SQL Performance — A matemática

por trás dos bancos de dados

Um breve entendimento sobre o que não vemos nos
bancos de dados

https://medium.com/@thihenos/sql-performance-1-a-matem%C3%A1tica-por-tr%C3%A1s-
dos-bancos-de-dados-1ff6236162f7

Introdução
Esse artigo é o primeiro de uma série de artigos que irei desenvolver sobre
dicas e truques em SQL para pessoas que estão iniciando sua carreira na
área de banco de dados, e essa vontade se deu, principalmente pelo fato
de eu perceber que muitas faculdades e cursos, dificilmente dão a devida
atenção para o banco de dados, que é o grande vilão silencioso de grande
parte da lentidão dos sites e sistemas.

Segundo Dimitri Kravtchuk, arquiteto de performance Oracle, em sua

apresentação sobre performance que você pode conferir aqui, diz que 95%
dos problemas de lentidão estão sempre relacionados a camada de
aplicação do software e não com os servidores e banco de dados.

Pré Requisitos
• Conhecimento básico de banco e dados e queries.

O que é Structured Query Language ou SQL ?

A linguagem SQL é standard da ISO (International Organization for
Standards) e ANSI (American National Standards Institute ) que continua
em constante evolução ( última versão que eu acompanhei foi atualizado
em 2011 )e é utilizada para manipulação de informações no banco de
dados. Há casos em que nos deparamos com linguagens própria de cada
banco de dados e que se assemelha muito com SQL pelo fato dela ser uma
standard ISO, por exemplo o T-SQL da Microsoft e o PL/SQL da Oracle,
por esse motivo, sempre:

• Prefira usar o standard, independente do banco de dados que vocês

esteja usando. Só use o que não é standard por questões muito
importante e que realmente te beneficiária, por outro lado, se um dia
você precisar migrar de plataforma, menor será seu impacto se você
estiver utilizando o SQL standard.

• Por exemplo, em T-SQL, ele aceita 2 tipos de “not equals” <> e != , a

primeira é standard a segunda não.

SQL é baseado no modelo relacional matemático

O modelo relacional é um engano pois, para muitos, o banco é relacional
pela relação das tabelas ( chaves estrangeiras ), porém o termo vem da
matemática.

De acordo com o criador da teoria matemática , Georg Cantor “Sets é

qualquer conjunto M de uma definição (total), objetos distintos m (que são
chamados elementos de M) de nossa percepção ou nosso pensamento ”,
ou seja, se M for um conjunto de carros, podemos dizer que todo carro
contém pneus, vidros, portas, que são seus elementos m.

Por definição total: Consideramos que ninguém interage com um

elemento apenas de uma set, ao contrário, interagimos com o todo, ou seja,
dificilmente alguém usa um carro e só interage com o pneu.

Elementos distinto: Sets não tem duplicatas, ou seja, se nós afirmarmos

umas verdade, não tornamos ela mais verdadeira. Se consideramos
uma setde {a,b,c} podemos considerar igual a {a,a,b,b,c,c,}, ou seja, para
oconjunto M ( carro ) podemos dizer que {volante,pneu,freio} é igual
a {volante,volante,pneu,pneu,freio}.
Outro ramo que o modelo matemático é baseado, é a lógica
dos predicado.Para filtrar, garantir integridade e etc… O modelo relacional
usa a lógica dos predicados como um dos seus cores.

Exemplos de predicados:

• Salário maior que 5000;

• Idade maior que 20;
• Nome igual a ‘Larissa’;

A anatomia de uma query, como funciona um

SELECT?
Agora que entendemos os conceitos básicos da matemática dos bancos,
entraremos em um tema um pouco mais avançado, no qual espero que
você tenha o mínimo de conhecimento sobre a execução de
uma query.Falaremos agora sobre como funciona o SQL Engine, que é
responsável por toda interpretação matemática na inserção e recuperação
dos dados nos bancos.

Para explicar o passo-a-passo, vamos considerar a query abaixo como

exemplo desse artigo, para explicar de forma metódica o que um SQL
Engine efetuaria esse comando.

SELECT count(*) as quantidade, cidade

FROM estudantes
WHERE UF= ‘SP’
GROUP BY cidade HAVING count(*) > 1
ORDER BY cidade

1 — A ORIGEM ( FROM )
Como primeiro, o primeiro procedimento efetuado é a análise da origem
dos dados, ou seja a TABELA onde estamos armazenando os dados,
desconsiderando algumas exceções de configurações como paginação e
quantidade de memória alocada para queries, nesse passo a engine tenta
recuperar o máximo possível de informação existente na tabela para uso
posteriores, ou seja, mesmo com o filtro ( WHERE ) acionado, todas as
linhas seriam recuperada para a memória do servidor.

2 — FILTRANDO O QUE É ESSENCIAL ( WHERE )

A segunda fase, consiste em filtrar as linhas que realmente fazem sentido
para nós, para isso sinalizamos ONDE ( WHERE ) estão os dados que nós
precisamos. Somente os valores que retornarem verdadeiro serão
trazidos, respeitando assim a matemática da lógica dos predicados. Como
sinalizamos na query acima, precisamos das linhas ONDE ( WHERE
) a UF fosse verdadeiro para o valor SP.

3 — AGRUPANDO RESULTADOS ( GROUP BY )

Nessa parte, lidamos com combinações de elementos da tabela de
ORIGEM. Cada linha será agrupada (GROUP BY) conforme a regra
de agrupamentoimposta. A query que utilizamos, está agrupando
(GROUP BY) por cidade, visualmente o exemplo seria

Imagem ilustrativa para exemplificar visualmente a ideia do agrupamento

4 — FILTRANDO AS LINHAS COM HAVING ( HAVING )

Essa fase é responsável por filtrar dados, porém, só podemos
usar HAVINGdepois que temos um AGRUPAMENTO já efetuado no
resultado, ou seja, só utilizaremos o HAVING após um GROUP BY, ele
avalia por GRUPO e filtra os dados considerando
o AGRUPAMENTO como um todo. No nosso caso, o HAVING está
usando um predicado de COUNT (*) > 1, ou seja, está filtrando
os AGRUPAMENTOS por cidade que tenham (HAVING) mais de um dado
repitido.
• Qual a grande diferença entre WHERE e HAVING? O WHERE avalia
as linhas antes de serem agrupadas, já o HAVING apenas avalia um
resultado agrupado

5 — EXIBINDO INFORMAÇÕES ( SELECT )

A quinta parte do processamento é responsável por TRAZER ( SELECT
) os dados, nessa fase, dividimos em 2 passos. O primeiro passo seria listar
e retornar as colunas que precisamos exibir da tabela. O segundo passo é
o uso de funções e tratamento de dados que podemos fazer para cada
coluna individualmente, por exemplo a função COUNT() do nosso
exemplo.

6 — POR ULTIMO, A ORDENAÇÃO ( ORDER )

Essa fase é aplicada opcionalmente, caso queremos ordenar a forma que
será exibido o resultado, usamos a ORDENAÇÃO ( ORDER BY ) para
efetuar esse trabalho.

No nosso caso, vemos que a ORDENAÇÃO ocorre por cidade. Pode

ocorrer de você tentar ordenar uma coluna que tem alias, para esse
caso , como estudamos acima, a ORDENAÇÃO ocorre após
o SELECT, então a expressão ( alias ) já foi validada anteriormente e
deverá ser utilizada no ORDER BY.

Outro ponto importante de usar a ORDENAÇÃO, é que adiciona um custo

a mais para o processamento da query, em casos que a ordem não é
importante, é aconselhável não usar desnecessariamente a ordenação.

Conclusão
Nesse primeiro momento, a ideia principal foi apresentar os aspectos
matemáticos que são básicos para entendimento e operação dos bancos
de dados e como funciona o SQL Engine na construção de uma query.
Nos próximos artigos abordarei a matemática dos JOINS e outras
estratégias para evitarmos cálculos desnecessários e usos exagerados de
memória RAM no servidor.