sql 利用索引优化性能(转载)

 

     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)。

  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上建有一个非群集索引

  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。

 

 

  • 索引中的数据尽可能少,即窄索引更容易被选择;
  • 聚集索引码要被包含在表的所有的非聚集索引中,所以聚集索引码要尽可能短;
  • 建立高选择性的非聚集索引;
  • 频繁请求的列上不能建立聚集索引,应该建立非聚集索引,并且要尽可能使值惟一;
  • 尽可能减少热点数据。如果频繁地对表中的某些数据进行读和写,这些数据就是热点数据,要想办法将热点数据分散;
  • 监控磁盘的数据流量。如果利用率太高,就要考虑索引列并在多个磁盘上分布数据以减少I/O;
  • 在至少有一个索引的表中,应该有一个聚集索引。包括的不同值的个数有限,返回一定范围内值的列,查询时返回大量结果的列考虑建立聚集索引;
  • 分析经常使用的SQL语句的Where子句,得出经常取值的数据,考虑对这些数据列根据常见的查询类型建立索引;
  • 主码如果涉及多个数据列,要将显著变化的数据列放在首位。如果数据列的变化程度相当,将经常访问的数据列放在首位;
  • 有大量重复值、且经常有范围查询。如(between,>,<,>=,<=)、order by、group by发生的列,可考虑建立聚集索引;
  • SQL查询语句同时存取多列的数据,且每列都含有重复值,可以考虑建立覆盖索引,覆盖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;
  • 索引值较短的索引具有比较高的效率,因为每个索引页上能存放较多的索引行,而且索引的级别也比较少。所以,缓存中能防止更多的索引列,这样也减少了I/O操作;
  • 表上的索引过多会影响UPDATE、INSERT和DELETE的性能,因为所有的索引必须做响应的调整。另外,所有的分页操作都被记录在日志中,这样也会增加I/O操作;
  • 一般不对经常被更新的列建立聚集索引,这样会引起整行的移动,严重影响性能;
  • 查询很少或着数据很少的数据表一般不用建立索引;
  • 与ORDER BY或GROUP BY一起使用的列一般使用建立聚集索引。如果ORDER BY 命令中用到的列上有聚集索引,就不会生成1个临时表,因为行已经排序。GROUP BY命令则一定产生1个临时表;
  • 当有大量的行正在被插入表中时,要避免在本表一个自然增长(例如Identity列)的列上建立聚集索引。如果建立了聚集索引,那么INSERT的性能就会大大降低,因为每个插入的行必须到表的最后一个数据页面。

 


  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。

原文地址:http://www.cnblogs.com/releaseyou/archive/2009/05/17/1458930.html

posted @ 2009-05-17 23:10  温景良(Jason)  Views(284)  Comments(1Edit  收藏  举报