DB2 LUW SQL 调优指南

db2set　DB2_SELECTIVITY=ALL　

然后重启 DB2, 就可以执行类似这样的 SQL 语句：

　select　*　from　T1,　T2　where　T1.c1　=　1　selectivity　0.000001and　T1.c2　=　T2.c2　

"selectivity 0.000001"指定了 T1.c1 = 1 的 Selecitivity 是百万分之一。

手动修改统计信息，如果怀疑是优化器对代价的估算的不准确导致较差的计划，作为一种调试的手段，可以手动修改统计信息以期得到好的查询计划。例如下面的命令可以改变表 T 的记录数统计信息：

　update　sysstat.tables　set　card=10000　where　tabschema　='SCHEMA'　and　tabname　='T';　

5. 使用 Informational Constraint

Informational Constraint 是一种特殊的约束，专门用于优化查询。在开发应用程序时，有些数据的完整性约束，比如唯一性，值的合法性，参照完整性，被设计成由应用程序来保证，但 DB2 的优化器并不知道这些约束，无法根据它们做优化。这时可以在 Create Table 或 Alter Table 时定义 Informational Constraint 来告诉优化器这些约束。例如：

　create　table　T　(c1　int,　c2　int,　foreign　key(c2)　references　T2not　enforced)　

关键字"not enforced"表明此外键约束是 Informational Constraint，只起到优化的作用，不会由 DB2 保证约束。

特殊的优化方法

本章主要介绍上述两个章节之外的特殊的 SQL 优化方法。

1.　 使用物化查询表（MQT）

MQT 是一种以查询结果为基础定义的表 , 可以用所有可以被正确执行的语句来创建，还可以在其上如同一个真实的表一样创建索引。我们可以将 MQT 看作一种物化的视图，它将查询结果保存下来。在查询过程中，优化器会试着将查询语句的一部分或全部与 MQT 的定义匹配，如果匹配上，就有可能用 MQT 代替那部分查询。这样就可以节省优化器制定新的计划和扫描真实表的代价，甚至可以使用 MQT 上的索引，从而提高了复杂查询的效率。对存在数据分组和聚合操作 (Aggregation, 如 SUM，AVG）的查询，使用 MQT 尤其有用。