第7章笔记：查询处理与优化

本章不是七个并列名词

看懂执行算子、连接算法、统计估计和计划选择，用证据而非口诀调优。 学习顺序从《从 SQL 到物理计划》开始，到《系统化查询调优工作流》闭合。每一节都要留下下一节能直接使用的对象：模式、关系、查询结果、页、计划、事务状态、日志记录或部署证据。若你只能逐条背定义，却说不清前一节输出怎样成为后一节输入，这一章还没有真正连起来。

七节依赖与例题

1. 从 SQL 到物理计划

要解决的问题： 解析树先经绑定与逻辑重写，再把关系算子映射为扫描、过滤、排序、聚合和连接等物理算子。

跟着做： 同一 JOIN 可选择索引嵌套循环、哈希连接或排序归并，优化器按估算成本而非 SQL 书写顺序决定。

验收规则： 等价不等于等成本；计划必须同时保持语义、NULL 规则和重复语义。

2. 顺序扫描与索引扫描成本

要解决的问题： 索引扫描省不省 I/O 取决于选择率和聚簇性；返回比例很高时随机回表可能比顺序扫描更贵。

跟着做： 百万行表查询 40% 数据，非聚簇索引可能触发大量随机页访问，优化器选全表扫描并非失效。

验收规则： 估算成本 ≈ 索引层 I/O + 命中 RID 对应的数据页 I/O；后者受聚簇因子影响。

3. 嵌套循环、哈希与归并连接

要解决的问题： 嵌套循环适合小外表加内表索引，哈希适合等值连接，归并适合已有序输入或范围条件；内存不足都会溢写。

跟着做： 小型部门表连接百万员工且员工 dept_id 有索引，可索引嵌套循环；两张大无序表等值连接通常哈希更合适。

验收规则： 块嵌套循环 I/O 约 B(R)+ceil(B(R)/(M−2))·B(S)。

4. 基数估计与统计信息

要解决的问题： 优化器用行数、不同值数、直方图和相关性估算选择率；独立均匀假设失真会让后续连接误差级联。

跟着做： 城市与邮编高度相关，分别估选择率再相乘会严重低估；多列统计或扩展统计可修正。

验收规则： 等值谓词选择率常近似 1/V(A)，但倾斜分布应使用频率或直方图。

5. 等价变换与谓词下推

要解决的问题： 选择下推、投影裁剪和连接重排可减少中间结果，但外连接、聚合、窗口与易变函数会限制安全改写。

跟着做： 对内连接把只依赖订单表的日期过滤提前，可先缩小订单；对左连接把右表条件乱下推可能改变保留行。

验收规则： 改写前先证明结果多重集与 NULL 语义等价，再比较成本。

6. EXPLAIN 与实际执行证据

要解决的问题： EXPLAIN 展示估算，EXPLAIN ANALYZE 展示实际行数与时间；调优要找第一个估算大幅偏离或耗时异常节点。

跟着做： 某连接估 10 行实际 10 万行，先修统计或谓词相关性，而不是盲目给最终排序加索引。

验收规则： 误差倍率 = actual_rows / estimated_rows；沿计划自底向上找最早的数量级偏差。

7. 系统化查询调优工作流

要解决的问题： 先固定慢查询与参数，记录基线，再检查语义、等待、计划和数据分布，一次只改一个变量并验证回归。

跟着做： 优化报表前保存原结果哈希与关键样例；新索引上线后同时观测读延迟、写延迟、空间和计划稳定性。

验收规则： 调优完成标准是正确性不变、代表性负载改善、退化风险可监控且能回滚。

章内共同推理方法

先写“一行或一个状态代表什么”，再写它必须满足的键、约束、顺序或故障假设。遇到 SQL，先定结果粒度和重复/NULL 语义，再编码；遇到存储与优化，先估算页数、基数和 I/O，再看真实执行计划；遇到事务与分布式，先画时间线和允许历史，再讨论隔离级别、日志或共识。任何公式都要带单位、数据分布和适用边界。

可复现练习

从本章七个例题中任选两个，用 SQLite 或课程给定模型从空环境重做。保存建表/输入、执行步骤、实际输出和断言；随后故意加入一个重复键、NULL、并发交错、崩溃点、倾斜分布或网络分区，记录第一个被破坏的不变量。只截成功界面、只贴 SQL 或只报告耗时不算完成。

闭卷验收

用十分钟画出本章七节箭头图；任选一条箭头解释传递的具体字段、状态或证据。再为《系统化查询调优工作流》写一个最小失败案例，并追溯它需要《从 SQL 到物理计划》中的哪条定义才能修复。最后列出三道题：一道唯一答案判断、一道多条件选择、一道必须计算或写 SQL/状态轨迹的问题，且每题都写清为什么其他答案错。