展示型企业网站有哪些举例,哈尔滨百度引擎,北京装修公司前十强,企业网站seo方案生成执行计划是任何一个数据库不可缺少的过程。通过本文看执行计划生成原理。 最优的执行计划就是寻找最小计算成本的过程。 本文侧重 BTree 索引的成本计算的实现 以及 基础概念选择度的分析。 寻找最优执行计划 找到最佳的索引#xff0c;实现最少的遍历#xff0c;得到想要… 生成执行计划是任何一个数据库不可缺少的过程。通过本文看执行计划生成原理。 最优的执行计划就是寻找最小计算成本的过程。 本文侧重 BTree 索引的成本计算的实现 以及 基础概念选择度的分析。 寻找最优执行计划 找到最佳的索引实现最少的遍历得到想要的结果 单表查询情况
/*** 根据查询条件获取最佳执行计划.** param masks per-column comparison bit masks, null means always false,* see constants in IndexCondition* return the plan item* see org.h2.table.Table#getBestPlanItem*/
public PlanItem getBestPlanItem(Session session, int[] masks, TableFilter filter, SortOrder sortOrder) {// 以扫描索引作为执行计划的默认索引PlanItem item new PlanItem();item.setIndex(getScanIndex(session));// 表的近似行数 * 10 作为默认成本最差情况的 Cost 。// long cost 10 * (tableData.getRowCountApproximation() Constants.COST_ROW_OFFSET);item.cost item.getIndex().getCost(session, null, null, null);// 获取 table 包含的所有索引ArrayListIndex indexes getIndexes();if (indexes ! null masks ! null) {// 跳过扫描索引上述的 ScanIndex for (int i 1, size indexes.size(); i size; i) {Index index indexes.get(i);// 计算当前索引的成本 不同的索引有不同的成本计算公式。double cost index.getCost(session, masks, filter, sortOrder);// 记录/更新最小成本的索引以此作为最佳执行计划if (cost item.cost) {item.cost cost;item.setIndex(index);}}}return item;
}多表查询情况
/*** 使用穷举策略寻找最佳执行计划* 前提少于 7 个表关联的情况下。 关联表太多的情况下会采用随机 贪心算法得出次优的执行计划* see org.h2.command.dml.Optimizer#calculateBestPlan*/
private void calculateBruteForceAll() {TableFilter[] list new TableFilter[filters.length];// 关联表(filters) 排列组合 穷举策略试算各种组合执行计划的成本PermutationsTableFilter p Permutations.create(filters, list);// 如果组合遍历次数超过 127 次((x 127) 0)或者寻找的耗时超过 cost 的10倍证明优化过程本末倒置则停止这个过程。for (int x 0; !canStop(x) p.next(); x) {testPlan(list);}
}BTree 索引的成本计算
/*** 计算 B-tree 索引中搜索数据所需的预估成本。* Calculate the cost for the given mask as if this index was a typical* b-tree range index. This is the estimated cost required to search one* row, and then iterate over the given number of rows.** param masks the search mask. condition.getMask(indexConditions) 根据查询条件确定是哪种比较EQUALITY、RANGE、START、END* param rowCount the number of rows in the index 数据总行数* see org.h2.index.BaseIndex#getCostRangeIndex*/
protected long getCostRangeIndex(int[] masks, long rowCount, TableFilter filter, SortOrder sortOrder) {rowCount Constants.COST_ROW_OFFSET;long cost rowCount;long rows rowCount;// 总选择度针对联合索引的情况计算各个 column 综合参数int totalSelectivity 0;// 没有查询条件的情况预估成本是 rowCount 等于全表扫描if (masks null) {return cost;}// 遍历索引的 columns 做两件事查询条件是否匹配索引列匹配的成本计算for (int i 0, len columns.length; i len; i) {Column column columns[i];int index column.getColumnId();int mask masks[index];if ((mask IndexCondition.EQUALITY) IndexCondition.EQUALITY) {// 等值比较情况下如果是 unique 索引cost 相比以下是最小的。if (i columns.length - 1 getIndexType().isUnique()) {cost 3;break;}// 动态计算总选择度查询条件与索引 column 重合度越高选择越大// 为了便于理解公式还可以改写为totalSelectivity totalSelectivity (100 - totalSelectivity) * column.getSelectivity() / 100;// 也就是总选择度 已有的选择度 已有的非选择度中再次用 column 选择度计算的增量totalSelectivity 100 - ((100 - totalSelectivity) * (100 - column.getSelectivity()) / 100);// 估算当前选择度下的非重复的数据行数假设索引的选择性是均匀分布的long distinctRows rowCount * totalSelectivity / 100;if (distinctRows 0) {distinctRows 1;}// 选择度越大这里的 rows也就是 cost 越小。rows Math.max(rowCount / distinctRows, 1);// cost 3cost 2 rows;} else if ((mask IndexCondition.RANGE) IndexCondition.RANGE) {cost 2 rows / 4;break;} else if ((mask IndexCondition.START) IndexCondition.START) {cost 2 rows / 3;break;} else if ((mask IndexCondition.END) IndexCondition.END) {cost rows / 3;break;} else {// 如果索引的 columns 不支持匹配则直接终止计算。对于联合索引的情况如果首列不支持匹配那么认定此索引失效。break;}}// 当查询中的 ORDER BY 与索引的排序顺序匹配时// 使用这个索引进行查询通常比使用其他索引更加高效因此查询优化器会相应地调整这个索引的成本。if (sortOrder ! null) {boolean sortOrderMatches true;int coveringCount 0;int[] sortTypes sortOrder.getSortTypes();for (int i 0, len sortTypes.length; i len; i) {// 匹配计算...coveringCount;}if (sortOrderMatches) {// 当有两个或更多的覆盖索引可供选择时查询优化器会倾向于选择覆盖更多列的索引。// 覆盖更多列的索引 cost 更少来体现。cost - coveringCount;}}return cost;
}Selectivity
概念 Selectivity is used by the cost based optimizer to calculate the estimated cost of an index. Selectivity 100 means values are unique, 10 means every distinct value appears 10 times on average. 人工指定 Selectivity
-- sets the selectivity (1-100) for a column.
ALTER TABLE TEST ALTER COLUMN NAME SELECTIVITY 100;人工更新 Selectivity
-- Updates the selectivity statistics of tables.
ANALYZE SAMPLE_SIZE 1000;自动更新 Selectivity 随着表数据的更新操作对应列的 Selectivity 也在发生变化。基于累计值 analyzeAuto 来决定什么时候触发Analysis 也就是更新 Selectivity。 /*** 默认为 2000 也就是说对表进行大约 2000 次更改后将对每个用户表运行 ANALYZE。* 自数据库启动以来每次运行 ANALYZE 的时间间隔都会加倍。* 它不会在本地临时表上运行也不会在 SELECT 触发器的表上运行。* see org.h2.engine.DbSettings#analyzeAuto*/
public final int analyzeAuto get(ANALYZE_AUTO, 2000);
