1、首先要搞明白什么叫执行计划？

　　执行计划是数据库根据SQL语句和相关表的统计信息作出的一个查询方案，这个方案是由查询优化器自动分析产生的，比如一条SQL语句如果用来从一个10万条记录的表中查1条记录，那查询优化器会选择“索引查找”方式，如果该表进行了归档，当前只剩下5000条记录了，那查询优化器就会改变方案，采用“全表扫描”方式。

　　可见，执行计划并不是固定的，它是“个性化的”。产生一个正确的“执行计划”有两点很重要：

　　（1）SQL语句是否清晰地告诉查询优化器它想干什么？

　　（2）查询优化器得到的数据库统计信息是否是最新的、正确的？

　　2、统一SQL语句的写法

　　对于以下两句SQL语句，程序员认为是相同的，数据库查询优化器认为是不同的。

　　其实就是大小写不同，查询分析器就认为是两句不同的SQL语句，必须进行两次解析。生成2个执行计划。所以作为程序员，应该保证相同的查询语句在任何地方都一致，多一个空格都不行！

　　3、不要把SQL语句写得太复杂

　　我经常看到，从数据库中捕捉到的一条SQL语句打印出来有2张A4纸这么长。一般来说这么复杂的语句通常都是有问题的。我拿着这2页长的SQL语句去请教原作者，结果他说时间太长，他一时也看不懂了。可想而知，连原作者都有可能看糊涂的SQL语句，数据库也一样会看糊涂。

　　一般，将一个Select语句的结果作为子集，然后从该子集中再进行查询，这种一层嵌套语句还是比较常见的，但是根据经验，超过3层嵌套，查询优化器就很容易给出错误的执行计划。因为它被绕晕了。像这种类似人工智能的东西，终究比人的分辨力要差些，如果人都看晕了，我可以保证数据库也会晕的。

　　另外，执行计划是可以被重用的，越简单的SQL语句被重用的可能性越高。而复杂的SQL语句只要有一个字符发生变化就必须重新解析，然后再把这一大堆垃圾塞在内存里。可想而知，数据库的效率会何等低下。

　　4、使用“临时表”暂存中间结果

　　简化SQL语句的重要方法就是采用临时表暂存中间结果，但是，临时表的好处远远不止这些，将临时结果暂存在临时表，后面的查询就在tempdb中了，这可以避免程序中多次扫描主表，也大大减少了程序执行中“共享锁”阻塞“更新锁”，减少了阻塞，提高了并发性能。

　　5、OLTP系统SQL语句必须采用绑定变量

　　以上两句语句，查询优化器认为是不同的SQL语句，需要解析两次。如果采用绑定变量

　　@chgtime变量可以传入任何值，这样大量的类似查询可以重用该执行计划了，这可以大大降低数据库解析SQL语句的负担。一次解析，多次重用，是提高数据库效率的原则。

　　6、绑定变量窥测

　　事物都存在两面性，绑定变量对大多数OLTP处理是适用的，但是也有例外。比如在where条件中的字段是“倾斜字段”的时候。

“倾斜字段”指该列中的绝大多数的值都是相同的，比如一张人口调查表，其中“民族”这列，90%以上都是汉族。那么如果一个SQL语句要查询30岁的汉族人口有多少，那“民族”这列必然要被放在where条件中。这个时候如果采用绑定变量@nation会存在很大问题。

试想如果@nation传入的第一个值是“汉族”，那整个执行计划必然会选择表扫描。然后，第二个值传入的是“布依族”，按理说“布依族”占的比例可能只有万分之一，应该采用索引查找。但是，由于重用了第一次解析的“汉族”的那个执行计划，那么第二次也将采用表扫描方式。这个问题就是著名的“绑定变量窥测”，建议对于“倾斜字段”不要采用绑定变量。

　　7、只在必要的情况下才使用begin tran

　　SQL Server中一句SQL语句默认就是一个事务，在该语句执行完成后也是默认commit的。其实，这就是begin tran的一个最小化的形式，好比在每句语句开头隐含了一个begin tran，结束时隐含了一个commit。

　　有些情况下，我们需要显式声明begin tran，比如做“插、删、改”操作需要同时修改几个表，要求要么几个表都修改成功，要么都不成功。begin tran 可以起到这样的作用，它可以把若干SQL语句套在一起执行，最后再一起commit。好处是保证了数据的一致性，但任何事情都不是完美无缺的。Begin tran付出的代价是在提交之前，所有SQL语句锁住的资源都不能释放，直到commit掉。

　　可见，如果Begin tran套住的SQL语句太多，那数据库的性能就糟糕了。在该大事务提交之前，必然会阻塞别的语句，造成block很多。

　　Begin tran使用的原则是，在保证数据一致性的前提下，begin tran 套住的SQL语句越少越好！有些情况下可以采用触发器同步数据，不一定要用begin tran。

　　8、一些SQL查询语句应加上nolock

　　在SQL语句中加nolock是提高SQL Server并发性能的重要手段，在oracle中并不需要这样做，因为oracle的结构更为合理，有undo表空间保存“数据前影”，该数据如果在修改中还未commit，那么你读到的是它修改之前的副本，该副本放在undo表空间中。这样，oracle的读、写可以做到互不影响，这也是oracle广受称赞的地方。SQL Server 的读、写是会相互阻塞的，为了提高并发性能，对于一些查询，可以加上nolock，这样读的时候可以允许写，但缺点是可能读到未提交的脏数据。使用nolock有3条原则。

　　（1）查询的结果用于“插、删、改”的不能加nolock ！

　　（2）查询的表属于频繁发生页分裂的，慎用nolock ！

　　（3）使用临时表一样可以保存“数据前影”，起到类似oracle的undo表空间的功能，

　　能采用临时表提高并发性能的，不要用nolock 。

　　9、聚集索引没有建在表的顺序字段上，该表容易发生页分裂

　　比如订单表，有订单编号orderid，也有客户编号contactid，那么聚集索引应该加在哪个字段上呢？对于该表，订单编号是顺序添加的，如果在orderid上加聚集索引，新增的行都是添加在末尾，这样不容易经常产生页分裂。然而，由于大多数查询都是根据客户编号来查的，因此，将聚集索引加在contactid上才有意义。而contactid对于订单表而言，并非顺序字段。

　　比如“张三”的“contactid”是001，那么“张三”的订单信息必须都放在这张表的第一个数据页上，如果今天“张三”新下了一个订单，那该订单信息不能放在表的最后一页，而是第一页！如果第一页放满了呢？很抱歉，该表所有数据都要往后移动为这条记录腾地方。

　　SQL Server的索引和Oracle的索引是不同的，SQL Server的聚集索引实际上是对表按照聚集索引字段的顺序进行了排序，相当于oracle的索引组织表。SQL Server的聚集索引就是表本身的一种组织形式，所以它的效率是非常高的。也正因为此，插入一条记录，它的位置不是随便放的，而是要按照顺序放在该放的数据页，如果那个数据页没有空间了，就引起了页分裂。所以很显然，聚集索引没有建在表的顺序字段上，该表容易发生页分裂。

　　曾经碰到过一个情况，一位哥们的某张表重建索引后，插入的效率大幅下降了。估计情况大概是这样的。该表的聚集索引可能没有建在表的顺序字段上，该表经常被归档，所以该表的数据是以一种稀疏状态存在的。比如张三下过20张订单，而最近3个月的订单只有5张，归档策略是保留3个月数据，那么张三过去的15张订单已经被归档，留下15个空位，可以在insert发生时重新被利用。在这种情况下由于有空位可以利用，就不会发生页分裂。但是查询性能会比较低，因为查询时必须扫描那些没有数据的空位。

重建聚集索引后情况改变了，因为重建聚集索引就是把表中的数据重新排列一遍，原来的空位没有了，而页的填充率又很高，插入数据经常要发生页分裂，所以性能大幅下降。

　　对于聚集索引没有建在顺序字段上的表，是否要给与比较低的页填充率？是否要避免重建聚集索引？是一个值得考虑的问题！

　　10、加nolock后查询经常发生页分裂的表，容易产生跳读或重复读

　　加nolock后可以在“插、删、改”的同时进行查询，但是由于同时发生“插、删、改”，在某些情况下，一旦该数据页满了，那么页分裂不可避免，而此时nolock的查询正在发生，比如在第100页已经读过的记录，可能会因为页分裂而分到第101页，这有可能使得nolock查询在读101页时重复读到该条数据，产生“重复读”。同理，如果在100页上的数据还没被读到就分到99页去了，那nolock查询有可能会漏过该记录，产生“跳读”。

　　上面提到的哥们，在加了nolock后一些操作出现报错，估计有可能因为nolock查询产生了重复读，2条相同的记录去插入别的表，当然会发生主键冲突。

　　11、使用like进行模糊查询时应注意

　　有的时候会需要进行一些模糊查询比如

　　关键词%yue%，由于yue前面用到了“%”，因此该查询必然走全表扫描，除非必要，否则不要在关键词前加%，

　　12、数据类型的隐式转换对查询效率的影响

　　sql server2000的数据库，我们的程序在提交sql语句的时候，没有使用强类型提交这个字段的值，由sql server 2000自动转换数据类型，会导致传入的参数与主键字段类型不一致，这个时候sql server 2000可能就会使用全表扫描。Sql2005上没有发现这种问题，但是还是应该注意一下。

　　13、SQL Server 表连接的三种方式

　　（1）Merge Join

　　（2）Nested Loop Join

　　（3）Hash Join

　　SQL Server 2000只有一种join方式——Nested Loop Join，如果A结果集较小，那就默认作为外表，A中每条记录都要去B中扫描一遍，实际扫过的行数相当于A结果集行数x B结果集行数。所以如果两个结果集都很大，那Join的结果很糟糕。

　　SQL Server 2005新增了Merge Join，如果A表和B表的连接字段正好是聚集索引所在字段，那么表的顺序已经排好，只要两边拼上去就行了，这种join的开销相当于A表的结果集行数加上B表的结果集行数，一个是加，一个是乘，可见merge join 的效果要比Nested Loop Join好多了。

　　如果连接的字段上没有索引，那SQL2000的效率是相当低的，而SQL2005提供了Hash join，相当于临时给A，B表的结果集加上索引，因此SQL2005的效率比SQL2000有很大提高，我认为，这是一个重要的原因。

　　总结一下，在表连接时要注意以下几点：

　　（1）连接字段尽量选择聚集索引所在的字段

　　（2）仔细考虑where条件，尽量减小A、B表的结果集

　　（3）如果很多join的连接字段都缺少索引，而你还在用SQL Server 2000，赶紧升级吧。

    针对开发同事引入的物化视图的概念做了一个简单的了解和实验：

引文出自：http://icbbs.supcon.com/viewthread.php?tid=1181

物化视图中上面的引文中已做了简介，下面说一下它的优缺点和验证的结果：

优点：

 1，物化视图的最大的优势是可以提高性能：Oracle的物化视图提供了强大的功能，可以用于预先计算并保存表连接或聚集等耗时较多的操作的结果，这样，在执行查询时，就可以避免进行这些耗时的操作，而从快速的得到结果。

 2， 物化视图有很多方面和索引很相似

 3，通过预先计算好答案存储起来，可以大大地减少机器的负载

   A，更少的物理读--扫描更少的数据

   B，更少的写--不用经常排序和聚集

   C。减少CPU的消耗--不用对数据进行聚集计算和函数调用

   D，显著地加快响应时间--在使用物化视图查询数据时(与主表相反)，将会很快的返回查询结果

缺点：

  1，物化视图用于只读或者“精读”环境下工作最好 ，不用于联机事务处理系统(OLTP)环境，　在事实表等更新时会导致物化视图行锁，从而影响系统并发性。

   2，物化视图有出现无法快速刷新，导致查询数据不准确的现象 

  3，Rowid物化视图（创建的物化视图通常情况下有主键，rowid,和子查询视图）只有一个单一的主表，不能包括下面任何一项:

    A，Distinct 或者聚合函数.

    B，Group by，子查询，连接和SET操作

  4，物化视图会增加对磁盘资源的需求，即需要永久分配的硬盘空间给物化视图来存储数据

  5，物化视图的工作原理受一些可能的约束，比如主键，外键等等

实验：（一）

1，创建物化视图：

  /* Formatted on 2010-7-1 10:46:08 (QP5 v5.115.810.9015) */

CREATE MATERIALIZED VIEW Contract REFRESH FORCE ON DEMAND AS SELECT "Contract_ID","Contract_ProjectID","Contract_TableID","Contract_NO" FROM "Comm_Contract" WHERE "Contract_TableID"

IN(SELECT "AppTab_ID" FROM "Base_AppTableInfo" WHERE "AppTab_TableCode"='SaleContractP_Base' )

2，查询

 从基表中查询：

SELECT    "Contract_ID"

                    FROM   "Comm_Contract"

                   WHERE   "Contract_NO" LIKE '%2009011%'

  A，单用户查询响应时间：206ms  

  B，50并发查询响应时间：1670ms               

   从物化视图查询：                

 select "Contract_ID" 

                    from "Contract"  

                   where "Contract_NO" like '%2009011%'  

  A，单用户查询响应时间：23ms  

  B，50并发查询响应时间：48ms  

实验：（二）

生产任务单参照生产订单按合同编号查询系统响应时间---是否用物化视图的区别

操作步骤：

1，修改资源文件：
[Unit]

      Name = Sale.Contract1

      [Master]

         [Table]

            Name = Contract

            [Field]

               ID = Contract_ID,Integer

               ProjectID = Contract_ProjectID,Integer

               TableID = Contract_TableID,Integer

               NO = Contract_NO,Text               

            [/Field]

         [/Table]

      [/Master]

   [/Unit]

2，修改.ets  .xsl 文件

.xsl:QuickCondition += ' AND _field_(Order_ContractID) in _subquery_(Sale.Contract1【Sale.Contract】,ID,_FIELD_(NO) LIKE  _Value_($^QuickContract_NO,@NO))';

.ets:<et:class Var="ContractList" Class="Sale.Contract1【Sale.Contract】" Condition="_FIELD_(ID)=_VALUE_($.Order_ContractID,@ID)" OutputPageInfo="no" OutputField="ID,NO,Customer_ShortName"/>

3，分别用步骤2的两种情况查询

  生产任务单参照生产订单：按销售合同条件查询：查询输入“2009011” ，结果页面响应时间： 

 A，不用物化视图<!--Execute the main script casted 2ms-->

 B，用物化视图<!--Execute the main script casted 1ms-->

1，建表

CREATE TABLE "test"

(

  "id"             INTEGER                   NOT NULL,

  "order_no"       NUMBER(10),

  "order_date"     DATE,

  "ordership"      VARCHAR2(500 BYTE),

  "order_comment"  VARCHAR2(100 BYTE)

)

2，插入数据脚本

declare

 BEGIN

   for i in 1 .. X

    loop

    --syexecute immediate

insert into "test" values(i,24+i,sysdate(),'ship' || i,'coment' || i);

   end loop;

   commit;

END; 

3，有无索引对比

4，查询数据：

说明：

1），10000 ---表中10000条数据 ；1000000----表中1000000条数据；

2），001sql--select "order_date" from "test"；

3），002sql--select "order_date" from "test" group by "order_date";

4），003sql--select "order_date" from "test"  order by DESC;

5），004sql--select max("id") from "test";

6），004sql--select sum("order_no") from "test";

7），004sql--select "order_date" from "test" where {加区间}group by "order_date" 

5，结论：

1），表中索引越多，插入数据效率越差

2），表查询默认是顺序排序的，查询倒序排序比顺序效率差

3），...