SQL優化----百萬數據查詢優化

百萬數據查詢優化

1．合理使用索引

　　索引是數據庫中重要的數據結構，它的根本目的就是為了提高查詢效率。現在大多數的數據庫產品都采用IBM最先提出的ISAM索引結構。索引的使用要恰到好處，其使用原則如下：

　　●在經常進行連接，但是沒有指定為外鍵的列上建立索引，而不經常連接的字段則由優化器自動生成索引。

　　●在頻繁進行排序或分組（即進行group by或order by操作）的列上建立索引。

　　●在條件表達式中經常用到的不同值較多的列上建立檢索，在不同值少的列上不要建立索引。比如在雇員表的“性別”列上只有“男”與“女”兩個不同值，因此就無必要建立索引。如果建立索引不但不會提高查詢效率，反而會嚴重降低更新速度。

　　●如果待排序的列有多個，可以在這些列上建立復合索引（compound index）。

　　●使用系統工具。如Informix數據庫有一個tbcheck工具，可以在可疑的索引上進行檢查。在一些數據庫服務器上，索引可能失效或者因為頻繁操作而使得讀取效率降低，如果一個使用索引的查詢不明不白地慢下來，可以試著用tbcheck工具檢查索引的完整性，必要時進行修復。另外，當數據庫表更新大量數據后，刪除并重建索引可以提高查詢速度。

　　2．避免或簡化排序

　　應當簡化或避免對大型表進行重復的排序。當能夠利用索引自動以適當的次序產生輸出時，優化器就避免了排序的步驟。以下是一些影響因素：

　　●索引中不包括一個或幾個待排序的列；

　　●group by或order by子句中列的次序與索引的次序不一樣；

　　●排序的列來自不同的表。

　　為了避免不必要的排序，就要正確地增建索引，合理地合并數據庫表（盡管有時可能影響表的規范化，但相對于效率的提高是值得的）。如果排序不可避免，那么應當試圖簡化它，如縮小排序的列的范圍等。

　　3．消除對大型表行數據的順序存取

　　在嵌套查詢中，對表的順序存取對查詢效率可能產生致命的影響。比如采用順序存取策略，一個嵌套3層的查詢，如果每層都查詢1000行，那么這個查詢就要查詢10億行數據。    A）避免這種情況的主要方法就是對連接的列進行索引。

　　B) 還可以使用并集來避免順序存取（將or改成union）。盡管在所有的檢查列上都有索引，但某些形式的where子句強迫優化器使用順序存取。下面的查詢將強迫對orders表執行順序操作：

　　SELECT ＊ FROM orders WHERE (customer_num=104 AND order_num>1001) OR order_num=1008

　　雖然在customer_num和order_num上建有索引，但是在上面的語句中優化器還是使用順序存取路徑掃描整個表。因為這個語句要檢索的是分離的行的集合，所以應該改為如下語句：

　　SELECT ＊ FROM orders WHERE customer_num=104 AND order_num>1001

　　UNION

　　SELECT ＊ FROM orders WHERE order_num=1008

　　這樣就能利用索引路徑處理查詢獲取【下載地址】  。

   4．避免相關子查詢

　　一個列的標簽同時在主查詢和where子句中的查詢中出現，那么很可能當主查詢中的列值改變之后，子查詢必須重新查詢一次。查詢嵌套層次越多，效率越低，因此應當盡量避免子查詢。如果子查詢不可避免，那么要在子查詢中過濾掉盡可能多的行。

　　5．避免困難的正規表達式

　　MATCHES和LIKE關鍵字支持通配符匹配，技術上叫正規表達式。但這種匹配特別耗費時間。例如：SELECT ＊ FROM customer WHERE zipcode LIKE “98_ _ _”

　　即使在zipcode字段上建立了索引，在這種情況下也還是采用順序掃描的方式。如果把語句改為SELECT ＊ FROM customer WHERE zipcode >“98000”，在執行查詢時就會利用索引來查詢，顯然會大大提高速度。

　　另外，還要避免非開始的子串。例如語句：SELECT ＊ FROM customer WHERE zipcode[2，3] >“80”，在where子句中采用了非開始子串，因而這個語句也不會使用索引。

　　6．使用臨時表加速查詢

　　把表的一個子集進行排序并創建臨時表，有時能加速查詢。有助于避免多重排序操作，而且在其他方面還能簡化優化器的工作。例如：

　　SELECT cust.name，rcvbles.balance，……other columns

　　FROM cust，rcvbles

　　WHERE cust.customer_id = rcvlbes.customer_id

　　AND rcvblls.balance>0

　　AND cust.postcode>“98000”

　　ORDER BY cust.name

　　如果這個查詢要被執行多次而不止一次，可以把所有未付款的客戶找出來放在一個臨時文件中，并按客戶的名字進行排序：

　　SELECT cust.name，rcvbles.balance，……other columns

　　FROM cust，rcvbles

　　WHERE cust.customer_id = rcvlbes.customer_id

　　AND rcvblls.balance>0

　　ORDER BY cust.name

　　INTO TEMP cust_with_balance

　　然后以下面的方式在臨時表中查詢：

　　SELECT ＊ FROM cust_with_balance

　　WHERE postcode>“98000”

　　臨時表中的行要比主表中的行少，而且物理順序就是所要求的順序，減少了磁盤I/O，所以查詢工作量可以得到大幅減少。

　　注意：臨時表創建后不會反映主表的修改。在主表中數據頻繁修改的情況下，注意不要丟失數據。 

　　小　結

　　20％的代碼用去了80％的時間，這是程序設計中的一個著名定律，在數據庫應用程序中也同樣如此。我們的優化要抓住關鍵問題，對于數據庫應用程序來說，重點在于SQL的執行效率。查詢優化的重點環節是使得數據庫服務器少從磁盤中讀數據以及順序讀頁而不是非順序讀頁。

第二部分（如何讓引擎充分使用索引獲取【下載地址】  ）

l  百萬數據查詢優化技巧三十則

1.建立索引 對查詢進行優化，應盡量避免全表掃描，首先應考慮在 where 及 order by 涉及的列上建立索引。 

2.應盡量避免在 where 子句中對字段進行 null 值判斷，否則將導致引擎放棄使用索引而進行全表掃描，如： 

select id from t where num is null 

可以在num上設置默認值0，確保表中num列沒有null值，然后這樣查詢： 

select id from t where num=0 

3.應盡量避免在 where 子句中使用!=或<>操作符，否則將引擎放棄使用索引而進行全表掃描。 

4.應盡量避免在 where 子句中使用 or 來連接條件，可使用union，否則將導致引擎放棄使用索引而進行全表掃描，如： 

select id from t where num=10 or num=20 

可以這樣查詢： 

select id from t where num=10 

union all 

select id from t where num=20 

5.in 和 not in 也要慎用，否則會導致全表掃描，如： 

select id from t where num in(1,2,3) 

對于連續的數值，能用 between 就不要用 in 了： 

select id from t where num between 1 and 3 

6.下面模糊查詢也將導致全表掃描： 

select id from t where name like '%abc%' 

若要提高效率，可以考慮全文檢索。 

7.如果在 where 子句中使用參數，也會導致全表掃描。

因為SQL只有在運行時才會解析局部變量，但優化程序不能將訪問計劃的選擇推遲到運行時；它必須在編譯時進行選擇。然而，如果在編譯時建立訪問計劃，變量的值還是未知的，因而無法作為索引選擇的輸入項。如下面語句將進行全表掃描： 

select id from t where num=@num 

可以改為強制查詢使用索引： 

select id from t with(index(索引名)) where num=@num 

8.應盡量避免在 where 子句中對字段進行表達式操作，這將導致引擎放棄使用索引而進行全表掃描。如： 

select id from t where num/2=100 

應改為: 

select id from t where num=100*2 

9.應盡量避免在where子句中對字段進行函數（內置函數）操作，

這將導致引擎放棄使用索引而進行全表掃描。如： 

select id from t where substring(name,1,3)='abc'--name以abc開頭的id 

select id from t where datediff(day,createdate,'2005-11-30')=0--‘2005-11-30’生成的id 

應改為: 

select id from t where name like 'abc%' 

select id from t where createdate>='2005-11-30' and createdate<'2005-12-1' 

10.不要在 where 子句中的“=”左邊進行函數、算術運算或其他表達式運算，否則系統將可能無法正確使用索引。 

11.在使用索引字段作為條件時，如果該索引是復合索引，那么必須使用到該索引中的第一個字段作為條件時才能保證系統使用該索引，否則該索引將不會被使用，并且應盡可能的讓字段順序與索引順序相一致。 

12.不要寫一些沒有意義的查詢，如需要生成一個空表結構： 

select col1,col2 into #t from t where 1=0 

這類代碼不會返回任何結果集，但是會消耗系統資源的，應改成這樣： 

create table #t(...) 

13.很多時候用 exists 代替 in 是一個好的選擇（原因：請參考我的博客）： 

select num from a where num in(select num from b) 

用下面的語句替換： 

select num from a where exists(select 1 from b where num=a.num) 

14.并不是所有索引對查詢都有效，SQL是根據表中數據來進行查詢優化的，當索引列有大量數據重復時，SQL查詢可能不會去利用索引（除非是位圖索引），如一表中有字段sex，male、female幾乎各一半，那么即使在sex上建了索引也對查詢效率起不了作用。 

15.索引并不是越多越好，索引固然可以提高相應的 select 的效率，但同時也降低了 insert 及 update 的效率，因為 insert 或 update 時有可能會重建索引，所以怎樣建索引需要慎重考慮，視具體情況而定。一個表的索引數最好不要超過6個，若太多則應考慮一些不常使用到的列上建的索引是否有必要。 

16.應盡可能的避免更新 clustered 索引數據列，因為 clustered 索引數據列的順序就是表記錄的物理存儲順序，一旦該列值改變將導致整個表記錄的順序的調整，會耗費相當大的資源。若應用系統需要頻繁更新 clustered 索引數據列，那么需要考慮是否應將該索引建為 clustered 索引。 

17.盡量使用數字型字段，若只含數值信息的字段盡量不要設計為字符型，這會降低查詢和連接的性能，并會增加存儲開銷。這是因為引擎在處理查詢和連接時會逐個比較字符串中每一個字符，而對于數字型而言只需要比較一次就夠了。 

18.盡可能的使用 varchar/nvarchar 代替 char/nchar，最好用varchar2（自變長度） ，因為首先變長字段存儲空間小，可以節省存儲空間，其次對于查詢來說，在一個相對較小的字段內搜索效率顯然要高些。 

19.任何地方都不要使用 select * from t ，用具體的字段列表代替“*”，不要返回用不到的任何字段。 

20.盡量使用表變量來代替臨時表（一般用在存儲過程中）。如果表變量包含大量數據，請注意索引非常有限（只有主鍵索引）。 

21.避免頻繁創建和刪除臨時表，以減少系統表資源的消耗。 

22.臨時表并不是不可使用，適當地使用它們可以使某些例程更有效，例如，當需要重復引用大型表或常用表中的某個數據集時。但是，對于一次性事件，最好使用導出表。 

23.在新建臨時表時，如果一次性插入數據量很大，那么可以使用 select into A select。。。 代替 create table，避免造成大量 log ，以提高速度；如果數據量不大，為了緩和系統表的資源，應先create table，然后insert。 

24.如果使用到了臨時表，在存儲過程的最后務必將所有的臨時表顯式刪除，先 truncate table ，然后 drop table ，這樣可以避免系統表的較長時間鎖定。 

25.盡量避免使用游標，因為游標的效率較差，如果游標操作的數據超過1萬行，那么就應該考慮改寫。 

26.使用基于游標的方法或臨時表方法之前，應先尋找基于集的解決方案來解決問題，基于集的方法通常更有效。 

27.與臨時表一樣，游標并不是不可使用。對小型數據集使用 FAST_FORWARD 游標通常要優于其他逐行處理方法，尤其是在必須引用幾個表才能獲得所需的數據時。在結果集中包括“合計”的例程通常要比使用游標執行的速度快。如果開發時間允許，基于游標的方法和基于集的方法都可以嘗試一下，看哪一種方法的效果更好。 

28.在所有的存儲過程和觸發器的開始處設置 SET NOCOUNT ON ，在結束時設置 SET NOCOUNT OFF 。無需在執行存儲過程和觸發器的每個語句后向客戶端發送 DONE_IN_PROC 消息。 

29.盡量避免大事務操作，提高系統并發能力。 

30.盡量避免向客戶端返回大數據量，若數據量過大，應該考慮相應需求是否合理。