今天看以前也得一个存储过程，发现以前写的一句sql存在新能问题，在这里些一下优化过程，先介绍一下数据一些实际的情况。要查询的表为aaa_log，表的内容为用户的登录信息。这个表的分区字段为statis_date，一个月的记录数大概为7亿条全表大概有几十亿条记录。要计算的得到连续两个月登录过的用户。
 
使用intersetct
select  user_id from aaa_log
where    statis_date>=20091001
and statis_date<=20091031
intersect
select user_id from aaa_log
where statis_date>=20091001
and statis_date<=20091031
执行计划：
SELECT STATEMENT, GOAL = ALL_ROWS   147881 352550000 11986700000   
 PX COORDINATOR        
  PX SEND QC (RANDOM) SYS :TQ10002      
   INTERSECTION        
    SORT UNIQUE   73940 352550000 5993350000   
     PX RECEIVE   3685 352550000 5993350000   
      PX SEND HASH SYS :TQ10000 3685 352550000 5993350000   
       PX BLOCK ITERATOR   3685 352550000 5993350000 7 1 32
        TABLE ACCESS FULL DW AAA_LOG 3685 352550000 5993350000 7 6849 7840
    SORT UNIQUE   73940 352550000 5993350000   
     PX RECEIVE   3685 352550000 5993350000   
      PX SEND HASH SYS :TQ10001 3685 352550000 5993350000   
       PX BLOCK ITERATOR   3685 352550000 5993350000 12 1 32
        TABLE ACCESS FULL DW AAA_LOG 3685 352550000 5993350000 12 6849 7840
使用内连接
select     distinct user_id    
from aaa_log t1, aa_log t2
where 1=1
and     t1. user_id=t2. user_id
and     t1.statis_date>=20091001    
and     t1.statis_date<=20091031
and     t2.statis_date>=20090901    
and     t2.statis_date<=20090930
执行计划：
SELECT STATEMENT, GOAL = ALL_ROWS   600780126 3880 131920   
 PX COORDINATOR        
  PX SEND QC (RANDOM) SYS :TQ10001 600780126 3880 131920   
   HASH UNIQUE   600780126 3880 131920   
    PX RECEIVE   31480377 38997282262394 1.3259075969214E15   
     PX SEND HASH SYS :TQ10000 31480377 38997282262394 1.3259075969214E15   
      PX PARTITION HASH ALL   31480377 38997282262394 1.3259075969214E15 6 1 32
       HASH JOIN   31480377 38997282262394 1.3259075969214E15   
        PX PARTITION RANGE ITERATOR   3685 352550000 5993350000 8 215 245
         TABLE ACCESS FULL DW AAA_LOG 3685 352550000 5993350000 8 6849 7840
        PX PARTITION RANGE ITERATOR   3672 352550000 5993350000 10 185 214
         TABLE ACCESS FULL DW AAA_LOG3672 352550000 5993350000 10 5889 6848
观察这个执行计划发现，使用内连接的消耗远远大于使用intersect。究其原因主要是log表中user_id有重复的，这样导致HASH JOIN的时候有笛卡尔积。
在没有重复记录的时候一般是内连接比intersect快。

使用exits
select     distinct user_id    
from aaa_log t1
where 1=1
and     t1.statis_date>=20091001    
and     t1.statis_date<=20091031
and exists( select 1 from aaa_log t2
where     t2. user_id=t1. user_id
and     t2.statis_date>=20090901    
and     t2.statis_date<=20090930
)
执行计划
SELECT STATEMENT, GOAL = ALL_ROWS   11003 3880 131920   
 PX COORDINATOR        
  PX SEND QC (RANDOM) SYS :TQ10001 11003 3880 131920   
   HASH UNIQUE   11003 3880 131920   
    PX RECEIVE   8003 352550000 11986700000   
     PX SEND HASH SYS :TQ10000 8003 352550000 11986700000   
      PX PARTITION HASH ALL   8003 352550000 11986700000 6 1 32
       HASH JOIN SEMI   8003 352550000 11986700000   
        PX PARTITION RANGE ITERATOR   3691 352550000 5993350000 8 215 245
         TABLE ACCESS FULL DW AAA_LOG 3691 352550000 5993350000 8 6849 7840
        PX PARTITION RANGE ITERATOR   3672 352550000 5993350000 10 185 214
         TABLE ACCESS FULL DW AAA_LOG 3672 352550000 5993350000 10 5889 6848
 
通过比较返现这种情况下使用exits最快，使用interset次之，但是差距不大，使用内连接特别差，对于海量数据可能几天也算不出来。