Bind-переменные / parameter sniffing

Oracle

-- Use binds instead of literals (for plan sharing):
SELECT * FROM customer WHERE city = :city;
-- Share legacy code that uses literals:
ALTER SESSION SET cursor_sharing = FORCE;

Bind-переменные сокращают hard parse. Adaptive Cursor Sharing смягчает проблемы sniffing, храня несколько планов для bind-значений с неравномерным распределением. cursor_sharing=FORCE используйте осторожно.

PostgreSQL

-- Parameterize with a prepared statement:
PREPARE q (text) AS SELECT * FROM customer WHERE city = $1;
EXECUTE q('Ankara');
-- Set plan cache behavior:
SET plan_cache_mode = force_custom_plan;

plan_cache_mode=auto выбирает между generic- и custom-планами; force_custom_plan строит план под параметры при каждом выполнении (решение проблем, подобных sniffing).

MySQL

-- Server-side prepared statement:
PREPARE stmt FROM 'SELECT * FROM customer WHERE city = ?';
SET @city = 'Ankara';
EXECUTE stmt USING @city;
DEALLOCATE PREPARE stmt;

Prepared statements предотвращают SQL injection и снижают стоимость разбора. MySQL поддерживает параметризацию и на уровне драйвера.

SQL Server

-- Parameterized query (sp_executesql):
EXEC sp_executesql N'SELECT * FROM dbo.customer WHERE city = @city', N'@city nvarchar(50)', @city = N'Ankara';
-- Handle sniffing with a hint:
SELECT ... OPTION (RECOMPILE);
-- or OPTION (OPTIMIZE FOR (@city = 'Ankara'));

OPTION(RECOMPILE) строит план под параметры при каждом выполнении (дорого по CPU). OPTIMIZE FOR закрепляет план за конкретным/типичным значением; OPTIMIZE FOR UNKNOWN использует среднюю селективность.

MongoDB

// The query shape is the key of the plan cache:
db.customer.find({ city: "Ankara" }).explain("queryPlanner")
// Clear a stale plan:
db.customer.getPlanCache().clear()

Запросы одной формы (те же поля/операторы) разделяют кэшированный план; разные литеральные значения не создают нового плана. Если распределение значений сильно неравномерно, сбросьте его через planCacheClear.

Redis

# Not applicable: there is no query planner or parameter sniffing.

Команды выполняются напрямую; производительность определяет проектирование ключей, а не параметризация.

Elasticsearch

# Reuse the query with a parameterized search template:
POST _scripts/customer_city
{ "script": { "lang": "mustache", "source": { "query": { "term": { "city": "{{city}}" } } } } }
GET <index>/_search/template
{ "id": "customer_city", "params": { "city": "Ankara" } }

Search template (Mustache) параметризует тело запроса; приложение вызывает фиксированный шаблон с разными значениями, что повышает единообразие запросов и использование кэша.