什麼是點查
顧名思義，“點查”是指隻掃描少量資料的查詢。注意這裡說的是“掃描少量資料”而不是“傳回少量資料”，比如
select * from t1 order by c1 limit 1
雖然隻傳回了一條資料，但如果c1上沒有索引，需要先掃描t1上所有資料排序後才能傳回結果，不符合“點查”的定義。
單機資料庫中，最常見的點查是按照主鍵（Primary Key, PK）查詢資料，通過掃描主鍵索引快速得到結果，平均隻需要掃描logn條記錄。如果通過其他條件查詢，可以增加局部二級索引（Local Secondary Index，LSI），首先掃描局部二級索引得到主鍵，然後回表查出完整記錄。特殊場景下，如果局部二級索引中包含了查詢涉及的所有列，則回表的步驟也可以省略。
PolarDB-X是一個分布式資料庫，為了将資料分散到不同資料節點（Data Node，DN）上，引入了分區表的概念，預先将資料切分成多個分區，然後建立分區和DN的映射，其中切分資料需要選取一個或多個列作為切分次元，這些列是以被稱為“分區鍵”。分布式資料庫中，查詢性能除了與掃描的資料量線性相關，還與掃描的分片數量正相關，是以“點查”的定義還需要加上“掃描少量分區”。
PolarDB-X具備透明分布式能力，預設使用主鍵作為分區鍵，按照PK查詢時首先定位到資料所在的分區，然後通過分區上的主鍵索引得到結果，性能最高。如果通過其他條件查詢，可以增加
全局二級索引（Global Secondary Index，GSI）。使用GSI優化查詢的原理與LSI相同，首先查到主鍵然後回表獲得完整記錄，主要差別在于GSI本身也是一張分區表，資料與主表儲存在不同DN上，回表操作大機率需要經過網絡，回表代價高于單機資料庫。是以，PolarDB-X支援建立聚簇索引來消除回表，達到與主鍵查詢相同的性能。
注意事項
LSI和GSI本質上是以額外存儲空間和寫入開銷為代價，換取查詢性能的方案，使用時需要謹慎評估對寫入性能的影響。索引表與主表的資料分布不同，為了保證GSI的資料與主表強一緻，所有涉及GSI的寫入操作都預設被包裝在分布式事務中。相比沒有GSI的場景，寫入RT會增加2~3倍，同時由于索引表和主表混合并行寫入，高并發寫入場景下産生分布式死鎖的機率會增加。綜上所述，建議每張邏輯表上建立不超過3個GSI。
如何識别點查
如上所述，分布式資料庫中的點查，是指掃描少量分片和資料的查詢。通過檢視執行計劃，可以确認一個查詢語句掃描的分片數，更多執行計劃介紹請參見
執行計劃介紹。以下為一個點查的示例：
> explain select c_custkey, c_name, c_address from customer where c_custkey = 42;
+------------------------------------------------------------------------------------------------------------------------------------------------------------------+
| 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` = ?)") |
+------------------------------------------------------------------------------------------------------------------------------------------------------------------+ EXPLAIN EXECUTE用于彙總展示DN上的執行計劃，由此可以判斷查詢在DN上是否命中正确的索引。DN節點基于MySQL實作，執行計劃與MySQL相同，更多介紹參考
MySQL 官方文檔。以下展示一個點查的示例：
> explain execute select c_custkey, c_name, c_address from customer where c_custkey = 42;
+----+-------------+----------+------------+-------+---------------+---------+---------+-------+------+----------+-----------------+
| 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 |
+----+-------------+----------+------------+-------+---------------+---------+---------+-------+------+----------+-----------------+ 如何将查詢優化為點查
不是所有查詢語句都可以優化為點查，例如沒有任何條件的資料抽取查詢
select * from t1
，不合理的分頁查詢
select * from t1 where c1 = 1 limit 100000, 10
，參數數量随着業務增長而增長的IN查詢等。能夠優化為點查的語句可以概括為以下兩類：
- 固定範圍掃描的查詢：條件中包含等值條件（或可以簡化為等值條件），小範圍BETWEEN AND條件 ，參數數量固定的IN條件的查詢；
- 結果行數固定的TopN查詢：例如
select * from t1 where c1 > 42 limit 10 和 select * from t1 order by c1 limit 10
select * from t1 order by c1 limit 10
對于這兩類查詢，優化的思路是添加合适的索引，将全表掃描轉化為索引掃描，示例如下：
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;
> explain select * from customer where c_phone = "11";
+--------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------+
| 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表上隻有主鍵索引，是以雖然c_phone指定了等值條件，依然需要掃描全部分片，可以通過添加GSI來優化。
> create global index g_i_phone on customer(c_phone) dbpartition by hash(c_phone);
> explain select * from customer where c_phone = "11";
+------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------+
| 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後，查詢變為索引表上的點查加回表，回表操作隻通路一個分片（執行計劃中回表顯示為主表上的全表掃描，這是因為确定需要掃描的主表分片依賴索引表的查詢結果，explain階段無法确定）。
> drop index g_i_phone on customer;
> create clustered index g_i_phone on customer(c_phone) dbpartition by hash(c_phone);
> explain select * from customer where c_phone = "11";
+----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------+
| 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後，由于索引表中包含了主表上的所有列，不再需要回表，執行計劃變為索引表上的點查。
以上示例闡述了通過索引優化點查性能的一般過程，其中的關鍵點是根據查詢特征找到适合添加索引的列。對于包含多個條件比較複雜的查詢，可以通過PolarDB-X内置的索引推薦功能來找到合适的LSI和GSI，詳情請參考
智能索引推薦![【MySQL資料庫】資料庫索引事務1.索引2.事務[圖]](data:image/gif;base64,R0lGODlhAQABAIAAAP///wAAACwAAAAAAQABAAACAkQBADs=)