查看原文
其他

性能优化技巧:前半有序时的排序

乾学院 2022-12-10

一、问题背景与适用场景

在对数据集进行排序运算时,有时会遇到这样一种场景:数据集T已经按字段a有序,而字段b无序,现在我们要将T按a、b排序,我们称之为前半有序(a有序)的排序。此时我们能想到一种优化的排序方法:从T中先取出a值相同的一组记录,再这一组内对b排序。然后再依次取出下一组a值相同的记录,重复这个动作,直到完成T中所有记录的排序。这种方法的好处是不需要对T中所有记录进行大排序,一次只需取出一小组,对内存容量要求大大减低,只需能装下每个小组即可。
遗憾的是SQL并不支持这种优化算法,只能所有记录进行大排序,而SPL提供了对这种算法的支持,下面我们实例测试一下,并与Oracle作对比。

二、测试环境与任务

测试机有两个Intel2670 CPU,主频2.6G,共16核,内存64G,SSD固态硬盘。在此机上安装虚拟机来测试,设置虚拟机为16核、8G内存。
在虚拟机上创建数据表salesman1,共两个字段:area(字符串)、salesman(字符串),生成数据记录4亿行,按area升序排列,area不同值共2000个,每个area对应salesman为20万个。将此表数据导入Oracle数据库,同时用它生成集算器SPL组表来进行测试。
再建另一张表salesman2作大数据量测试,数据表结构不变,总数据记录20亿行,area值4000个,每个area对应50万个salesman。
测试任务都是要对表按照area、salesman排序。

三、小数据量测试

1.  Oracle测试

编写测试SQL如下:
select area, salesman from salesman1 order by area, salesman

本来只需这一句简单的SQL即可,不过这个排序结果的输出时间却非常长,为了减少输出量,只统计排序过程的用时,我们不输出排序后的全部结果,而只输出中间位置的一行,也就是行号为2亿的那一行,所以SQL语句改写如下:

select area, salesman from ( select area, salesman, rownum rn from ( select area, salesman from salesman1 order by area, salesman )) where rn=200000000;

要多说一句,这个查询其实没有什么业务意义,纯粹是为了迫使数据库大排序且避免统计输出时间的 。

2.  SPL测试

编写SPL脚本如下:

A
1=now()
2=file("/home/ctx/salesman1.ctx").open().cursor(area,salesman)
3=A2.group@qs(area;salesman)
4=A3.skip(199999999)
5=A3.fetch(1)
6=interval@s(A1,now())

group@qs中选项s表示对数据集只排序,不分组;选项q表示数据集对分号前的分组表达式(area)是有序的,请求使用前半有序时的排序方法按分号后的表达式(salesman)排序。

四、大数据量测试

1.  Oracle测试

编写测试SQL如下:
select area, salesman from ( select area, salesman, rownum rn from ( select area, salesman from salesman2 order by area, salesman )) where rn=1000000000;

输出行号为10亿的一行。

2.  SPL测试

编写SPL脚本如下:

A
1=now()
2=file("/home/ctx/salesman2.ctx").open().cursor(area,salesman)
3=A2.group@qs(area;salesman)
4=A3.skip(999999999)
5=A3.fetch(1)
6=interval@s(A1,now())

五、测试结果

测试结果如下,单位(秒):
数据量4亿行20亿行
Oracle3262556
SPL1861266

从测试结果看,SPL前半有序排序与Oracle的大排序相比,数据量4亿行时,运行时间只有60%,20亿行时只有50%,可见性能提升很多,数据量越大时效果越显著。


更多性能优化技巧,可在底部“阅读原文中查看

重磅!开源SPL交流群成立了

简单好用的SPL开源啦!

为了给感兴趣的小伙伴们提供一个相互交流的平台,

特地开通了交流群(群完全免费,不广告不卖课)

需要进群的朋友,可长按扫描下方二维码

本文感兴趣的朋友,请转到阅读原文去收藏 ^_^

您可能也对以下帖子感兴趣

文章有问题?点此查看未经处理的缓存