SQL 最佳做法

如查询执行计划中所述，SQL 编译器可将 SQL 语句转换为查询执行计划，以用于获取查询结果。本页介绍了构造 SQL 语句的最佳实践，这些最佳实践可帮助 Spanner 找到高效的执行计划。

本页中所示的示例 SQL 语句使用的是以下示例架构：

GoogleSQL

CREATE TABLE Singers (
 SingerId   INT64 NOT NULL,
 FirstName  STRING(1024),
 LastName   STRING(1024),
 SingerInfo BYTES(MAX),
 BirthDate  DATE
) PRIMARY KEY (SingerId);

CREATE TABLE Albums (
 SingerId     INT64 NOT NULL,
 AlbumId      INT64 NOT NULL,
 AlbumTitle   STRING(MAX),
 ReleaseDate  DATE
) PRIMARY KEY (SingerId, AlbumId),
INTERLEAVE IN PARENT Singers ON DELETE CASCADE;

如需查看完整的 SQL 参考文档，请参阅语句语法、函数和运算符以及词汇结构和语法。

PostgreSQL

CREATE TABLE Singers (
 SingerId   BIGINT PRIMARY KEY,
 FirstName  VARCHAR(1024),
 LastName   VARCHAR(1024),
 SingerInfo BYTEA,
 BirthDate  TIMESTAMPTZ
);

CREATE TABLE Albums (
 SingerId        BIGINT NOT NULL,
 AlbumId         BIGINT NOT NULL,
 AlbumTitle      VARCHAR(1024),
 ReleaseDate     DATE,
 PRIMARY KEY(SingerId, AlbumId),
 FOREIGN KEY (SingerId) REFERENCES Singers(SingerId)
) INTERLEAVE IN PARENT Singers ON DELETE CASCADE;

如需了解详情，请参阅 Spanner 中的 PostgreSQL 语言。

使用查询参数

在使用用户输入构建查询时，Spanner 支持利用查询参数来提高性能并帮助防范 SQL 注入。您可以使用查询参数替换任意表达式，但不能用于替换标识符、列名、表名或查询的其他部分。

参数可以出现在需要字面量值的任意位置。同一个参数名称可以在单个 SQL 语句中多次使用。

总之，查询参数通过以下几种方式支持查询执行：

• 预先优化的计划：每次调用时，系统都可以更快地执行使用参数的查询，因为参数化使 Spanner 能更轻松地缓存执行计划。
• 简化的查询组合：在查询参数中提供字符串值时，不需要对其进行转义。查询参数还可以降低语法错误的风险。
• 安全性：查询参数保护您免受各种 SQL 注入攻击，使您的查询更安全。这种保护对于根据用户输入构造的查询尤其重要。

了解 Spanner 如何执行查询

注意： Spanner Studio（在 Google Cloud 控制台中以前称为“查询”）支持在一个编辑器中执行 SQL、DML 和 DDL 操作。如需了解详情，请参阅使用 Google Cloud 控制台管理数据。

在 Spanner 中，您能够使用指定您想要检索的数据的声明性 SQL 语句来查询数据库。如果您想了解 Spanner 如何获取结果，请检查查询的执行计划。查询执行计划显示与查询的每个步骤相关的计算开销。借助这些开销信息，您可以调试查询性能问题并优化查询。如需了解详情，请参阅查询执行计划。

您可以通过 Google Cloud 控制台或客户端库检索查询执行计划。

如需使用 Google Cloud 控制台获取特定查询的查询执行计划，请按以下步骤操作：

1. 打开 Spanner 实例页面。

   转到 Spanner 实例

2. 选择要查询的 Spanner 实例和数据库的名称。

3. 点击左侧导航面板中的 Spanner Studio。

4. 在文本字段中输入查询，然后点击运行查询。

5. 点击说明
   。 Google Cloud 控制台会直观显示您的查询的执行计划。

   

如需详细了解如何理解可视化方案并将其用于调试查询，请参阅使用查询计划可视化工具调整查询。

您还可以查看历史查询计划的示例，并比较特定查询在一段时间内的性能。如需了解详情，请参阅抽样的查询计划。

使用二级索引

与其他关系型数据库一样，Spanner 也提供二级索引。凭借二级索引，您可以使用 SQL 语句或 Spanner 的读取接口检索数据。利用索引提取数据的更常见方式是使用 Spanner Studio。在 SQL 查询中使用二级索引的好处在于，您能够指定 Spanner 获取结果的方式。指定二级索引可以加快查询执行速度。

例如，假设您想要提取具有特定姓氏的所有歌手的 ID。可按照如下方法编写这样一个 SQL 查询：

SELECT s.SingerId
FROM Singers AS s
WHERE s.LastName = 'Smith';

此查询将返回您期望的结果，但需要的时间可能很长，具体取决于 Singers 表中的行数以及满足谓词 WHERE s.LastName = 'Smith' 的行数。如果没有包含要读取的 LastName 列的二级索引，那么查询计划将读取整个 Singers 表来查找与谓词相匹配的行。读取整个表的行为称为“全表扫描”。如果表中仅一小部分 Singers 具有该姓氏，则使用全表扫描来获取结果的方式成本太高。

您可以通过在姓氏列上定义二级索引来提高此查询的性能：

CREATE INDEX SingersByLastName ON Singers (LastName);

由于二级索引 SingersByLastName 包含已编入索引的表列 LastName 和主键列 SingerId，因此 Spanner 可以从小很多的索引表中提取所有数据，而不需要扫描整个 Singers 表。

在这种情况下，Spanner 在执行查询时会自动使用二级索引 SingersByLastName（只要距离数据库创建后经过了 3 天）；请参阅有关新数据库的说明）。但最佳做法是，在 FROM 子句中指定一条索引指令，以明确指示 Spanner 使用该索引：

GoogleSQL

SELECT s.SingerId
FROM Singers@{FORCE_INDEX=SingersByLastName} AS s
WHERE s.LastName = 'Smith';

PostgreSQL

 SELECT s.SingerId
FROM Singers /*@ FORCE_INDEX=SingersByLastName */ AS s
WHERE s.LastName = 'Smith';

现在，假设除了 ID 之外，您还想提取歌手的名字。即使 FirstName 列未包含在该索引中，您仍应按照上述方式指定索引指令：

GoogleSQL

SELECT s.SingerId, s.FirstName
FROM Singers@{FORCE_INDEX=SingersByLastName} AS s
WHERE s.LastName = 'Smith';

PostgreSQL

SELECT s.SingerId, s.FirstName
FROM Singers /*@ FORCE_INDEX=SingersByLastName */ AS s
WHERE s.LastName = 'Smith';

使用索引还有助于提高性能，因为执行查询计划时，Spanner 不需要执行全表扫描。相反，它将从 SingersByLastName 索引中选择满足谓词的一小部分行，然后从基表 Singers 执行查找，以便仅为这一小部分行提取名字。

如果希望让 Spanner 不必从基表中提取任何行，您可以将 FirstName 列的副本存储在索引本身中：

GoogleSQL

CREATE INDEX SingersByLastName ON Singers (LastName) STORING (FirstName);

PostgreSQL

CREATE INDEX SingersByLastName ON Singers (LastName) INCLUDE (FirstName);

使用类似的 STORING 子句（适用于 GoogleSQL 方言）或 INCLUDE 子句（适用于 PostgreSQL 方言）会占用额外的存储空间，但它可带来以下好处：

• 如果 SQL 查询使用索引且选择的列存储在 STORING 或 INCLUDE 子句中，则不需要与基表建立额外联接。
• 使用索引的读取调用可以读取存储在 STORING 或 INCLUDE 子句中的列。

上面的示例说明了当可以使用二级索引快速识别查询的 WHERE 子句所选择的行时，二级索引如何加快查询的运行速度。

此外，对于返回有序结果的某些查询，二级索引也有助于提高性能。例如，假设您想要提取所有专辑标题及其发行日期，并且希望系统按照发行日期的升序顺序和专辑标题的降序顺序来返回结果。您可以编写如下 SQL 查询：

SELECT a.AlbumTitle, a.ReleaseDate
FROM Albums AS a
ORDER BY a.ReleaseDate, a.AlbumTitle DESC;

如果没有二级索引，则此查询可能需要在执行计划中执行一个开销很大的排序步骤。您可以通过定义此二级索引来加快查询的执行速度：

CREATE INDEX AlbumsByReleaseDateTitleDesc on Albums (ReleaseDate, AlbumTitle DESC);

然后，重新编写查询以使用二级索引：

GoogleSQL

SELECT a.AlbumTitle, a.ReleaseDate
FROM Albums@{FORCE_INDEX=AlbumsByReleaseDateTitleDesc} AS a
ORDER BY a.ReleaseDate, a.AlbumTitle DESC;

PostgreSQL

SELECT a.AlbumTitle, a.ReleaseDate
FROM Albums /*@ FORCE_INDEX=AlbumsByReleaseDateTitleDesc */ AS s
ORDER BY a.ReleaseDate, a.AlbumTitle DESC;

此查询和索引定义符合以下两个条件：

• 如需移除排序步骤，请确保 ORDER BY 子句中的列列表是索引键列表的前缀。
• 为避免从基表回联以提取任何缺失的列，请确保索引涵盖查询使用的表中的所有列。

尽管二级索引可以加快常见查询的运行速度，但请注意，添加二级索引可能会给您的提交操作带来延迟，因为每个二级索引在每次提交时通常需要涉及一个额外节点。对于大多数工作负载而言，最好是使用少量二级索引。但是，您应该考虑您是否更在意读取或写入延迟，并考虑哪些操作对于您的工作负载最为关键。对工作负载进行基准测试，以确保其按照预期执行。

如需查看二级索引的完整参考，请参阅二级索引。

优化扫描

在扫描数据时，某些 Spanner 查询可能受益于使用面向批处理的处理方法，而不是更常见的面向行的处理方法。批量处理扫描是一次性处理大量数据的更高效方式，可让查询实现更低的 CPU 使用率和延迟时间。

Spanner 扫描操作始终以行导向模式开始执行。在此期间，Spanner 会收集多个运行时指标。然后，Spanner 会根据这些指标的结果应用一组启发词语来确定最佳扫描模式。在适当情况下，Spanner 会切换到批处理模式，以帮助提高扫描吞吐量和性能。

常见使用场景

具有以下特征的查询通常会从使用批处理型处理中获益：

• 对不经常更新的数据进行大规模扫描。
• 对固定宽度列使用谓词进行扫描。
• 扫描时，跳转次数较大。（跳转使用索引检索记录。）

不会带来性能提升的用例

并非所有查询都受益于批处理。以下查询类型在采用行导向扫描处理后性能会有所提升：

• 点查询：仅提取一行的查询。
• 小型扫描查询：除非有大量的搜索计数，否则只扫描几行的表扫描。
• 使用 LIMIT 的查询。
• 读取高流失率数据的查询：在这些查询中，读取的数据中约有 10% 会经常更新。
• 查询包含大值的行：大值行是指单个列中包含大于 32,000 字节（压缩前）的值的行。

如何查看查询使用的扫描方法

如需检查您的查询是使用批处理、行处理，还是在两种扫描方法之间自动切换，请执行以下操作：

1. 前往 Google Cloud 控制台中的 Spanner 实例页面。

   转到“实例”页面

2. 点击包含要调查的查询的实例的名称。

3. 在“数据库”表下，点击包含要调查的查询的数据库。

4. 在导航菜单中，点击 Spanner Studio。

5. 点击 新的 SQL 编辑器标签页或 新标签页以打开新标签页。

6. 在查询编辑器出现时，编写查询。

7. 点击运行。

   Spanner 会运行查询并显示结果。

8. 点击查询编辑器下方的说明标签页。

   Spanner 会显示查询计划执行计划可视化工具。图表上的每张卡片都代表一个迭代器。

9. 点击 Table scan iterator 卡片以打开信息面板。

   信息面板会显示所选扫描的上下文信息。此卡片上会显示扫描方法。 Automatic 表示 Spanner 会确定扫描方法。其他可能的值包括：向量化（适用于批处理）和标量（适用于行处理）。

   

如何强制执行查询使用的扫描方法

为了优化查询性能，Spanner 会为您的查询选择最佳扫描方法。我们建议您使用此默认扫描方法。 不过，在某些情况下，您可能需要强制执行特定类型的扫描方法。

如何强制执行批量扫描

您可以在表级和语句级强制执行批处理型扫描。

如需在表级强制执行批处理型扫描方法，请在查询中使用表提示：

GoogleSQL

  SELECT ...
  FROM (t1@{SCAN_METHOD=BATCH} JOIN t2 ON ...)
  WHERE ...

PostgreSQL

  SELECT ...
  FROM (t1/*@ scan_method=batch */ JOIN t2 on ...)
  WHERE ...

如需在语句级别强制执行批处理型扫描方法，请在查询中使用语句提示：

GoogleSQL

  @{SCAN_METHOD=BATCH}
  SELECT ...
  FROM ...
  WHERE ...

PostgreSQL

  /*@ scan_method=batch */
  SELECT ...
  FROM ...
  WHERE ...

如何停用自动扫描并强制执行行导向型扫描

虽然我们不建议停用 Spanner 设置的自动扫描方法，但您可以决定停用该方法，并使用行级扫描方法来进行问题排查（例如诊断延迟时间）。

如需停用自动扫描方法并在表级强制执行行处理，请在查询中使用表提示：

GoogleSQL

  SELECT ...
  FROM (t1@{SCAN_METHOD=ROW} JOIN t2 ON ...)
  WHERE ...

PostgreSQL

  SELECT ...
  FROM (t1/*@ scan_method=row */ JOIN t2 on ...)
  WHERE ...

如需停用自动扫描方法并在语句级强制执行行处理，请在查询中使用语句提示：

GoogleSQL

  @{SCAN_METHOD=ROW}
  SELECT ...
  FROM ...
  WHERE ...

PostgreSQL

  /*@ scan_method=row */
  SELECT ...
  FROM ...
  WHERE ...

优化范围键查找

SQL 查询的常见用法是基于一个已知键列表从 Spanner 中读取多行。

以下最佳实践可帮助您通过一系列键提取数据时编写高效查询：

• 如果键列表稀疏且不相邻，请使用查询参数和 UNNEST 来构造查询。

  例如，如果您的键列表是 {1, 5, 1000}，请编写类似下面的查询：

  GoogleSQL

  SELECT *
  FROM Table AS t
  WHERE t.Key IN UNNEST (@KeyList)

  PostgreSQL

  SELECT *
  FROM Table AS t
  WHERE t.Key IN UNNEST ($1)

  注意：

  • 数组 UNNEST 运算符可将输入数组展平为多行元素。

  • 查询参数（对于 GoogleSQL 为 @KeyList，对于 PostgreSQL 为 $1）可以加快查询的运行速度，如上文的最佳实践所述。

• 如果键列表相邻且在一个范围内，请在 WHERE 子句中指定键范围的下限和上限。

  例如，如果您的键列表是 {1,2,3,4,5}，请构造如下查询：

  GoogleSQL

  SELECT *
  FROM Table AS t
  WHERE t.Key BETWEEN @min AND @max

  注意： 其中，@min 和 @max 分别是与值 1 和 5 绑定的查询参数。

  PostgreSQL

  SELECT *
  FROM Table AS t
  WHERE t.Key BETWEEN $1 AND $2

  注意 ：在这里，$1 和 $2 分别是与值 1 和 5 绑定的查询参数。

  只有当键范围内的键相邻时，此查询才会更高效。换句话说，如果您的键列表是 {1, 5, 1000}，请勿指定上述查询中的类似下限和上限，因为生成的查询会扫描介于 1 和 1000 之间的所有值。

优化联接

联接操作的开销可能非常大，因为它们可能会大幅增加查询需要扫描的行数，导致查询速度变慢。除了您为优化联接查询而在其他关系型数据库中惯于使用的一些方法外，在使用 Spanner SQL 时，可通过下面一些最佳做法建立更高效的联接：

• 如果可能，请通过主键联接交错表中的数据。例如：

  SELECT s.FirstName, a.ReleaseDate
  FROM Singers AS s JOIN Albums AS a ON s.SingerId = a.SingerId;

  交错表 Albums 中的行一定会以物理方式与 Singers 中的父行一起存储在同一个分片中，如架构和数据模型中所述。因此，可以在本地完成联接，而不必通过网络发送大量数据。

• 如果您想强制联接的顺序，请使用联接指令。例如：

  GoogleSQL

  SELECT *
  FROM Singers AS s JOIN@{FORCE_JOIN_ORDER=TRUE} Albums AS a
  ON s.SingerId = a.Singerid
  WHERE s.LastName LIKE '%x%' AND a.AlbumTitle LIKE '%love%';

  PostgreSQL

  SELECT *
  FROM Singers AS s JOIN/*@ FORCE_JOIN_ORDER=TRUE */ Albums AS a
  ON s.SingerId = a.Singerid
  WHERE s.LastName LIKE '%x%' AND a.AlbumTitle LIKE '%love%';

  联接指令 FORCE_JOIN_ORDER 指示 Spanner 使用查询中指定的联接顺序（即 Singers JOIN Albums，而不是 Albums JOIN Singers）。无论 Spanner 选择的顺序如何，返回的结果都是相同的。但是，如果您在查询计划中注意到，Spanner 更改了联接顺序，并且产生了不想要的结果（例如数量庞大的中间结果）或错失了查找行的机会，则可能需要使用此联接指令。

• 使用联接指令选择一种联接实现。使用 SQL 查询多个表时，Spanner 会自动使用可能提高查询效率的联接方法。不过，Google 建议您使用不同的联接算法进行测试。选择正确的联接算法可以缩短延迟时间和/或降低内存消耗。以下查询演示了有关使用 JOIN 指令与 JOIN_METHOD 提示选择 HASH JOIN 的语法：

  GoogleSQL

  SELECT *
  FROM Singers s JOIN@{JOIN_METHOD=HASH_JOIN} Albums AS a
  ON a.SingerId = a.SingerId

  PostgreSQL

  SELECT *
  FROM Singers s JOIN/*@ JOIN_METHOD=HASH_JOIN */ Albums AS a
  ON a.SingerId = a.SingerId

• 如果您使用的是 HASH JOIN 或 APPLY JOIN，并且 JOIN 的一侧为具有高度选择性的 WHERE 子句，请将产生最小行数的表作为第一个表放入联接的 FROM 子句中。这种结构很有帮助，因为目前在 HASH JOIN 中，Spanner 总是选择左侧表用于构建目的，而选择右侧表用于探测目的。同样，对于 APPLY JOIN，Spanner 选择左侧表作为外侧，选择右侧表作为内侧。如需详细了解这些联接类型，请参阅哈希联接和应用联接。

• 对于对工作负载至关重要的查询，请在 SQL 语句中指定性能最佳的联接方法和联接顺序，以实现更一致的性能。

在读写事务中避免大量读取

在提交调用之前，读写事务允许一系列（零个或多个）读取或 SQL 查询，并且可以包含一组变更。为了让数据保持一致，当在您的表和索引中读取和写入行时，Spanner 会获取锁定。如需详细了解锁定，请参阅读写生命周期。

由于 Spanner 中锁定的工作方式，执行读取大量行的读取或 SQL 查询（例如，SELECT * FROM Singers）意味着，除非您的事务被提交或中止，否则没有其他事务可以写入到您已读取的行。

此外，由于您的事务正在处理大量行，因此它所花的时间可能比读取更小范围行的事务（例如 SELECT LastName FROM Singers WHERE SingerId = 7）更长，这进一步加剧了问题并减少了系统吞吐量。

因此，除非您愿意接受写入吞吐量降低的状况，否则请尽量避免在事务中进行大量读取（例如，全表扫描或大规模联接操作）。

在某些情况下，以下模式可以产生更好的结果：

1. 在只读事务中进行大量读取。由于不使用锁，只读事务允许的总吞吐量更高。
2. 可选：对刚刚读取的数据执行所需的任何处理。
3. 启动一个读写事务。
4. 从执行第 1 步中的只读事务开始，确认关键行没有更改值。
   • 如果行已更改，请回滚您的事务并从第 1 步重新开始。
   • 如果一切正常，则提交您的变更。

确保在读写事务内避免大量读取的一种方法是查看由您的查询生成的执行计划。

使用 ORDER BY 来确保 SQL 结果的排序

如果您希望 SELECT 查询的结果按特定顺序排列，请明确包含 ORDER BY 子句。例如，如果要按主键顺序列出所有歌手，请使用以下查询：

SELECT * FROM Singers
ORDER BY SingerId;

只有当查询中存在 ORDER BY 子句时，Spanner 才能保证结果的排序。换句话说，请考虑不含 ORDER BY 的以下查询：

SELECT * FROM Singers;

Spanner 不保证此查询的结果将按主键顺序排列。此外，结果的排序可能会随时更改，在各个调用之间也可能会不一致。如果查询包含 ORDER BY 子句，并且 Spanner 使用提供所需顺序的索引，则 Spanner 不会对数据进行显式排序。因此，请不要担心添加此子句对性能的影响。您可以查看查询计划，检查执行过程中是否包含显式排序操作。

使用 STARTS_WITH（而不是 LIKE）

由于 Spanner 在执行时间之前不会评估参数化 LIKE 模式，因此 Spanner 必须读取所有行并针对 LIKE 表达式评估这些行，以过滤掉不匹配的行。

如果 LIKE 模式的形式为 foo%（例如，以固定字符串开头，以单个通配符百分号结尾），并且列已编入索引，请使用 STARTS_WITH 而非 LIKE。此选项可让 Spanner 更有效地优化查询执行计划。

不推荐：

GoogleSQL

SELECT a.AlbumTitle FROM Albums a
WHERE a.AlbumTitle LIKE @like_clause;

注意： 此示例假设 @like_clause 绑定到 'Love%'。

PostgreSQL

SELECT a.AlbumTitle FROM Albums a
WHERE a.AlbumTitle LIKE $1;

注意： 此示例假设 $2 绑定到 'Love%'。

推荐：

GoogleSQL

SELECT a.AlbumTitle FROM Albums a
WHERE STARTS_WITH(a.AlbumTitle, @prefix);

注意 ：此示例假设 @prefix 绑定到 'Love'。此查询比上一个查询更高效。如果在 Albums.AlbumTitle 上定义了索引，此查询将会以更快的速度运行。

PostgreSQL

SELECT a.AlbumTitle FROM Albums a
WHERE STARTS_WITH(a.AlbumTitle, $2);

注意 ：此示例假设 $1 绑定到 'Love'。此查询比上一个查询更高效。如果在 Albums.AlbumTitle 上定义了索引，此查询将会以更快的速度运行。

使用提交时间戳

如果您的应用需要查询在特定时间之后写入的数据，请向相关表添加提交时间戳列。提交时间戳可启用 Spanner 优化，该优化可减少 WHERE 子句将结果限制为比特定时间更晚写入的行所对应的查询的 I/O 开销。

如需详细了解此优化，请参阅使用 GoogleSQL 方言数据库或使用 PostgreSQL 方言数据库。