数据库查询优化中的表达式预处理优化原理解析

1. 表达式预处理的概念与作用

表达式预处理是数据库查询优化器在生成执行计划前对SQL中的表达式进行逻辑化简和结构重写的阶段。其核心目标是：

• 减少计算复杂度：将表达式转换为更高效的形式，避免执行时不必要的计算。
• 提前排除无效条件：在编译阶段识别永真（TRUE）或永假（FALSE）条件，直接简化查询。
• 统一表达式形式：标准化表达式结构，便于后续优化（如索引选择、谓词下推）的一致性处理。

示例场景：

SELECT * FROM employees  
WHERE salary > 10000 AND (1=1 OR department = 'IT');  

未经预处理时，数据库可能逐行计算1=1 OR department='IT'。预处理后，该条件被简化为TRUE，查询变为：

SELECT * FROM employees WHERE salary > 10000;  

2. 表达式预处理的主要步骤

步骤1：语法树解析

数据库先将SQL语句解析为抽象语法树（AST），其中每个表达式（如比较、逻辑运算）对应一个子树。
示例：
表达式 salary * 0.9 > 5000 AND age < 30 的AST可能表示为：

AND  
├── >  
│   ├── *  
│   │   ├── salary  
│   │   └── 0.9  
│   └── 5000  
└── <  
    ├── age  
    └── 30  

步骤2：常量折叠

对常量子表达式直接计算结果，替换为常量值。
规则：

• 数值计算：3 + 2 * 5 → 13
• 逻辑运算：TRUE AND FALSE → FALSE
• 类型转换：'2023'::DATE + INTERVAL '1 day' → 直接计算为日期值。

示例：

WHERE (salary * 0.9) > 5000 AND (1=1)  

经过常量折叠后：

WHERE (salary * 0.9) > 5000 AND TRUE  

步骤3：逻辑简化

利用逻辑等式简化表达式：

• 消除永真/永假条件：
  • X AND TRUE → X
  • X OR FALSE → X
  • X AND FALSE → FALSE（整个查询可短路）
• 吸收律：
  • X OR (X AND Y) → X
• 谓词合并：
  • age > 10 AND age > 20 → age > 20

接上例：
(salary * 0.9) > 5000 AND TRUE → (salary * 0.9) > 5000

步骤4：表达式规范化

将表达式转换为标准形式，便于优化器统一处理：

• 统一比较方向：
  • 5000 < salary → salary > 5000
• 展开IN列表：
  • id IN (1, 2, 3) → id = 1 OR id = 2 OR id = 3
• 消除冗余操作：
  • NOT (NOT X) → X

3. 表达式预处理的实际应用场景

场景1：条件短路优化

SELECT * FROM orders  
WHERE total_price > 1000 AND (1=0 OR status = 'shipped');  

预处理后：

1. 1=0 被折叠为 FALSE，FALSE OR status='shipped' → status='shipped'
2. 查询简化为 total_price > 1000 AND status='shipped'

场景2：复杂表达式化简

WHERE (salary > 10000 OR commission > 500) AND (salary > 10000 OR commission > 500)  

预处理后：

• 重复表达式合并为 salary > 10000 OR commission > 500

场景3：类型推导与隐式转换

WHERE employee_id = '100'  -- employee_id为整数类型  

预处理阶段会将字符串'100'隐式转换为整数100，避免执行时逐行转换。

4. 表达式预处理与后续优化的联动

• 谓词下推：预处理后的简单表达式更易被下推到存储层（如索引扫描）。
• 索引选择：规范化后的比较条件（如col > constant）可直接匹配索引。
• 连接条件优化：预处理可消除连接条件中的冗余，减少连接计算量。

示例：

SELECT * FROM A JOIN B ON A.id = B.id  
WHERE A.value > 10 AND B.value < 5 AND A.id = B.id;  

预处理后，重复的连接条件 A.id = B.id 会被去重。

5. 高级优化：基于规则的表达式重写

某些数据库（如Oracle、PostgreSQL）支持自定义重写规则：

• 函数内联：将确定性函数调用替换为计算结果（如ABS(-5) → 5）。
• 表达式索引匹配：将表达式重写为已建索引的形式（如salary*0.9 > 5000 → 匹配索引(salary*0.9)）。

总结

表达式预处理通过常量折叠、逻辑简化、规范化等手段，将SQL表达式转换为高效且统一的形式，是查询优化器实现“逻辑优化”的基础。这一阶段虽不直接涉及物理操作（如索引扫描），但为后续的代价估算和执行计划生成奠定了坚实基础。