达梦 SQL 优化：11 个标量子查询合并为 GROUP BY 聚合 + 外连接

导读：一条 SQL 执行 14 秒，执行计划里 PRJT2（投影）占了 52% 的消耗——罪魁祸首是 11 个同构标量子查询。它们的 WHERE 条件一模一样，只是 SELECT 的列不同，导致同一张表被独立探测了 11 次。本文演示如何把这 11 次探测压缩成 1 次 GROUP BY 聚合 + 1 次外连接，并讲清楚为什么用 (+) 外连接而不是内连接（否则会丢数据）。

一、问题定位：投影节点吃掉一半时间

现场一条 SQL 执行时长达 14 秒。查看执行计划，定位到具体慢的部分是 PRJT2（投影） 节点，占所有消耗的 52%。

沿着执行计划继续往下看，慢的根源在这些标量子查询上：

SELECT DISTINCT emp.employee_id, emp.employee_code, emp.name,
  (SELECT sea.account_number FROM exp_employee_accounts sea
    WHERE emp.employee_id=sea.employee_id AND sea.primary_flag='Y' AND sea.enabled_flag='Y' AND ROWNUM=1) account_number,
  (SELECT sea.account_name   FROM exp_employee_accounts sea
    WHERE emp.employee_id=sea.employee_id AND sea.primary_flag='Y' AND sea.enabled_flag='Y' AND ROWNUM=1) account_name,
  (SELECT sea.bank_code      FROM exp_employee_accounts sea WHERE ...) bank_code,
  (SELECT sea.bank_name      FROM exp_employee_accounts sea WHERE ...) bank_name,
  (SELECT sea.bank_location_code FROM exp_employee_accounts sea WHERE ...) bank_location_code,
  (SELECT sea.bank_location_name FROM exp_employee_accounts sea WHERE ...) bank_location_name,
  (SELECT sea.province_code  FROM exp_employee_accounts sea WHERE ...) province_code,
  (SELECT sea.province_name  FROM exp_employee_accounts sea WHERE ...) province_name,
  (SELECT sea.city_code      FROM exp_employee_accounts sea WHERE ...) city_code,
  (SELECT sea.city_name      FROM exp_employee_accounts sea WHERE ...) city_name
FROM exp_employees emp;

慢的根因

每个子查询的 WHERE / 驱动条件完全一样，只是 SELECT 取的列不同。执行时，exp_employee_accounts 这张表被独立探测了 11 次（每次都要按 employee_id 定位 + ROWNUM=1 取首行），扫描成本 ×11。

标量子查询本质是「逐行相关探测」——主表每行触发 11 次对账户表的定位+过滤+取首行。表一大、行数一多，11 倍重复开销线性放大。

二、改写思路：一句话

把「N 次同条件子查询探测」压缩成「1 次 GROUP BY 聚合 + 1 次外连接」：

1. WHERE 条件收口成一次过滤；
2. GROUP BY employee_id + MIN(N 列) 一次取齐所有字段；
3. (+) 外连接保住「无匹配返回 NULL、行保留」的语义。

把 11 个子查询并成一次聚合，放进 FROM 的内联视图 x：

SELECT DISTINCT emp.employee_id, emp.employee_code, emp.name,
  x.account_number, x.account_name, x.bank_code, x.bank_name,
  x.bank_location_code, x.bank_location_name, x.province_code,
  x.province_name, x.city_code, x.city_name
FROM exp_employees emp
LEFT JOIN (                                 -- 关键1：外连接
  SELECT employee_id,
         MIN(account_number)     AS account_number,
         MIN(account_name)       AS account_name,
         MIN(bank_code)          AS bank_code,
         MIN(bank_name)          AS bank_name,
         MIN(bank_location_code) AS bank_location_code,
         MIN(bank_location_name) AS bank_location_name,
         MIN(province_code)      AS province_code,
         MIN(province_name)      AS province_name,
         MIN(city_code)          AS city_code,
         MIN(city_name)          AS city_name
    FROM exp_employee_accounts
   WHERE primary_flag='Y' AND enabled_flag='Y'   -- 关键2：条件收口 1 次
   GROUP BY employee_id                           -- 关键3：1 次聚合
) x ON x.employee_id = emp.employee_id;

达梦兼容 Oracle 的 (+) 外连接写法：AND x.employee_id(+) = s.employee_id，效果同 LEFT JOIN。

三、三个关键点，一个都不能错

四、等价性验证（最小数据集实测）

用 3 个员工 × 3 个账户的最小数据集，覆盖三种典型场景（有主账户 / 有主+备用 / 无账户），验证改写前后输出逐行完全一致：

EMPLOYEE_ID  NAME   ACCOUNT_NUMBER  ACCOUNT_NAME  BANK_CODE  PROVINCE_NAME
1            张三   ACCT_1_MAIN     张三主账户     BOC        北京市
2            李四   ACCT_2_MAIN     李四主账户     ICBC       上海市
3            王五   NULL            NULL          NULL       NULL

五、性能收益

• 改写前：账户表被逐行 × 11 次探测（nested-loop 式），redo 大；
• 改写后：账户表读 1 次 → 聚合 1 次 → 外连接 1 次，全集合化；
• 实测：改写后 redo 5.8M / 执行 758ms，整个查询进毫秒级。表越大、字段子查询越多，收益越明显（约 N 倍）。

六、总结

1. 「多个同构标量子查询」是高频慢 SQL 形态：WHERE 条件相同、只取列不同，导致同一张表被重复探测 N 次。
2. 优化范式：合并成 GROUP BY 聚合视图 + 外连接，把「逐行探测 ×N」变成「一次聚合 + 一次连接」。
3. 务必用外连接：标量子查询的「查不到返回 NULL、行保留」语义，只有外连接能完全承接，内连接会丢行。