什么是点查
顾名思义，“点查”是指只扫描少量数据的查询。注意这里说的是“扫描少量数据”而不是“返回少量数据”，比如select * from t1 order by c1 limit 1虽然只返回了一条数据，但如果c1上没有索引，需要先扫描t1上所有数据排序后才能返回结果，不符合“点查”的定义。
单机数据库中，最常见的点查是按照主键（Primary Key, PK）查询数据，通过扫描主键索引快速得到结果，平均只需要扫描logn条记录。如果通过其他条件查询，可以增加局部二级索引（Local Secondary Index，LSI），首先扫描局部二级索引得到主键，然后回表查出完整记录。特殊场景下，如果局部二级索引中包含了查询涉及的所有列，则回表的步骤也可以省略。
PolarDB-X是一个分布式数据库，为了将数据分散到不同数据节点（Data Node，DN）上，引入了分区表的概念，预先将数据切分成多个分区，然后建立分区和DN的映射，其中切分数据需要选取一个或多个列作为切分维度，这些列因此被称为“分区键”。分布式数据库中，查询性能除了与扫描的数据量线性相关，还与扫描的分片数量正相关，因此“点查”的定义还需要加上“扫描少量分区”。
PolarDB-X具备透明分布式能力，默认使用主键作为分区键，按照PK查询时首先定位到数据所在的分区，然后通过分区上的主键索引得到结果，性能最高。如果通过其他条件查询，可以增加全局二级索引（Global Secondary Index，GSI）。使用GSI优化查询的原理与LSI相同，首先查到主键然后回表获得完整记录，主要区别在于GSI本身也是一张分区表，数据与主表保存在不同DN上，回表操作大概率需要经过网络，回表代价高于单机数据库。因此，PolarDB-X支持创建聚簇索引来消除回表，达到与主键查询相同的性能。
注意事项
LSI和GSI本质上是以额外存储空间和写入开销为代价，换取查询性能的方案，使用时需要谨慎评估对写入性能的影响。索引表与主表的数据分布不同，为了保证GSI的数据与主表强一致，所有涉及GSI的写入操作都默认被包装在分布式事务中。相比没有GSI的场景，写入RT会增加2~3倍，同时由于索引表和主表混合并行写入，高并发写入场景下产生分布式死锁的概率会增加。综上所述，建议每张逻辑表上创建不超过3个GSI。
如何识别点查
如上所述，分布式数据库中的点查，是指扫描少量分片和数据的查询。通过查看执行计划，可以确认一个查询语句扫描的分片数，更多执行计划介绍请参见执行计划介绍。以下为一个点查的示例：
> 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用于汇总展示DN上的执行计划，由此可以判断查询在DN上是否命中正确的索引。DN节点基于MySQL实现，执行计划与MySQL相同，更多介绍参考 MySQL 官方文档。以下展示一个点查的示例：
> 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 |
+----+-------------+----------+------------+-------+---------------+---------+---------+-------+------+----------+-----------------+
如何将查询优化为点查
不是所有查询语句都可以优化为点查，例如没有任何条件的数据抽取查询select from t1，不合理的分页查询select from t1 where c1 = 1 limit 100000, 10，参数数量随着业务增长而增长的IN查询等。能够优化为点查的语句可以概括为以下两类：
- 固定范围扫描的查询：条件中包含等值条件（或可以简化为等值条件），小范围BETWEEN AND条件 ，参数数量固定的IN条件的查询；
- 结果行数固定的TopN查询：例如
select from t1 where c1 > 42 limit 10 和 select from t1 order by c1 limit 10和select * from t1 order by c1 limit 10。
对于这两类查询，优化的思路是添加合适的索引，将全表扫描转化为索引扫描，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表上只有主键索引，因此虽然c_phone指定了等值条件，依然需要扫描全部分片，可以通过添加GSI来优化。
> 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后，查询变为索引表上的点查加回表，回表操作只访问一个分片（执行计划中回表显示为主表上的全表扫描，这是因为确定需要扫描的主表分片依赖索引表的查询结果，explain阶段无法确定）。
> 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后，由于索引表中包含了主表上的所有列，不再需要回表，执行计划变为索引表上的点查。
以上示例阐述了通过索引优化点查性能的一般过程，其中的关键点是根据查询特征找到适合添加索引的列。对于包含多个条件比较复杂的查询，可以通过PolarDB-X内置的索引推荐功能来找到合适的LSI和GSI，详情请参考智能索引推荐。
