Профилирање и оптимизација на извршувањето на прашалниците

Вовед

Airportdb има голем волумен на оперативни податоци (booking е најголема табела). Во production, кога паралелно се извршуваат OLTP операции (резервации/промени) и тешки аналитички прашалници, перформансите на базата стануваат тесно грло и влијаат врз корисничко искуство и стабилност. Целта на оваа фаза е да:

• идентификуваме slow queries што најчесто се извршуваат
• да ги анализираме со execution plan
• да примениме оптимизации (индекси/рефакторинг на SQL)
• и да измериме пред и потоа.

Поставување на бизнис барање:

“За утрешниот ден, за секој лет да се прикаже: авиокомпанија, рута, време, капацитет на авион, број резервирани места, load factor (% пополнетост), и просечна цена по резервација. Да се филтрираат само летови што веќе имаат барем 1 резервација и сортирај по највисок load factor.”

Прашалник 1

SELECT
  f.flight_id,
  al.airlinename,
  f.flightno,
  f.`from`,
  f.`to`,
  f.departure,
  f.arrival,
  (SELECT a.capacity
   FROM airplane a
   WHERE a.airplane_id = f.airplane_id) AS capacity,
  (SELECT COUNT(*)
   FROM booking b
   WHERE b.flight_id = f.flight_id) AS booked_seats,
  (SELECT AVG(b2.price)
   FROM booking b2
   WHERE b2.flight_id = f.flight_id) AS avg_price,
  (SELECT COUNT(*)
   FROM booking b3
   WHERE b3.flight_id = f.flight_id) /
  (SELECT a2.capacity
   FROM airplane a2
   WHERE a2.airplane_id = f.airplane_id) AS load_factor
FROM flight f
JOIN airline al ON al.airline_id = f.airline_id
WHERE f.departure >= CURDATE()
  AND f.departure < DATE_ADD(CURDATE(), INTERVAL 1 DAY)
  AND (SELECT COUNT(*)
       FROM booking bx
       WHERE bx.flight_id = f.flight_id) > 0
ORDER BY load_factor DESC
LIMIT 100;

-> Limit: 100 row(s)  (actual time=68039..68039 rows=100 loops=1)
     -> Sort: load_factor DESC, limit input to 100 row(s) per chunk  (actual time=68039..68039 rows=100 loops=1)
         -> Stream results  (cost=127262 rows=230643) (actual time=1.01..6782...

Од следните анализи може да се дојде до заклучок дека овој прашалник не е најоптимален поради тоа што correlated subqueries создаваат row-by-row извршување (nested loops) и повторено читање на истата табела, што е скапо кај големи datasets.

Ова прави повторување на COUNT/AVG над booking за секој flight ред.

• booking е огромна табела => ова може да стане N пати скенирање/индекс-скенирање.
• Двапати пресметуваме COUNT(*) (и уште еднаш во WHERE), што е уште полошо.

Оптимизација 1

Прво издвојуваме утрешни flight_id со CTE, па агрегираме само за нив.

WITH tomorrow_flights AS (
  SELECT flight_id, airline_id, airplane_id, flightno, `from`, `to`, departure, arrival
  FROM flight
  WHERE departure >= CURDATE()
    AND departure < DATE_ADD(CURDATE(), INTERVAL 1 DAY)
),
booking_x AS (
  SELECT b.flight_id, COUNT(*) AS booked_seats, AVG(b.price) AS avg_price
  FROM booking b
  JOIN tomorrow_flights tf ON tf.flight_id = b.flight_id
  GROUP BY b.flight_id
)
SELECT
  tf.flight_id,
  al.airlinename,
  tf.flightno,
  tf.`from`,
  tf.`to`,
  tf.departure,
  tf.arrival,
  a.capacity,
  bx.booked_seats,
  bx.avg_price,
  bx.booked_seats / a.capacity AS load_factor
FROM tomorrow_flights tf
JOIN booking_x bx ON bx.flight_id = tf.flight_id
JOIN airline al ON al.airline_id = tf.airline_id
JOIN airplane a ON a.airplane_id = tf.airplane_id
ORDER BY load_factor DESC
LIMIT 100;

Оптимизација 2 (Уште пооптимизирано)

Идеја: еднаш да агрегираме booking по flight_id (COUNT и AVG), па потоа само join-ираме.

SELECT
  f.flight_id,
  al.airlinename,
  f.flightno,
  f.`from`,
  f.`to`,
  f.departure,
  f.arrival,
  a.capacity,
  bx.booked_seats,
  bx.avg_price,
  bx.booked_seats / a.capacity AS load_factor
FROM flight f
JOIN airline al ON al.airline_id = f.airline_id
JOIN airplane a ON a.airplane_id = f.airplane_id
JOIN (
  SELECT
    b.flight_id,
    COUNT(*) AS booked_seats,
    AVG(b.price) AS avg_price
  FROM booking b
  GROUP BY b.flight_id
) bx ON bx.flight_id = f.flight_id
WHERE f.departure >= CURDATE()
  AND f.departure < DATE_ADD(CURDATE(), INTERVAL 1 DAY)
  AND bx.booked_seats > 0
ORDER BY load_factor DESC
LIMIT 100;

-> Limit: 100 row(s)  (actual time=20398..20398 rows=100 loops=1)
     -> Sort: load_factor DESC, limit input to 100 row(s) per chunk  (actual time=20398..20398 rows=100 loops=1)
         -> Stream results  (cost=10.3e+9 rows=103e+9) (actual time=18155..20...

Зошто е многу побрзо?

• booking се чита/групира еднаш, не повеќе пати по ред.
• Планот најчесто станува:
  • booking -> aggregate by flight_id → мал резултат → join со flight, airplane, airline.
• Се намалува I/O и број на обработени редови.