一次优化记录

    今天收到一个同事的求助，说有一个SQL跑了一个多小时没有结果。我看了看，这个SQL是这样的（隐藏了敏感信息）：

    

SELECT 电话号码, 列2, 列3, MAX(STARTTIME), FLAG
  FROM 表1 T1
 WHERE FLAG = '0'
   AND 电话号码 NOT IN (SELECT 电话号码 FROM 表2 T2)
 GROUP BY 电话号码, 列2, 列3, FLAG;

     我首先查看了两个表的数据量，表1有将近300万条，表2有不到10万条记录。并不是很大的数据。于是我关注到了not in，这个语句是几乎所有的优化指南上都明确说了要避免的语句。于是我就把这句改了，改成了not exists：

    

SELECT 电话号码, 列2, 列3, MAX(STARTTIME), FLAG
  FROM 表1_新 T1
 WHERE FLAG = '0'
   AND NOT EXISTS
 (SELECT 电话号码 FROM 表2 T2 WHERE T1.电话号码 = T2.电话号码)
 GROUP BY 电话号码, 列2, 列3, FLAG;

 

     但是COST仅仅降低到了原来的五分之一，这远远不是我需要的。我需要的是质一样的飞跃。

     我看了一下原本SQL的执行计划：

     

       我发现全表扫描耗用很大。查询一下数据，发现这是一张客户信息表，所有人的电话号码都是不同的，因此我想到了将这个表改成一个哈希分区表。至于为什么会想到哈希分区表，参考我以前写过的：http://www.cnblogs.com/wingsless/archive/2012/09/28/2707661.html。

       我建立了一张哈希分区表：表1_新。

       这个时候我用刚才改的语句，然后看看执行计划：

       

      这个效果就非常好了，36847的COST和2684K的COST比起来简直是天壤之别。实际测试一下，查询出所有的数据仅仅需要55秒。

      如果不用not exists，在哈希分区表上用原来的SQL查查，执行计划是这样的：

      

      可以看到COST会有下降，但是仅仅是一半左右，这也不是优化所要达到的目的。

      其实这次SQL优化的主要在于使用了not exists。因为在三个执行计划中，最开始的对表1或者表1_新的扫描，COST都不到20000，而且很接近，因此哈希分区应该并不是提升效率的关键。至于效率为什么提高，这句是关键：access("T1"."电话号码"="T2"."电话号码")。关于not in和not exists的优劣区别，今天太晚了，周末再好好写写吧。 

      有几次同事问我怎么去优化？其实优化，我觉得并没有什么技巧，应该就和踢足球一样，没有什么战无不胜的踢法，只有对场上局面冷静的分析，随时调整战法，才能无往而不利，这样才是好的教练，这应该就是穆里尼奥的本事。优化也是这样的，不同的SQL有不同的优化方法，冷静的分析，运用自己学过的技术，总能把调优做的很好。