SQL 作為目前最常用的數(shù)據(jù)處理語言，廣泛應(yīng)用于查詢、跑批等場(chǎng)景。當(dāng)數(shù)據(jù)量較大時(shí)，使用 SQL（以及存儲(chǔ)過程）經(jīng)常會(huì)發(fā)生跑得很慢的情況，這就要去優(yōu)化 SQL。優(yōu)化 SQL 有一些特定的套路，通常先要查看執(zhí)行計(jì)劃來定位 SQL 慢的原因，然后針對(duì)性改寫來優(yōu)化 SQL，比如對(duì)于連續(xù)數(shù)值判斷可以用 between 來替代 in，select 語句指明字段名稱，用 union all 替代 union，把 exists 改寫成 join 等。當(dāng)然還有一些工程上的優(yōu)化手段，如建立索引，使用臨時(shí)表 / 匯總表等，優(yōu)化的方法有很多，相信各位 DBA 都不會(huì)陌生。

但遺憾的是，仍然有相當(dāng)多情況無論怎樣優(yōu)化都不可能跑得更快。這里 做 SQL 性能優(yōu)化真是讓人干瞪眼 介紹了一些，并做了相應(yīng)的技術(shù)分析。由于其理論基礎(chǔ)關(guān)系代數(shù)的局限，SQL 缺乏離散性和有序集合等特性的支持使得 SQL 在表達(dá)某些高性能算法時(shí)異常困難，甚至完全寫不出來，只能采用比較笨的低性能算法，眼睜睜地看著硬件資源被白白浪費(fèi)。在 寫著簡(jiǎn)單跑得又快的數(shù)據(jù)庫語言 SPL 中有對(duì) SQL 理論基礎(chǔ)缺陷的通俗解釋。

也就是說，SQL 的慢是理論性的，這種問題僅僅由數(shù)據(jù)庫在工程層面優(yōu)化只能局部改善（確實(shí)有不少商業(yè)數(shù)據(jù)庫能夠自動(dòng)識(shí)別某些 SQL 并轉(zhuǎn)換成高性能算法），而不能根本地解決問題（情況復(fù)雜時(shí)數(shù)據(jù)庫優(yōu)化引擎都會(huì)“暈”掉，只能按 SQL 的書寫邏輯執(zhí)行成低性能算法）。

理論性的缺陷當(dāng)然也不能寄希望于更換數(shù)據(jù)庫而得到解決，只要還是用 SQL，即使采用分布式數(shù)據(jù)庫、內(nèi)存數(shù)據(jù)庫也還是這種情況，在消耗更大成本的資源后當(dāng)然也能有一定的性能提升，但和硬件本應(yīng)能夠達(dá)到的性能仍然有巨大的差距。

那還能怎么辦？

那就不能再用 SQL！也就不能再用關(guān)系數(shù)據(jù)庫了。

那用什么？

SQL 描述不了這些高性能算法，用 Java，C++ 行嗎？

沒問題！從理論上講，Java、C++ 什么算法都能實(shí)現(xiàn)，而且因?yàn)榭梢钥刂朴?jì)算機(jī)底層的動(dòng)作，這類代碼通?？梢耘艹龊芎玫乃俣龋ㄖ灰绦騿T能力不是太差）。

不過，不要高興得太早，雖然都寫得出來，但由于這些開發(fā)語言過于原生，本身沒有提供什么面向數(shù)據(jù)處理的高性能計(jì)算類庫，想實(shí)現(xiàn)這些算法就必須從頭實(shí)現(xiàn)，而這恐怕要累死。以哈希關(guān)聯(lián)為例，Java 實(shí)現(xiàn)至少要寫幾百行代碼，不僅要設(shè)計(jì)合適的哈希函數(shù)，還要解決可能出現(xiàn)的哈希沖突，這一套下來的工程量可不小；還有在 Java 中進(jìn)行多線程編程也并非易事，但并行計(jì)算又是提升計(jì)算性能的有效手段。類似的，涉及結(jié)構(gòu)化數(shù)據(jù)計(jì)算的算法還有很多，這些都自己來做的復(fù)雜度可想而知。如果一個(gè)計(jì)算的實(shí)現(xiàn)過于復(fù)雜，其開發(fā)代價(jià)已經(jīng)遠(yuǎn)遠(yuǎn)超過性能優(yōu)化本身，那也就沒有優(yōu)化的意義了。

Python 也面臨類似的問題，雖然在結(jié)構(gòu)化數(shù)據(jù)計(jì)算類庫方面要比 Java 豐富得多，但并沒有提供必要的高性能算法庫和存儲(chǔ)方案，比如沒有提供為大數(shù)據(jù)服務(wù)的游標(biāo)類型及相關(guān)運(yùn)算，也沒提供有效的并行機(jī)制。想要實(shí)施那些高性能算法也只能自己開發(fā)，但 Python 作為解釋執(zhí)行語言，本身運(yùn)行效率不高，在此基礎(chǔ)上再開發(fā)的算法也往往達(dá)不到高性能要求。同樣，Scala 也缺乏足夠的高性能計(jì)算類庫，自己編寫的算法同樣復(fù)雜度相當(dāng)高，對(duì)于不熟悉這些算法的程序員來講，從頭實(shí)現(xiàn)的代碼的運(yùn)行效率往往還不如努力優(yōu)化后商用數(shù)據(jù)庫 SQL 的速度。

那就只能忍受 SQL 的慢了嗎？

還可以用 SPL！

SPL 和高性能

開源 SPL（Structured Process Language），一個(gè)專門面向結(jié)構(gòu)化數(shù)據(jù)處理的程序語言。使用 SPL 可以讓原本 SQL 跑得慢的計(jì)算變快。

為什么 SPL 能跑得快？是擁有了什么改變硬件性能的黑科技嗎？

那倒沒有。軟件改變不了硬件的計(jì)算性能，SPL 也一樣。簡(jiǎn)單來說，SPL 快就是上面說的，要使用更高性能的算法。SPL 中提供了大量基礎(chǔ)的高性能算法類庫，基于這些算法庫實(shí)現(xiàn)的代碼可以有效減少計(jì)算量，而我們做計(jì)算就是組合運(yùn)用這些算法，每種計(jì)算都快一些，那整體上就會(huì)快很多，從而達(dá)到提升計(jì)算性能的目的。

SPL 設(shè)計(jì)的這些高性能算法，像遍歷復(fù)用、有序歸并、外鍵預(yù)關(guān)聯(lián)、標(biāo)簽位維度、并行計(jì)算等，都已經(jīng)封裝好。這其中有很多算法都是 SPL 獨(dú)創(chuàng)的，在業(yè)內(nèi)也是首次出現(xiàn)。

基于這些封裝好的算法庫，再寫程序會(huì)就很方便，拿來直接用而不需要從頭自己開發(fā)，不僅性能高，開發(fā)也快。從這個(gè)角度來看，跑得快和寫著簡(jiǎn)單其實(shí)是一回事，就是能高效率地編寫高性能算法。反觀 Java、C++、Python、Scala 由于缺少這些算法庫，想要實(shí)現(xiàn)高性能也就很難了。

SPL 采用和 SQL 不同的觀念看待同一個(gè)計(jì)算任務(wù)，繼而可以采用不同（更低）復(fù)雜度的計(jì)算方法。

在實(shí)戰(zhàn)中，SPL 目前已經(jīng)做過不少性能優(yōu)化案例，少則提速數(shù)倍，多則數(shù)十倍，極端情況還有提速上千倍的，提速一個(gè)數(shù)量級(jí)基本上是常態(tài)。

比如在優(yōu)化某保險(xiǎn)公司車險(xiǎn)保單跑批的案例（ 開源 SPL 優(yōu)化保險(xiǎn)公司跑批優(yōu)從 2 小時(shí)到 17 分鐘）中，使用 SPL 將計(jì)算時(shí)間從 2 小時(shí)縮短到 17 分鐘，同時(shí)代碼量減少了 2/3。這里使用了 SPL 特有的遍歷復(fù)用技術(shù)，可以在對(duì)大數(shù)據(jù)的一次遍歷過程中實(shí)現(xiàn)多種運(yùn)算，有效地減少外存訪問量。這個(gè)案例涉及對(duì)一個(gè)大表進(jìn)行三次關(guān)聯(lián)和匯總的運(yùn)算，使用 SQL 要將大表遍歷三次，而使用 SPL 只需要遍歷一次，并在關(guān)聯(lián)運(yùn)算上也采用了不同的方法，因此獲得了巨大的性能提升。

還有在 開源 SPL 將銀行手機(jī)賬戶查詢的預(yù)先關(guān)聯(lián)變成實(shí)時(shí)關(guān)聯(lián) 的案例中，使用 SPL 將原本只能預(yù)關(guān)聯(lián)的手機(jī)賬戶查詢變成實(shí)時(shí)關(guān)聯(lián)，同時(shí)服務(wù)器數(shù)量從 6 臺(tái)降為 1 臺(tái)。這里充分利用了 SPL 的有序存儲(chǔ)機(jī)制，一次性讀取整個(gè)賬戶數(shù)據(jù)時(shí)可以有效減少硬盤時(shí)間（物理存儲(chǔ)連續(xù)），再借助區(qū)分維表和事實(shí)表的外鍵實(shí)時(shí)關(guān)聯(lián)技術(shù)使用單機(jī)就能完成實(shí)時(shí)關(guān)聯(lián)查詢，性能提升明顯，硬件需求也降低了許多。

進(jìn)一步討論

說到這里你可能會(huì)想，那是不是學(xué)會(huì) SPL 語法就能把計(jì)算跑得快了？

也沒這么簡(jiǎn)單！

關(guān)于算法

使用 SPL 可以獲得更高性能不是因?yàn)?SPL 語法，SPL 語法雖然有些特色，但并不是跑得快的根本原因。最關(guān)鍵的是掌握和運(yùn)用高性能算法。

實(shí)現(xiàn)性能優(yōu)化有兩步：第一步設(shè)計(jì)出低復(fù)雜的計(jì)算方案，第二步用足夠低的成本實(shí)現(xiàn)它。其中更關(guān)鍵的是第一步，這需要由有一定經(jīng)驗(yàn)和知識(shí)儲(chǔ)備的程序員來做（即掌握和運(yùn)用高性能算法），第二步才是用 SPL 來做。換句話說，SPL 并不負(fù)責(zé)設(shè)計(jì)解決問題的方法，而只是負(fù)責(zé)讓解法更容易實(shí)現(xiàn)出來。

SPL 語法很簡(jiǎn)單，比 Java 容易得多，兩小時(shí)就能基本上手，兩三周就能比較熟練了。但算法卻沒那么簡(jiǎn)單，需要認(rèn)真學(xué)習(xí)反復(fù)練習(xí)才能掌握。反過來，只要掌握了算法，用什么語法就是個(gè)相對(duì)次要的問題了（當(dāng)然用 SQL 這種太粗線條的語言還是不行）。這就像給病人看病，找出病理原因后，能分析出什么成分的藥能管用。無論直接購買成藥（使用封裝過的 SPL），還是上山采藥（使用 Java/C++ 硬寫），都可以治好病，無非就是麻煩程度和支付成本不同。

因?yàn)閷?shí)際中很少使用，有不少應(yīng)用程序員工作幾年后都把大學(xué)時(shí)代學(xué)過的數(shù)據(jù)結(jié)構(gòu)和算法課程內(nèi)容忘了，而不理解這些基礎(chǔ)算法知識(shí)時(shí)也就沒辦法設(shè)計(jì)出高性能算法方案。為此，SPL 設(shè)置了專門的高性能專題，不僅涵蓋高性能算法與優(yōu)化技巧，還有性能優(yōu)化課程與性能圖書來授人以漁。

高性能計(jì)算專題

http://c.raqsoft.com.cn/article/1647044897121

性能優(yōu)化圖書

http://c.raqsoft.com.cn/article/1613911172557

性能優(yōu)化課程

http://www.raqsoft.com.cn/wx/course-performance-optimizing.html

關(guān)于存儲(chǔ)

和算法密切相關(guān)的，高性能計(jì)算還有一個(gè)關(guān)鍵點(diǎn)是數(shù)據(jù)存儲(chǔ)，高性能計(jì)算離不開合理的數(shù)據(jù)存儲(chǔ)方式。使用 SPL 實(shí)施高性能計(jì)算時(shí)也不能再基于數(shù)據(jù)庫來做，需要將數(shù)據(jù)從數(shù)據(jù)庫里搬出來重新組織。

為什么呢？

慢的數(shù)據(jù)計(jì)算任務(wù)可以分為計(jì)算密集型和數(shù)據(jù)密集型兩大類。單純的計(jì)算密集型任務(wù)涉及的數(shù)據(jù)量不大而只是計(jì)算量很大，計(jì)算量大并不是由于數(shù)據(jù)量大造成的，這樣不用改變存儲(chǔ)方式，只要實(shí)施了好的計(jì)算方法也能大幅提升性能，也就是說，可以繼續(xù)在原有的存儲(chǔ)方式（比如數(shù)據(jù)庫）上使用 SPL 來優(yōu)化性能。而數(shù)據(jù)密集型任務(wù)涉及的計(jì)算量也很大，但計(jì)算量大主要是由數(shù)據(jù)量大造成的，這時(shí)候如果不改變存儲(chǔ)方式，數(shù)據(jù)讀取時(shí)間很可能會(huì)很長，即使能把計(jì)算時(shí)間優(yōu)化到 0，整體運(yùn)算時(shí)間也不能得到有效的優(yōu)化。

遺憾的是，我們面臨的計(jì)算慢的場(chǎng)景絕大部分屬于數(shù)據(jù)密集型計(jì)算。如果數(shù)據(jù)還存在數(shù)據(jù)庫中，而數(shù)據(jù)庫取數(shù)接口（如 JDBC）通常又非常慢，將數(shù)據(jù)讀出就要消耗很長時(shí)間（IO 效率很低），經(jīng)常遠(yuǎn)遠(yuǎn)超過后續(xù) SPL 計(jì)算的時(shí)間，這也就不可能達(dá)到優(yōu)化效果了。而且，SPL 中有相當(dāng)多的算法也對(duì)存儲(chǔ)組織有要求，比如單邊分堆算法就要求有序的存儲(chǔ)方式，而常規(guī)關(guān)系數(shù)據(jù)庫無法滿足這個(gè)前提，這些算法也無法實(shí)施了。

為了解決這個(gè)問題，SPL 提供了自有的存儲(chǔ)機(jī)制，直接采用文件系統(tǒng)，將數(shù)據(jù)從數(shù)據(jù)庫導(dǎo)出到特定格式的文件中，不僅可以獲得更高的 IO 存取效率以及文件系統(tǒng)靈活的管理能力，還可以充分利用自有格式的列存、有序、壓縮、并行分段等數(shù)據(jù)存儲(chǔ)優(yōu)勢(shì)，從而高效地發(fā)揮高性能算法效力。

使用文件存儲(chǔ)數(shù)據(jù)還可以有效減少數(shù)據(jù)入庫的時(shí)間，進(jìn)一步提升計(jì)算性能。有些計(jì)算場(chǎng)景不僅要從數(shù)據(jù)源讀，還要將計(jì)算結(jié)果落地，存入數(shù)據(jù)庫以方便后續(xù)計(jì)算使用。像 ETL 就是典型的讀寫并存的計(jì)算，還有某些大數(shù)據(jù)計(jì)算或復(fù)雜計(jì)算需要將中間結(jié)果暫存，后續(xù)計(jì)算還需要再使用的情況。我們知道，數(shù)據(jù)庫寫入是非常慢的動(dòng)作，伴隨寫入的計(jì)算場(chǎng)景性能自然低下。這時(shí)就可以將原本需要入庫的數(shù)據(jù)存儲(chǔ)在文件中（雖然這是工程方面的優(yōu)勢(shì)，但仍可獲得接近數(shù)量級(jí)的讀寫性能提升），再利用 SPL 的文件計(jì)算能力直接計(jì)算，從而實(shí)現(xiàn)高性能。

關(guān)于 T+0

如果把數(shù)據(jù)都移到數(shù)據(jù)庫外，那么是不是就無法完成實(shí)時(shí)數(shù)據(jù)計(jì)算了？畢竟數(shù)據(jù)總是在不斷地產(chǎn)生。

沒有問題。

對(duì)于全量 T+0 實(shí)時(shí)查詢，SPL 提供了多源混合計(jì)算的能力以滿足這類場(chǎng)景。冷數(shù)據(jù)量大且不再變化使用 SPL 的高性能文件存儲(chǔ)，這樣可以獲得更高地計(jì)算性能；熱數(shù)據(jù)量小仍然存放在原有數(shù)據(jù)源中，SPL 直接讀取計(jì)算（支持多樣性數(shù)據(jù)源），由于熱數(shù)據(jù)量并不大，直接基于生產(chǎn)數(shù)據(jù)源查詢也不會(huì)對(duì)其造成太大影響，訪問時(shí)間也不會(huì)太長。冷熱數(shù)據(jù)混合計(jì)算，就可以獲得針對(duì)全量數(shù)據(jù)的 T+0 實(shí)時(shí)查詢。我們只要定期將變冷的數(shù)據(jù)固化到 SPL 的高性能存儲(chǔ)中，原數(shù)據(jù)源只需要保持少量近期新產(chǎn)生的熱數(shù)據(jù)即可。整體架構(gòu)如下：

如何開始

從前面的分析可以知道，完成性能優(yōu)化任務(wù)必須熟悉高性能算法和存儲(chǔ)機(jī)制，但從上面的課程圖書也可以看出來，這些內(nèi)容并不少，都要融會(huì)貫通也不是很容易的事。特別是很多程序員都習(xí)慣了 SQL 的思維方式，很難跳出這個(gè)窠臼。面對(duì)一個(gè)性能優(yōu)化任務(wù)，即使有了開源 SPL 這樣的有利武器，也常常有點(diǎn)無從下手。打個(gè)比方，一個(gè)趕馬車的高手想跑得更快時(shí)，會(huì)習(xí)慣于尋找韁繩和鞭子，而對(duì)于初次見到的汽車上的方向盤和油門卻會(huì)感到一頭霧水。

為此，SPL 團(tuán)隊(duì)也提供相應(yīng)的咨詢服務(wù)：你可以把遇到的性能問題拿過來與我們一起討論和設(shè)計(jì)優(yōu)化方案，必要的時(shí)候還可以進(jìn)行 POC。

我們通常關(guān)心這樣一些必要的問題信息：業(yè)務(wù)場(chǎng)景、面臨痛點(diǎn)、當(dāng)前計(jì)算的數(shù)據(jù)量和并發(fā)量以及響應(yīng)時(shí)間，如果還能提供 SQL 腳本、表結(jié)構(gòu)和測(cè)試數(shù)據(jù)就更好了。

相信我們，從不失手！

經(jīng)歷過一兩個(gè)案子，程序員們就會(huì)熟悉 SPL 的思維方式（理解了方向盤和油門），以后再自己做性能優(yōu)化就不是問題了。

天下武功，唯快不破，但只有掌握了快的本質(zhì)和方法才能所向無敵。你說是不是？