分页与性能不可兼得？由Order by引发的SQL优化反思
中国的古典哲学起源于道：一阴一阳即为道，而传统的太极拳就是从阴阳互动中演变而来。汲取了道之精华的太极拳讲究的是刚柔相济、强弱相成，其中四两拨千斤的招数就是对道的衣钵传承。那么，四两拨千斤与我们的SQL性能优化有什么关系呢？
首先我们来看一个优化案例
某日，难得清闲，于是乎也附庸风雅，找来一本关于Oracle的电子书，正在“千万章节”中挑选目录时，托盘上的espace弹出了消息，斜目一瞥，立马ALT+Z提取了消息，因为消息中的“select”关键字太扎眼了：又得优化而不得闲了。
SQL如下：
初步印象
如果把SQL比作MM的话，这个SQL就是典型的“水桶圆柱”型MM：面如月盘（SELECT的字段部分长且宽）、体态丰盈（FROM的对象达12个之多）、腿短脚粗（几乎没有WHERE条件过滤）。毫无婀娜之姿，尽显臃肿之态。观之无好感，近之有憎意。
在与SQL提供者在ESPACE简短的沟通后，得到如下信息：
SQL执行耗时需要5S以上，即便是只查询15条数据；
性能瓶颈是ORDER BY，因为如果将ORDER BY注释掉的话，速度非常快；
希望将SQL优化到2S内。
世间充满了矛盾
看来在此之前，他们也是有过优化，并且已经成功地定位到性能瓶颈：ORDER BY。而由于任何不以ORDER BY为依据的分页都是流氓行为，所以ORDER BY是必须的。这就形成了一个死结：要想保证分页的严谨性，就无法保证性能；要想达到性能需求，就必须要牺牲掉分页的严谨性。这真是SQL优化版的鱼与熊掌不可兼得，愁死个宝宝了。
给ORDER BY翻案
我首先能想到的是结果集过大，触发了ORDER BY的性能瓶颈：一方面，正常情况下，ORDER BY之前，需要获取所有的数据，如果数据量过大，CPU及IO的开销肯定大；另一方面，ORDER BY自身的性能对数据量也是非常敏感的，数据量越大，ORDER BY的性能就越低。
基于这个猜想，我COUNT了下数据量，结果显示是169613，这个数据量也不算多，至少不至于让一个ORDER BY产生如此性能问题。
由此可见，在这个性能问题中，ORDER BY是背了黑锅的。ORDER BY只是一个表象而已。
再看执行计划，更是让人意外：
我惊奇地发现：
整个执行计划的COST并不高；
纵观整个执行计划，并没有出现SORT操作。那么ORDER BY又是怎么实现的呢？
在执行计划中，有如下一个操作：
INDEX FULL SCAN DESCENDING的对象是PK_CCP_CROSS_DATA，我赶紧查看了下这个对象：
这个UNIQUE INDEX的字段对象是CCP_CORSS_DATA_ID，而该字段就是ORDER BY的字段对象。我又查看了下该表的数据量，接近4000万。
此时，我全理解了，在分页ORDER BY时出现INDEX FULL SCAN DESCENDING的操作。
通常而言，除非紧急情况下，我一般都不采用HINT的方式来解决性能问题，而是更倾向于SQL的等价改写。
因为时间充裕，我也悠哉悠哉开始了SQL等价改写。
话分两头
一头说算法原理
分页查询的最大特性就是结果集非常小，以该案例为例，每次执行SQL，返回的数据量永远是小于等于15条。
最为常规的算法是：先获取出所有的记录，再排序，然后获取15条数据，如下图：
上述算法也可以进行优化，如下图所示：
一头说SQL逻辑
再回到这个SQL，其表之间的关联逻辑如下图所示：
以看出：
SQL中的主表是CPP_CHARGING_AMOUNT_T，其他表都之间或间接LEFT JOIN，但是由于WHERE条件过滤都是CCP_CROSS_DATA_T表，所以，CPP_CHARGING_AMOUNT_T LEFT JOIN CCP_CROSS_DATA_T等价于CPP_CHARGING_AMOUNT_T INNER JOIN CCP_CROSS_DATA_T；
如下图所示：
再通过SQL语句及模型结构，进一步发现：
分页排序的字段为CCP_CORSS_DATA_ID，来源于主表CCP_CROSS_DATA_T；
所有LEFT JOIN的关联条件字段都是RIGHT表的unique index，也就是说在整个SQL中，CCP_CORSS_DATA_ID为最细粒度对象，LEFT JOIN其他表后不会对数据集的大小产生影响
结合前面对分页算法的优化思路，在逻辑算法上可以做如下优化：
首先将CCP_CROSS_DATA_T表与表CPP_CHARGING_AMOUNT_T关联，并通过过滤条件得到满足条件的全部的CCP_CORSS_DATA_ID；
将1中的结果集排序，并获取15条记录；
用2中的15条记录的CCP_CORSS_DATA_ID为驱动，LEFT JOIN其他的表
等价改写后的SQL如下：
华丽转身
我用with实现了“获取15条CCP_CORSS_DATA_ID”的需求。而这个放在原SQL顶部的WITH子查询，如同一顶璀璨如明珠的皇冠。马因鞍而骏，人因冠而美。这位“水桶”MM因为这顶皇冠而华丽转身：唐朝贵妃，一时间雍容华贵富态尽显。
再看执行计划：
成本果然有下降，从之前的560变成了249，超过了一半。
降低成本仅仅是优化的手段，优化的目的是让SQL跑得更快，所以真正考验SQL等价改写效果的是SQL的执行效率。
我将改写后的SQL在数据库中执行：0.7s，简直是快得不要不要的。
至此，案例已经完成优化，而通过该案例，我们能获得什么启发呢？尤其是对分页查询的性能有什么借鉴意义呢？
“SQL执行耗时需要5s以上，即便是只查询15条数据”还记得这句吗？是的，这就是开发人员的牢骚，同时这也是大多数业务用户的困扰：我只要求查看15条记录，为何都这么慢？其实，这里大家都混淆了一个基本问题：分页查询解决的是数据传输和页面加载的性能问题，并非SQL的性能问题；而恰恰相反，很多SQL是因为做了分页处理而引发了性能问题。而其罪魁祸首就是ORDER BY，比如该案例，将order by注释掉，性能是非常高的。
在案例《SQL分页查询之巧夺天工》中，我们巧用索引解决了ORDER BY的性能瓶颈，很显然，“巧夺天工”无法应用在这个案例上。但是该案例的SQL也有自身的特点：
SQL中有明确的主体表，比如CCP_CROSS_DATA_T是主表；
主表与其它表的（间接）关联方式都是LEFT JOIN；如果存在INNER JOIN或者LEFT JOIN后出现过滤条件，则需要将主表和这些有过滤作用的表一起作为主表；比如该案例中在with子查询中就是CCP_CROSS_DATA_T INNER JOIN CPP_CHARGING_AMOUNT_T 。
主表与其它表是通过主外键关联，即主表与其它表（间接）关联后，不会影响最终的数据量。比如在没有关联其它表的情况下，数据量为100万；而关联其它表后，数据量仍然是100万。
如果我们将主表比作是月亮的话，那么其它表就是星星，所以我们把这种结构的SQL叫做“众星拱月”，专业一点就是“星型模型”查询。
这样，我们自然就可以先从“月亮”那里获取15条数据，然后拿着这15条数据再从“星星”那里关联到响应的信息。这样做的收益是：
因为只有“月亮”，没有众多“星星”的掺合，ORDER BY就变得轻松多了。这就好比在高速公路上的汽车，如果只有一辆车，即便是单车道，也能畅行无堵；而如果车辆宛如长龙，即便是有十个八个车道，也只能慢如蜗牛；
其次，由于只有15条数据，又是主外键关联，即便“星星”再多再大，也能达到非常好的性能。
因此，“众星拱月”型分页查询性能优化的关键在于：识别星星月亮。
越是民族的，越是世界的。世界是相通的。
最后，我们回到本篇最开始的问题：四两拨千斤与我们的SQL性能优化有什么关系呢？很显然，在这里，15条数据就是四两，而总记录数17万就是千斤。我们用15条记录，轻而易举地拨动了17万数据。对于Oracle优化器而言，这叫小表驱动大表。中国古老的哲学与西方现代技术理念不谋而合，或喜或悲？
