zoukankan      html  css  js  c++  java
  • 关于SQL SERVER建立索引需要注意的问题(引用)

       ---- 人们在使用SQL时往往会陷入一个误区,即太关注于所得的结果是否正确,而忽略了不同的实现方法之间可能存在的
    性能差异,这种性能差异在大型的或是复杂的数据库环境中(如联机事务处理OLTP或决策支持系统DSS)中表现得尤为明
    显。笔者在工作实践中发现,不良的SQL往往来自于不恰当的索引设计、不充份的连接条件和不可优化的where子句。在对
    它们进行适当的优化后,其运行速度有了明显地提高!下面我将从这三个方面分别进行总结:

    ---- 为了更直观地说明问题,所有实例中的SQL运行时间均经过测试,不超过1秒的均表示为(< 1秒)。

    ---- 测试环境--
    ---- 主机:HP LH II
    ---- 主频:330MHZ
    ---- 内存:128兆
    ---- 操作系统:Operserver5.0.4
    ----数据库:Sybase11.0.3

    一、不合理的索引设计
    ----例:表record有620000行,试看在不同的索引下,下面几个 SQL的运行情况:
    ---- 1.在date上建有一个非群集索引

    select count(*) from record where date >'19991201' and date < '19991214'and amount >2000 (25秒)
    select date,sum(amount) from record group by date(55秒)
    select count(*) from record where date >'19990901' and place in ('BJ','SH') (27秒)

    ---- 分析:
    ----date上有大量的重复值,在非群集索引下,数据在物理上随机存放在数据页上,在范围查找时,必须执行一次表扫描才能找到这一范围内的全部行。

    ---- 2.在date上的一个群集索引

    select count(*) from record where date >'19991201' and date < '19991214' and amount >2000(14秒)
    select date,sum(amount) from record group by date(28秒)
    select count(*) from record where date >'19990901' and place in ('BJ','SH')(14秒)

    ---- 分析:
    ---- 在群集索引下,数据在物理上按顺序在数据页上,重复值也排列在一起,因而在范围查找时,可以先找到这个范围的起末点,且只在这个范围内扫描数据页,避免了大范围扫描,提高了查询速度。

    ---- 3.在place,date,amount上的组合索引

    select count(*) from record where date >'19991201' and date < '19991214' and amount >2000(26秒)
    select date,sum(amount) from record group by date(27秒)
    select count(*) from record where date >'19990901' and place in ('BJ, 'SH')(< 1秒)

    ---- 分析:
    ---- 这是一个不很合理的组合索引,因为它的前导列是place,第一和第二条SQL没有引用place,因此也没有利用上索引;第三个SQL使用了place,且引用的所有列都包含在组合索引中,形成了索引覆盖,所以它的速度是非常快的。

    ---- 4.在date,place,amount上的组合索引
    select count(*) from record where date >'19991201' and date < '19991214' and amount >2000(< 1秒)
    select date,sum(amount) from record group by date(11秒)
    select count(*) from record where date >'19990901' and place in ('BJ','SH')(< 1秒)

    ---- 分析:
    ---- 这是一个合理的组合索引。它将date作为前导列,使每个SQL都可以利用索引,并且在第一和第三个SQL中形成了索引覆盖,因而性能达到了最优。

    ---- 5.总结:

    ---- 缺省情况下建立的索引是非群集索引,但有时它并不是最佳的;合理的索引设计要建立在对各种查询的分析和预测
    上。一般来说:

    ---- ①.有大量重复值、且经常有范围查询

    (between, >,< ,>=,< =)和order by
    、group by发生的列,可考虑建立群集索引;

    ---- ②.经常同时存取多列,且每列都含有重复值可考虑建立组合索引;

    ---- ③.组合索引要尽量使关键查询形成索引覆盖,其前导列一定是使用最频繁的列。

    二、不充份的连接条件:
    ---- 例:表card有7896行,在card_no上有一个非聚集索引,表account有191122行,在 account_no上有一个非聚集索引,试看在不同的表连接条件下,两个SQL的执行情况:

    select sum(a.amount) from account a,card b where a.card_no = b.card_no(20秒)

    ---- 将SQL改为:
    select sum(a.amount) from account a,card b where a.card_no = b.card_no and a.account_no=b.account_no(< 1秒)

    ---- 分析:
    ---- 在第一个连接条件下,最佳查询方案是将account作外层表,card作内层表,利用card上的索引,其I/O次数可由以下公式估算为:

    ---- 外层表account上的22541页+(外层表account的191122行*内层表card上对应外层表第一行所要查找的3页)=595907次I/O

    ---- 在第二个连接条件下,最佳查询方案是将card作外层表,account作内层表,利用account上的索引,其I/O次数可由以下公式估算为:

    ---- 外层表card上的1944页+(外层表card的7896行*内层表account上对应外层表每一行所要查找的4页)= 33528次I/O

    ---- 可见,只有充份的连接条件,真正的最佳方案才会被执行。

    ---- 总结:

    ---- 1.多表操作在被实际执行前,查询优化器会根据连接条件,列出几组可能的连接方案并从中找出系统开销最小的最佳方案。连接条件要充份考虑带有索引的表、行数多的表;内外表的选择可由公式:外层表中的匹配行数*内层表中每一次查找的次数确定,乘积最小为最佳方案。

    ---- 2.查看执行方案的方法-- 用set showplanon,打开showplan选项,就可以看到连接顺序、使用何种索引的信息;想
    看更详细的信息,需用sa角色执行dbcc(3604,310,302)。

    三、不可优化的where子句
    ---- 1.例:下列SQL条件语句中的列都建有恰当的索引,但执行速度却非常慢:

    select * from record where substring(card_no,1,4)='5378'(13秒)
    select * from record where amount/30< 1000(11秒)
    select * from record where convert(char(10),date,112)='19991201'(10秒)

    ---- 分析:
    ---- where子句中对列的任何操作结果都是在SQL运行时逐列计算得到的,因此它不得不进行表搜索,而没有使用该列上面的索引;如果这些结果在查询编译时就能得到,那么就可以被SQL优化器优化,使用索引,避免表搜索,因此将SQL重写成
    下面这样:

    select * from record where card_no like '5378%'(< 1秒)
    select * from record where amount < 1000*30(< 1秒)
    select * from record where date= '1999/12/01' (< 1秒)

    ---- 你会发现SQL明显快起来!

  • 相关阅读:
    使用纯资源DLL文件实现多语言菜单、界面文字、Tooltips等[转]
    用VC++打造有多语言菜单的应用程序[转]
    VC2008以资源形式实现多语言版本[转]
    GetWindowRect与GetClientRect 的区别[转]
    MFC拆分窗口及它们之间的数据交换[转]
    【排序算法】(7)快速排序
    【排序算法】(4)归并排序
    【排序算法】(3)插入排序
    【排序算法】(8)希尔排序
    【排序算法】(2)冒泡排序
  • 原文地址:https://www.cnblogs.com/cnajian/p/2099882.html
Copyright © 2011-2022 走看看