SQL的优化整理以及时间信息（持续更新）+ 中级以上sql

查询：10w数据信息的查询

举例：

SELECT TOP 10 *  FROM rlsc_users //查询时间(0.117s)

SELECT TOP 10 *  FROM RLSC_Users as ru ORDER BY CreateTime //查询时间(0.253s)

SELECT TOP 10 *  FROM rlsc_users  as ru ORDER BY CreateTime  //查询时间(0.355s)

前2句sql，区别RLSC_Users的大小写的关系，RLSC_Users为数据库名字，虽然不区分大小写，但是速度还是区别，网络接口不稳定，服务器请求多......等原因？

SELECT TOP 100 *  FROM RLSC_Users as ru ORDER BY CreateTime //查询时间(0.783s)

SELECT TOP 1000 *  FROM RLSC_Users as ru ORDER BY CreateTime //查询时间(34.591s)

SELECT TOP 10000 *  FROM RLSC_Users as ru ORDER BY CreateTime //查询时间(.......死了.......)

以上数据都是10倍的递增，但是查询时间明显从100以上开始，就出现类似几次幂的狂增模式

SELECT TOP 10 ru.Nation,ru.City,ru.ComputerGrade,ru.IdCard FROM RLSC_Users as ru ORDER BY CreateTime //查询时间(0.084s)

SELECT TOP 100 ru.Nation,ru.City,ru.ComputerGrade,ru.IdCard FROM RLSC_Users as ru ORDER BY CreateTime //查询时间(0.158)

从以上数据分析我们查询时具体到需要的字段，也是sql优化的必要项 节省3倍以上的时间

存储过程的比较

但语句执行 存储过程是要慢于直接的语句查询的？在单语句的时候没有比较的必要性，比较结果差别不大！

一些常用的sql语句

（1）添加一个Id自增的不存在的字段

SELECT row_number()over(order by trainCompanyId) as Id,cc.trainCompanyId as Name from CYPX_CmpUser as cc GROUP BY cc.trainCompanyId

（2）删除 一个表中所有重复的数据字段

delete from CYPX_User
where   idCard in (select idCard    from CYPX_User group by idCard      having count(idCard) > 1)
and   DOrder not in (select min(DOrder) from CYPX_User group by idCard     having count(idCard)>1)

（3）修改外键表中所有的UserId字段，以身份证号连接，使其与User表相对应

UPDATE CYPX_CmpUser set CYPX_CmpUser.UserId=(select CYPX_User.DOrder from CYPX_User 
where CYPX_User.idcard=CYPX_CmpUser.idcard)  where CYPX_CmpUser.idcard in (select CYPX_User.idcard from CYPX_User)

（4）按照月份 进行 分组，统计一年每个月的Count()数据 substring Convert的使用

select substring(Convert(varchar(10),CYTime,120),6,2) as name,count(*)  as id 
from CYPX_EntityPay where YEAR(CYTime)=@year group by substring(Convert(varchar(10),CYTime,120),6,2)

（5）2张数据表的对比，一张作为数据源表去更新比外一张表 使用MERGE INTO