数据库查询优化中的条件因子化（Condition Factorization）技术

1. 问题描述

在复杂查询中，多个逻辑分支（如OR或AND连接的多个条件）可能包含相同的子表达式。如果不做优化，数据库需要重复计算这些子表达式，导致执行计划冗余。条件因子化是一种查询重写技术，其核心思想是将公共子条件提取出来，减少重复计算，提升查询性能。

典型场景示例：

SELECT * FROM orders  
WHERE (status = 'shipped' AND customer_id > 1000)  
   OR (status = 'shipped' AND total_amount < 50);  

此查询中，status = 'shipped'在两个OR分支中重复出现，可通过因子化合并为：

SELECT * FROM orders  
WHERE status = 'shipped' AND (customer_id > 1000 OR total_amount < 50);  

2. 技术原理与价值

• 冗余计算问题：原始查询可能对status = 'shipped'计算两次，增加CPU和I/O开销。
• 因子化逻辑：类似数学中的因式分解（如ab + ac = a(b+c)），将公共条件提取到外层，减少重复计算。
• 优化效果：
  • 减少谓词计算次数；
  • 可能利用索引扫描（如对status字段的索引）替代多次过滤；
  • 简化查询计划结构，降低执行复杂度。

3. 因子化的实现步骤

步骤1：识别公共子条件

• 数据库优化器解析WHERE子句的抽象语法树（AST），识别重复的表达式。
• 示例：对(A AND B) OR (A AND C)，识别公共因子A。

步骤2：重写查询结构

• 将公共因子提取到外层，合并剩余条件：

  -- 原始查询
  WHERE (A AND B) OR (A AND C) OR (D AND E)  
  -- 重写后
  WHERE A AND (B OR C) OR (D AND E)  
  

• 注意：需保证语义等价性（如考虑NULL值、短路逻辑等）。

步骤3：生成优化执行计划

• 优化器为重写后的查询生成新计划：
  • 对公共因子A仅计算一次；
  • 对剩余条件(B OR C)进行合并判断；
  • 可能将A下推至存储层，利用索引快速过滤。

4. 实际案例分析

场景：查询“发货状态且金额大于1000”或“发货状态且客户来自北京”的订单。

-- 原始查询
SELECT order_id FROM orders  
WHERE (status = 'shipped' AND amount > 1000)  
   OR (status = 'shipped' AND customer_city = 'Beijing');  

因子化过程：

1. 识别公共条件：status = 'shipped'；
2. 重写为：status = 'shipped' AND (amount > 1000 OR customer_city = 'Beijing')；
3. 执行计划优化：
   • 先通过索引快速筛选status = 'shipped'的记录；
   • 再对中间结果应用amount > 1000 OR customer_city = 'Beijing'过滤。

性能对比：

• 原始计划：可能全表扫描并两次计算status条件；
• 优化后：仅计算一次status条件，且索引扫描范围缩小。

5. 限制与注意事项

1. NULL值敏感：若条件包含NULL比较，需确保重写后语义不变（如NULL OR TRUE ≠ TRUE）。
2. 短路逻辑保留：某些数据库（如MySQL）可能依赖短路求值，需验证因子化不影响结果。
3. 复杂条件组合：多层嵌套AND/OR时，需递归应用因子化，避免过度优化导致计划复杂度上升。

6. 扩展应用

• 与索引结合：因子化后公共条件常适合索引筛选，避免全表扫描。
• 视图优化：对包含复杂条件的视图查询，因子化可减少视图展开后的冗余计算。

通过条件因子化，数据库优化器将重复计算转化为共享操作，本质是减少重复性工作，这与编程中的“提取公共函数”思想一致，是查询重写技术中高效而实用的优化手段。