共计 2907 个字符，预计需要花费 8 分钟才能阅读完成。
在事实表与维表的关联查问时，经常会遇到须要对维表的数据进行过滤或者针对维表做计算的状况，这时能够有两种解决形式：
1、先做关联（如果是内存则能够是预关联），再对关联后的事实表进行过滤。就象在《性能优化技巧：预关联》和《性能优化技巧：外键序号化》中做的那样。
2、先对维表进行过滤，再与事实表做关联。咱们晓得，建设关联时须要维表有索引，过滤之后，原先的索引不再可用了，须要重建索引来产生新的索引。
这两种形式孰优孰劣，不能一概而论，该当和维表与事实表的数据规模比照无关。上面咱们通过试验来探讨一下这些性能优化技巧的成果。
一、测试环境
采纳 TPCH 规范生成的 8 张数据表，共 50G 数据。TPCH 数据表的构造网上有很多介绍，这里就不再赘述了。
测试机有两个 Intel2670 CPU，主频 2.6G，共 16 核，内存 128G，SSD 固态硬盘。
为不便看出差距，上面测试都用单线程计算，多核不起作用。
二、数据表全内存
所谓全内存，就是事后把要用到的数据表全都加载到内存里。咱们抉择 customer 作为维表，共 750 万条记录；用 orders 作为事实表，共 7500 万条记录。
查问时对维表的过滤条件是 left(C_NAME,4)!=”shen” && C_NATIONKEY>-1 && C_ACCTBAL>bal，求满足这些条件的订单总价。其中前两个条件总是为真(为了减少维表过滤的计算量，以加强试验的比照成果)，bal 是个参数，用来测试维表过滤后不同数据规模下的成果。
1. 预关联
咱们先看预关联后的状况，编写 SPL 脚本如下：
A1 中读入维表并创立索引，A2 中读入事实表，A3 中进行预关联，这些工夫都不计入测试工夫，从 A4 才开始计时。
2. 重建索引
编写 SPL 脚本如下：
A4 中 customer 过滤后再重建索引，A5 中进行关联。
3. 复用索引
SPL 反对在过滤后复用已有的索引，只需将上述 A4 单元格脚本改为：
=customer.select@i(left(C_NAME,4)!=”shen” && C_NATIONKEY>-1 && C_ACCTBAL>bal)
select 加选项 @i 示意复用 customer 原来的索引。
4. 外键序号化
预加载数据表时加载序号化解决过的组表 customer_xh.ctx 和 orders_xh.ctx。
编写 SPL 脚本如下：
序号化关联不须要索引，所以 A1 中不创立索引。A4 中用 customer:# 示意用 O_CUSTKEY 的值与 customer 的行号关联。
5. 序号化后对位序列
预加载数据表时加载序号化解决过的组表 customer_xh.ctx 和 orders_xh.ctx。
编写 SPL 脚本如下：
在 A4 中用 customer.(过滤条件) 算出一个与记录数等长的、值为 true 或 false 的序列，咱们称之为对位序列；orders 表中的 O_CUSTKEY 曾经序号化解决过，它的值对应于 customer 的记录行号，所以在 A5 就能够用 A4(O_CUSTKEY)来判断 orders 中此行数据是否满足过滤条件。
6. 测试后果与剖析
试验取得测试后果如下(单位：秒)：
这个试验中，维表数据记录 750 万行，事实表 orders 数据记录 7500 万行，是维表的 10 倍。
在预关联和外键序号化测试中，采纳的是先关联后再过滤的解决形式，简单的过滤计算要在事实表的行上进行，也就是说过滤计算量是间接过滤维表的 10 倍！所以整个查问的运行工夫是最长的。预关联与外键序号化相比，在查问时，前者会省去关联这一步，所以比后者速度快。
在重建索引和复用索引测试中，采纳的是先对维表过滤后再与事实表关联的解决形式，简单的过滤计算只在维表的行上进行，所以比预关联和外键序号化要快。复用索引与重建索引相比，过滤、关联、求和的计算量雷同，但会在创立索引这一步上节约工夫，所以查问速度也更快。随着维表过滤后的数据规模越来越小，重建索引的工夫也会缩小，整体差距就会变小。
在对位序列测试中，过滤计算也是只在维表的行上进行，计算出对位序列后，只对事实表进行一次过滤，而不必与事实表关联，不必建索引也不必计算 hash 值，所以速度是最快的！
三、维表内存、事实表外存
这次咱们抉择 orders 作为维表，共 7500 万条记录；用 lineitem 作为事实表，共 3 亿条记录。
查问时对维表的过滤条件是 left(O_ORDERPRIORITY,2)!=”9-” && O_ORDERSTATUS!=”A” && O_ORDERDATE>date(“1990-01-01”) && O_TOTALPRICE>price，求满足这些条件的订单总价。其中前三个条件总是为真(为了减少维表过滤的计算量，以加强试验的比照成果)，price 是个参数，用来测试维表过滤后不同数据规模下的成果。
1. 关联后再过滤
咱们先看关联后再过滤的状况，编写 SPL 脚本如下：
A1 中读入维表并创立索引，这不计入测试工夫，从 A2 才开始计时。
因为事实表很大，应用游标读取数据，并与维表关联后再过滤。
2. 重建索引
编写 SPL 脚本如下：
A3 中 orders 过滤后再重建索引。
3. 复用索引
只需将上述 A3 单元格脚本改为：
=orders.select@i(left(O_ORDERPRIORITY,2)!=”9-” && O_ORDERSTATUS!=”A” && O_ORDERDATE>date(“1990-01-01”) && O_TOTALPRICE>price)
select 加选项 @i 示意复用 orders 原来的索引。
4. 外键序号化
预加载数据表时加载序号化解决过的组表 orders_xh.ctx，且不必创立索引。
编写 SPL 脚本如下：
A4 中用 orders:# 示意用 L_ORDERKEY 的值与 orders 的行号关联。
5. 序号化后对位序列
预加载数据表时加载序号化解决过的组表 orders_xh.ctx，且不必创立索引。
编写 SPL 脚本如下：
查问实现原理与全内存时雷同。
6. 测试后果与剖析
试验取得测试后果如下(单位：秒)：
这个试验中，维表数据记录 7500 万行，事实表 lineitem 数据记录 3 亿行，是维表的 4 倍。
查问过程的计算原理与上一节剖析的雷同，但事实表与维表的数据规模比照倍数降落，由 10 倍变为了 4 倍，外键序号化与复用索引相比，速度差距不是很显著了，甚至在维表过滤掉的记录较少时，因为序号化关联比 hash 值比对关联更占优势，查问速度还略快。
四、总结
依据后面的测试后果和剖析，对于维表有过滤或计算时的查问，应该采纳何种优化技巧来获得最佳性能，咱们作如下总结。
1、事实表数据记录比维表小
1) 如果数据表可能全副装进内存，采纳预关联。
2) 如果不能装进内存，但对维表和外键做了序号化解决，采纳先序号化关联再对事实表过滤。
3) 如果不能装进内存，又没有做序号化解决，采纳先按外键值关联再对事实表过滤。
2、事实表数据记录远大于维表
1) 如果数据表做了序号化解决，采纳对位序列技术。
2) 如果数据表没做序号化解决，采纳先对维表过滤并复用索引，再按外键值关联查问。
3、事实表数据记录比维表大得不多
1) 如果数据表做了序号化解决，采纳对位序列技术。
2) 如果数据表没做序号化解决，采纳预关联 (能装进内存的状况下) 还是复用索引，倡议最好是实测一下。
