PostgreSQL 子查询优化分享__在开发项目过程中，客户要求使用gbase8s数据库(基于informix)，简单的分页页面响应很慢。排查发现分页sql是先查询出数据在外面套一层后再取多少条，如果去掉嵌套的一层，直接获取则很快。日常使用中postgresql并没有这样的操作也很快，这是为什么呢？ : 世界上功能最强大的开源数据库...

### 作者介绍
#### 张飞雄，北京华宇信息技术有限公司高级工程师，DBA，热衷开源技术，擅长SQL优化。

### 问题背景
#### 在开发项目过程中，客户要求使用gbase8s数据库(基于informix)，简单的分页页面响应很慢。排查发现分页sql是先查询出数据在外面套一层后再取多少条，如果去掉嵌套的一层，直接获取则很快。日常使用中postgresql并没有这样的操作也很快，这是为什么呢？

### 说明
#### 在数据库实现早期，查询优化器对子查询一般采用嵌套执行的方式，即父查询中的每一行，都要执行一次子查询，这样子查询会执行很多次，效率非常低。

#### 本篇主要讲postgresql针对子查询的优化。

#### 项目中使用子查询的地方非常多，如何写出高效的sql，掌握子查询的优化是非常有必要的。

#### 执行计划对比（gbase8s vs postgresql）:
#### gbase8s慢sql执行计划：

#### --gbase8s执行计划    
```
SET EXPLAIN ON ; 
SET EXPLAIN FILE TO '/home/gbasedbt/sqexplain.out' ;
select skip 0 first 15 * from (
select  * from T_SZGL_JDRY order by T_SZGL_JDRY.updatetime desc
)
Estimated Cost: 3207
Estimated # of Rows Returned: 6172

1) gbasedbt.t_szgl_jdry: INDEX PATH
    (1) Index Name: gbasedbt.i_t_szgl_jdry_updatetime
Index Keys: updatetime  (Reverse)  (Serial, fragments: ALL)
QUERY: (OPTIMIZATION TIMESTAMP: 12-21-2017 03:20:43)
------
select skip 0 first 15 * from (
select  * from T_SZGL_JDRY order by T_SZGL_JDRY.updatetime desc
)
Estimated Cost: 232
Estimated # of Rows Returned: 6172
1) (Temp Table For Collection Subquery): SEQUENTIAL SCAN
Query statistics:
-----------------
The final cost of the plan is reduced because of the FIRST n specification in
 the query.

Table map :
----------------------------
  Internal name     Table name
----------------------------
  t1                t_szgl_jdry
  t2                (Temp Table For Collection Subquery)
type     table  rows_prod  est_rows  rows_scan  time       est_cost
-------------------------------------------------------------------
scan     t1     6173       6172      6173       00:00.05   3207

```

#### --查询执行用 222 ms,15行受影响

#### gbase8s修改后执行计划
```
select  skip 0 first 15 * from T_SZGL_JDRY order by T_SZGL_JDRY.updatetime desc

Estimated Cost: 7
Estimated # of Rows Returned: 6172

1) gbasedbt.t_szgl_jdry: INDEX PATH
    (1) Index Name: gbasedbt.i_t_szgl_jdry_updatetime
Index Keys: updatetime  (Reverse)  (Serial, fragments: ALL)
Query statistics:
-----------------
The final cost of the plan is reduced because of the FIRST n specification in
 the query.

Table map :
----------------------------
  Internal name     Table name
----------------------------
  t1                t_szgl_jdry

type     table  rows_prod  est_rows  rows_scan  time       est_cost
-------------------------------------------------------------------
scan     t1     15         6172      15         00:00.00   8

QUERY: (OPTIMIZATION TIMESTAMP: 12-21-2017 03:23:25)
------
select 1 from sysusers
Estimated Cost: 2
Estimated # of Rows Returned: 1
1) gbasedbt.sysusers: SEQUENTIAL SCAN
...
```

#### --查询执行用 18 ms,15行受影响

#### 第一个执行计划中 (1) (Temp Table For Collection Subquery): SEQUENTIAL SCAN)可以看出是将子查询的结果查询出来后，在这个基础上获取了15条记录

### 对比postgresql执行计划
#### --分页执行计划-不嵌套
```
db_jcxxzypt=# explain select * from db_jcxx.t_jcxxzy order by d_slrq limit 15 offset 0;
                                                QUERY PLAN
```
```
Limit  (cost=0.44..28.17 rows=15 width=879)
   ->  Index Scan using idx_ttjaj_dslrq on t_jcxxzy  (cost=0.44..32374439.85 rows=17507700 width=879)
(2 rows)
```

#### --子查询执行计划-嵌套一层
```
db_jcxxzypt=# explain 
db_jcxxzypt-# select * from (
db_jcxxzypt(# select * from db_jcxx.t_jcxxzy order by d_slrq
db_jcxxzypt(# )tab1 limit 15 offset 0;
                                                QUERY PLAN
```
```
Limit  (cost=0.44..28.32 rows=15 width=879)
   ->  Index Scan using idx_ttjaj_dslrq on t_jcxxzy  (cost=0.44..32374439.85 rows=17507700 width=879)
(2 rows)
```

#### -子查询执行计划-嵌套两层
```
db_jcxxzypt=# explain 
db_jcxxzypt-# select * from (
db_jcxxzypt(# select * from (
db_jcxxzypt(# select * from db_jcxx.t_jcxxzy order by d_slrq
db_jcxxzypt(# )tab1 )tab2 limit 15 offset 0;
                                                QUERY PLAN
```
```
Limit  (cost=0.44..28.32 rows=15 width=879)
   ->  Index Scan using idx_ttjaj_dslrq on t_jcxxzy  (cost=0.44..32374439.85 rows=17507700 width=879)
(2 rows)
```
#### postgresql的子查询即使嵌套多层，执行计划还是和未嵌套一样。原因就是postgresql在重写sql的阶段上拉子查询（提升子查询），把子查询合并到父查询中。

### postgresql子查询优化
#### 子查询可分为三类:

#### 1. ([not]in/all/any/some),

#### 2. ([not]exists),

#### 3. 其他子查询(sjp子查询 选择、投影、连接)

#### 子查询可以出现在目标列、form子句、where子句、join/on子句、group by子句、having子句、orderby子句等位置。
```
db_jcxxzypt=#  explain select * from t_jcxxzy aj ,(select * from t_jcxxzy_ds) dsr where  dsr.c_ajbm = '1301020400000120090101';
                                      QUERY PLAN
```
```
Nested Loop  (cost=0.56..1252119.58 rows=17507700 width=1098)
   ->  Index Scan using idx_tajdsr_cajbm on t_jcxxzy_ds  (cost=0.56..8.57 rows=1 width=219)
         Index Cond: (c_ajbm = '1301020400000120090101'::bpchar)
   ->  Seq Scan on t_jcxxzy aj  (cost=0.00..1077034.00 rows=17507700 width=879)
(4 rows)

Time: 1.101 ms
```

### postgresql子链接([not]in,[not]exists,all,some,any)
#### 子查询和子链接区别：子查询是不在表达式中的子句，子链接在表达式中的子句

#### --in子链接
```
(1).
db_jcxxzypt=# explain select * from t_jcxxzy aj where aj.c_ajbm in (select dsr.c_ajbm from t_jcxxzy_ds dsr);
转化为：select * from t_jcxxzy aj join t_jcxxzy_ds dsr aj.c_ajbm = dsr.c_ajbm;
                                                     QUERY PLAN
```
```
Hash Semi Join  (cost=362618.61..5537768.07 rows=7957409 width=879)
   Hash Cond: (t_jcxxzy.c_ajbm = t_jcxxzy_ds.c_ajbm)
   ->  Seq Scan on t_jcxxzy  (cost=0.00..1077034.00 rows=17507700 width=879)
   ->  Hash  (cost=237458.59..237458.59 rows=6817202 width=23)
         ->  Index Only Scan using idx_tajdsr_cajbm on t_jcxxzy_ds  (cost=0.56..237458.59 rows=6817202 wi
dth=23)
(5 rows)
```
#### --in等价于=anyhash semi join表示执行的是两张表的hash半连接，原始sql中没有(t_jcxxzy.c_ajbm = t_jcxxzy_ds.c_ajbm),表明此in子查询被优化，优化后采用hash semi join算法。(2).相关子查询--当加入条件where aj.d_slrq='2001-06-14'后不能提升子链接，如果把where aj.d_slrq ='2001-06-14'放到父查询 是支持子链接优化的
```
db_jcxxzypt=# explain
db_jcxxzypt-# select * from t_jcxxzy aj where c_ajbm in (select c_ajbm from t_jcxxzy_ds dsr  where aj.d_slrq='2001-06-14') ;
                                                        QUERY PLAN
```
```
Seq Scan on t_jcxxzy aj  (cost=0.00..2227874766580.75 rows=8753850 width=879)
   Filter: (SubPlan 1)
   SubPlan 1
     ->  Result  (cost=0.56..237458.59 rows=6817202 width=23)
           One-Time Filter: (aj.d_slrq = '2001-06-14'::date)
           ->  Index Only Scan using idx_tajdsr_cajbm on t_jcxxzy_ds dsr  (cost=0.56..237458.59 rows=6817
202 width=23)
(6 rows
 (3).
```

####  -- not in不能提升子链接
```
 db_jcxxzypt=#  explain select * from db_jcxx.t_jcxxzy where c_ajbm not in (select c_ajbm from db_jcxx.t_jcxxzy_ds);
                                                      QUERY PLAN
```
```
Seq Scan on t_jcxxzy  (cost=0.56..2875921362927.06 rows=8753850 width=879)
   Filter: (NOT (SubPlan 1))
   SubPlan 1
     ->  Materialize  (cost=0.56..311489.60 rows=6817202 width=23)
           ->  Index Only Scan using idx_tajdsr_cajbm on t_jcxxzy_ds  (cost=0.56..237458.59 rows=6817202
width=23)
(5 rows)
```
#### --not in与<>all含义相同

#### in子句存在不被优化的可能、当in子句中包含了主查询的表字段，和主查询有相关性时不能提升子链接。

### exists子链接
#### --exists子链接
```
db_jcxxzypt=# explain
db_jcxxzypt-# select * from t_jcxxzy aj where  exists (select c_ajbm from t_jcxxzy_ds dsr where aj.c_ajbm = dsr.c_ajbm);
                                                       QUERY PLAN
```
```
Hash Semi Join  (cost=362618.61..5537768.07 rows=7957409 width=879)
   Hash Cond: (aj.c_ajbm = dsr.c_ajbm)
   ->  Seq Scan on t_jcxxzy aj  (cost=0.00..1077034.00 rows=17507700 width=879)
   ->  Hash  (cost=237458.59..237458.59 rows=6817202 width=23)
         ->  Index Only Scan using idx_tajdsr_cajbm on t_jcxxzy_ds dsr  (cost=0.56..237458.59 rows=681720
2 width=23)
(5 rows)
```
#### -- 当加入where aj.c_xzdm = '150622'条件在子链接时，仍然支持上拉
```
db_jcxxzypt=# explain
db_jcxxzypt-# select * from t_jcxxzy aj where  exists (select c_ajbm from t_jcxxzy_ds dsr where aj.c_xzdm = '150622');
                                                   QUERY PLAN
```
```
Nested Loop Semi Join  (cost=0.56..1361779.20 rows=5436 width=879)
   ->  Seq Scan on t_jcxxzy aj  (cost=0.00..1120803.25 rows=5436 width=879)
         Filter: ((c_xzdm)::text = '150622'::text)
   ->  Index Only Scan using idx_tajdsr_cajbm on t_jcxxzy_ds dsr  (cost=0.56..237458.59 rows=6817202 widt
h=0)
(4 rows)
```
#### --exists子链接
```
db_jcxxzypt=# explain
db_jcxxzypt-# select * from t_jcxxzy aj where  exists (select c_ajbm from t_jcxxzy_ds dsr where dsr.c_ajbm='1101120300000120030101')
db_jcxxzypt-# ;
                                               QUERY PLAN
```
```
Result  (cost=4.58..1077038.57 rows=17507700 width=879)
   One-Time Filter: $0
   InitPlan 1 (returns $0)
     ->  Index Only Scan using idx_tajdsr_cajbm on t_jcxxzy_ds dsr  (cost=0.56..4.58 rows=1 width=0)
           Index Cond: (c_ajbm = '1101120300000120030101'::bpchar)
   ->  Seq Scan on t_jcxxzy aj  (cost=0.00..1077034.00 rows=17507700 width=879)
(6 rows)
```
#### 子查询只执行了一次，作为aj表的参数。

#### --not exists子链接
```
db_jcxxzypt=# explain
db_jcxxzypt-# select * from t_jcxxzy aj where not exists (select c_ajbm from t_jcxxzy_ds dsr);
                                     QUERY PLAN
```
```
Result  (cost=0.04..1077034.04 rows=17507700 width=879)
   One-Time Filter: (NOT $0)
   InitPlan 1 (returns $0)
     ->  Seq Scan on t_jcxxzy_ds dsr  (cost=0.00..281210.02 rows=6817202 width=0)
   ->  Seq Scan on t_jcxxzy aj  (cost=0.00..1077034.00 rows=17507700 width=879)
(5 rows)
```
#### 从执行计划上看，not exists子查询并没有被消除，子查询只是执行了一次，将结果作为aj表的参数。

#### in和exists都存在不被优化的可能，对于in和exists的选择，当父查询结果集小于子查询结果集则选择exists，如果父查询结果集大于子查询结果集选择in。

### 所有的all子链接都不支持上拉
```
db_jcxxzypt=#  explain select * from db_jcxx.t_jcxxzy where c_ajbm >all(select c_ajbm from db_jcxx.t_jcxxzy_ds);
                                                      QUERY PLAN
```

```
Seq Scan on t_jcxxzy  (cost=0.56..2875921362927.06 rows=8753850 width=879)
   Filter: (SubPlan 1)
   SubPlan 1
     ->  Materialize  (cost=0.56..311489.60 rows=6817202 width=23)
           ->  Index Only Scan using idx_tajdsr_cajbm on t_jcxxzy_ds  (cost=0.56..237458.59 rows=6817202
width=23)
(5 rows)
```

```
db_jcxxzypt=#  explain select * from db_jcxx.t_jcxxzy where c_ajbm =all(select c_ajbm from db_jcxx.t_jcxxzy_ds);
                                                      QUERY PLAN
```

```
db_jcxxzypt=#  explain select * from db_jcxx.t_jcxxzy where c_ajbm <all(select c_ajbm from db_jcxx.t_jcxxzy_ds);
                                                      QUERY PLAN
```

#### 关于all的查询都都是以子查询的形式，不会上拉

### some/any
#### --some和any是等效的
```
db_jcxxzypt=#explain select * from db_jcxx.t_jcxxzy where c_ajbm  >some(select c_ajbm from db_jcxx.t_jcxxzy_ds);
                                                 QUERY PLAN
```

```
Nested Loop Semi Join  (cost=0.56..11316607.35 rows=5835900 width=879)
   ->  Seq Scan on t_jcxxzy  (cost=0.00..1077034.00 rows=17507700 width=879)
   ->  Index Only Scan using idx_tajdsr_cajbm on t_jcxxzy_ds  (cost=0.56..64266.97 rows=2272401 width=23)
         Index Cond: (c_ajbm < t_jcxxzy.c_ajbm)
(4 rows)
```

```
db_jcxxzypt=#explain select * from db_jcxx.t_jcxxzy where c_ajbm  =some(select c_ajbm from db_jcxx.t_jcxxzy_ds);
                                                     QUERY PLAN
```
```
Hash Semi Join  (cost=362618.61..5537768.07 rows=7957409 width=879)
   Hash Cond: (t_jcxxzy.c_ajbm = t_jcxxzy_ds.c_ajbm)
   ->  Seq Scan on t_jcxxzy  (cost=0.00..1077034.00 rows=17507700 width=879)
   ->  Hash  (cost=237458.59..237458.59 rows=6817202 width=23)
         ->  Index Only Scan using idx_tajdsr_cajbm on t_jcxxzy_ds  (cost=0.56..237458.59 rows=6817202 wi
dth=23)
(5 rows)
```

```
db_jcxxzypt=#explain select * from db_jcxx.t_jcxxzy where c_ajbm  <some(select c_ajbm from db_jcxx.t_jcxxzy_ds);
                                                 QUERY PLAN
```
```
Nested Loop Semi Join  (cost=0.56..11316607.35 rows=5835900 width=879)
   ->  Seq Scan on t_jcxxzy  (cost=0.00..1077034.00 rows=17507700 width=879)
   ->  Index Only Scan using idx_tajdsr_cajbm on t_jcxxzy_ds  (cost=0.56..64266.97 rows=2272401 width=23)
         Index Cond: (c_ajbm > t_jcxxzy.c_ajbm)
(4 rows)
```

#### --some中未出现子查询，dsr表都被上拉到父查询中，与aj表进行嵌套半连接和hash半连接

#### 这些查询中all是完全不支持上拉子子链接的，而in和exists存在不被上拉的可能。

### 不可上拉的子查询
#### 不支持带有with子句的格式，集合操作、聚集函数(aggregates、group、distinct)、cte、having、limit/offset等子句格式
```
db_jcxxzypt=# explain select * from t_jcxxzy aj ,(select * from t_jcxxzy_ds limit 10) dsr where  dsr.c_ajbm = '1301020400000120090101';
                                         QUERY PLAN       
```

```
Nested Loop  (cost=0.00..1252111.54 rows=17507700 width=1098)
   ->  Subquery Scan on dsr  (cost=0.00..0.54 rows=1 width=219)
         Filter: (dsr.c_ajbm = '1301020400000120090101'::bpchar)
         ->  Limit  (cost=0.00..0.41 rows=10 width=219)
               ->  Seq Scan on t_jcxxzy_ds  (cost=0.00..281210.02 rows=6817202 width=219)
   ->  Seq Scan on t_jcxxzy aj  (cost=0.00..1077034.00 rows=17507700 width=879)
(6 rows)

Time: 0.958 ms
```
#### 上拉子查询后，父级的多个表之间的连接顺序是怎么样的呢？会有什么变化吗？

#### 对于被上拉的子查询，postgresql把子查询的关系并入主from-list中，这样关系的个数会增加，按照多表连接顺序算法就会产生更多的连接路径 比如A、B、C三张表的关联就有{A,B}、{A,C}、{B,A}、{B,C}、{C,A}、{C,B}六种连接方式

### join与子查询固化或rewrite
#### join或子查询的优化，属于优化器优化JOIN的范畴。当用户的QUERY涉及到多个JOIN对象，或者涉及到多个子查询时，优化器可以选择是否改变当前的SQL，产生更多的plan选择更优的执行计划。postgresql.conf文件中：#from_collapse_limit = 8当from列表的对象少于from_collapse_limit时，优化器可以将子查询提升到上层进行JOIN，从而可能选择到更优的执行计划。  #join_collapse_limit = 8                # 1 disables collapsing of explicit                                        # JOIN clauses当使用显示的JOIN时（除了full join），例如a join b join c join d，优化器可以重排JOIN的顺序，以产生更多的PLAN选择更优的执行计划。  如果join_collapse_limit=1，则不重排，使用SQL写法提供的顺序。  如果用户要固化JOIN顺序，请使用显示的JOIN，同时将join_collapse_limit设置为1。如果用户不打算提升子查询，同样的，将from_collapse_limit 设置为1即可。

### 等价改写
#### 子查询中没有group by子句，也没有聚集函数，则可使用下面的等价转换
```
val>all(select...)  to val>max(select...)
val<all(select...) to val<min(select...)
val>any(select...) to val>min(select...)
val<any(select...) to val<max(select...)
val>=all(select...) to val>=max(select...)
val<=all(select...) to val<=min(select...)
val>=any(select...) to val>=min(select...)
val<=any(select...) to val<=max(select...)
```
#### 通常，聚集函数min(),max()的执行效率要比any、all效率高

### 相关子查询和非相关子查询
#### 相关子查询子查询的执行依赖于外层父查询的一些属性值。子查询因依赖于父查询的参数，当父查询的参数改变时，子查询需要根据新参数值重新执行（查询优化器对相关子查询进行优化有一定意义），如：

#### select * from tjcxxzytjaj aj where cajbm in (select cajbm from tjcxxzyajdsr dsr where dsr.cajbm = aj.cajbm)/* 子查询语句中存在父查询的列 */

#### 非相关子查询子查询的执行，不依赖于外层父查询的任何属性值。这样子查询具有独立性，可独自求解，形成一个子查询计划先于外层的查询求解，如：

#### select * from tjcxxzytjaj aj where cajbm in (select cajbm from tjcxxzyajdsr dsr where dsr.c_xzdm = '150622')/* 子查询语句中不存在父查询的属性 */

### 结束语
#### 1.postgresql子查询的优化思路，子查询不用执行多次

#### 2.优化器可以根据统计信息来选择不同的连接方法和不同的连接顺序

#### 3.子查询中的连接条件，过滤条件分别变成了父查询的连接条件、过滤条件、优化器可以对这些条件进行下推、提高执行效率

#### 4.将子查询优化为表连接后，子查询只需要执行一次、而优化器可以根据统计信息来选择不同的连接方式和连接顺序、子查询的连接条件和过滤条件分别变成父查询的条件。

#### 5.这些查询中all是完全不支持上拉子子链接的，in和exists存在不被优化的可能

#### 6.not exists虽然没有被上拉，但是被优化为只执行一次，相对于not in稍好

#### 7.可使用等价改写的方式优化

#### 8.可根据配置文件，固化子查询，以及表的连接顺序

![CENTER_PostgreSQL_Community](/images/news/2016/pg_bot_banner.jpg)