数据库查询优化中的查询重写优化原理解析

1. 问题描述

查询重写（Query Rewriting）是数据库优化器的核心步骤之一，其目标是在不改变查询语义的前提下，将用户提交的SQL查询转换为更高效的执行形式。例如，消除冗余计算、利用索引、简化嵌套查询等。重写过程基于关系代数和启发式规则，无需依赖统计信息，属于“逻辑优化”阶段。

2. 为什么需要查询重写？

• 原始查询可能包含低效结构：如冗余连接、不必要的子查询、无效条件等。
• 优化器可直接执行重写规则：无需成本估算，快速降低后续物理优化的复杂度。
• 利用数据库约束：如主键、唯一索引、非空约束等，提前过滤数据。

3. 常见重写规则及详解

规则1：常量表达式求值

场景：查询条件中包含可在编译阶段计算的表达式。
示例：

SELECT * FROM orders WHERE total_price > 1000 + 200;  

重写后：

SELECT * FROM orders WHERE total_price > 1200;  

优化点：减少运行时计算开销。

规则2：谓词传递闭包

场景：利用条件之间的逻辑关系推导新条件。
示例：

SELECT * FROM t1 JOIN t2 ON t1.id = t2.id WHERE t1.id > 10;  

重写后：

SELECT * FROM t1 JOIN t2 ON t1.id = t2.id WHERE t1.id > 10 AND t2.id > 10;  

优化点：提前过滤t2表的数据，减少连接计算量。

规则3：连接消除（Join Elimination）

场景：当连接表不贡献查询结果且不影响语义时，可移除连接。
示例：

SELECT t1.name FROM t1 JOIN t2 ON t1.id = t2.id;  

若t2表无主键或唯一约束，连接可能无法消除；但若t2.id是主键，且查询未使用t2的列，且连接条件保证t1每条记录至多匹配t2一条记录，则连接可消除。
优化点：直接扫描t1，避免连接操作。

规则4：子查询展开（Subquery Unnesting）

场景：将相关子查询转换为更高效的连接操作。
示例：

SELECT name FROM employees WHERE salary > (SELECT AVG(salary) FROM employees);  

重写后：

SELECT e1.name FROM employees e1 CROSS JOIN (SELECT AVG(salary) AS avg_sal FROM employees) e2  
WHERE e1.salary > e2.avg_sal;  

优化点：避免对每行员工数据执行一次子查询，改为单次计算后连接。

规则5：冗余条件消除

场景：删除逻辑重复的条件。
示例：

SELECT * FROM table WHERE id > 5 AND id > 3;  

重写后：

SELECT * FROM table WHERE id > 5;  

优化点：减少条件判断次数。

4. 重写规则的实现原理

1. 语法树解析：将SQL查询转换为抽象语法树（AST）。
2. 逻辑计划生成：将AST转为关系代数表达式（如投影、选择、连接）。
3. 规则匹配：遍历逻辑计划，应用预定义的重写规则（如谓词下推、常量传播）。
4. 等价变换验证：确保重写后的查询与原查询结果完全一致。

5. 实际案例：复杂查询的重写过程

原始查询：

SELECT * FROM orders  
WHERE customer_id IN (SELECT customer_id FROM customers WHERE country = 'US')  
AND order_date > '2023-01-01';  

重写步骤：

1. 子查询展开：将IN子查询转为连接：

   SELECT orders.* FROM orders JOIN customers  
   ON orders.customer_id = customers.customer_id  
   WHERE customers.country = 'US' AND orders.order_date > '2023-01-01';  
   

2. 谓词下推：将过滤条件country = 'US'下推到customers表扫描阶段，减少连接数据量。

6. 注意事项

• 语义一致性：重写必须保证结果与原查询相同，尤其在处理NULL值、外连接时需谨慎。
• 规则优先级：某些规则需按顺序应用（如先子查询展开，再谓词下推）。
• 约束依赖：若表缺少主键、外键等约束，某些优化（如连接消除）可能无法生效。

通过查询重写，数据库能显著减少不必要的计算和I/O操作，为后续物理优化（如索引选择、连接顺序调整）奠定基础。