【转帖】如何让你的SQL运行得更快

上一篇 / 下一篇  2012-09-11 14:48:04 / 个人分类:java

如何让你的SQL运行得更快  
----   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whe
re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)。
----   测试环境--
----   主机:HP   LH   II
----   主频:330MHZ
----   内存:128兆
----   操作系统:Operserver5.0.4
----数据库:Sybase11.0.3
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(3604,310,30
2)。
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S
QL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。
如何让你的SQL运行得更快  
----   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whe
re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)。
----   测试环境--
----   主机:HP   LH   II
----   主频:330MHZ
----   内存:128兆
----   操作系统:Operserver5.0.4
----数据库:Sybase11.0.3
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(3604,310,30
2)。
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S
QL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。

TAG:

 

评分:0

我来说两句

Open Toolbar