达梦 SQL 执行计划基础操作符学习

1 执行计划基础

1.1 什么是执行计划

SQL 是非过程化语言：开发者描述“要什么”，查询优化器决定“怎么做”。达梦的代价优化器（CBO）会根据表和索引结构、统计信息、谓词选择率、内存、IO 与 CPU 等因素，比较多条候选路径并选择估算代价较低的计划。

代价 COST 是优化器用于比较候选计划的估算值，并不等同于真实耗时。只有在同一数据库版本、相同参数、相同对象与统计信息条件下，代价比较才更有意义。

1.2 计划节点的三部分

示意：一条最简单的全表扫描计划

1   #NSET2: [1, 10000, 156]
2     #PRJT2: [1, 10000, 156]; exp_num(5), is_atom(FALSE)
3       #CSCN2: [1, 10000, 156]; INDEX33556710(T1)

组成	示例	含义
操作符	CSCN2	数据库在该节点执行的动作
三元组	[1, 10000, 156]	[代价，记录行数，字节数]
补充信息	INDEX…(T1)	表/索引、扫描范围、连接键、过滤条件等

第二个数字是优化器估算的节点输出行数，第三个数字是单行记录的估算字节数。二者共同决定中间结果的规模，进而影响连接、聚合、排序和内存选择。

1.3 执行顺序

文本计划是一棵树。缩进越深，节点越接近数据源，也越早执行；缩进相同，位于上方的分支先执行。可记为“最右最上先执行”。阅读时不要从第 1 行机械向下读，而要从最深层扫描节点开始向上回溯。

1. 找到缩进最深的表或索引扫描节点。
2. 观察扫描结果上方是否有 SLCT、BLKUP、SORT 等处理。
3. 遇到 JOIN 时，分别读清左右输入、连接键与预计行数。
4. 继续向上看聚合、去重、投影，最后由 NSET 返回结果集。

1.4 怎样查看预估与真实计划

方法	是否执行 SQL	适用场景	关键提醒
管理工具 F9 快捷键	否	快速查看预估计划	只看到优化器估算
EXPLAIN <SQL>	否	命令行检查 DML 计划	不会产生真实行数和耗时
EXPLAIN FOR	否	以结果集保存与比较计划	信息更丰富，可含索引建议
SET AUTOTRACE TRACE	是	查看真实行数与 IO 统计	SQL 会真实执行
ET / DBMS_SQLTUNE	是	看节点耗时、次数与占比	监控有额外开销，按版本启用

方法一：EXPLAIN

EXPLAIN SELECT * FROM SYSOBJECTS WHERE SUBTYPE$ = 'STAB';

EXPLAIN 生成并打印估算计划，不真正执行目标 SQL，适合低风险地查看计划形态。

方法二：EXPLAIN FOR

EXPLAIN FOR
SELECT * FROM SYSOBJECTS WHERE SUBTYPE$ = 'STAB';

EXPLAIN AS PLAN_DEMO FOR
SELECT * FROM SYSOBJECTS WHERE SUBTYPE$ = 'STAB';

EXPLAIN FOR 以结果集返回更结构化的信息，包括计划层级、操作符、表、索引、扫描范围、预测行数、字节数、代价、过滤条件、连接条件、分区范围和建议等。指定计划名称后，便于后续对比。

方法三：DIsql AUTOTRACE

SET AUTOTRACE TRACE;
SELECT COUNT(*) FROM SYSOBJECTS;
SET AUTOTRACE OFF;

常用模式如下：

模式	是否执行 SQL	用途
OFF	是	关闭跟踪，常规执行
NL	否	打印计划中的 NEST LOOP 相关内容
INDEX / ON	否	打印表扫描方式、表名和索引
TRACE	是	打印实际执行采用的计划、结果集及部分运行统计
TRACEONLY	是	与 TRACE 类似，但查询不打印结果集

TRACE 和 TRACEONLY 都会真正执行 SQL。两者还要求 ENABLE_MONITOR、MONITOR_SQL_EXEC、ENABLE_MONITOR_DMSQL 均开启；

2. 怎样阅读计划树

示例计划：

1 #NSET2: [1, 12, 56]
2   #PRJT2: [1, 12, 56]; exp_num(2), is_atom(FALSE)
3     #NEST LOOP INDEX JOIN2: [1, 12, 56]
4       #CSCN2: [1, 4, 52]; INDEX...(T2 AS B)
5       #SSEK2: [1, 3, 4]; IDX_T1_C1(T1 AS A), scan_range[B.D1,B.D1]

2.1 两个方向

• 控制流：从父节点向孩子节点传递，即从上向下请求数据。
• 数据流：孩子节点产生数据后传给父节点，即从下向上返回数据。

入门阅读时，可以先找最深层叶子节点，确认数据从哪里取得；再沿缩进向上看数据如何连接、过滤、计算，最后由顶层输出。

同一深度的兄弟节点不能简单理解为“按行号同时执行”。它们的调用顺序由父操作符控制，例如 NEST LOOP 会反复驱动其中一个孩子访问另一个孩子。

flowchart LR
    subgraph C["控制流：父节点向下请求数据"]
        C1["NSET2 输出"] --> C2["PRJT2 计算查询项"] --> C3["JOIN 请求左右孩子"] --> C4["SCAN 读取数据"]
    end

    subgraph D["数据流：叶子节点向上返回数据"]
        D4["SCAN 产生行"] --> D3["JOIN 生成连接行"] --> D2["PRJT2 计算表达式"] --> D1["NSET2 返回客户端"]
    end

看计划时先“从下往上讲数据”，再“从上往下讲谁调用谁”。NEST LOOP 等操作符不是把两棵子树各执行一次，而是可能反复调用内侧子树。

2.2 三元组

计划节点后的：

[COST, ROW_NUMS, BYTES]

依次表示：

1. 估算操作符代价。
2. 估算处理或输出的记录行数。
3. 估算每行记录的字节数。

最值得关注的是估算行数：它会影响访问路径、连接顺序和连接算法的选择。如果估算行数与实际行数差距很大，计划即使“看起来合理”也可能运行很慢。

3 数据访问类操作符

3.1 CSCN2：全表扫描

CSCN2 是 CLUSTER INDEX SCAN 的缩写，在达梦中表示通过聚集索引扫描整张表。当没有可用索引、过滤条件选择性较差，或者读取表中较大比例的数据时，优化器可能选择 CSCN2。

• 合理场景：小表；报表需要读取大量行；索引回表成本高于顺序扫描。
• 风险场景：大表只返回极少行；高并发频繁扫描；节点输出行数明显高于最终返回行数。
• 检查方法：确认过滤列是否可索引、是否发生隐式类型转换、统计信息是否准确。

3.2 SSEK2 与 BLKUP2：二级索引扫描和回表

典型路径：先在二级索引定位，再回表取完整行

1   #NSET2: [0, 1, 156]
2     #PRJT2: [0, 1, 156]
3       #BLKUP2: [0, 1, 156]; IDX_C1_T1(T1)
4         #SSEK2: [0, 1, 156]; scan_type(ASC),
            IDX_C1_T1(T1), scan_range[10,10]

SSEK2 先在二级索引中确定范围或定位行；如果 SELECT 列不完全包含在索引中，通常需要 BLKUP2 根据主键、聚集索引或 ROWID 获取表中其他列。

现象	可能原因	初步判断
SSEK2 后无 BLKUP2	索引已覆盖查询列	通常 IO 更少
SSEK2 后 BLKUP2 行数很少	索引过滤性好	通常适合 OLTP 精确查询
BLKUP2 行数巨大	索引过滤性差或估算错误	警惕随机 IO 与宽表取数
未走预期索引	类型不一致、函数包裹列、统计信息旧	先核对谓词和统计信息

3.3 CSEK2 与 SSCN

CSEK2 是聚集索引上的范围或定位扫描，数据行与聚集索引存储在一起，因此通常无需 BLKUP。SSCN 是二级索引全扫描：虽然扫描了完整索引，但如果索引较窄且覆盖查询列，仍可能比扫描整张宽表更便宜；同时索引顺序还可能帮助消除 SORT 或支持 SAGR。

4 行处理、聚合与排序

4.1 SLCT2、PRJT2、NSET2

操作符	做什么	诊断重点
SLCT2	过滤行，相当于关系代数中的选择	过滤前后行数；谓词是否可下推；估算与实际差异
PRJT2	计算 SELECT 列、表达式或函数	复杂函数、类型转换、输出行宽
NSET2	收集并返回最终结果集	通常是顶层包装，不要只盯根节点代价

SLCT2 是判断统计信息准确性的一个好入口：如果输入 100 万行、估算输出 2.5 万行，但实际只返回 10 行，说明选择率估算严重偏差，后续连接方式很可能也会被带偏。

4.2 AAGR2 与 FAGR2

AAGR2 用于没有 GROUP BY 的普通聚集，例如 COUNT、SUM、AVG、MAX、MIN。FAGR2 则用于某些无过滤条件的快速聚集场景，可直接从表或索引元信息/边界快速取得结果。

聚集示例

EXPLAIN SELECT COUNT(*) FROM T1 WHERE C1 = 10;  -- 常见 AAGR2
EXPLAIN SELECT MAX(C1) FROM T1;                 -- 可能出现 FAGR2

4.3 HAGR2 与 SAGR2

对比项	HAGR2（HASH 分组）	SAGR2（流式分组）
输入要求	无需预先有序	分组键需有序
主要资源	内存中的 HASH 表；不足可能刷盘	顺序处理，内存压力通常较小
常见来源	全表扫描后 GROUP BY	索引有序扫描后 GROUP BY
检查重点	分组数估算、内存和临时空间	有序性是否真实可用

不要把 SAGR2 一概视为更优：为了获得有序输入而扫描大量索引或回表，也可能比一次全表扫描加 HAGR2 更贵。应结合整条数据流比较。

4.4 SORT3、DISTINCT 与 UNION

• SORT3 可能由 ORDER BY、窗口计算、MERGE JOIN 前置排序、部分 GROUP BY 或 DISTINCT 引入。
• 重点看排序输入行数和行宽；中间结果越大，内存越容易不足并转为磁盘排序。
• 合适的索引顺序有时可以消除 SORT，但索引扫描与回表本身也有代价。
• UNION 需要去重，通常比 UNION ALL 多一层 HASH 或排序；业务允许重复时可优先考虑 UNION ALL。

5 连接类操作符

flowchart TB
    Q["两表连接"] --> EQ{"主要连接条件是否等值？"}
    EQ -->|"否：范围、不等值等"| NL["NEST LOOP"]
    EQ -->|"是"| SIZE{"驱动侧是否很小，内侧是否有高选择性索引？"}
    SIZE -->|"是"| NLI["NEST LOOP INDEX"]
    SIZE -->|"否，两侧数据较大"| HASH["HASH JOIN"]
    EQ -->|"两侧已按连接键有序"| MERGE["MERGE JOIN"]

    NL --> NR["风险：内侧被反复扫描"]
    NLI --> NIR["风险：大量索引定位和回表"]
    HASH --> HR["风险：内存、刷盘、数据倾斜"]
    MERGE --> MR["风险：额外 SORT3 代价"]

这是一张学习判断图，不是优化器的完整决策规则。实际选择还受统计信息、提示、并行、参数和版本实现影响。

5.1 NEST LOOP 与 NEST LOOP INDEX JOIN

嵌套循环以一侧作为驱动输入，对每一行去另一侧匹配。

适合	风险	检查问题
驱动侧过滤后很小	驱动侧实际行数远大于估算	最左/上输入到底输出多少行？
被驱动侧连接键有高选择性索引	每次探测都触发随机 IO	右侧是否出现 SSEK + BLKUP？
返回结果集较小	普通 NEST LOOP 两侧全扫	是否缺失连接条件或索引？

5.2 HASH JOIN

HASH JOIN 通常用于等值连接。优化器选择一侧构造 HASH 表，另一侧逐行计算哈希值并探测匹配。它不依赖被探测侧索引，适合大数据量连接，但依赖准确的行数估算和足够内存。

• 构造侧宜较小，否则构建成本和内存占用上升。
• 两侧通常需要扫描较多数据，因此最终只返回少量行时要检查过滤是否能提前。
• 内存不足可能使用临时空间；ET/监控中应关注操作符耗时与临时空间迹象。
• HASH 冲突过多会增加比较成本，统计信息和数据分布非常重要。

5.3 MERGE JOIN

MERGE JOIN 对两个按连接键有序的输入进行归并。它通常稳定、内存压力较可控，但必须获得有序输入；如果输入本身无序，就可能增加 SORT 成本。两个连接列已有合适索引时，更容易看到 MERGE JOIN。

5.4 SEMI JOIN 与 ANTI JOIN

半连接常用于 EXISTS 或 IN：只需要判断另一侧是否存在匹配行，找到一个匹配即可，不输出另一侧的全部列。反半连接常用于 NOT EXISTS 等“不存在”判断。它们可以由 HASH、NEST LOOP INDEX 或 MERGE 等物理算法实现。

SEMI / ANTI 语义示例

-- 半连接语义：返回 T2 中在 T1 存在匹配 ID 的行
SELECT *
FROM T2
WHERE EXISTS (SELECT 1 FROM T1 WHERE T1.ID = T2.ID);

-- 反半连接语义：返回 T2 中不存在匹配 ID 的行
SELECT *
FROM T2
WHERE NOT EXISTS (SELECT 1 FROM T1 WHERE T1.ID = T2.ID);

6 两个执行计划拆解示例

6.1 示例一：索引扫描并回表

按“最右最上”顺序阅读

EXPLAIN SELECT * FROM T1 WHERE C1 = 10;

1   #NSET2: [0, 1, 156]
2     #PRJT2: [0, 1, 156]
3       #BLKUP2: [0, 1, 156]; IDX_C1_T1(T1)
4         #SSEK2: [0, 1, 156]; scan_type(ASC),
            IDX_C1_T1(T1), scan_range[10,10]

1. SSEK2 在 IDX_C1_T1 上定位 C1=10 的索引项。
2. BLKUP2 根据索引定位信息回表取得 SELECT * 所需的其他列。
3. PRJT2 计算并输出选择项。
4. NSET2 收集并返回结果。

6.2 示例二：HASH 等值连接

示意计划：先过滤 T1，再与 T2 做 HASH 连接

SELECT *
FROM T1 JOIN T2 ON T1.C1 = T2.C1
WHERE T1.C2 = 'A';

1   #NSET2: [4, 24502, 296]
2     #PRJT2: [4, 24502, 296]
3       #HASH2 INNER JOIN: [4, 24502, 296]; KEY(T1.C1=T2.C1)
4         #SLCT2: [1, 250, 148]; T1.C2 = 'A'
5           #CSCN2: [1, 10000, 148]; T1
6         #CSCN2: [1, 10000, 148]; T2

1. 扫描 T1，并由 SLCT2 过滤 C2=‘A’。
2. 扫描 T2。
3. HASH2 INNER JOIN 按 C1 做等值匹配。
4. PRJT2 输出列，NSET2 返回结果。

7 ET 指标

指标	含义	怎么用
TIME	节点实际时间	优先定位真实耗时高的节点
PERCENT	占总时间比例	用于排序优化优先级
RANK	耗时名次	快速找到 Top 节点
SEQ	执行计划节点号	映射回文本计划
N_ENTER	进入/调用次数	识别循环探测与重复执行
逻辑读	缓冲区页访问量	返回少但逻辑读大时有优化空间
物理读	磁盘读取量	结合缓存状态判断 IO 瓶颈
sorts(disk)	发生磁盘排序	检查排序输入、索引和排序内存

8 入门练习

DROP TABLE IF EXISTS OP_EMP;
CREATE TABLE OP_EMP (
    ID       INT PRIMARY KEY,
    DEPT_NO  INT,
    STATUS   VARCHAR(10),
    SALARY   DECIMAL(12,2),
    NAME     VARCHAR(50)
);

INSERT INTO OP_EMP
SELECT LEVEL, MOD(LEVEL,100),
       CASE WHEN MOD(LEVEL,20)=0 THEN 'INACTIVE' ELSE 'ACTIVE' END,
       3000 + MOD(LEVEL,20000), 'EMP_' || LEVEL
FROM DUAL CONNECT BY LEVEL <= 100000;
COMMIT;

练习 1：全表扫描与索引定位。对 DEPT_NO=10 查询执行 EXPLAIN；创建 DEPT_NO 索引并收集统计信息后再比较 CSCN2 与 SSEK2/BLKUP2。

练习 2：覆盖索引与回表。分别查询 DEPT_NO 与 SELECT *，观察覆盖查询是否能减少或消除 BLKUP2。

练习 3：排序。执行 WHERE DEPT_NO=10 ORDER BY SALARY；比较普通索引与 (DEPT_NO,SALARY) 组合索引是否影响 SORT3。

练习 4：聚合。分别对无索引列和有序索引列 GROUP BY，观察 HAGR2 与 SAGR2。

练习 5：估算与实际。使用 AUTOTRACE/ET 比较 STATUS=‘INACTIVE’ 的估算行数与真实行数，思考直方图或统计信息的作用。

常见操作符速查表

类别	操作符	核心含义	初学者关注点
结果	NSET2	收集并返回结果集，通常位于顶层	一般不是首要优化点
表达式	PRJT2	投影：计算并输出 SELECT 列/表达式	关注复杂函数或宽行
过滤	SLCT2	选择：对输入行应用 WHERE/过滤条件	看过滤前后行数差距
聚合	AAGR2	无 GROUP BY 的普通聚集	COUNT/SUM/MAX/MIN 等
聚合	FAGR2	快速获得 MIN/MAX/COUNT 等	通常无需读取完整数据
聚合	HAGR2	基于 HASH 的分组聚集	关注内存、刷盘、估算行数
聚合	SAGR2	有序输入上的流式分组聚集	常借助索引顺序
扫描	CSCN2	通过聚集索引扫描全表	大表+低返回比例时重点检查
扫描	SSEK2	二级索引范围/定位扫描	常与 BLKUP2 配套
扫描	CSEK2	聚集索引范围/定位扫描	无需二次回表
扫描	SSCN	二级索引全扫描	可用于覆盖、排序或分组
取数	BLKUP2	根据索引定位信息回表取其他列	大量离散回表可能产生随机 IO
排序	SORT3	对输入行排序	看内存排序或磁盘排序
连接	NEST LOOP	逐行驱动另一输入	小驱动集+被驱动侧索引最合适
连接	HASH JOIN	构造 HASH 表后探测匹配	适合大数据等值连接，关注内存
连接	MERGE JOIN	对两个有序输入归并	稳定，但需有序输入
子查询	SEMI / ANTI	实现 EXISTS/IN 或 NOT EXISTS 等	只判断存在性，不输出另一侧列
集合	DISTINCT / UNION	去重或集合合并	若无需去重优先考虑 UNION ALL