Oracle SQL 性能

Question

我有 2 个这样的 SQL：

1.

select * from Customer_source s
where not exist 
(Select 1 from Customer_target t
 where s.CST_ID = t.CST_ID and ( s.NAME <> t.NAME
     or s.GENDER <> t.GENDER
     or .. or ) 
)

select * from Customer_source s
where not exist (Select 1 from Customer_target t
 where s.CST_ID = t.CST_ID and ( s.NAME || s.GENDER || ... <> t.NAME || t.GENDER || ... ) 
)

告诉我 SQL 是最好的性能

Answer 1

TLDR； #1 最适合小型 OLTP 查询，#2 最适合大型数据仓库查询。

---

如果相关列被索引，并且查询只处理一小部分数据，那么使用 OR 条件连接会更快。但是如果列没有被索引，或者如果查询处理了很大比例的数据，那么连接列的速度会更快。

性能比较归结为经典的数据库性能选择 - 索引读取和嵌套循环连接对一小部分行更好，而全表扫描和哈希连接对大部分行更好。

OR 条件是 sargable - 它们是简单的比较条件，可以通过遍历一个或多个索引中的有序数据来快速查找。但是，OR 条件不能用于哈希连接 - Oracle 哈希连接一次只能比较两个值。

连接的列不可搜索 - 组合值不存储在索引中，因此 Oracle 无法遍历索引来查找相关值。但是，连接的列只需要一次比较，因此可以在哈希反连接中使用。

下面的测试用例处理了所有数据，并显示连接版本比 OR 版本运行得更快。如果删除索引，OR 版本的性能会更差。

--Create tables, insert 1M sample rows, created indexes, and gather optimizer statistics.
create table customer_source(cst_id number, name varchar2(100), gender varchar2(1));
create table customer_target(cst_id number, name varchar2(100), gender varchar2(1));

insert into customer_source select level, rpad(level, 10, 'A'), 'F' from dual connect by level <= 1000000;
insert into customer_target select level, rpad(level, 10, 'A'), 'F' from dual connect by level <= 1000000;

create index customer_source_idx1 on customer_source(cst_id);
create index customer_source_idx2 on customer_source(name);
create index customer_source_idx3 on customer_source(gender);

create index customer_target_idx1 on customer_target(cst_id);
create index customer_target_idx2 on customer_target(name);
create index customer_target_idx3 on customer_target(gender);

begin
    dbms_stats.gather_table_stats(user, 'customer_source');
    dbms_stats.gather_table_stats(user, 'customer_target');
end;
/

--#1: OR version.
--The explain plan shows a "FILTER" operation that re-reads an index repeatedly.
explain plan for
select * from Customer_source s
where not exists
(Select 1 from Customer_target t
 where s.CST_ID = t.CST_ID and ( s.NAME <> t.NAME
    or s.GENDER <> t.GENDER) 
);

select * from table(dbms_xplan.display);

--#2: Concatenation version.
--The explain plan shows a "HASH JOIN ANTI" operation.
explain plan for
select * from Customer_source s
where not exists (Select 1 from Customer_target t
 where s.CST_ID = t.CST_ID and ( s.NAME || s.GENDER <> t.NAME || t.GENDER) 
);

select * from table(dbms_xplan.display);

通常，“最佳外观”查询是运行最快的查询。连接值是丑陋的，正如其他人指出的那样，如果您的列可以为空，甚至可能无法正常工作。但是在数据仓库中，为了性能，编写奇怪的条件来启用哈希连接的情况并不少见。虽然您始终可以自己对查询进行基准测试，但最好了解这些概念，这样您就知道为什么要编写奇怪的查询。

Answer 2

两者做不同的事情。例如，只考虑两列，其值如下：

 Name    Gender
 ABC       M
 ABC      NULL

字符串连接将是'ABCM' <> 'ABC'——它们不相等，因此计算结果为真。

相等方法将是'ABC' <> 'ABC' OR 'M' <> NULL。这将评估为 FALSE OR NULL，即 FALSE。 Here 是一个 dbfiddle。

还有其他不太可能产生相同值的情况。例如：

ABCfe    male
ABC      female

还有其他情况，由于值到字符串的转换。例如，date 的时间分量在使用 || 时会被删除。

因此，您应该选择符合您预期的版本。除此之外，您可能应该使用第一个版本，因为它对每种类型都使用本机比较——这似乎更适合您想要做的事情。

我认为这里的语义比性能更重要。也就是说，在尝试优化之前选择准确反映您意图的代码。

Answer 3

第二个是有风险的，正如评论中提到的，因为它正在连接值（a,b 将与 ab, null 匹配），并且如果有索引，也不会使用索引。

所以根据我的经验，第一个查询对性能有好处，并且会以正确的逻辑获取记录。