大数据量 SQL update语句优化 | 大数据sql如何精确查询

有两张1.5亿数据量的表，一张表中有字段name，大概有5000万左右为null，另一张表name字段不为null，两张表可通过主键id关联。现在省略去不必要的字段，以及分区等构造两张实验表：

SQL> CREATE TABLE p_t AS SELECT ROWNUM ID,CASE WHEN MOD(ROWNUM,3)=0 THEN NULL ELSE DBMS_RANDOM.STRING('a',20) END NAME  2  FROM DUAL CONNECT BY ROWNUM<=1000000;Table created.SQL> CREATE TABLE c_t AS SELECT ID,nvl(name,DBMS_RANDOM.STRING('a',20)) name  2  FROM p_t;Table created. SQL> create index idx_p on p_t(id);Index created.SQL> create index idx_c on c_t(id);Index created.SQL> exec dbms_stats.gather_table_stats(user,'C_T',cascade=>true,degree=>10);PL/SQL procedure successfully completed..SQL> exec dbms_stats.gather_table_stats(user,'C_T',degree=>6);PL/SQL procedure successfully completed.SQL> alter table P_t noparallel;Table altered.SQL> alter table c_t noparallel;Table altered.SQL> select count(1) from p_t where name  is null;  COUNT(1)----------    333333

同事给我的sql类似于以下sql，说更新5000多万数据执行两个小时都执行不完，先来看下语句和执行计划：
update p_t set name=(select name from c_t where p_t.id=c_t.id) where p_t.name is null;

我拿到sql一看是update语句，想都没多想直接加并行，但是加了并行发现子查询根本没有用到并行，而且整体cost没有什么变化。我仔细想了想，这种写法oracle内部是通过单条跟新的方式进行，从p_t中那出一条记录去c_t中匹配，c_t中采用索引扫描，然后再通过rowid访问表取到name。所以优化器计算后，不会对子查询中的c_t应用并行，因为此时并行会采用全表扫描，效率肯定没有索引扫描快。语句和执行计划如下：
update /*+parallel(p_t,4)*/ p_t set name=(select /*+parallel(c_t,4)*/ name from c_t where p_t.id=c_t.id) where p_t.name is null;

其实子查询中通过id关联实际上类似于相关子查询，想到数据量，如果能够将两张表通过全表扫描，并用hash join关联应该是最快的。这时候想到了update内联视图或者采用merge两种方法。因为实际情况中p_t与c_t关联会产生重复数据，所以不能用update内联视图的方式，最终采用merge方式。实验环境中我采用两种方法进行优化，为了对比准确，没有加并行。虽然这样更新了整个p_t表，但是只扫描了c_t表一次。
SQL> merge into p_t using c_t
2 on (c_t.id=p_t.id)
3 when matched then
4 update set
5 p_t.name = nvl2(p_t.name,c_t.name,p_t.name);
1000000 rows merged.
Elapsed: 00:00:18.77


SQL> alter table p_t add primary key(id);
Table altered.
SQL> alter table c_t add primary key(id);
Table altered.
SQL> update (select p_t.name name1,c_t.name name2,p_t.id pid,c_t.id cid from p_t,c_t where p_t.id=c_t.id) t
2 set name1=nvl2(name1,name2,name1);
1000000 rows updated.
Elapsed: 00:00:20.14


在使用update内联视图优化时，一定要注意必须通过主键等确保惟一性的条件进行关联更新，不然会报错：
ORA-01779: cannot modify a column which maps to a non key-preserved table

回来上网查了下，网上说还可以通过快速游标进行更新，但我觉得肯定没有一条sql语句块。无论pl/sql再怎么优化，本质上无法避免单条更新和引擎切换带来的消耗。实验如下：
SQL> begin
2 for v_i in (select p_t.rowid,c_t.name from p_t,c_t where c_t.id=p_t.id) loop
3 update p_t set name=v_i.name where rowid=v_i.rowid;
4 end loop;
5 end;
6 /
PL/SQL procedure successfully completed.
Elapsed: 00:01:23.05

实际应用中，我将语句改写成了merge，并加入了dml并行（SQL> alter session enable parallel dml;）和select并行提示，将原来更新两个多小时的sql优化到只跟新了3分钟不到。Oracle Parallel Execution(并行执行)
总结：update的优化如果可以改写成merge或者update内联视图的方式，适用于大数据量更新，避免采用单条更新，防止多次扫描子查询中的表。资源允许情况，可以开启dml和查询并行。update内联视图要注意必须采用主键等能确保唯一条件进行关联，改写时要保持逻辑一致。