| SQL 作為目前最常用的資料處理語言，廣泛應用于查詢、跑批等場景。當資料量較大時，使用 SQL（以及存儲過程）經常會發生跑得很慢的情況，這就要去優化 SQL。如果一個計算的實作過于複雜，其開發代價已經遠遠超過性能優化本身，那也就沒有優化的意義了。 |
SQL 作為目前最常用的資料處理語言，廣泛應用于查詢、跑批等場景。當資料量較大時，使用 SQL（以及存儲過程）經常會發生跑得很慢的情況，這就要去優化 SQL。優化 SQL 有一些特定的套路，通常先要檢視執行計劃來定位 SQL 慢的原因，然後針對性改寫來優化 SQL，比如對于連續數值判斷可以用 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。當然還有一些工程上的優化手段，如建立索引，使用臨時表 / 彙總表等，優化的方法有很多，相信各位 DBA 都不會陌生。
但遺憾的是，仍然有相當多情況無論怎樣優化都不可能跑得更快。這裡 做 SQL 性能優化真是讓人幹瞪眼 介紹了一些，并做了相應的技術分析。由于其理論基礎關系代數的局限，SQL 缺乏離散性和有序集合等特性的支援使得 SQL 在表達某些高性能算法時異常困難，甚至完全寫不出來，隻能采用比較笨的低性能算法，眼睜睜地看着硬體資源被白白浪費。在 寫着簡單跑得又快的資料庫語言 SPL 中有對 SQL 理論基礎缺陷的通俗解釋。
也就是說，SQL 的慢是理論性的，這種問題僅僅由資料庫在工程層面優化隻能局部改善（确實有不少商業資料庫能夠自動識别某些 SQL 并轉換成高性能算法），而不能根本地解決問題（情況複雜時資料庫優化引擎都會“暈”掉，隻能按 SQL 的書寫邏輯執行成低性能算法）。
理論性的缺陷當然也不能寄希望于更換資料庫而得到解決，隻要還是用 SQL，即使采用分布式資料庫、記憶體資料庫也還是這種情況，在消耗更大成本的資源後當然也能有一定的性能提升，但和硬體本應能夠達到的性能仍然有巨大的差距。
那還能怎麼辦？
那就不能再用 SQL！也就不能再用關系資料庫了。
那用什麼？
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++ 什麼算法都能實作，而且因為可以控制計算機底層的動作，這類代碼通常可以跑出很好的速度（隻要程式員能力不是太差）。
不過，不要高興得太早，雖然都寫得出來，但由于這些開發語言過于原生，本身沒有提供什麼面向資料處理的高性能計算類庫，想實作這些算法就必須從頭實作，而這恐怕要累死。以哈希關聯為例，Java 實作至少要寫幾百行代碼，不僅要設計合适的哈希函數，還要解決可能出現的哈希沖突，這一套下來的工程量可不小；還有在 Java 中進行多線程程式設計也并非易事，但并行計算又是提升計算性能的有效手段。類似的，涉及結構化資料計算的算法還有很多，這些都自己來做的複雜度可想而知。如果一個計算的實作過于複雜，其開發代價已經遠遠超過性能優化本身，那也就沒有優化的意義了。
Python 也面臨類似的問題，雖然在結構化資料計算類庫方面要比 Java 豐富得多，但并沒有提供必要的高性能算法庫和存儲方案，比如沒有提供為大資料服務的遊标類型及相關運算，也沒提供有效的并行機制。想要實施那些高性能算法也隻能自己開發，但 Python 作為解釋執行語言，本身運作效率不高，在此基礎上再開發的算法也往往達不到高性能要求。同樣，Scala 也缺乏足夠的高性能計算類庫，自己編寫的算法同樣複雜度相當高，對于不熟悉這些算法的程式員來講，從頭實作的代碼的運作效率往往還不如努力優化後商用資料庫 SQL 的速度。
那就隻能忍受 SQL 的慢了嗎？
還可以用 SPL！
SPL 和高性能
開源 SPL（Structured Process Language），一個專門面向結構化資料處理的程式語言。使用 SPL 可以讓原本 SQL 跑得慢的計算變快。
為什麼 SPL 能跑得快？是擁有了什麼改變硬體性能的黑科技嗎？
那倒沒有。軟體改變不了硬體的計算性能，SPL 也一樣。簡單來說，SPL 快就是上面說的，要使用更高性能的算法。SPL 中提供了大量基礎的高性能算法類庫，基于這些算法庫實作的代碼可以有效減少計算量，而我們做計算就是組合運用這些算法，每種計算都快一些，那整體上就會快很多，進而達到提升計算性能的目的。
SPL 設計的這些高性能算法，像周遊複用、有序歸并、外鍵預關聯、标簽位次元、并行計算等，都已經封裝好。這其中有很多算法都是 SPL 獨創的，在業内也是首次出現。
基于這些封裝好的算法庫，再寫程式會就很友善，拿來直接用而不需要從頭自己開發，不僅性能高，開發也快。從這個角度來看，跑得快和寫着簡單其實是一回事，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，想要實作高性能也就很難了。
SPL 采用和 SQL 不同的觀念看待同一個計算任務，繼而可以采用不同（更低）複雜度的計算方法。
在實戰中，SPL 目前已經做過不少性能優化案例，少則提速數倍，多則數十倍，極端情況還有提速上千倍的，提速一個數量級基本上是常态。
比如在優化某保險公司車險保單跑批的案例（ 開源 SPL 優化保險公司跑批優從 2 小時到 17 分鐘）中，使用 SPL 将計算時間從 2 小時縮短到 17 分鐘，同時代碼量減少了 2/3。這裡使用了 SPL 特有的周遊複用技術，可以在對大資料的一次周遊過程中實作多種運算，有效地減少外存通路量。這個案例涉及對一個大表進行三次關聯和彙總的運算，使用 SQL 要将大表周遊三次，而使用 SPL 隻需要周遊一次，并在關聯運算上也采用了不同的方法，是以獲得了巨大的性能提升。
還有在 開源 SPL 将銀行手機賬戶查詢的預先關聯變成實時關聯 的案例中，使用 SPL 将原本隻能預關聯的手機賬戶查詢變成實時關聯，同時伺服器數量從 6 台降為 1 台。這裡充分利用了 SPL 的有序存儲機制，一次性讀取整個賬戶資料時可以有效減少硬碟時間（實體存儲連續），再借助區分維表和事實表的外鍵實時關聯技術使用單機就能完成實時關聯查詢，性能提升明顯，硬體需求也降低了許多。
進一步讨論
說到這裡你可能會想，那是不是學會 SPL 文法就能把計算跑得快了？
也沒這麼簡單！
關于算法
使用 SPL 可以獲得更高性能不是因為 SPL 文法，SPL 文法雖然有些特色，但并不是跑得快的根本原因。最關鍵的是掌握和運用高性能算法。
實作性能優化有兩步：第一步設計出低複雜的計算方案，第二步用足夠低的成本實作它。其中更關鍵的是第一步，這需要由有一定經驗和知識儲備的程式員來做（即掌握和運用高性能算法），第二步才是用 SPL 來做。換句話說，SPL 并不負責設計解決問題的方法，而隻是負責讓解法更容易實作出來。
SPL 文法很簡單，比 Java 容易得多，兩小時就能基本上手，兩三周就能比較熟練了。但算法卻沒那麼簡單，需要認真學習反複練習才能掌握。反過來，隻要掌握了算法，用什麼文法就是個相對次要的問題了（當然用 SQL 這種太粗線條的語言還是不行）。這就像給病人看病，找出病理原因後，能分析出什麼成分的藥能管用。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。
因為實際中很少使用，有不少應用程式員工作幾年後都把大學時代學過的資料結構和算法課程内容忘了，而不了解這些基礎算法知識時也就沒辦法設計出高性能算法方案。為此，SPL 設定了專門的高性能專題，不僅涵蓋高性能算法與優化技巧，還有性能優化課程與性能圖書來授人以漁。
關于存儲
和算法密切相關的，高性能計算還有一個關鍵點是資料存儲，高性能計算離不開合理的資料存儲方式。使用 SPL 實施高性能計算時也不能再基于資料庫來做，需要将資料從資料庫裡搬出來重新組織。
為什麼呢？
慢的資料計算任務可以分為計算密集型和資料密集型兩大類。單純的計算密集型任務涉及的資料量不大而隻是計算量很大，計算量大并不是由于資料量大造成的，這樣不用改變存儲方式，隻要實施了好的計算方法也能大幅提升性能，也就是說，可以繼續在原有的存儲方式（比如資料庫）上使用 SPL 來優化性能。而資料密集型任務涉及的計算量也很大，但計算量大主要是由資料量大造成的，這時候如果不改變存儲方式，資料讀取時間很可能會很長，即使能把計算時間優化到 0，整體運算時間也不能得到有效的優化。
遺憾的是，我們面臨的計算慢的場景絕大部分屬于資料密集型計算。如果資料還存在資料庫中，而資料庫取數接口（如 JDBC）通常又非常慢，将資料讀出就要消耗很長時間（IO 效率很低），經常遠遠超過後續 SPL 計算的時間，這也就不可能達到優化效果了。而且，SPL 中有相當多的算法也對存儲組織有要求，比如單邊分堆算法就要求有序的存儲方式，而正常關系資料庫無法滿足這個前提，這些算法也無法實施了。
為了解決這個問題，SPL 提供了自有的存儲機制，直接采用檔案系統，将資料從資料庫導出到特定格式的檔案中，不僅可以獲得更高的 IO 存取效率以及檔案系統靈活的管理能力，還可以充分利用自有格式的列存、有序、壓縮、并行分段等資料存儲優勢，進而高效地發揮高性能算法效力。
使用檔案存儲資料還可以有效減少資料入庫的時間，進一步提升計算性能。有些計算場景不僅要從資料源讀，還要将計算結果落地，存入資料庫以友善後續計算使用。像 ETL 就是典型的讀寫并存的計算，還有某些大資料計算或複雜計算需要将中間結果暫存，後續計算還需要再使用的情況。我們知道，資料庫寫入是非常慢的動作，伴随寫入的計算場景性能自然低下。這時就可以将原本需要入庫的資料存儲在檔案中（雖然這是工程方面的優勢，但仍可獲得接近數量級的讀寫性能提升），再利用 SPL 的檔案計算能力直接計算，進而實作高性能。
關于 T+0
如果把資料都移到資料庫外，那麼是不是就無法完成實時資料計算了？畢竟資料總是在不斷地産生。
沒有問題。
對于全量 T+0 實時查詢，SPL 提供了多源混合計算的能力以滿足這類場景。冷資料量大且不再變化使用 SPL 的高性能檔案存儲，這樣可以獲得更高地計算性能；熱資料量小仍然存放在原有資料源中，SPL 直接讀取計算（支援多樣性資料源），由于熱資料量并不大，直接基于生産資料源查詢也不會對其造成太大影響，通路時間也不會太長。冷熱資料混合計算，就可以獲得針對全量資料的 T+0 實時查詢。我們隻要定期将變冷的資料固化到 SPL 的高性能存儲中，原資料源隻需要保持少量近期新産生的熱資料即可。整體架構如下：
如何開始
從前面的分析可以知道，完成性能優化任務必須熟悉高性能算法和存儲機制，但從上面的課程圖書也可以看出來，這些内容并不少，都要融會貫通也不是很容易的事。特别是很多程式員都習慣了 SQL 的思維方式，很難跳出這個窠臼。面對一個性能優化任務，即使有了開源 SPL 這樣的有利武器，也常常有點無從下手。打個比方，一個趕馬車的高手想跑得更快時，會習慣于尋找缰繩和鞭子，而對于初次見到的汽車上的方向盤和油門卻會感到一頭霧水。
為此，SPL 團隊也提供相應的咨詢服務：你可以把遇到的性能問題拿過來與我們一起讨論和設計優化方案，必要的時候還可以進行 POC。
我們通常關心這樣一些必要的問題資訊：業務場景、面臨痛點、目前計算的資料量和并發量以及響應時間，如果還能提供 SQL 腳本、表結構和測試資料就更好了。
相信我們，從不失手！