Desmistificando o SELECT no SQL Server: Processamento Lógico vs Processamento Físico

Quando eu começei a ler sobre o processamento lógico das queries, eu “boiei” muito.
Sabia que era um assunto bem legal, mas nao entendia realmente o que era.

Depois de algum tempo de leitura e pesquisa, acho que finalmente entendi, e, por experiencia própria acredito que seja mais do que importante entender bem esse assunto.

Para o SQL Server processar aquele comando SQL, ele tem algo como “regras”.
Ele vai validar o comando pra ver se está de acordo com a sintaxe do SQL, checar se as tabelas existem, etc…

Todo esse procedimento segue uma lógica. Essa lógica guia o modo como a engine do SQL Server irá interpretar o comando.
Por exemplo, veja a seguinte query: (Os scrips para criação dessas tabelas estão aqui)

 

É uma query muito simples. O que ela faz é trazer a quantidade de pedidos por cidade.
Vamos viajar um pouco. Imagine que você fosse o SQL Server e estivesse responsável por processar a query.
De cara, você começa a processar a query a partir do início, isto é, da cláusula SELECT:

Ai você dá de cara com esse primeiro trecho do comando:

 

Ai você se pergunta, “C.cidade” ? Qual tabela o alias “C” representa ?
Opa, você percebeu que nao podemos começar o processamento pelo SELECT, porque primeiro precisamos saber quais as tabelas e alias o desenvolvedor informou na query.  E onde estão essas informações ? Na cláusula FROM!!

Para simplificar, podemos dizer que o “processamento lógico” é a ordem em que o SQL Server irá ler as cláusulas do seu comando SELECT. Essa ordem, pode interferir nos resultados que a sua query vai produzir.

Agora veja esta outra query:

Este comando SELECT pode ser dividido em 4 sub-comandos, ou cláusulas:

  • SELECT: Esta parte contém a lista de colunas que queremos retornar, bem como as expressões, e a opção “DISTINCT”.
  • FROM: Esta parte contém as tabelas  com as linhas e colunas que vamos acessar.
  • ORDER BY: Este comando diz que devemos ordenar os resultados conforme uma ou mais colunas

Essa query pode ter várias interpretações diferentes, isto é, várias “lógicas de processamento” diferentes, dependendo da orgem como estes sub-comandos são processados. Cada lógica escolhida no seu processamento vai produzir um resultado diferente. Quer ver ? Então vamos lá.

Vamos supor que a lógica de processamento que voce escolheria fosse a seguinte: (de novo, imaginando que você  é o SQL Server)

1º – FROM
2º – ORDER BY
3º – SELECT
Bem vamos lá, o FROM seria moleza. Você teria apenas que ler os dados da tabela Cliente e atribuir o alias “C” a ela. Logo em seguida viria o ORDER BY. Opa, temos um problema, a tabela Cliente nao tem uma coluna ‘NomeCidade‘. Essa coluna é um alias definido no SELECT, e como você ainda não processou o SELECT, não sabe da existencia desse alias. Nesse caso, representando o SQL Server, o que fazer? Simples: Informaria um erro ao usuário:

“Erro 0000: A coluna NomeCidade nao foi encontrada”

Assim, nessa ordem de processamento, o resultado seria um erro. Agora, vamos imaginar que a ordem escolhida fosse essa:

1º – FROM
2º – SELECT
3º – ORDER BY

De novo, a primeira fase é processar o FROM: apenas ler tabela Clientes e atribuir o alias “C” a ela.
Agora, vem a fase do SELECT. Nessa parte ele menciona “C.cidade”. Como já processamos o FROM, sabemos que o “C” representa a tabela “Cliente”. Legal, com isso nós vimos que o desenvolvedor está querendo referenciar uma coluna chamada “cidade” da tabela Cliente. O próximo passo seria verificar se a coluna realmente foi retornada pelo FROM, mas não se preocupe com isso agora. Continuando o processamento do SELECT, aplicariamos a funcao UPPER na coluna “C.cidade”. Depois, nós iríamos associar o alias “NomeCidade” ao resultado desta função e finalmente realizar o “DISTINCT” nas linhas resultantes. Terminando a parte do SELECT, processaríamos o ORDER BY. Como já processamos o SELECT, nó sabemos que o nome “NomeCidade” é uma alias pro resultado da expressão “UPPER(C.Cidade)”.

Agora é so ordenar os dados de acordo com o resultado dessa função, e pronto! Tá vendo ? Olhe só que interessante: Na primeira tentativa, o nosso processamento resultou em um erro. Na segunda, apenas por trocar o ORDER BY de lugar com o SELECT, ja produziu um resultado sem erros. Isso não se resume a resultados com erros ou não.

Mais um exemplo, outro simples SELECT:

Se eu estivesse aprendendo banco de dados agora, e te perguntasse o que esse código faz, provavelmente você diria: “Retorna o ID e cidade de todos os registros da tabela ‘Cliente’ ”. E está certo! Você sabe o que vai ser retornado. Agora se eu te perguntasse, como o SQL Server está fazendo para acessar estes dados você poderia me responder: “Ele está lendo a tabela inteira diretamente”, ou “Ele está usando o índice da tabela”. Não importa como o SQL Server está fazendo, mas você sabe que o que ele está tentando fazer é ler a tabela inteira, e retornar 2 colunas. Independente de como ele vai fazer isso, porque é isto que a query está pedindo.

Agora, imagine que você quisesse saber o seguinte:

Trazer todas as cidades da tabela cliente, junto com o total de pedidos feitos por clientes cujo ID é < 3

Em uma primeira tentativa, a query abaixo poderia ser uma solução:

 

 

Percebam que a cidade “Goiânia” não aparece no resultado, e a nossa regra de negócio exige que ela apareça (“trazer todas as cidades”). Mas porque ? Onde está o problema ? A coisa fica mais interessante quando você apenas muda um filtro de lugar …

 

Agora sim o resultado retornado foi o que queríamos. Porque apenas ao mudarmos o filtro de lugar o resultado produzido foi diferente? Isso fica facilmente entendido quando você entende que o SQL Server processa o WHERE APÓS o FROM. O filtro que você faz no WHERE afeta os resultados do JOIN. Já no segundo exemplo, o resultado produzido pelo JOIN respeita o filtro que você fez na cláusula “ON”. Você irá entender melhor o que ocorreu nos próximos posts.

Conforme visto neste post, o processamento lógico divide o comando SELECT e todas as suas opções em algumas fases. Nos próximos posts, iremos abordar fase por fase. Cada fase produz um resultado, que não é visível por seu código, apenas pelo SQL Server, internamente. Este resultado é passado para a próxima fase, e isso vai se repetindo até que se acabem as fases a serem processadas. Se uma fase não existe, o SQL Server apenas pula e repassa a tabela virtual.

Tabelas Virtuais

No processamento lógico cada fase produz um resultado e esse resultado é passado para a próxima fase. Para facilitar, imagine que cada fase produz uma tabela virtual. Eu não vou chamar de “temporária” para você não confundir com as tabelas temporárias que existem no SQL Server. Essas “tabelas virtuais” são passadas de fase por fase, e a próxima fase só enxerga a tabela que foi passada a ela, inclusive somente as suas colunas (tem algumas exceções, mas esqueça por agora). Por questões de nomenclatura, eu vou atribuir nomes a estas tabelas virtuais para ir facilitando nossa compreensão, mas lembre-se que essas tabelas só são “enxergadas” pelo SQL Server internamente.

As tabelas virtuais são um conceito que iremos utilizar para representar os resultados passados de uma fase para outra

As tabelas virtuais são um conceito que iremos utilizar para representar os resultados passados de uma fase para outra. Cada fase pode receber uma tabela virtual e gerar outra que será repassada para a próxima fase. Esta nova, poderá nem sempre será igual a que recebeu.

Entender como a sua query é processada/interpretada pelo SQL Server irá te ajudar a prever os resultados e ter domínio sobre o código que está escrevendo, já que você saberá qual vai ser o fluxo a ser seguido. É por isso que é bastante importante entender como o SQL Server irá avaliar seu comando SQL. Entender o processamento lógico da query é a chave, o primeiro passo, para escrever consultas mais eficientes e robustas.

E o processamento físico ?

O processamento lógico, como disse anteriormente, é apenas a ordem em que o SQL Server irá ler o seu comando SQL… Nesta fase, o SQL Server apenas vai entender “o quê” tem de ser feito, onde estão os dados que devem ser acessados e que transformações devem ser aplicadas nele. O processamento físico é “como” o SQL Server vai fazer isso. Ele pode criar atalhos (isto é, otimizar) o caminho normal do processamento lógico se há garantias que esses atalhos irão produzir o mesmo resultado caso os mesmos não fossem seguidos (tudo isso é fortemente estuado pela equipe de desenvolvimento do SQL Server). Essa parte é feita por um componente chamado “Query Optimizer”, o cara que gera os famosos”planos de execução” (que indica como o SQL irá executar a query)  para as queries.

Para esta série você apenas precisa saber que o resultado produzido pelo processamento físico deve ser exatamente o mesmo produzido no processamento lógico. Assim, quando formos analisarmos o plano de execução iremos ver passos em uma ordem muito diferente do processamento lógico, mas pode ter certeza que o resultado produzido, será o mesmo do processamento lógico. Também, não se preocupe quando o processamento lógico parecer algo absurdo, basta lembrar que aquilo “é um esqueleto” do que será feito realmente.

Bom, espero que esse post nao tenha ficado confuso. Esse lance de processamento físico e lógico vai ser esclarecido conforme formos vendo cada fase do processamento lógico. Qualquer dúvida, sugestão, crítica, etc., por favor, coloque nos comentários que estarei respondendo.

Até a próxima.

[]’s
Rodrigo Ribeiro Gomes
MTA|MCTS