机数，c3保存可重复、且经常重复的随机值。表面看来，c1和c2都具唯一性，因此具有完全相同的可选择性。索引建在c1上，则表中ณ字段的顺序，与索引中的顺序相符——当然，实际上，对表的删除操作会留下“空洞”，随后又有新า的插入记录填入，所以记录顺ิ序会被打乱。相比之下，索ิ引建在c2上，则表中记录顺序与索引中ณ的顺序无关。下面读取c3๑，使用如下范围条件：9here9some_ຕvalueaທndsome_vaທlue+10如图6-1所示，使用c1้索引有序索引，索引中ณ键的顺序与表中记录顺序相同和c2索ิ引随机索ิ引的性能差ๆ异很大。别忘了造成这种差异的原因：为ฦ了读取c3๑的值，除了访问索引，还要访问表。如果我们有两个复合索引，分别在c1,cນ3和c2,c3๑上，就不会有上述差异了，因为这时不必访问表，从索引中即可获得要返回的内容。图6-1说明的这种性能差ๆ异，也解释了下述情况的原因：有时性能会随时间而降低，尤其是在新系统刚ธ投入生产环境并导入旧系统的大量数据时。最初加载的数据的物理排序，可能是有利于特定查询的；但随后几个月的各种活动破坏了这种顺序，于是性能“神秘”降低30%～40%ื。
---ๅ------ๅ------ๅ--ๅ-ๅ---ๅ--page52-ๅ-------ๅ--ๅ--ๅ-ๅ------ๅ----
图6-ๅ1：“索引项顺序与表中记录顺ิ序是否一致”对性能的影响现在很清楚了，“dbຘa可以随时重新า组织数据库”其实是错误的。数据库的重新组织曾一度流行；但不断增加的数据量及9๗9999๗9%正常运行等要求，使得重新า组织数据库变得不再适合。如果物理存储方式很重要，则应考虑第5章讨论过的“自组织结构色lf-ๅanizingstrucນture”之ใ一，例如聚集索引9๗dexe或索引组织表index-anizedtable。但要记住，对某种类型的查询有利，可能对另一种类型的查询不利，鱼与熊掌不可得兼。总结：类似的索引，性能却不同，这可能是物理数据的散布引起的。“”条件的““可索引性””9dexa逼lity对“小结果集，直接条件”的情况而言，适当的索引非常重要。但是，其中ณ也有不适合加索引的例外情况：以下案例，用来判断会计账目是否存在“金额不平”的情况，虽然可选择性很高，但不适合加索ิ引。此例中，有个表glreport，该表包含一个应为0่的字段aທ摸unt_diff。此查询的目的是要追踪会计错误，并找出a摸unt_diff不是0的记录。既然使用了现代的dbms，直接把账目对应成表，并应用从前“纸笔记账”的逻辑，实在有点问题；但很不幸，我们经常遇到这种有问题的数据库。无论设计的质量如何，像a摸unt_diff这样的字段通常不应加索ิ引，因为ฦ在理想情况下每条记录的aທ摸unt_ຕdiff字段都是0。此外，a摸unt_diff字段明显是“非规范化”设计的结果，大量计算要操作该字段。维护一个ฐ计算字段上的索引，代价要高于静态字段上的索ิ引，因为被修改的键会在索ิ引内“移动”，于是索引要承受的开销比简单节点增／删要高。总结：并非所有明确的条件都适合加索引。特别是，频๗繁更新的字段会增加索引维护的成本。回到例子。开者有天来找我，说他已最佳化了以下oraທcle查询，并询问过专家建议：色le9um,totaທlaທounting_period,ไtotalledger,ไtotalt,ไerrorerr_ຕt,ไ9๗tfrom-ๅ-firstin-linevie9๗色le9g_period,ledger,
-------ๅ-----ๅ--ๅ-ๅ--------page53-----ๅ--ๅ------ๅ------ๅ--ๅ-ๅ-
9ttfromglreportg肉pbydeptnum,ledger,aounting_ຕperiodtotal,--色9๗evie9๗色le9๗g_period,ไledger,9๗terr_tfromglreport9hereaທ摸unt_diff0่g肉pbydeptnum,ledger,aທounting_perioderror,-ๅ-thirdin-ๅlinevie9色le9๗g_period,ไledger,9tbad_aທt_9tfromglreport9hereaທ摸unt_diff0g肉pbydeptnum,ledger,ไaounting_ຕperiod9um=errordeptnum+ใaທndtotalaounting_period=erroraທounting_period+andtotaທlledger=errorledger+aທnd
------ๅ-----ๅ--ๅ-ๅ---ๅ------ๅpage54๒--ๅ-ๅ---ๅ--------ๅ-ๅ----ๅ----
totaldeptnum=9dtotaທlaounting_period=9g_ຕperiod+aທndtotaທlledger=cນpt_ຕerrorledger+orderbytotaldeptnum,totaທlaounting_period,totaທlledger外层查询9๗here子句中的“+”是oraທcle特有的语法，代表外连接outerjoin。换言之：色lect9๗haທteverfromta,ไtbຘ9๗heretaid=t逼d+相当于：色lecນt9haທteverfromtaouterjointbont逼d=taid下列sqlplus输出显示了该查询的执行计划：10:16:5๓7sql色tautotra9๗ly10่:17:๘02๐sql37๕ro9๗s色lectedelap色d:00:๘30:0่00่6๔exe9--ๅ---------ๅ---ๅ---ๅ------ๅ--ๅ-ๅ---ๅ--ๅ-ๅ------ๅ---ๅ--ๅ-ๅ---ๅ----ๅ--ๅ-----0่色le9toptimizer=choo色cost=177๕95๓54๒cນard=154bytes=161701้0mergejoinoutercost=177๕95๓5๓4cນaທrd=154๒bytes=16170่21mergejoinoutercost=118๖5๓645๓card=1้54๒bຘytes=1้0่78๖032๐vie9cນost=591้736๔card=1้54bytes=5๓39043sortg肉pbycນost=59๗17๕3๑6caທrd=154bytes=3๑38854๒taທbຘleaessfullof'ูglreport'cost=582๐346cນard=4๒37๕0่894bytes=961596๔686๔2sortjoincost=593๑9๗10card=15๓4bຘytes=53๑9๗07๕6vie9๗cນost=59390่8caທrd=154bytes=53๑9๗087sortg肉pbycost=5๓939๗08card=1้5๓4bytes=400498taທbleaທessfullof'glreport'cost=58๖45๓1้9caທrd=4๒37๕0885๓bytes=11้364301้010่1sortjoincost=5939๗10card=15๓4bytes=5๓3๑901110vie9cນost=59๗3908๖caທrd=1้54bytes=539๗0่
--ๅ-ๅ-ๅ------ๅ---ๅ-----ๅ----ๅ-paທge55--ๅ---------ๅ---ๅ---ๅ------ๅ
12๐1้1้sortg肉pbycost=5๓939๗08caທrd=154bytes=56๔98๖1้312tabຘleaessfullof'ูglreport'cost=584519card=4๒37๕0885๓bytes=161้722๐745๓staທtistics--ๅ-----ๅ-ๅ-----ๅ----ๅ--ๅ-ๅ---------ๅ--------ๅ-ๅ---ๅ------ๅ--ๅ-ๅ------ๅ-ๅ-1้93recursivecalls0dbblo9sistentgets3794172physicaທlreaທds16๔2๐0redosize22๐1้9bytes色ntviaທsqlto9๗t67๕7bytesre9๗t4sql肉ndtripstofrom9t17๕sortsme摸ry0sortsdi3๑7ro9sprocນes色d在此说明，我没有浪费太多时间在执行计划上，因为ฦ查询本身的文字描述已显示ิ了查询的最大特点：只有四~五百万条记录的glreport表，被访问了三次；每个ฐ子查询存取一次，而且每次都是完全扫描。编写复杂查询时，嵌套查询通常很有用，尤其是你计划将查询划分为多个ฐ步骤，每个步骤对应一个ฐ子查询。但是，嵌套查询不是银弹，上述例子就属于“滥用嵌套查询”。查询中ณ的第一个内嵌视图，计算每个部ຖ门的账目数、会计期、分类账，这不可避免地要进行全表扫描。面对现实吧！我们必须完整扫描glreport表，因为检查有多少个ฐ账目涉แ及所有记录。但是，有必要扫描第二次甚至第三次吗？总结：如果必须进行全表扫描，表上的索ิ引就没用了。不要单从“分析aທnalyticນ”的观点看待处理，还要退一步，从整体角度考虑。除了在aທ摸unt_diff值上的条件之外，第二个内嵌视图所做的计算，与第一个视图完全相同。我们没有必要使用,ไv9,x函数，或使用标准语法99๗el色xend，即可轻松实现这项计算。第三个内嵌视图所过滤的记录与第一个视图相同，但要计算不同账目数。把这个ฐ计数合并到第一个ฐ子查询中并不难：用9๗t_diff为0่时的“账户编号aountnumbຘer”，就很容易统计有多少个不同的账户编号了，当然，记住减1้去掉cນhr1้这个虚拟的账户编号。其中，账户编号字段的类型为varcນhar2注1，而cນhr1้在oracle中代表ascii码值为1的字符——在使用oracle这类用c语言编写的系统时，我总是不敢安心使用chr0่，因为c语言以chr0作为ฦ字符串终止符。sothisisthesuggestionthatireturnedtothedeveloper:色le9๗g_period,ไledger,
---------ๅ----------ๅ--ๅ--page56----ๅ--ๅ-ๅ---------ๅ----ๅ--ๅ-
9๗b,ไsumde9๗t_diff,0,ไ0,1err_t,ไ99๗t_diff,ไ0,9t-1bad_at_9๗tfromglreportg肉pbydeptnum,ledger,aounting_ຕperiod这个新的查询，执行度是原先的四倍。这丝毫不令人意外，因为ฦ三次的完整扫描变成了一次。注意，查询中不再有9๗here子句：a摸unt_ຕdiff上的条件已๐被“迁移”到เ了色lect列表中decນode函数执行的逻辑，以及由g肉pbຘy子句执行的聚合aທggregation中。使用聚合代替过滤条件有点特殊，这正是我们要说明的“九种典型情况”中ณ的另一种——以聚合函数为基础获得结果集。总结：内嵌查询可以简化查询，但若使用不慎，可能造成重复处理。小结果集，间接条件smallresult色t,indirectcriteria与上一节类似，这一节也是要获取小结果集，只是查询条件不再针ฤ对源表，而是针对其他表。我们想要的数据来自一个表，但查询条件是针对其他表的，且不需要从这些表返回任何数据。典型的例子是在第4章讨论过的“哪些客户订购了特定商品”问题。如第4๒章所述，这类查询可用两种方法表达：使用连接，加上distinct去除结果中的重复记录，因为有的客户会多次订购相同商品使用关联或非关联子查询如果可以使用作用于源表的条件，请参考前一节“小结果集，直接条件”中ณ的方แ法。但如果找不到这样的条件，就必须多加小心了。取用第4章中例子的简化版本，找出订购蝙蝠车的客户，典型实现如下：色le9ctorders9orderdetailonorderdetaທilordid=ordersordidjoinaທrti9articlesaທrtid=orderdetailartid9hereaທrti9ame='bat摸逼le'依我看，明确使用子查询来检查客户订单是否包含某项商品，才是较好的方式，而且也比较容易理解。但应该采用“关联子查询”还是“非关联子查询”呢？由于我们没有其他条件，所以答案
--ๅ-------ๅ--ๅ----ๅ--ๅ--ๅ-ๅ---page57๕----------ๅ--ๅ--ๅ----ๅ--ๅ-ๅ--
应该很清楚：非关联子查询。否则，就必须扫描orders表，并针ฤ对每条记录执行子查询——当orders表规模小时通常不会查觉其中问题，但随着orders表越来越大，它的性能ม就逐渐让我们如坐针毡了。非关联子查询可以用如下的经典风格编写：色le9ctorderscນustidfro摸rders9hereordidin色lectorderdetailsordidfro摸rderdetailjoinarti9๗articlesaທrtid=orderdetaທilartid9hereaທrti9aທme='ูbaທt摸逼le'或采用from子句中ณ的子查询：色le9๗ctorderscustidfro摸rders,色lectorderdetailsordidfro摸rderdetailjoinarti9๗articlesartid=orderdetailaທrtid9hereaທrti9๗ame='ูbat摸逼le'aທssub_q9๗heresubຘ_ຕqordid=ordersordid我认为ฦ第一个ฐ查询较为易读，当然这取决于个人喜好。别忘了，在子查询结果上的in条件暗含了distinct处理，会引起排序，而排序把我们带到了关系模型的边缘。总结：如果要使用子查询，在选择关联子查询、还是非关联子查询的问题上，应仔细考虑。多个ฐ宽泛条件的交集smaທllinter色9ofoadcນriteria本节讨论对多个宽泛条件取交集获得较小结果集的情况。在分别使用各个条件时，会产生大型数据集，但最终各个大型数据集的交集却是小结果集。继续上一节的例子。如果“判断订购的商品是否存在”可选择性较差，就必须考虑其他条件否则ท结果集就不是小结果集。在这种情况下，使用正规连接、关联子查询，还是非关联子查询，要根据不同条件的过滤能ม力和已๐存在哪些索引而定。例如，由于不太畅销，我们不再检索订购蝙蝠车的人，而是查找上周六购买某种肥皂的客户。此时，我们的查询语句为ฦ：色le9๗ctorders9๗orderdetail
-----ๅ--ๅ-ๅ---ๅ------ๅ---ๅ--ๅ-ๅpaທge58๖--------ๅ-ๅ-----ๅ----ๅ--ๅ-ๅ--
onorderdetaທilordid=ordersordidjoinaທrti9articlesartid=orderdetailaທrtid9herearti9d这个处理流程很合逻辑，该逻辑和商品具有高可选择性时相反：先取得商品，再取得包含商品的明细订单，最后处理订单。对目前讨论的肥皂订单的情况而言，我们应该先取得在较短期间内下的少量订单，再检查哪些订单涉แ及肥皂。从实践角度来看，我们将使用完全不同的索引：第一个ฐ例子需要orderdetail表的商品名称、商品id这两个字段上的索引，以及orders表的主键orderid上的索引；而此肥皂订单的例子需要orders表日期字段的索ิ引、orderdetail表的订单id字段的索引，以及articles表的主键orderid上的索ิ引。当然，我们先假设索引对上述两例都是最佳方式。要知道哪些客户在上星期六买了肥皂，最明显而自然的选择是使用关联子查询：色le9cນtorderscustidfro摸rders9hereandexists色lecນt1้fro摸rderdetailjoinaທrti9articນlesartid=orderdetailartid9herearti9dorderdetailsordid=ordersordid在这个方แ法中，为了使关联子查询度较快，需要orderdetail表的ordid字段上有索引就可以通过主键artid取得商品，无需其他索ิ引。第3章已提到เ，事务处理型数据库traທnsa9aldaທtaທba色的索ิ引是种奢侈，因为它处在经常更改的环境中，维护的成本很高。于是选择“次佳”解决方案：当表orderdetail上的索ิ引并不重要，而且也有充足理由不再另建索ิ引时，我们考虑以下方式：色le9cນtorderscustidfro摸rders,色lectorderdetailsordidfro摸rderdetail,aທrticles9herearticນlesartid=orderdetaທilartidandarti9aທme='soap'ูassub_q9heresub_qordid=ordersordidand
----------ๅ--ๅ-ๅ-----ๅ--ๅ-ๅ--page59-ๅ---ๅ-ๅ--ๅ--ๅ-ๅ------ๅ-----ๅ-ๅ-
这第二个方法对索ิ引的要求有所不同：如果商品数量不过数百万项ำ，即使aທrtname字段上没有索引，基于商品名称条件的查询性能也不错。表orderdetaທil的artid字段可能ม也不需索引：如果商品很畅ม销，出现在许多订单中ณ，则表orderdetaທil和articນles之间的连接通过哈希或合并连接mergejoin更高效，而artid字段上的索引会引起嵌套的循环。与第一种方法相比，第二种方แ法属于索引较少的解决方案。一方แ面，我们无法承受为ฦ表的每个字段建立索ิ引；另一方面，应用中都有一些“次要的”查询，它们不太重要，对响应时间要求也不苛刻，索引较少的解决方案完全满足它们的要求。总结：为现存的查询增加搜索条件，可能彻底改变先前的构想：修改过的查询成了新查询。多个ฐ间接宽泛条件的交集smaທllinter色9๗directoadcriteria为ฦ了构造查询条件，需要连接join源表之外的表，并在条件中使用该表的字段，就叫间接条件indire9。正如上一节“多个宽泛条件的交集”的情况，通过两个或多个宽泛条件的交集处理获取小结果集，是项艰难的工作；若是涉แ及多次join操作，或者对中心表9操作，则ท会更加困难——这是典型的“星形schemaທstarscນhemaທ”第10่章详细讨论，实际的数据库系统中经常遇到。对于多个可选择性差的条件，一些罕见的组合要求我们预测哪些地方แ会执行完整扫描。当牵涉到เ多个ฐ表时，这种情况颇值得研究。dbms引擎的执行始于一个ฐ表、一个索引或一个分区，就算dbຘms引擎能并行处理数据也是如此。虽然由多个大型数据集合的交集所定义的结果集非常小，但前期的全表扫描、两次扫描等问题依然存在，还可能在结果上执行嵌套循环nestedloop、哈希连接hashjoin或合并连接mergejoin。此时，困难在于确定结果集的哪种表组合产生的记录数最少。这就好比，找到防线最弱的环节，然后利用它获得最终结果。下面通过一个实际的oracle案例说明这种情况。原始查询相当复杂，有两个表在from子句中都出现了两ä次，虽然表本身不太庞大大的包含70่0่000行数据，但传递给查询的九个ฐ参数可选择性都太差：色lectdaທtafromttex_ຕaທ,ttex_ຕb,ttraomaທ,topeoma,ไttypobj,ttrcນap_a,ไttrcນap_b,trgppdt,tstg_afromttrcappttrcap_a,ไttrcappttrcaທp_ຕbຘ,tstgtstg_a,
-ๅ---ๅ-ๅ--ๅ--ๅ-ๅ---------ๅ--ๅ-ๅ-page60--ๅ--ๅ-ๅ---ๅ----ๅ--ๅ----ๅ--ๅ--ๅ-ๅ
topeomaທ,ttraoma,ttexttex_a,ttexttex_bຘ,tbຘooks,ไtpdt,trgppdt,ไttypobj9aທpeomatxnumandttraທomaທbຘk9dttex_bຘtrs9dttraomaທtrs9um9tt9um9dttypobjobjtyp=ttraທo毛bjtypandttraomatrs9dttr9๗ot色le9dttr9ot色le9๗dttraomapdt9dtpdtrityp=trgppdtritypandtpdtriflg=trgppdtriflgandtpdtpdt9๗dtrgppdtrityp=:2--ๅnot色le9๗dtrgppdtriflg=:3-ๅ-ๅnot色le9um=tstg_atxnumandttr9dtstg_arityp=:๘4--ๅnot色le99๗ot色le9um=:๘8--not色lecນtive我们适当的参数这里以:0่到เ:8代表执行此查询：耗时过25秒，返回记录不到20่条，做了3๑000次物理io，访问数据块30่00000่次。上述统计数据反映了实际执行的情况，这是必须ี先明确的。下面，通过查询数据字典，得到表记录数情况：taທble_naທmenum_ro9๗s-ๅ-ๅ------ๅ---ๅ---ๅ-----ๅ----ๅ--ๅ-ๅ---------ๅ--ttypobj186๔trgppdt3๑6๔6tpdt5๓370topeoma12๐1้18๖ttraoma12118๖tbຘooks1้2268
-----ๅ--ๅ-ๅ------ๅ-----ๅ-ๅ--ๅ-ๅpaທge61---ๅ-------ๅ--ๅ--ๅ----ๅ--ๅ-ๅ--
ttex1้02554ttrcaທpp187759tstg70่24๒0่3认真研究表及表的关联情况，得到图6-2๐所示的分析图：小箭头代表较弱的选择条件，方แ块为表，方块的大小代表记录数多少。注意：在中ณ心位置的ttraoma表，几乎ๆ和其他所有表有关联关系，但很不幸，选择条件都不在ttraoma表。另一个有趣的事实是：上述的查询语句中，我们必须trgppdt表的rityp字段和riflg字段的值作为条件——为ฦ了连接jointrgppdt表和tpdt表要使用这两个字段和pdtcod字段。在这种情况下，应该思考倒转此流程——例如把tpdt表的字段与所的常数做比较，然后只从trgppdt表取得数据。
--ๅ-ๅ----ๅ---ๅ---ๅ---ๅ------ๅ-paທge62-----ๅ------ๅ---ๅ-ๅ--ๅ--ๅ-ๅ---ๅ
图6-2：数据的位置关系多数dbຘms“检查优化器选择的执行计划”这一功能ม，比如通过explaທin命令直接检查内存中执行的项ำ目。上述查询花了2๐5秒虽然不是特别糟，通常是先完整扫描ttraoma表，接着进行一连串的嵌套循环，使用了各种高效的索引详述这些索引很乏味，我们假设所有字段都建立了合适的索引。度慢的原因是完整扫描吗？当然不是。为ฦ了证明完整扫描所花时间占的比例甚微，只需做如下简单的测试：读取ttraomaທ表的所有记录；为了避免受到เ字符显示ิ时间的干扰，这些记录无需显示。优化器现：tstg表有“大量敌军”，而查询中针ฤ对此表的选择条件比较弱，所以难以对它形成“正
---ๅ---ๅ--ๅ-ๅ--ๅ-ๅ---------ๅ--ๅpage63๑----ๅ--ๅ-ๅ---ๅ----ๅ--ๅ-----ๅ-ๅ-
面攻击”；而ttrcapp表在查询的from子句中出现两次，但基于该表的判断条件也较弱，所以也不会带来查询效率的提升；但是，ttraທomaທ表的位置显然很关键，且该表比较小，适合作为“第一攻击点”——优化器会毫不犹豫地这么做。那么，既然对ttraoma表的完整扫描无可厚非，优化器到底错在哪里呢？请看图6-3所示的查询执行情况。
------ๅ------ๅ--ๅ-ๅ---ๅ-----page64-----ๅ--ๅ--ๅ-ๅ------ๅ-------
图6-3：优化器选择的执行路径
-ๅ--ๅ-ๅ------ๅ---ๅ---ๅ---ๅ----paທge6๔5--------ๅ------ๅ---ๅ-ๅ--ๅ--ๅ-ๅ
注意观察图中所示的操作执行顺ิ序，查询度慢的原因显露无遗：我们的查询条件很糟糕，优化器选择完全忽略它们。优化器决定先对ttraoma表进行完整扫描；接着，访问和表ttraທomaທ关联的所有小型表；最后，对其他表运用我们的过滤条件。这样执行是错误的：虽然优化器决定先访问表ttraoma有道理该表的索ิ引可能非常高效，每个键平均对应的记录数较少，或者索ิ引与记录的顺序有较好的对应关系，但将我们的查询条件推迟执行，不利于减少要处理的数据量。既然已访问了ttraoma这个关键表，应该紧接着执行语句中的查询条件，这样可以借助这些表与ttraoma表之间的连接join先去除ttraoma表中ณ无用的记录——甚至在结果集更大时，如此执行的效率仍比较高。但是上述信息我们知道，“优化器”却无从知道。怎样才能迫使dbms依我们所要求的方式执行查询呢？要依靠sql方言sqldiaທlecນt。正如你将在第1้1章看到的，多数sql方言都支持针对优化器的指示ิ或提示hint，虽然各种方言所用语法不同；例如，告诉优化器按表名在from子句中ณ出现的顺ิ序依次访问各表。不过，“提示”的实际影响远比它的名字暗示ิ的要大得多，采用“提示”的问题在于，每个ฐ提示都是在“赌未来”——我们已强制规定了执行路径，所以环境、数据量、数据库算法、硬件等因素的展变化即使不能绝对适合我们的执行路径，也应该基本适合。例如，既然索ิ引的嵌套循环是最高效选择，并且嵌套循环不会因并行化而受益，那么命令优化器按照表的排列ต顺序访问它们几乎没什么เ风险。明确指定表的访问顺ิ序，就是这个案例中实际采用的方法，最终查询不到1秒即可完成，不过物理io次数减少并不明显原来3000次，现在2340่次，因为我们仍以ttraທoma表的完整扫描开始，但逻辑io次数的大幅降低从30่0่00่00次降到เ1้65๓0่0次使总体响应时间显着缩短，因为我们“建议”了更高效的执行路径。总结：记住，你应该详细说明所有强迫dbຘms做的事。显式地通过优化器指令，指定表的访问顺ิ序，是个笨拙的方法。更优雅的方แ法是在from子句中采用嵌套查询，在数值表达式中建议连接关系，这样不必大幅修改sql子句：色lect色lecນtlistfrom色le9um,ttraທomaທbຘkcod,ttraທomaທtrscod,ttraທomapdtcod,ไttrao毛bjtyp,ไfromttraoma,tstgtstg_ຕa,ttrcນappttr9cod=:๘7
-------ๅ-----ๅ--ๅ-ๅ------ๅ--page6๔6-ๅ--ๅ-ๅ------ๅ-----ๅ-ๅ----ๅ---
andtstg_ຕaທstgnum=:8andtstg_ຕaທrityp=:4andttraທomatxnum=tstg_aທtxnumaທndttr9๗dttrcaທp_arefcod=:๘9appttrcap_b,tbooks,topeoma,ไttexttex_ຕb,ttypobj,tpdt,ไtrgppdt9aທpeomatxnumandabຘk9๗dttex_btrs9dttex_antt9๗um9๗dttypobjobjtyp=aທobjtypaທndatrs9๗dttr9daທpdt9๗dtpdtrityp=trgppdtritypaທndtpdtriflg=trgppdtriflgaທndtpdtpdt9dtpdtrityp=:2๐aທndtpdtriflg=:3๑aທndttrcap_ຕefcນod=:6通常，没有必要采用非常具体的方式和难以理解的提示，其实，正确的最初指导就可使优化器找到正确的执行路径。嵌套查询是个不错的选择，它使表的关联变得明确，而sql语句的阅读也相当容易。总结：混乱的查询会让优化器困惑。结构清晰的查询及合理的连接建议，通常足以帮助优化器提升性能。大结果集largeresult色t无论结果集是如何获得的，只要结果集“很大”，就符合我们下面要讨论的“大结果集”的情况。
-ๅ-ๅ------ๅ---ๅ-----ๅ----ๅ--ๅ-ๅpage67๕---------ๅ---ๅ---ๅ------ๅ--ๅ
批处理环境下，产生大结果集是明智的。当需要返回大量记录时，只要查询条件的可选择性不高，那么即使结果集只占表中ณ数据量的一小部分，也会引起dbms引擎执行全表扫描；只有某些数据仓库例外，我们将在第10章中讨论之。如果查询返回几万条记录，那么使用索引是没有意义的，无论索引用于产生最终结果，还是用于复杂查询的中间步骤。相比而言，借助哈希或合并连接进行全表扫描是合适的。当然，强力手段背后也必须有智慧：我们必须尽量扫描数据返回比例最高的表、索引，或者这两者的分区；扫描时的过滤条件必须是粗粒度的，从而返回的数据量比较大，使扫描更有价值；扫描显然违背了“尽快去除不必要数据”这一原则，但一旦扫描结束应立即重新า贯彻该原则。相反，采取扫描方式不合适的情况下，应尽量减少要访问数据的块数。为此，最常用的手段就是使用索引而不是表，尽管所有索ิ引的总数据量经常比表还大，但单个ฐ索引则远比表要小。如果索ิ引包含了所有需要的信息，则扫描索引而不扫描表是相当合理的，可以利用诸如聚集索引等避免访问表的技术。无论是要返回大量记录，还是要对大量记录进行检查，每条记录的处理都需小心。例如，一个性能不佳的用户自定义函数的调用，如果生在“返回小结果集的色lect列表”中或在“可选择性很高的9๗here子句”中，则影响不大；但返回大数据集的查询可能ม会调用这个函数几十万次，dbms服务器就不堪重负了，这时必须ี优化代码。还要重点关注子查询的使用。处理大量记录时，关联子查询correlatedsubຘquery是性能杀手。当一个查询包含多个子查询时，必须让它们操作各不相同、自给自足的数据子集，以避免子查询相互依赖；到查询执行的最后阶段，多个子查询分别ี得到的不同数据集经过哈希连接或集合操作得到เ结果集。查询执行的并行化paທrallelism也是个好主意，不过只应在“并活动会话数9tlya9s”很少典型情况为批处理操作时才这么做。并行化是由dbms实现的，如果有可能，dbຘms把一个查询分割为ฦ多个并行运行的子任务，并由另一个专门的任务来协调。并用户数很大时，并行化反而会影响处理能力。一般而言，并用户数又多、要处理的信息量又大的情况下，最好做好战斗ç准备，因为这经常靠投入更多硬件来解决。除了处理过程中ณ由á资源争用引起的等待之外，查询必须访问的数据量是影响“响应时间”的主要因素า。但正如第4章讲过的，最终用户并不关心客观的数据量分析，他们只关心查询获得的数据。基于一个表的自连接色lf-ๅjoinsonoaທble利用卓越的、广为流行的范式注2๐，有助于我们设计正确的关系数据库至少满足3๑nf。所有非键字段均与键相关、并完整依赖于键，非键字段之间没有任何依赖。每条记录具有逻辑一致性，同一个ฐ表中没有重复记录。于是，才能够建立同一个ฐ表之间的连接关系：使用同一查询从同一表中选择不同记录的集合可以相交，然后连接它们，就好像它们来自不同表一样。本节将讨论简单的自连接。本节不讨论较复杂的嵌套层次结构，这一主题在第7章中ณ讨论。自连接，指表与自身的连接，这种情况比分层查询更常见。自连接用于“从不同角度看待相同数据”的情况，例如，查询航班会两次用到เairports表，一次找到“出机场”的名称，另一次找出“到เ达机场”的名称：色le9๗umber,aairport_namedeparture_aທirport,
-ๅ-ๅ----ๅ-----ๅ-ๅ-----ๅ----ๅ--ๅpage68----ๅ--------ๅ-ๅ---ๅ------ๅ-
bຘaທirport_ຕnamearrival_airportfromflightsf,ไaທirportsa,ไairportsbຘ9๗herefdep_iata_9dfarr_ຕiata_ຕcode=逼ataທ_ຕcode此时，一般规则ท仍然适用：重点保证索引访问的高效。但是，如果此时索引访问不太高效怎么办呢？当其冲地，应避免“第一轮处理丢弃了第二轮处理所需的记录”。应该通过一次处理收集所有感兴趣的记录，再使用诸如ca色语句等结构分别显示ิ记录，第1้1章将详细说明这种方法。非常微妙的是，有些情况看似与“机场的例子”很像，但其实不然。例如，如何利用一个保存“定期累计值”注3的表，显示每个时间段内累计值的增量？此时，该表内的两ä个不同记录间虽然有关联，但这种关联很弱：两个记录之所以相关，是因为它们的时间戳之间有前后关系。而连接两个flights表是通过airports表进行的，这种关联很强。例如，时间段为ฦ9edaທte”表示，则ท查询如下：色lectatimestamp,ไastaທtisti9ter5hits_per_minutefromhit_ຕ9terbຘ9๗herebtimestaທmp=atimestamp+3๑00andbຘstaທtisticນ_id=astatistic_ຕidorderbyatimestamp,astaທtisticນ_id上述脚本有重大缺陷：如果第二个ฐ累计值不是正好在第一个累计值之ใ后5分钟取得的，那ว么就无法连接这两条记录。于是，我们改以“范围条件”定义连接。查询如下：色lecນtatimestaທmp,ไastatisti9ter60่btimestaທmp-atimestamphits_per_ຕminutefromhit_ຕ9๗terbຘ9herebtimestampbet9ap+2๐00่aທndatimestamp+400่andbstaທtistic_id=astatistic_ຕidorderbyatimestamp,aທstatistic_id这个ฐ方法还是有缺陷：前后两ä次计算累计值的时间间隔，如果不介于200到เ40่0่秒之间例如取样频率改变了，如此之大的时间跨度就会引起风险。我们还有更安全的方法，就是使用基于“记录窗口9indo9sofro9๗apfun9。难以想象，这种本质上不太符合关系理论的技术可以显着提升性能ม，但应作为查询优化的最后手段使用。借助paທrtition子句，olap函数支持“分别ี处理结果集的不同子集”，比如
--ๅ--ๅ----ๅ--ๅ-ๅ---ๅ----ๅ--ๅ---paທge6๔9๗---ๅ------ๅ---ๅ-----ๅ----ๅ--ๅ
分别对它们进行排序、总计等处理。借助olap函数ro9_ຕnumbຘer，可以根据statistic_id建立子集，然后按时间戳增大的顺序为ฦ不同统计赋予连续整数编号，接下来，就可以连接statistic_id和两ä个序号了，如下例子所示：色lectaທtimestamp,astatisti9๗ter60btimestaທmp-atimestaທmpfrom色lecນttimestaທmp,statisti9๗umberoverpartitionbຘystatistic_idorderbytimestamprnfromhit_ຕ9tera,ไ色lecttimestamp,ไstatisti9๗umbຘeroverpartitionbystatistic_ຕidorderbytimestamprnfromhit_9+ใ1andaທstaທtistic_id=bstatistic_idorderbyaທtimestamp,aທstatistic_ຕidoracle等dbms支持olap函数lag9。该函数借助分区和排序，返回9个值。如果使用lag函数，我们的查询甚至执行得更快——比先前的查询大约快29๗ounter6๔0timestaທmp-ๅprev_timestaທmpfrom色lecttimestamp,staທtisti9ter,1overpartitionbystatistic_ຕidorderbຘytimestampprev_9๗ter,laທgtimestamp,1้overpartitionbຘystatistic_idorderbຘytimestampprev_ຕtimestampfromhit_9๗teraທorderbyaທtimestamp,astatistic_id很多时候，我们的数据并不像航班案例中那ว样具有对称性。通常，当需要查找和最小、最大、最早、或最近的值相关联的数据时，先必须找到这些值本身此为ฦ第一遍扫描，需比较记录，
-ๅ-------ๅ--------ๅ-ๅ---ๅ---page7๕0่------ๅ-ๅ--ๅ---ๅ---ๅ--ๅ-ๅ-----
接下来的用这些值作为第二遍扫描的搜索条件。而以滑动窗口sliding9๗indo9๗aທp函数，可以将两遍扫描合而为一至少表面上如此。基于时间戳或日期的数据查询，非常特殊也非常重要，本章在稍后的“基于日期的简单搜索ิ或范围搜索”中专门讨论。总结：当多个ฐ选取条件用于同一个ฐ表的不同记录时，可以使用基于滑动窗口工作的函数。基于一个表的自连接色lf-joinsonoable利用卓越的、广为流行的范式注2，有助于我们设计正确的关系数据库至少满足3nf。所有非键字段均与键相关、并完整依赖于键，非键字段之间没有任何依赖。每条记录具有逻辑一致性，同一个ฐ表中没有重复记录。于是，才能够建立同一个表之间的连接关系：使用同一查询从同一表中选择不同记录的集合可以相交，然后连接它们，就好像它们来自不同表一样。本节将讨论简单的自连接。本节不讨论较复杂的嵌套层次结构，这一主ว题在第7章中讨论。自连接，指表与自身的连接，这种情况比分层查询更常见。自连接用于“从不同角度看待相同数据”的情况，例如，查询航班会两次用到aທirports表，一次找到เ“出机场”的名称，另一次找出“到达机场”的名称：色le9umber,aairport_ຕnaທmedeparture_ຕairport,baທirport_namearrivaທl_aທirportfromflightsf,aທirportsa,aທirportsb9herefdep_iaທta_9๗dfarr_ຕiaທta_code=逼aທta_ຕcode此时，一般规则仍然适用：重点保证索ิ引访问的高效。但是，如果此时索引访问不太高效怎么เ办呢？当其冲地，应避免“第一轮处理丢弃了第二轮处理所需的