Linux 上 Informix 查询优化的实操路线图
一 基线评估与执行计划
- 使用 set explain on 输出执行计划与代价，定位是否出现 全表扫描、低效 JOIN 或多余 排序，据此制定索引与 SQL 改写策略。
- 用 onstat -g sql 观察当前会话与长时 SQL，配合应用日志定位慢查询入口。
- 检查统计信息新鲜度，执行 UPDATE STATISTICS 保持优化器选择最优计划。
- 建立慢查询基线（响应时间、逻辑读、扫描行数），每次优化后对比验证。
二 SQL 编写与改写要点
- 避免对索引列做计算或函数封装（如 UPPER(col)），否则索引失效；必要时改用函数索引或改写条件。
- 优化 LIKE：尽量避免前置通配符（如 ‘%abc’），优先前缀匹配（如 ‘abc%’）；非必要时减少使用 MATCHES。
- 减少 **SELECT ***，仅返回必要列；能用 JOIN 替代的 相关子查询 尽量改写为 JOIN，降低临时表与重复扫描。
- 控制结果集：分页或采样时使用 LIMIT/TOP 限制返回行数，避免大结果集传输与排序。
- 减少不必要排序与重复排序，尽量通过索引有序性满足 ORDER BY/GROUP BY。
- 谨慎使用 ROWID 操作，防止额外磁盘读写。
三 索引设计与维护
- 为高频出现在 WHERE/JOIN/ORDER BY 的列建立索引；多列组合使用 复合索引，字段顺序遵循“高选择性在前、常用于等值条件在前、范围条件靠后”。
- 设计 覆盖索引（包含查询所需全部列），避免回表；对长字符列使用 前缀索引 平衡选择性与存储。
- 清理 冗余/重复索引，降低 DML 开销；必要时用 INDEX 提示 引导选择更优索引（先验证计划）。
- 维护统计信息：定期 UPDATE STATISTICS；在大量 INSERT/UPDATE/DELETE 或数据分布显著变化后，评估 重建索引 与碎片整理。
- 大表按业务键 分区，可显著减少扫描范围并提升 JOIN/聚合性能。
四 配置与资源调优
- 内存与缓存：结合实例负载与内存容量，合理调大缓冲池（如 BUFFERPOOL/SHM 相关参数），减少物理 I/O。
- 并行与 CPU：在 多核 环境下启用/调优并行查询参数，提升扫描与聚合吞吐。
- I/O 子系统：优先 SSD/NVMe、合理条带化与对齐，降低读写延迟。
- 虚拟处理器与网络：根据 CPU 核数 配置 VPs（如 numcpuvps、multiprocessor），为连接设置合适 nettype，避免网络瓶颈。
- 连接治理：设置合理的 连接超时（如环境变量 informixcontime），防止异常连接堆积。
五 监控维护与迭代验证
- 持续监控：用 onstat、onmode 观察缓冲命中、锁等待、I/O、会话与长 SQL；必要时引入 IBM Data Server Manager 或 Zabbix 做可视化与告警。
- 日志与诊断：定期分析数据库日志与错误日志，结合慢查询清单做定点优化。
- 例行维护：周期性 UPDATE STATISTICS、索引重建/重组、碎片清理，保持执行计划稳定。
- 变更流程：任何参数、索引或 SQL 改写先在 测试环境 验证，再灰度上线，并保留回滚方案。
