SQL 建立索引及优化索引

CREATE INDEX mycolumn_index ON mytable (myclumn) 这个语句建立了一个名为mycolumn_index的索引。 你可以给一个索引起任何名字，但你应该在索引名中包含所索引的字段名，这对你将来弄清楚建立该索引的意图是有帮助的。 注意： 在本书中你执行任何SQL语句，都会收到如下的信息： This command did not return data,and it did not return any rows 这说明该语句执行成功了。 索引mycolumn_index对表mytable的mycolumn字段进行。 这是个非聚簇索引，也是个非唯一索引。（这是一个索引的缺省属性） 如果你需要改变一个索引的类型，你必须删除原来的索引并重建 一个。建立了一个索引后，你可以用下面的SQL语句删除它： DROP INDEX mytable.mycolumn_index 注意在DROP INDEX 语句中你要包含表的名字。在这个例子中，你删除的索引是mycolumn_index，它是表mytable的索引。 要建立一个聚簇索引，可以使用关键字CLUSTERED。记住，一个表只能有一个聚簇索引。（这里有一个如何对一个表建立聚簇索引的例子： CREATE CLUSTERED INDEX mycolumn_clust_index ON mytable(mycolumn) 如果表中有重复的记录，当你试图用这个语句建立索引时，会出现错误。 但是有重复记录的表也可以建立索引；你只要使用关键字ALLOW_DUP_ROW把这一点告诉SQL Sever即可： CREATE CLUSTERED INDEX mycolumn_cindex ON mytable(mycolumn) WITH ALLOW_DUP_ROW 这个语句建立了一个允许重复记录的聚簇索引。你应该尽量避免在一个表中出现重复记录，但是，如果已经出现了，你可以使用这种方法。 要对一个表建立唯一索引，可以使用关键字 UNIQUE。对聚簇索引和非聚簇索引都可以使用这个关键字。这里有一个例子： CREATE UNIQUE COUSTERED INDEX myclumn_cindex ON mytable(mycolumn) 这是你将经常使用的索引建立语句。无论何时，只要可以，你应该尽量对一个表建立唯一聚簇索引来增强查询操作。 最后，要建立一个对多个字段的索引──复合索引──在索引建立语句中同时包含多个字段名。下面的例子对firstname和lastname两个字段建立索引： CREATE INDEX name_index ON username(firstname,lastname) 这个例子对两个字段建立了单个索引。 在一个复合索引中，你最多可以对16个字段进行索引。 用事务管理器建立索引 用事务管理器建立索引比用SQL语句容易的多。使用事务管理器，你可以看到已经建立的索引的列表，并可以通过图形界面选择索引选项。 使用事务管理器你可以用两种方式建立索引：使用Manage Tables窗口或使用Manage Indexes窗口。 要用Manage Tables 窗口建立一个新索引，单击按钮Advanced Options(它看起来象一个前面有一加号的表)。这样就打开了Advanced Options对话框。这个对话框有一部分标名为Primary Key 要建立一个新索引，从下拉列表中选择你想对之建立索引的字段名。如果你想建立一个对多字段的索引，你可以选择多个字段名。你还可以选择索引是聚簇的还是非聚簇的。在保存表信息后，索引会自动被建立。在Manage Tables窗口中的字段名旁边，会出现一把钥匙。 你已经为你的表建立了“主索引”。 主索引必须对不包含空值的字段建立 。另外，主索引强制一个字段成为唯一值字段。 要建立没有这些限制的索引，你需要使用Manage Indexes窗口。从菜单中选择Manage|Indexes，打开Manage Indexes 窗口。在Manage Indexes 窗口中，你可以通过下拉框选择表和特定的索引。（见图11.2）。要建立一个新索引，从Index下拉框中选择New Index.，然后就可以选择要对之建立索引的字段。单击按钮Add，把字段加人到索引中。 你可以为你的索引选择许多不同的选项。例如，你可以选择该索引是聚簇的还是非聚簇的。你还可以指定该索引为唯一索引。设计好索引后，单击按钮Build，建立该索引。 注意： 唯一索引是指该字段不能有重复的值，而不是只能建立这一个索引。 SQL核心语句 在第十章，你学会了如何用SQL SELECT 语句从一个表中取数据。但是，到现在为止，还没有讨论如何添加，修改或删除表中的数据。在这一节中，你将学习这些内容。 插入数据 向表中添加一个新记录，你要使用SQL INSERT 语句。这里有一个如何使用这种语句的例子： INSERT mytable (mycolumn) VALUES ('some data') 这个语句把字符串’some data’插入表mytable的mycolumn字段中。将要被插入数据的字段的名字在第一个括号中指定，实际的数据在第二个括号中给出。 INSERT 语句的完整句法如下： INSERT [INTO] {table_name|view_name} [(column_list)] {DEFAULT VALUES |Values_list | select_statement} 如果一个表有多个字段，通过把字段名和字段值用逗号隔开，你可以向所有的字段中插入数据。假设表mytable有三个字段first_column,second_column,和third_column。下面的INSERT语句添加了一条三个字段都有值的完整记录： INSERT mytable (first_column,second_column,third_column) VALUES ('some data','some more data','yet more data') 注意： 你可以使用INSERT语句向文本型字段中插入数据。但是，如果你需要输入很长的字符串，你应该使用WRITETEXT语句。这部分内容对本书来说太高级了，因此不加讨论。要了解更多的信息，请参考Microsoft SQL Sever 的文档。 如果你在INSERT 语句中只指定两个字段和数据会怎么样呢？换句话说，你向一个表中插入一条新记录，但有一个字段没有提供数据。在这种情况下，有下面的四种可能： 如果该字段有一个缺省值，该值会被使用。例如，假设你插入新记录时没有给字段third_column提供数据，而这个字段有一个缺省值’some value’。在这种情况下，当新记录建立时会插入值’some value’。 如果该字段可以接受空值，而且没有缺省值，则会被插入空值。 如果该字段不能接受空值，而且没有缺省值，就会出现错误。你会收到错误信息： The column in table mytable may not be null. 最后，如果该字段是一个标识字段，那么它会自动产生一个新值。当你向一个有标识字段的表中插入新记录时，只要忽略该字段，标识字段会给自己赋一个新值。 注意： 向一个有标识字段的表中插入新记录后，你可以用SQL变量@@identity来访问新记录的标识字段的值。考虑如下的SQL语句： INSERT mytable (first_column) VALUES(‘some value’) INSERT anothertable(another_first,another_second) VALUES(@@identity,'some value') 如果表mytable有一个标识字段，该字段的值会被插入表anothertable的another_first字段。这是因为变量@@identity总是保存最后一次插入标识字段的值。 字段another_first应该与字段first_column有相同的数据类型。但是，字段another_first不能是标识字段。Another_first字段用来保存字段first_column的值。 删除记录 要从表中删除一个或多个记录，需要使用SQL DELETE语句。你可以给DELETE 语句提供WHERE 子句。WHERE子句用来选择要删除的记录。例如，下面的这个DELETE语句只删除字段first_column的值等于’Delete Me’的记录： DELETE mytable WHERE first_column=’Deltet Me’ DELETE 语句的完整句法如下： DELETE [FROM] {table_name|view_name} [WHERE clause] 在SQL SELECT 语句中可以使用的任何条件都可以在DELECT 语句的WHERE子句 中使用。例如，下面的这个DELETE语句只删除那些first_column字段的值为’goodbye’或second_column字段的值为’so long’的记录： DELETE mytable WHERE first_column=’goodby’ OR second_column=’so long’ 如果你不给DELETE 语句提供WHERE 子句，表中的所有记录都将被删除。你不应该有这种想法。如果你想删除表中的所有记录，应使用第十章所讲的TRUNCATE TABLE语句。 注意： 为什么要用TRUNCATE TABLE 语句代替DELETE语句？当你使用TRUNCATE TABLE语句时，记录的删除是不作记录的。也就是说，这意味着TRUNCATE TABLE 要比DELETE快得多 优化索引 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）。 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。 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！ 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SQL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。