数据库的查询执行计划中的表达式计算优化技术

1. 问题描述

在数据库查询执行过程中，表达式计算是常见的操作，例如在SELECT子句中的算术运算（如salary * 1.1）、函数调用（如UPPER(name)）或条件判断（如CASE WHEN score > 60 THEN '及格' ELSE '不及格'）。表达式计算的优化目标包括：

• 减少计算开销：避免重复计算或延迟不必要的计算。
• 利用索引：将表达式转换为索引友好的形式。
• 降低内存/CPU消耗：通过简化表达式或提前过滤数据减少中间结果集。

2. 表达式计算的关键优化技术

2.1 常量折叠

• 原理：在查询编译阶段，提前计算表达式中可确定的常量部分。
• 示例：

  SELECT * FROM employees WHERE salary > 30000 + 5000;  
  

  优化器将其简化为：

  SELECT * FROM employees WHERE salary > 35000;  
  

• 优势：减少运行时计算量，可能直接利用索引扫描。

2.2 公共子表达式消除

• 原理：识别并合并重复出现的子表达式，避免重复计算。
• 示例：

  SELECT (salary * 0.1) AS bonus, (salary * 0.1) * 2 AS double_bonus FROM employees;  
  

  优化后仅计算一次salary * 0.1，后续直接复用结果。
• 实现方式：在执行计划中为公共子表达式创建临时变量或中间结果。

2.3 表达式下推

• 原理：将表达式计算尽可能靠近数据源（如表扫描或索引访问），提前过滤数据。
• 示例：

  SELECT name FROM employees WHERE UPPER(dept) = 'SALES';  
  

  若dept列有索引，但索引存储原始值（非大写），则无法直接利用索引。优化器可能：
  1. 提取所有dept值，计算UPPER(dept)后过滤。
  2. 更优方案：创建函数索引（如CREATE INDEX idx_dept_upper ON employees (UPPER(dept))），使条件可直接下推至索引扫描。
• 限制：需考虑函数是否确定性（如NOW()不可下推）。

2.4 惰性计算

• 原理：延迟计算非必需表达式，尤其是代价高的函数或子查询。
• 示例：

  SELECT name, (SELECT COUNT(*) FROM orders WHERE orders.emp_id = employees.id) AS order_count  
  FROM employees WHERE department = 'IT';  
  

  优化器可能先过滤department = 'IT'的员工，再为少量结果执行子查询，避免全表关联。

2.5 短路求值

• 原理：针对逻辑表达式（如AND/OR），按优先级计算低成本部分，若结果已确定则跳过剩余计算。
• 示例：

  SELECT * FROM logs WHERE level = 'ERROR' AND message LIKE '%timeout%';  
  

  若level = 'ERROR'条件过滤性更强，先执行该条件，仅对满足条件的行检查message。

3. 优化器的表达式处理流程

1. 语法解析：将SQL表达式转换为抽象语法树（AST）。
2. 语义分析：检查数据类型、函数合法性，绑定列名。
3. 逻辑优化：
   • 应用常量折叠、公共子表达式消除等规则。
   • 结合统计信息判断表达式选择率，调整计算顺序。
4. 物理优化：
   • 选择计算节点（如向量化计算 vs 逐行计算）。
   • 决定表达式下推至存储层或计算层。

4. 实际案例：复杂查询的优化

原始查询：

SELECT emp_id, (salary * 1.1 + bonus) * 0.9 AS net_income  
FROM employees  
WHERE (salary * 1.1 + bonus) * 0.9 > 50000;  

优化步骤：

1. 常量折叠：无常量可简化。
2. 公共子表达式消除：识别(salary * 1.1 + bonus) * 0.9在SELECT和WHERE中重复，计算一次后存储为临时变量。
3. 表达式下推：将过滤条件net_income > 50000下推至数据扫描阶段，减少中间结果。
4. 执行计划：
   • 扫描表时直接计算(salary * 1.1 + bonus) * 0.9。
   • 过滤满足条件的行，避免全表传输。

5. 高级优化：JIT编译与向量化

• JIT编译：对频繁计算的表达式（如聚合循环）生成原生机器码，减少解释开销。
• 向量化处理：将表达式批量应用于数据块（如Apache Arrow），利用CPU SIMD指令并行计算。

6. 总结

表达式计算优化通过编译时简化、运行时策略调整和硬件资源利用，显著提升查询性能。实际应用中需结合统计信息、索引设计及硬件特性综合决策。