本文介绍了如何判断查询语句是否为点查，以及如何将查询优化为点查。
点查是应用访问OLTP数据库的一种常见方式，特点是返回结果前只扫描表中的少量数据，在淘宝上查看订单或者商品信息对应到数据库上的操作就是点查。PolarDB-X对点查的响应时间（Response Time, RT）和资源占用做了较多优化，能够支持较高的吞吐，适合高并发读取场景使用。
什么是点查
顾名思义，点查是只扫描少量数据的查询。注意这里说的是扫描少量数据而不是返回少量数据，比如select * from t1 order by c1 limit 1虽然只返回了一条数据，但如果c1上没有索引，需要先扫描t1上所有数据排序后才能返回结果，不符合点查的定义。
单机数据库中，最常见的点查是按照主键（Primary Key，PK）查询数据，通过扫描主键索引快速得到结果，平均只需要扫描log(n)（n为整张表的行数）条记录。如果通过其他条件查询，可以增加局部二级索引（Local Secondary Index，LSI），首先扫描局部二级索引得到主键，然后回表查出完整记录。特殊场景下，如果局部二级索引中包含了查询涉及的所有列，则回表的步骤也可以省略。
PolarDB-X是一个分布式数据库，为了将数据分散到不同数据节点（Data Node，DN）上，引入了分区表的概念，预先将数据切分成多个分区，然后建立分区和DN的映射，其中切分数据需要选取一个或多个列作为切分维度，这些列因此被称为分区键。分布式数据库中，查询性能除了与扫描的数据量线性相关，还与扫描的分片数量正相关，因此点查的定义还需要加上扫描少量分区。
PolarDB-X具备透明分布式能力，默认使用主键作为分区键，按照主键查询时首先定位到数据所在的分区，然后通过分区上的主键索引得到结果，性能最高。如果通过其他条件查询，可以增加全局二级索引（Global Secondary Index，GSI）。使用GSI优化查询的原理与LSI相同，首先查到主键然后回表获得完整记录，主要区别在于GSI本身也是一张分区表，数据与主表保存在不同DN上，回表操作大概率需要经过网络，回表代价高于单机数据库。因此，PolarDB-X支持创建聚簇索引来消除回表，达到与主键查询相同的性能。
注意事项LSI和GSI本质上是以额外存储空间和写入开销为代价，换取查询性能的方案，使用时需要谨慎评估对写入性能的影响。索引表与主表的数据分布不同，为了保证GSI的数据与主表强一致，所有涉及GSI的写入操作都默认被包装在分布式事务中。相比没有GSI的场景，写入RT会增加2~3倍，同时由于索引表和主表混合并行写入，高并发写入场景下产生分布式死锁的概率会增加。综上所述，建议每张逻辑表上创建不超过3个GSI。
如何识别点查
- 执行以下语句，查看执行计划：
explain select c_custkey, c_name, c_address from customer where c_custkey = 42;返回信息如下：
+------------------------------------------------------------------------------------------------------------------------------------------------------------------+ | LOGICAL EXECUTIONPLAN | +------------------------------------------------------------------------------------------------------------------------------------------------------------------+ | LogicalView(tables="TEST1_000002_GROUP.customer_IVgG_10", sql="SELECT `c_custkey`, `c_name`, `c_address` FROM `customer` AS `customer` WHERE (`c_custkey` = ?)") | +------------------------------------------------------------------------------------------------------------------------------------------------------------------+ - 执行以下语句，汇总展示DN上的执行计划，判断查询在DN上是否命中正确的索引。DN节点基于MySQL实现，执行计划与MySQL相同，更多介绍参考MySQL 官方文档。
explain execute select c_custkey, c_name, c_address from customer where c_custkey = 42;返回信息如下：
+----+-------------+----------+------------+-------+---------------+---------+---------+-------+------+----------+-----------------+ | id | select_type | table | partitions | type | possible_keys | key | key_len | ref | rows | filtered | Extra | +----+-------------+----------+------------+-------+---------------+---------+---------+-------+------+----------+-----------------+ | 1 | SIMPLE | customer | NULL | const | PRIMARY | PRIMARY | 4 | const | 1 | 100 | Using pk access | +----+-------------+----------+------------+-------+---------------+---------+---------+-------+------+----------+-----------------+
如何将查询优化为点查
select * from t1，不合理的分页查询select * from t1 where c1 = 1 limit 100000, 10，参数数量随着业务增长而增长的IN查询等。能够优化为点查的语句可以概括为以下两类：
- 固定范围扫描的查询：条件中包含等值条件（或可以简化为等值条件），小范围BETWEEN AND条件 ，参数数量固定的IN条件的查询；
- 结果行数固定的TopN查询：例如
select * from t1 where c1 > 42 limit 10 和 select * from t1 order by c1 limit 10和select * from t1 order by c1 limit 10。
对于这两类查询，优化的思路是添加合适的索引，将全表扫描转化为索引扫描，示例如下：
- 创建customer表。
CREATE TABLE `customer` ( `c_custkey` int(11) NOT NULL, `c_name` varchar(25) NOT NULL, `c_address` varchar(40) NOT NULL, `c_nationkey` int(11) NOT NULL, `c_phone` varchar(15) NOT NULL, `c_acctbal` decimal(15,2) NOT NULL, `c_mktsegment` varchar(10) NOT NULL, `c_comment` varchar(117) NOT NULL, PRIMARY KEY (`c_custkey`) ) ENGINE=InnoDB DEFAULT CHARSET=latin1 dbpartition by hash(`c_custkey`) tbpartition by hash(`c_custkey`) tbpartitions 4; - 查看
select * from customer where c_phone = "11";语句的执行计划。explain select * from customer where c_phone = "11";返回信息如下：
+--------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------+ | LOGICAL EXECUTIONPLAN | +--------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------+ | Gather(concurrent=true) | | LogicalView(tables="[000000-000003].customer_[00-15]", shardCount=16, sql="SELECT `c_custkey`, `c_name`, `c_address`, `c_nationkey`, `c_phone`, `c_acctbal`, `c_mktsegment`, `c_comment` FROM `customer` AS `customer` WHERE (`c_phone` = ?)") | +--------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------+ - customer表上只有主键索引，因此虽然c_phone指定了等值条件，依然需要扫描全部分片，此处可以通过添加GSI来优化。
create global index g_i_phone on customer(c_phone) dbpartition by hash(c_phone); - 添加GSI后，查看执行计划。
explain select * from customer where c_phone = "11";返回信息如下：
+------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------+ | LOGICAL EXECUTIONPLAN | +------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------+ | Project(c_custkey="c_custkey", c_name="c_name", c_address="c_address", c_nationkey="c_nationkey", c_phone="c_phone", c_acctbal="c_acctbal", c_mktsegment="c_mktsegment", c_comment="c_comment") | | BKAJoin(condition="c_custkey = c_custkey", type="inner") | | IndexScan(tables="TEST1_000000_GROUP.g_i_phone_2CSp", sql="SELECT `c_custkey`, `c_phone` FROM `g_i_phone` AS `g_i_phone` WHERE (`c_phone` = ?)") | | Gather(concurrent=true) | | LogicalView(tables="[000000-000003].customer_[00-15]", shardCount=16, sql="SELECT `c_custkey`, `c_name`, `c_address`, `c_nationkey`, `c_acctbal`, `c_mktsegment`, `c_comment` FROM `customer` AS `customer` WHERE ((`c_phone` = ?) AND (`c_custkey` IN (...)))") | +------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------+添加GSI后，查询变为索引表上的点查加回表，回表操作只访问一个分片（执行计划中回表显示为主表上的全表扫描，这是因为确定需要扫描的主表分片依赖索引表的查询结果，explain阶段无法确定）。
- 使用聚簇索引代替GSI。
drop index g_i_phone on customer;create clustered index g_i_phone on customer(c_phone) dbpartition by hash(c_phone); - 创建聚簇索引后，查看执行计划。
explain select * from customer where c_phone = "11";返回信息如下：
+----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------+ | LOGICAL EXECUTIONPLAN | +----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------+ | IndexScan(tables="TEST1_000000_GROUP.g_i_phone_fHmZ", sql="SELECT `c_custkey`, `c_name`, `c_address`, `c_nationkey`, `c_phone`, `c_acctbal`, `c_mktsegment`, `c_comment` FROM `g_i_phone` AS `g_i_phone` WHERE (`c_phone` = ?)") | +----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------+使用聚簇索引代替GSI后，由于索引表中包含了主表上的所有列，不再需要回表，执行计划变为索引表上的点查。
以上示例阐述了通过索引优化点查性能的一般过程，其中的关键点是根据查询特征找到适合添加索引的列。对于包含多个条件比较复杂的查询，可以通过PolarDB-X内置的索引推荐功能来找到合适的LSI和GSI，详情请参考智能索引推荐。