---

ABAP核心进阶篇（120篇）：ALV报表开发（15篇）

功能进阶篇（4篇）

第一篇：ALV报表性能优化全攻略——解决大数据量查询慢、加载卡顿问题

博客标题：《ALV报表性能优化全攻略：解决大数据量查询慢、加载卡顿问题》

博客简介：针对十万级以上数据量的ALV报表，分享数据查询SQL优化、ALV分页加载、数据缓冲复用、后台作业调度的实用技巧，结合ST05、SAT性能追踪工具分析ALV性能瓶颈的定位方法，大幅提升大数据量场景下的报表运行效率。

📖 写在前面

当ALV报表面对十万甚至百万级数据时，查询慢、内存溢出、界面卡顿等问题会严重损害用户体验。性能优化的核心思想是：在数据库层完成尽可能多的工作，只把必要的少量数据传到应用层。

通过本文的学习，你将掌握：

• SQL优化技巧：索引使用、分步查询、FOR ALL ENTRIES
• ALV分页加载与虚拟滚动实现
• ABAP Memory 和 Shared Objects 缓存策略
• 后台作业预计算方案
• 性能瓶颈定位工具（ST05、SAT）

一、性能瓶颈分析与目标

数据量级	可接受响应时间	推荐方案
< 1万条	< 3秒	普通查询 + 标准 ALV
1万 - 10万条	< 10秒	SQL优化 + 分页加载
10万 - 100万条	< 30秒	分页加载 + 数据缓存
> 100万条	后台执行	后台作业预计算 + 汇总表

二、优化一：SQL查询优化

📊 2.1 索引使用原则与WHERE优化

优化前（全表扫描）：

SELECT * FROM ekko INTO TABLE gt_ekko WHERE erdat >= p_date.

优化后（利用索引 + 限制字段）：

SELECT ebeln, erdat, lifnr, bukrs
  FROM ekko INTO TABLE gt_ekko
  WHERE erdat BETWEEN p_date_low AND p_date_high
    AND ebeln IS NOT INITIAL
  UP TO 2000 ROWS.

📊 2.2 JOIN 优化：分步查询替代多重 JOIN

修正要点：原先示例缺少货币/单位字段，导致 ALV 金额/数量无法正确显示。下面给出完整的数据结构与分步查询，并确保字段目录中补全参考字段。

完整数据结构（包含 waers, meins）：

TYPES: BEGIN OF ty_po_data,
         ebeln TYPE ekko-ebeln,
         erdat TYPE ekko-erdat,
         name1 TYPE lfa1-name1,
         maktx TYPE makt-maktx,
         menge TYPE ekpo-menge,
         meins TYPE ekpo-meins,
         netwr TYPE ekpo-netwr,
         waers TYPE ekko-waers,
       END OF ty_po_data.

分步查询示例：

" 第一步：获取工厂下的采购订单行
SELECT ebeln, ebelp, matnr, menge, meins, netwr, werks
  FROM ekpo INTO TABLE @DATA(lt_ekpo)
  WHERE werks = @p_werks
  ORDER BY ebeln
  UP TO 2000 ROWS.

IF lt_ekpo IS NOT INITIAL.
  " 第二步：获取订单头
  SELECT ebeln, erdat, lifnr, waers FROM ekko
    INTO TABLE @DATA(lt_ekko)
    FOR ALL ENTRIES IN @lt_ekpo
    WHERE ebeln = @lt_ekpo-ebeln.

  " 第三步：获取物料描述
  SELECT matnr, maktx FROM makt
    INTO TABLE @DATA(lt_makt)
    FOR ALL ENTRIES IN @lt_ekpo
    WHERE matnr = @lt_ekpo-matnr
      AND spras = @sy-langu.

  " 第四步：获取供应商名称
  SELECT lifnr, name1 FROM lfa1
    INTO TABLE @DATA(lt_lfa1)
    FOR ALL ENTRIES IN @lt_ekko
    WHERE lifnr = @lt_ekko-lifnr.
ENDIF.

" 第五步：内表合并（SORT + BINARY SEARCH）
SORT lt_ekko BY ebeln.
SORT lt_makt BY matnr.
SORT lt_lfa1 BY lifnr.

LOOP AT lt_ekpo INTO DATA(ls_ekpo).
  READ TABLE lt_ekko INTO DATA(ls_ekko) WITH KEY ebeln = ls_ekpo-ebeln BINARY SEARCH.
  IF sy-subrc = 0.
    DATA(ls_out) = VALUE ty_po_data(
      ebeln = ls_ekko-ebeln
      erdat = ls_ekko-erdat
      menge = ls_ekpo-menge
      meins = ls_ekpo-meins
      netwr = ls_ekpo-netwr
      waers = ls_ekko-waers
    ).
    READ TABLE lt_makt INTO DATA(ls_makt) WITH KEY matnr = ls_ekpo-matnr BINARY SEARCH.
    IF sy-subrc = 0.
      ls_out-maktx = ls_makt-maktx.
    ENDIF.
    READ TABLE lt_lfa1 INTO DATA(ls_lfa1) WITH KEY lifnr = ls_ekko-lifnr BINARY SEARCH.
    IF sy-subrc = 0.
      ls_out-name1 = ls_lfa1-name1.
    ENDIF.
    APPEND ls_out TO gt_po_data.
  ENDIF.
ENDLOOP.

📊 2.3 SQL 优化检查清单

检查项	优化建议
索引覆盖	WHERE 和 JOIN 条件字段必须有索引
SELECT 字段	只选需要的列，避免 SELECT *
结果集大小	使用 UP TO 限制行数
FOR ALL ENTRIES	替代多重 JOIN，但需先检查内表非空
排序	数据库层 ORDER BY 优于应用层排序

三、优化二：ALV分页加载

📄 3.1 分页加载核心实现

使用 OFFSET ... UP TO n ROWS 按页读取数据，配合工具栏按钮切换页码。

关键全局变量：

DATA: gv_page_size     TYPE i VALUE 200,
      gv_current_page  TYPE i VALUE 1,
      gv_total_rows    TYPE i,
      gv_total_pages   TYPE i.

加载当前页：

FORM load_current_page.
  DATA(lv_offset) = ( gv_current_page - 1 ) * gv_page_size.
  SELECT ... INTO TABLE gt_display
    WHERE ...
    ORDER BY ebeln, ebelp    " 必须稳定排序
    OFFSET lv_offset UP TO gv_page_size ROWS.
  go_alv->refresh_table_display( ).
ENDFORM.

工具栏按钮处理：

WHEN 'NEXT'.
  IF gv_current_page < gv_total_pages.
    gv_current_page = gv_current_page + 1.
    PERFORM load_current_page.
  ENDIF.

📄 3.2 重要修正：字段目录补全参考字段

无论采用何种优化，ALV 字段目录中金额/数量字段都必须设置参考字段：

gs_fieldcat-fieldname  = 'NETWR'.
gs_fieldcat-cfieldname = 'WAERS'.
gs_fieldcat-datatype   = 'CURR'.

gs_fieldcat-fieldname  = 'MENGE'.
gs_fieldcat-qfieldname = 'MEINS'.

四、优化三：数据缓冲复用

🗂️ 4.1 ABAP Memory 缓存

适用于同一用户会话内多次打开报表的场景。

CONSTANTS: gc_mem_id TYPE char30 VALUE 'ZMM_PO_CACHE'.

" 从缓存加载
IMPORT gt_po_data FROM MEMORY ID gc_mem_id.
IF sy-subrc <> 0.
  PERFORM fetch_data.
  EXPORT gt_po_data TO MEMORY ID gc_mem_id.
ENDIF.

🗂️ 4.2 Shared Objects 缓存

跨用户、跨会话共享数据，适合变动不频繁的主数据或汇总结果。

DATA(lo_area) = cl_shm_area=>attach( area_name = 'ZMM_PO_AREA' ).
go_cache ?= lo_area->root.
IF go_cache->is_valid( ) = abap_false.
  go_cache->load_data( p_werks ).
  lo_area->detach( EXPORTING save = abap_true ).
ENDIF.
gt_po_data = go_cache->mt_po_data.

五、优化四：后台作业预计算

⏰ 5.1 定时创建作业（SM36 或程序调用）

CALL FUNCTION 'JOB_OPEN'
  EXPORTING
    jobname  = 'ZMM_PO_BATCH'
    jobclass = 'A'
  IMPORTING
    jobcount = DATA(lv_count).

CALL FUNCTION 'JOB_SUBMIT'
  EXPORTING
    jobname  = 'ZMM_PO_BATCH'
    jobcount = lv_count
    report   = 'ZMM_PO_BATCH_REPORT'
    variants = 'DEFAULT'.

CALL FUNCTION 'JOB_CLOSE'
  EXPORTING
    jobname   = 'ZMM_PO_BATCH'
    jobcount  = lv_count
    strtdate  = p_date
    strttime  = p_time.

⏰ 5.2 预计算汇总表

后台程序直接查询明细并生成汇总结果表 ZMM_PO_SUMMARY，在线报表只需查询该汇总表，响应时间降至毫秒级。

六、性能瓶颈定位工具

🔍 6.1 ST05 SQL 追踪

步骤	操作
1	事务码 ST05 → 激活 SQL Trace
2	运行 ALV 报表
3	停止 Trace → 显示追踪结果
4	按 Duration 降序，找出最慢的 SQL

🔍 6.2 SAT 性能分析

分析维度	关注点
Hit List	耗时最长的操作（通常为 SQL 或循环）
Memory	检查是否有异常的大内存分配
Call Hierarchy	确定瓶颈位于哪个 FORM/METHOD

七、性能优化速查表

优化方向	关键技术	一句话要点
SQL 加速	索引、分步查询、FOR ALL ENTRIES	减少 DB 负担，限制返回量
分页加载	OFFSET ... UP TO n ROWS	每次只显示 200-500 行
内存缓存	EXPORT/IMPORT MEMORY	同一会话避免重复查询
共享缓存	Shared Objects	跨用户共享静态数据
后台作业	JOB_OPEN/SUBMIT/CLOSE	预计算汇总，前台秒级加载
性能定位	ST05 + SAT	先定位慢SQL，再优化ABAP

八、总结

核心要点：

1. 性能优化的第一原则：让数据库只返回必要的数据
2. 大数据量报表必须采用分页加载，避免一次性全量填充内表
3. 重复查询利用 ABAP Memory 或 Shared Objects 缓存
4. 超大数据量场景考虑后台预计算，前台直接查询汇总表
5. 使用 ST05 和 SAT 科学定位瓶颈，不要凭猜测优化
6. 所有金额/数量字段务必设置 cfieldname / qfieldname，否则优化后的报表也会因显示错误而失效

---

下一篇预告：《ALV权限管控方案：实现字段、行数据级别的细粒度权限控制》

作者：爱喝水的鱼丶
版本记录：2026年7月
验证基准：SAP NetWeaver 7.51

💬 你在 ALV 性能优化中遇到过哪些棘手的慢查询？欢迎分享你的优化经验！