阿里分析型数据库AnalyticDB优化点

参考官方文档地址：https://help.aliyun.com/document_detail/98793.html
由于工作中有用到AnalyticDB,只有很好的了解AnalyticDB才能做好优化工作！有些优化点跟MySQL差不多，只是多了分布式的特性，结合工作的应用自己总结了以下几个点：

1.SQL编写能简单尽量简单，比如单表查询肯定优于多表级联和子查询。

2.尽量不要用select *,即没必要返回不需要的列。

3.当SQL包含多个查询条件时，优先选择高筛选条件，其他条件可以通过扫描实现。

这是因为AnalyticDB内部采用列存方式，通过单列高效过滤后，可直接通过内部记录指针扫描其他列值，减少其他列的索引查询开销。

例如：
time条件通过内部扫描
Hint表示强制time>='2010-01-01 00:00:00’条件走扫描。

/* +no-index=[tab1.time] */	
select c1,c2 from tab1 where c1=3 and time >='2010-01-01 00:00:00';

首先通过c1=3的条件可以快速定位到相关的数据，因此c1走索引。如果单独使用“time >=‘2010-01-01 00:00:00’”条件的话返回的记录数非常大，这时候跟据AnalyticDB的特性，time没必要走索引了。
计算引擎首先检索列c1的索引，得出满足条件c1=3的行集合，然后读取每行所对应的time列数据。如果满足time>=‘2010-01-01 00:00:00’，则将该行数据加入返回结果。

不等于条件通过内部扫描

增加no-indexHint，使不等于条件通过内部扫描执行，SQL示例如下：

/* +no-index=[tab1.c2] */
select c1,c2 from tab1 where c1=3 and c2<>100;

like条件通过内部扫描

中缀或后缀查询，例如：like '%abc’或like ‘%abc%’。

增加no-indexHint，使like条件通过内部扫描执行，更加快速地查询有效记录，SQL示例如下：

/* +no-index=[tab1.c3] */
select c1,c2 from tab1 where c1=3 and c3 like ‘%abc%’;

4.避免索引失效，应该尽量避免下面这些情况导致索引失效：

• 函数转换（列）
• 类型转换
• like条件，例如：like ‘%abc%’

5.去掉不必要的is not null条件判断。

6.尽量不用子查询，如果可以的话改成表关联查询。

处理带有子查询的Select时，AnalyticDB首先执行子查询，并将子查询的结果保存在内存中，然后将该子查询作为一个逻辑表，执行条件筛选。

由于子查询没有索引，所有条件筛选都要进行扫描。因此如果子查询结果较大时，性能比较差。反之当子查询结果集较小时，扫描性能会超过索引查询。

对于join查询，由于AnalyticDB默认采用hash join算法，如果其中一张表结果集（条件筛选后）较大时，扫描性能会必索引差很多，因此尽量不要采子查询。例如以下SQL：

Select A.id from table1 A join
(select table2.id from table2 where table2.y = 6) B
on A.id= B.id where A.x=5

当满足条件x=5 和y=6的条数较多时，应改成：

Select A.id from table1 A join table2 B
on A.id = B.id
where B.y = 6 and A.x=5

7.多表关联

• 普通表join普通表，尽量包含分区列join条件，如果不包含则，尽量通过where条件过滤掉多余的数据。

• 维度表join普通表，没有限制。

多表关联查询where条件中，需要明确写明每一个表的过滤条件。通常我们在传统数据库中，都是通过索引字段关联来快速检索数据。如下SQL:

Select count(*) 
from customer_table C join 
order_table O on C.customer_id= O.customer_id
where O.order_time between'2018-07-20 10:00:11' 
and '2018-09-30 10:00:11' 
and O.order_amount=100;

在明确t2与t1表都有同样的time和type过滤条件情况下，建议修改为如下SQL：

Select count(*)
from t1 join t2 on t1.id=t2.id
where t1.time between '2017-12-10 00:00:00' and '2017-12-10 23:59:59'
and t1.type= 100
and t2.time between '2017-12-10 00:00:00' and '2017-12-10 23:59:59'
and t2.type=100

8.合理的使用一级分区，如果数据量非常大可以考虑二级分区。

AnalyticDB一级分区表采用HASH分区，可指定任意一列（不支持多列）作为分区列。HASH分区通过标准CRC算法计算出CRC值，并将CRC值与分区数作模计算，得出每条记录的分区号。空值的HASH值与字符串-1相同。以下按照优先级从高到底列出一级分区列的选择依据。

1.选择值分布均匀的列作为分区列，请勿选择分布不均匀的列作为分区列。

2.建议选择一级分区列的数据类型为tinyint、smallint、int、bigint或者varchar。

3.如果是多个普通表（不包括维度表）JOIN，则选择参与JOIN的列作为分区列。

如果是多列JOIN ，则根据查询重要程度或查询性能要求（例如：某SQL的查询频率特别高）来选择分区列，以保证基于分区列的JOIN具有较好的查询性能。

4.选择GROUP BY或DISTINCT包含的列作为分区列。

5.如果常用的SQL包含某列的等值或IN查询条件，则选择该列作为分区列。以下列子则选择id作为分区列。

 select * from table where id=123 and …;
 select * from table where user in(1, 2,3);

9.使用聚合列，使用的条件如下：

• 主要或大多数的查询条件中均包括某一列，且该查询条件具有较高的筛选率，则选择该列作为聚集列。

• Join子句中的等值条件列（通常是一级分区列）作为聚集列。