利用索引优化sql语句

转载地址：http://www.cnblogs.com/tieming/archive/2009/06/29/1512910.html

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。