聚集索引 , 表中存储的数据按照索引的顺序存储 , 检索效率比普通索引高 , 但对数据新增 / 修改 / 删除的影响比较大

非聚集索引 , 不影响表中的数据存储顺序 , 检索效率比聚集索引低 , 对数据新增 / 修改 / 删除的影响很小

如何让你的 SQL 运行得更快

---- 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 whe

re 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 上建有一非个群集索引

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(3604,310,30

2) 。

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!

---- 2. 例:表 stuff 有 200000 行, id_no 上有非群集索引,请看下面这个 SQL :

select count(*) from stuff where id_no in('0','1')

( 23 秒)

---- 分析:

---- where 条件中的 'in' 在逻辑上相当于 'or' ,所以语法分析器会将 in ('0','1') 转化

为 id_no ='0' or id_no='1' 来执行。我们期望它会根据每个 or 子句分别查找,再将结果

相加,这样可以利用 id_no 上的索引;但实际上(根据 showplan ) , 它却采用了 "OR 策略 "

,即先取出满足每个 or 子句的行,存入临时数据库的工作表中,再建立唯一索引以去掉

重复行,最后从这个临时表中计算结果。因此,实际过程没有利用 id_no 上索引,并且完

成时间还要受 tempdb 数据库性能的影响。

---- 实践证明,表的行数越多,工作表的性能就越差,当 stuff 有 620000 行时,执行时

间竟达到 220 秒!还不如将 or 子句分开:

select count(*) from stuff where id_no='0'

select count(*) from stuff where id_no='1'

---- 得到两个结果,再作一次加法合算。因为每句都使用了索引,执行时间只有 3 秒,

在 620000 行下,时间也只有 4 秒。或者,用更好的方法,写一个简单的存储过程:

create proc count_stuff as

declare @a int

declare @b int

declare @c int

declare @d char(10)

begin

select @a=count(*) from stuff where id_no='0'

select @b=count(*) from stuff where id_no='1'

end

select @c=@a+@b

select @d=convert(char(10),@c)

print @d

---- 直接算出结果,执行时间同上面一样快!

---- 总结:

---- 可见,所谓优化即 where 子句利用了索引,不可优化即发生了表扫描或额外开销。

---- 1. 任何对列的操作都将导致表扫描,它包括数据库函数、计算表达式等等,查询时

要尽可能将操作移至等号右边。

---- 2.in 、 or 子句常会使用工作表,使索引失效;如果不产生大量重复值,可以考虑把

子句拆开;拆开的子句中应该包含索引。

---- 3. 要善于使用存储过程,它使 SQL 变得更加灵活和高效。

---- 从以上这些例子可以看出, SQL 优化的实质就是在结果正确的前提下,用优化器可

以识别的语句,充份利用索引,减少表扫描的 I/O 次数,尽量避免表搜索的发生。其实 S

QL 的性能优化是一个复杂的过程,上述这些只是在应用层次的一种体现,深入研究还会

涉及数据库层的资源配置、网络层的流量控制以及操作系统层的总体设计