Linux 上提升 Informix 查询效率的实用方案
一 硬件与操作系统层优化
- 存储与布局：优先使用 SSD，将数据文件与逻辑日志/物理日志分离到不同物理磁盘或阵列，降低 I/O 争用；阵列建议 RAID10（写性能与可靠性兼顾）。
- 内存与 CPU：为数据库分配充足内存以提升缓冲命中率；多核 CPU 下合理启用并行处理。
- 文件系统与挂载：选择 XFS/ext4，为数据盘设置 noatime 减少元数据写入；SSD 启用 TRIM；存储控制器开启 AHCI 模式。
- 网络：保证带宽与低时延，跨机房部署时优先 10GbE 或更高规格；必要时优化 TCP 缓冲区/超时 等参数。
二 数据库配置与实例参数
- 内存与缓存：增大缓冲池（如 BUFFERPOOL/BUFFERS 或相应内存参数），减少磁盘 I/O；结合负载逐步调优，避免一次性过度分配。
- 日志与并发：根据写入强度调整 LOGSIZE/LOG_BACKUP 与检查点间隔；合理设置 LOCKS/MAX_CONNECTIONS 等并发参数，减少锁等待。
- 并行与 VP：多核环境下配置合适的 虚拟处理器（VP），如 numcpuvps、multiprocessor；I/O 密集场景配置 I/O VP，网络密集场景配置 网络 VP，提升并行度与吞吐。
- 临时空间与排序：确保 TEMP SPACE 充足，避免排序/哈希操作因空间不足退化到磁盘。
三 SQL 与索引优化
- 执行计划与统计：使用 SET EXPLAIN ON 查看执行计划；定期执行 UPDATE STATISTICS，让优化器选择更优计划。
- 索引策略：为高频 WHERE/JOIN/ORDER BY 列建立索引；合理设计复合索引与覆盖索引以减少回表；避免冗余索引；必要时用 INDEX 提示 引导走指定索引。
- 写法规范：避免 **SELECT ***，只取必要列；尽量用 JOIN 替代复杂子查询；避免在索引列上使用函数或计算；谨慎使用 LIKE ‘%xxx%’ 这类前导通配导致全表扫描；对大结果集使用 LIMIT/TOP 分页或限制返回行数；减少不必要 ORDER BY/GROUP BY 与大表排序。
四 架构与维护策略
- 分区与分片：对大表按时间/业务键进行分区，可显著降低扫描范围并提升管理与查询性能。
- 数据生命周期：建立分区/分表与归档机制，清理历史冷数据，减少扫描与维护成本。
- 连接与负载：应用侧使用连接池复用连接；读写分离与负载均衡降低单点压力。
- 压缩与存储：对大表启用表/列/行压缩，降低 I/O 与存储占用，提高缓存效率。
- 例行维护：定期 UPDATE STATISTICS、重建/重组索引、清理碎片；变更前备份配置与数据，先在测试环境验证。
五 监控定位与快速排查
- 数据库监控：使用 onstat、onmode 观察会话、锁、I/O、缓冲命中、长事务等；结合 慢查询日志 与 SET EXPLAIN 定位问题 SQL 与执行计划回退。
- 系统监控：用 top、vmstat、sar、iostat 排查 CPU、内存、I/O 瓶颈；关注 await、svctm、util 等指标判断存储健康度。
- 调优闭环：建立“监控 → 假设 → 改动 → 复测 → 复盘”流程；优先处理高成本 SQL（全表扫描、大排序、频繁重执行），小步快跑、逐项验证。