数据库的查询优化技术

1．合理使用索引       索引是数据库中重要的数据结构，它的根本目的就是为了提高查询效率。现在大多数的数据库产品都采用IBM最先提出的ISAM索引结构。索引的使用要恰到好处，其使用原则如下：   ●在经常进行连接，但是没有指定为外键的列上建立索引，而不经常连接的字段则由优化器自动生成索引。   ●在频繁进行排序或分组（即进行group by或order by操作）的列上建立索引。   ●在条件表达式中经常用到的不同值较多的列上建立检索，在不同值少的列上不要建立索引。比如在雇员表的“性别”列上只有“男”与“女”两个不同值，因此就无必要建立索引。如果建立索引不但不会提高查询效率，反而会严重降低更新速度。   ●如果待排序的列有多个，可以在这些列上建立复合索引（compound index）。   ●使用系统工具。如Informix数据库有一个tbcheck工具，可以在可疑的索引上进行检查。在一些数据库服务器上，索引可能失效或者因为频繁操作而使得读取效率降低，如果一个使用索引的查询不明不白地慢下来，可以试着用tbcheck工具检查索引的完整性，必要时进行修复。另外，当数据库表更新大量数据后，删除并重建索引可以提高查询速度。   2．避免或简化排序   应当简化或避免对大型表进行重复的排序。当能够利用索引自动以适当的次序产生输出时，优化器就避免了排序的步骤。以下是一些影响因素：   ●索引中不包括一个或几个待排序的列；   ●group by或order by子句中列的次序与索引的次序不一样；   ●排序的列来自不同的表。   为了避免不必要的排序，就要正确地增建索引，合理地合并数据库表（尽管有时可能影响表的规范化，但相对于效率的提高是值得的）。如果排序不可避免，那么应当试图简化它，如缩小排序的列的范围等。   3．消除对大型表行数据的顺序存取   在嵌套查询中，对表的顺序存取对查询效率可能产生致命的影响。比如采用顺序存取策略，一个嵌套3层的查询，如果每层都查询1000行，那么这个查询就要查询10亿行数据。避免这种情况的主要方法就是对连接的列进行索引。例如，两个表：学生表（学号、姓名、年龄……）和选课表（学号、课程号、成绩）。如果两个表要做连接，就要在“学号”这个连接字段上建立索引。   还可以使用并集来避免顺序存取。尽管在所有的检查列上都有索引，但某些形式的where子句强迫优化器使用顺序存取。下面的查询将强迫对orders表执行顺序操作：   SELECT ＊ FROM orders WHERE (customer_num=104 AND order_num>;1001) OR order_num=1008   虽然在customer_num和order_num上建有索引，但是在上面的语句中优化器还是使用顺序存取路径扫描整个表。因为这个语句要检索的是分离的行的集合，所以应该改为如下语句：   SELECT ＊ FROM orders WHERE customer_num=104 AND order_num>;1001   UNION   SELECT ＊ FROM orders WHERE order_num=1008   这样就能利用索引路径处理查询。   4．避免相关子查询   一个列的标签同时在主查询和where子句中的查询中出现，那么很可能当主查询中的列值改变之后，子查询必须重新查询一次。查询嵌套层次越多，效率越低，因此应当尽量避免子查询。如果子查询不可避免，那么要在子查询中过滤掉尽可能多的行。   5．避免困难的正规表达式   MATCHES和LIKE关键字支持通配符匹配，技术上叫正规表达式。但这种匹配特别耗费时间。例如：SELECT ＊ FROM customer WHERE zipcode LIKE “98_ _ _”   即使在zipcode字段上建立了索引，在这种情况下也还是采用顺序扫描的方式。如果把语句改为SELECT ＊ FROM customer WHERE zipcode >;“98000”，在执行查询时就会利用索引来查询，显然会大大提高速度。   另外，还要避免非开始的子串。例如语句：SELECT ＊ FROM customer WHERE zipcode[2，3] >;“80”，在where子句中采用了非开始子串，因而这个语句也不会使用索引。   6．使用临时表加速查询   把表的一个子集进行排序并创建临时表，有时能加速查询。它有助于避免多重排序操作，而且在其他方面还能简化优化器的工作。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   如果这个查询要被执行多次而不止一次，可以把所有未付款的客户找出来放在一个临时文件中，并按客户的名字进行排序：   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临时表中查询：   SELECT ＊ FROM cust_with_balance   WHERE postcode>;“98000”   临时表中的行要比主表中的行少，而且物理顺序就是所要求的顺序，减少了磁盘I/O，所以查询工作量可以得到大幅减少。   注意：临时表创建后不会反映主表的修改。在主表中数据频繁修改的情况下，注意不要丢失数据。   7．用排序来取代非顺序存取   非顺序磁盘存取是最慢的操作，表现在磁盘存取臂的来回移动。SQL语句隐藏了这一情况，使得我们在写应用程序时很容易写出要求存取大量非顺序页的查询。   有些时候，用数据库的排序能力来替代非顺序的存取能改进查询。 下面我们举一个制造公司的例子来说明如何进行查询优化。制造公司数据库中包括3个表，模式如下所示：   1．part表   零件号　　　　　零件描述　　　　　　　　其他列   （part_num）　（part_desc）　　　　　　（other column）   102，032　　　Seageat 30G disk　　　　　……   500，049　　　Novel 10M network card　　……   ……   2．vendor表   厂商号　　　　　　厂商名　　　　　　其他列   （vendor _num）　（vendor_name） （other column）   910，257　　　　　Seageat Corp　　　……   523，045　　　　　IBM Corp　　　　　……   ……   3．parven表   零件号　　　　　厂商号　　　　　零件数量   （part_num）　（vendor_num）　（part_amount）   102，032　　　　910，257　　　　3,450,000   234，423　　　　321，001　　　　4，000，000   ……   下面的查询将在这些表上定期运行，并产生关于所有零件数量的报表：   SELECT part_desc，vendor_name，part_amount   FROM part，vendor，parven   WHERE part.part_num=parven.part_num   AND parven.vendor_num = vendor.vendor_num   ORDER BY part.part_num   如果不建立索引，上述查询代码的开销将十分巨大。为此，我们在零件号和厂商号上建立索引。索引的建立避免了在嵌套中反复扫描。关于表与索引的统计信息如下：   表　　　　　行尺寸　　　行数量　　　　　每页行数量　　　数据页数量   （table）　(row size)　（Row count）　（Rows/Pages）　（Data Pages）   part　　　　150　　　　　10，000　　　　25　　　　　　　400   Vendor　　　150　　　　　1，000　　　　 25　　　　　　　40   Parven　　　13　　　　　 15，000　　　　300　　　　　　 50   索引　　　　　键尺寸　　　每页键数量　　　页面数量   （Indexes）　(Key Size)　（Keys/Page)　　　(Leaf Pages）   part　　　　　4　　　　　　500　　　　　　　20   Vendor　　　　4　　　　　　500　　　　　　　2   Parven　　　　8　　　　　　250　　　　　　　60   看起来是个相对简单的3表连接，但是其查询开销是很大的。通过查看系统表可以看到，在part_num上和vendor_num上有簇索引，因此索引是按照物理顺序存放的。parven表没有特定的存放次序。这些表的大小说明从缓冲页中非顺序存取的成功率很小。此语句的优化查询规划是：首先从part中顺序读取400页，然后再对parven表非顺序存取1万次，每次2页（一个索引页、一个数据页），总计2万个磁盘页，最后对vendor表非顺序存取1.5万次，合3万个磁盘页。可以看出在这个索引好的连接上花费的磁盘存取为5.04万次。   实际上，我们可以通过使用临时表分3个步骤来提高查询效率：   1．从parven表中按vendor_num的次序读数据：   SELECT part_num，vendor_num，price   FROM parven   ORDER BY vendor_num   INTO temp pv_by_vn   这个语句顺序读parven（50页），写一个临时表（50页），并排序。假定排序的开销为200页，总共是300页。   2．把临时表和vendor表连接，把结果输出到一个临时表，并按part_num排序：   SELECT pv_by_vn，＊ vendor.vendor_num   FROM pv_by_vn，vendor   WHERE pv_by_vn.vendor_num=vendor.vendor_num   ORDER BY pv_by_vn.part_num   INTO TMP pvvn_by_pn   DROP TABLE pv_by_vn   这个查询读取pv_by_vn(50页)，它通过索引存取vendor表1.5万次，但由于按vendor_num次序排列，实际上只是通过索引顺序地读vendor表（40＋2=42页），输出的表每页约95行，共160页。写并存取这些页引发5＊160=800次的读写，索引共读写892页。   3．把输出和part连接得到最后的结果：   SELECT pvvn_by_pn.＊，part.part_desc   FROM pvvn_by_pn，part   WHERE pvvn_by_pn.part_num=part.part_num   DROP TABLE pvvn_by_pn   这样，查询顺序地读pvvn_by_pn(160页)，通过索引读part表1.5万次，由于建有索引，所以实际上进行1772次磁盘读写，优化比例为30∶1。笔者在Informix Dynamic Sever上做同样的实验，发现在时间耗费上的优化比例为5∶1(如果增加数据量，比例可能会更大)。   小　结   20％的代码用去了80％的时间，这是程序设计中的一个著名定律，在数据库应用程序中也同样如此。我们的优化要抓住关键问题，对于数据库应用程序来说，重点在于SQL的执行效率。查询优化的重点环节是使得数据库服务器少从磁盘中读数据以及顺序读页而不是非顺序读页。

 

 

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。

---- 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！

---- 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。