SQL连接查询保障效率的简易原则

连接查询是数据库操作中很常用的操作，也是最耗费资源的操作。提高连接查询的效率，对于整体的效率提高有很大的意义。实际使用发现连接操作确实需要做一些优化。

一、一些原则

看了一些网友的经验后，总结一下：

1. 使用子查询减少连接的两张表的字段、记录数量。
   
2. 建立视图，减少需要处理的字段、记录数量。
3. 用于连接的字段建立索引。
4. 连接方式优先选择内连接，外连接尽量不使用。
5. 尽可能将记录少的表放在连接的左边，以减少先处理的记录数量。*

二、一些实践

需求，查询表1中的字段A和表2中字段B匹配的合并后的所有记录。
方案一：

select wwz.cpa,wwz.epa,family.memberan,family.adate from family,wwz where wwz.[PN]=family.[pnraw] group by memberan

运行很慢，难以接受。因此，按照我的需求，选择了第2、3项进行了优化。

首先创建视图：

create view main_pn_cpa_epa as select cpa,epa,pn from wwz;
create view family_an_date_pnr as select memberan,adate,pnraw from family;

再建立索引：

create index index_main_pn ON wwz(PN);

create index index_family_pnr ON family(pnraw);

在此基础上可以使用：

方案二：

select cpa,epa,memberan,adate from main_pn_cpa_epa,family_an_date_pnr where main_pn_cpa_epa.[PN]=family_an_date_pnr.[pnraw];

方案三：

select cpa,epa,memberan,adate from main_pn_cpa_epa inner join family_an_date_pnr on( main_pn_cpa_epa.[PN]=family_an_date_pnr.[pnraw]);

测试

• 硬件环境：
  • 处理器：Intel(R) Core(TM) i3 CPU  M330  @ 2.13GHz 双核
  • 内存：4.00 GB
• 软件环境：
  • Python2.7 
  • Sqlite3
• 源表容量：
  • 表1：10442记录，37字段
  • 表2：8654记录，7字段
• 100次查询，并且取出

耗时对比

方案一	方案二	方案三
1000min+	15.21s	15.59 s

* 没有试过