Linux 上提升 Informix 查询性能的系统化做法
一 监控与诊断优先
- 建立性能基线：在相同负载下记录关键指标（逻辑/物理读、执行时间、会话数、锁等待、I/O 等），每次改动前后对比，验证收益与回归。
- 使用内置工具：
- 用 onstat -g ses/onstat -g sql 查看会话与正在执行的 SQL；
- 用 SET EXPLAIN ON/ANALYZE 输出并分析执行计划，定位全表扫描、低效连接与排序；
- 用 onmode -z 终止异常会话，避免雪崩。
- 借助可视化与告警：结合 IBM Data Server Manager 或 Zabbix 做长期趋势与阈值告警，形成闭环。
二 SQL 与索引优化
- 只查需要的列：避免 **SELECT ***，减少 I/O 与网络开销。
- 让索引生效：
- 为高频出现在 WHERE/JOIN/ORDER BY 的列建立索引；
- 使用复合索引匹配多条件；优先设计覆盖索引以减少回表；
- 避免在索引列上使用函数或表达式（如 UPPER(col)），否则索引失效；
- 谨慎使用 LIKE ‘%xxx%’（前导通配符易导致全表扫描），可改为前缀匹配或全文检索方案。
- 减少排序与中间结果：为 ORDER BY/GROUP BY 建立合适索引，必要时用索引有序扫描替代显式排序；减少不必要的子查询，能用 JOIN 替代时尽量使用。
- 控制结果集：分页或限定返回行数（如应用层 LIMIT/TOP），避免一次性拉取海量数据。
- 保持统计信息新鲜：定期执行 UPDATE STATISTICS，让优化器选择更优计划。
三 数据库与实例参数调优
- 内存与缓存：结合工作负载调大缓冲池（如 BUFFERPOOL 相关参数），提高数据/索引命中率；合理设置排序区、临时表空间，避免磁盘临时排序。
- 并行查询：启用并合理设置 PDQ（Parallel Data Query），利用多核 CPU 做扫描、聚合、排序的并行，显著提升大查询吞吐。
- 虚拟处理器与 I/O：根据 CPU 核数配置 CPU VPs，为 I/O 与网络配置合适 VP class，减少锁竞争与上下文切换。
- 连接与会话：设置合理的 MAX_CONNECTIONS/SESSION_LIMIT，启用连接池，避免频繁建连与短连接风暴。
四 Linux 与存储层优化
- 存储与布局：优先 SSD；将数据文件与日志文件分离到不同物理磁盘/阵列，降低 I/O 争用；使用合适的 RAID 级别（如 RAID10 兼顾性能与可靠性）。
- 文件系统与挂载：选择 XFS/ext4 等成熟文件系统；对数据目录使用 noatime 减少元数据写入；确保对齐与条带化（如 LVM/阵列层）。
- 内存与大页：为数据库分配充足内存，启用 HugePages 减少 TLB 开销、降低页分配抖动。
- 网络栈：优化 TCP 缓冲区、队列与超时，保障高并发下的吞吐与稳定性。
五 维护与持续优化
- 例行维护：定期执行 UPDATE STATISTICS、重建/重组高碎片索引、清理历史/临时数据，保持执行计划稳定与索引高效。
- 变更管控：任何参数或 SQL 改写先在测试环境验证，灰度发布并回滚预案；保留变更记录与性能对比。
- 扩展策略：在纵向扩容（CPU/内存/SSD）到瓶颈后，考虑读写分离、分库分表/分区与负载均衡等横向扩展手段。