✨ 引言

在数据分析类 SQL 中，GROUP BY 是最常用的SQL功能之一。然而，当分组字段来自多个不同的表时，往往会导致严重的性能问题。多表分组不仅无法有效利用索引，只能执行全量扫描 + 临时表聚合，性能骤降。

本文将深入解析PawSQL团队开发的GROUP BY优化算法，该算法能够智能识别跨表分组场景，并通过等值关系分析，将多表分组重写为单表分组，从而显著提升查询性能。

⚠️ 问题场景

来看一个典型的多表分组 SQL：

select o.o_custkey, c.c_name, sum(o.O_TOTALPRICE)
from customer as c, orders as o
where c.c_name like 'A%' 
  and o.o_custkey = c.c_custkey
group by c.c_name, o.o_custkey;

问题：

• GROUP BY 同时包含了 customer 和 orders 两张表的字段。

• 尽管 c.c_custkey = o.o_custkey，但优化器无法自动推断合并。

• 结果：只能进行 全表扫描 + 临时表分组，索引完全失效。

🔧 PawSQL 改写逻辑

从代码可以看出，GroupFromDiffTablesRewrite 主要做了几件事：

1. 检测 GROUP BY 字段来源

   • 如果分组字段来自多个表，触发优化逻辑。

2. 查找等值连接关系

   • 通过 equals 集合，识别哪些字段在关联条件里等价（如 c.c_custkey  = o.o_custkey）。

3. 字段替换

   • 将跨表的分组列统一替换为同一张表的字段，例如将 o.o_custkey  替换为 c.c_custkey 。

4. 去重清理

   • 删除冗余的分组列（因为 c_custkey和o_custkey 等价，保留一个即可）。

✅ 改写后 SQL

经过 PawSQL 自动改写后，SQL 会变成：

select c.c_custkey as o_custkey, c.c_name, sum(o.O_TOTALPRICE)
from customer as c, orders as o
where c.c_name like 'A%' 
  and o.o_custkey = c.c_custkey
group by c.c_name, c.c_custkey

优化点：

• 分组字段只来自 cutomer 表。

• 优化器可直接使用 cutomer上的索引。

• 避免了临时表分组操作，性能显著提升。

📊 性能对比（22919.05%⚡）

场景	Extra 信息	分组方式	是否用索引
改写前 (跨表)	Using temporary	全量临时分组	❌
改写后 (单表)	Using index	索引分组扫描	✅

📌 总结

PawSQL 的 GroupFromDiffTablesRewrite 实现了：

• 🚨 自动识别 跨表分组 场景

• 🔄 统一分组字段到单表，保障索引可用

• 🧹 自动清理冗余分组列

• ⚡ 将临时表扫描 → 索引扫描，显著提升性能

这类改写在传统 DBA 优化中需要人工介入，而 PawSQL 能在 SQL 审核阶段提供自动重写优化的建议.

🌐关于PawSQL

PawSQL专注于数据库性能优化自动化和智能化，提供的解决方案覆盖SQL开发、测试、运维的整个流程，广泛支持多种主流商用、国产和开源数据库，为开发者和企业提供一站式的创新SQL优化解决方案。