`

百万千万级数据量 数据库优化(一)

阅读更多

由于在参与的实际项目中发现当 MySQL 表的数据量达到百万级时,普通 SQL 查询效率呈直线下降,而且如果 Where 中的查询条件较多时,其查询速度简直无法容忍。曾经测试对一个包含400多万条记录(有索引)的表执行一条条件查询,其查询时间竟然高达40几秒,相信这么高的查询延时,任何用户都会抓狂。因此如何提高 SQL 语句查询效率,显得十分重要。以下是网上流传比较广泛的30种 SQL 查询语句优化方法:

1、应尽量避免在 where 子句中使用 != 或 <> 操作符,否则将引擎放弃使用索引而进行全表扫描。

2、对查询进行优化,应尽量避免全表扫描,首先应考虑在 where 及 order by 涉及的列上建立索引。

3、应尽量避免在 where 子句中对字段进行 null 值判断,否则将导致引擎放弃使用索引而进行全表扫描,

select id from t where num is null 

select id from t where num is null可以在 num 上设置默认值0,确保表中 num 列没有 null 值,然后这样查询:

select id from t where num=0 

select id from t where num=0
4、尽量避免在 where 子句中使用 or 来连接条件,否则将导致引擎放弃使用索引而进行全表扫描,如:

select id from t where num=10 or num=20 

select id from t where num=10 or num=20可以这样查询:

select id from t where num=10  
union all 
select id from t where num=20 

select id from t where num=10
union all
select id from t where num=205、下面的查询也将导致全表扫描:(不能前置百分号)

select id from t where name like '?c%' 

select id from t where name like '?c%'若要提高效率,可以考虑全文检索。
6、in 和 not in 也要慎用,否则会导致全表扫描,如:

select id from t where num in(1,2,3) 

select id from t where num in(1,2,3)对于连续的数值,能用 between 就不要用 in 了:

select id from t where num between 1 and 3 

select id from t where num between 1 and 37、如果在 where 子句中使用参数,也会导致全表扫描。因为 SQL 只有在运行时才会解析局部变量,但优化程序不能将访问计划的选择推迟到运行时;它必须在编译时进行选择。然而,如果在编译时建立访问计划,变量的值还是未知的,因而无法作为索引选择的输入项。如下面语句将进行全表扫描:

select id from t where num=@num 

select id from t where num=@num可以改为强制查询使用索引:

select id from t with(index(索引名)) where num=@num 

select id from t with(index(索引名)) where num=@num8、应尽量避免在 where 子句中对字段进行表达式操作,这将导致引擎放弃使用索引而进行全表扫描。如:

select id from t where num/2=100 

select id from t where num/2=100应改为:

select id from t where num=100*2 

select id from t where num=100*29、应尽量避免在where子句中对字段进行函数操作,这将导致引擎放弃使用索引而进行全表扫描。如:

select id from t where substring(name,1,3)='abc'–name #以abc开头的id 

select id from t where substring(name,1,3)='abc'–name #以abc开头的idselect id from t where datediff(day,createdate,'2005-11-30')=0–'2005-11-30' #生成的id 

select id from t where datediff(day,createdate,'2005-11-30')=0–'2005-11-30' #生成的id应改为:

select id from t where name like 'abc%' 
select id from t where createdate>='2005-11-30'and createdate<'2005-12-1′ 

select id from t where name like 'abc%'
select id from t where createdate>='2005-11-30'and createdate<'2005-12-1′10、不要在 where 子句中的“=”左边进行函数、算术运算或其他表达式运算,否则系统将可能无法正确使用索引。

11、在使用索引字段作为条件时,如果该索引是复合索引,那么必须使用到该索引中的第一个字段作为条件时才能保证系统使用该索引,否则该索引将不会被使用,并且应尽可能的让字段顺序与索引顺序相一致。
12、不要写一些没有意义的查询,如需要生成一个空表结构:

select col1,col2 into #t from t where 1=0 

select col1,col2 into #t from t where 1=0这类代码不会返回任何结果集,但是会消耗系统资源的,应改成这样:

create table #t(…) 

create table #t(…)13、很多时候用 exists 代替 in 是一个好的选择:

select num from a where num in(select num from b) 

select num from a where num in(select num from b)用下面的语句替换:

select num from a where exists(select 1 from b where num=a.num) 

select num from a where exists(select 1 from b where num=a.num)14、并不是所有索引对查询都有效,SQL 是根据表中数据来进行查询优化的,当索引列有大量数据重复时,SQL 查询可能不会去利用索引,如一表中有字段 sex、male、female 几乎各一半,那么即使在 sex 上建了索引也对查询效率起不了作用。

15、索引并不是越多越好,索引固然可以提高相应的 select 的效率,但同时也降低了 insert 及 update 的效率,因为 insert 或 update 时有可能会重建索引,所以怎样建索引需要慎重考虑,视具体情况而定。一个表的索引数最好不要超过6个,若太多则应考虑一些不常使用到的列上建的索引是否有必要。

16.应尽可能的避免更新 clustered 索引数据列,因为 clustered 索引数据列的顺序就是表记录的物理存储顺序,一旦该列值改变将导致整个表记录的顺序的调整,会耗费相当大的资源。若应用系统需要频繁更新 clustered 索引数据列,那么需要考虑是否应将该索引建为 clustered 索引。

17、尽量使用数字型字段,若只含数值信息的字段尽量不要设计为字符型,这会降低查询和连接的性能,并会增加存储开销。这是因为引擎在处理查询和连接时会逐个比较字符串中每一个字符,而对于数字型而言只需要比较一次就够了。

18、尽可能的使用 varchar/nvarchar 代替 char/nchar ,因为首先变长字段存储空间小,可以节省存储空间,其次对于查询来说,在一个相对较小的字段内搜索效率显然要高些。

19、任何地方都不要使用 select * from t ,用具体的字段列表代替“*”,不要返回用不到的任何字段。

20、尽量使用表变量来代替临时表。如果表变量包含大量数据,请注意索引非常有限(只有主键索引)。

21、避免频繁创建和删除临时表,以减少系统表资源的消耗。

22、临时表并不是不可使用,适当地使用它们可以使某些例程更有效,例如,当需要重复引用大型表或常用表中的某个数据集时。但是,对于一次性事件,最好使用导出表。

23、在新建临时表时,如果一次性插入数据量很大,那么可以使用 select into 代替 create table,避免造成大量 log,以提高速度;如果数据量不大,为了缓和系统表的资源,应先 create table,然后 insert。

24、如果使用到了临时表,在存储过程的最后务必将所有的临时表显式删除,先 truncate table,然后 drop table,这样可以避免系统表的较长时间锁定。

25、尽量避免使用游标,因为游标的效率较差,如果游标操作的数据超过1万行,那么就应该考虑改写。

26、使用基于游标的方法或临时表方法之前,应先寻找基于集的解决方案来解决问题,基于集的方法通常更有效。

27、与临时表一样,游标并不是不可使用。对小型数据集使用 FAST_FORWARD 游标通常要优于其他逐行处理方法,尤其是在必须引用几个表才能获得所需的数据时。在结果集中包括“合计”的例程通常要比使用游标执行的速度快。如果开发时间允许,基于游标的方法和基于集的方法都可以尝试一下,看哪一种方法的效果更好。

28、在所有的存储过程和触发器的开始处设置 SET NOCOUNT ON,在结束时设置 SET NOCOUNT OFF。无需在执行存储过程和触发器的每个语句后向客户端发送 DONE_IN_PROC 消息。

29、尽量避免向客户端返回大数据量,若数据量过大,应该考虑相应需求是否合理。

30、尽量避免大事务操作,提高系统并发能力。
分享到:
评论

相关推荐

    mysql 千万级数据优化

    _mysql 千万级数据优化_ MySQL 是一种流行的开源关系数据库管理系统,在大规模数据处理中,MySQL 的性能优化变得非常重要。下面我们将从查询优化和 SQL 编写注意事项两个方面来讨论 MySQL 千万级数据优化。 查询...

    sqlite数据库 大数据量处理demo

    SQLite是一款轻量级的、开源的、自包含的SQL数据库引擎,它被广泛应用于移动设备、嵌入式系统以及各种应用程序中,以处理和存储数据。在这个“sqlite数据库大数据量处理demo”中,我们将深入探讨如何在SQLite数据库...

    七天搞定SQL2005千万级别数据记录+数据库优化经验+代码优化+索引优化

    本文将分享一位开发者针对SqlSever2005一千万条以上记录的分页数据库优化经验,包括索引优化和代码优化,帮助读者理解如何应对大规模数据处理中的性能瓶颈。 首先,当数据量达到千万级别时,数据库的性能表现将直接...

    千万级数据分页查询存储过程SQLServer

    总的来说,利用SQL Server的存储过程进行千万级数据分页查询,结合合理的索引策略和优化技巧,能够有效提升查询性能,降低系统负载,为用户提供流畅的浏览体验。请参考“分页.txt”和“使用方法.txt”文件,了解更多...

    千万级的mysql数据库与优化方法.pdf

    在MySQL数据库管理中,优化大型数据表以提升性能至关重要,特别是面对千万级的数据量。以下是一些关键的数据库优化策略: 1. **索引优化**:避免全表扫描是首要原则,应该在`WHERE`子句和`ORDER BY`涉及的列上创建...

    千万级的mysql数据库与优化方法借鉴.pdf

    对于处理千万级数据量的MySQL数据库,以下是一些关键的优化方法和策略: 1. **索引优化**:索引是提升查询速度的关键。应优先在`WHERE`子句和`ORDER BY`涉及的列上创建索引,以减少全表扫描。避免使用`NULL`值,...

    java实现csv导出千万级数据实例

    本实例聚焦于“java实现csv导出千万级数据实例”,旨在提供一个高效、稳定的解决方案,避免因数据量过大而导致的性能问题,如Java中的栈溢出(Stack Overflow)。CSV(Comma Separated Values)格式因其简单、通用性...

    千万级的mysql数据库与优化方法分享.pdf

    在MySQL数据库中,管理和优化千万级的数据量是一项挑战。以下是一些关键的优化策略和技巧,旨在提高查询性能和整体数据库效率: 1. **索引优化**:索引是提升查询速度的关键。在经常用于`WHERE`和`ORDER BY`子句的...

    处理百万级以上的数据提高查询速度的方法

    ### 处理百万级以上的数据提高查询速度的方法 在处理大量数据时,如何优化SQL查询以提高查询效率是一项至关重要的技能。以下是从标题、描述、标签以及部分内容中提炼出的关键知识点,这些技巧可以帮助你在面对海量...

    实现千万级数据的分页显示

    本文详细介绍了一种用于实现千万级数据分页显示的技术方案。通过对SQL查询的优化、动态生成SQL以及使用存储过程等方式,成功实现了在短时间内高效获取大量数据的功能。该方案不仅适用于当前的需求,也为未来处理更大...

    千万级的mysql数据库与优化方法.docx

    在处理千万级别的MySQL数据库时,优化数据库性能至关重要。以下是一些关键的优化策略和技术: 1. **使用索引**:创建合适的索引可以显著提升查询速度。在`WHERE`子句和`ORDER BY`涉及的列上建立索引,避免全表扫描...

    Oracle_数据库中的海量数据处理

    - **管理大数据量**:通过优化存储结构和索引技术,实现对PB级别数据的有效管理。 - **管理各种用户请求**:无论是简单查询还是复杂分析任务,Oracle数据仓库都能高效处理。 - **查询快速响应**:利用先进的查询优化...

    千万级数据库快速查询解决方案

    本文将针对“千万级数据库快速查询解决方案”这一主题进行深入探讨,旨在提供一系列实用的方法和技术,帮助解决大规模数据查询过程中遇到的速度与扩展性难题。 #### 一、背景分析 在实际业务场景中,经常会遇到...

    MySQL 百万级分页优化(Mysql千万级快速分页)

    ### MySQL 百万级分页优化(Mysql千万级快速分页) #### 背景与挑战 在处理大规模数据集时,例如拥有数百万乃至数千万条记录的数据库表,传统的分页查询方法可能会遇到性能瓶颈。特别是使用`LIMIT`进行分页时,随着...

    数据库 SQL千万级数据规模处理概要

    在处理千万级甚至过亿数据规模的...综上所述,处理千万级数据规模的关键在于合理规划数据结构,优化查询策略,以及充分利用索引和预处理技术。通过这些方法,可以有效地管理和优化大规模数据,实现高效的数据处理。

    mysql千万级数据脚本测试shardingjdbc-course.zip

    本案例涉及的是一个针对MySQL数据库的千万级数据脚本测试,使用了ShardingJDBC这一分布式数据管理框架。接下来,我们将深入探讨相关知识点。 首先,MySQL是一个广泛使用的开源关系型数据库管理系统,其在处理大量...

    2023年SQL语句千万万数据量优化方案-架构与开发

    SQL(Structured Query Language)是数据库管理和查询的核心工具,尤其在面对千万级别的数据量时,高效的SQL语句优化显得至关重要。本资料包“2023年SQL语句千万万数据量优化方案-架构与开发”旨在提供一套全面的...

    大型网站数据库优化大型网站数据库优化.docx

    【大型网站数据库优化】在构建高访问量的网站时,数据库优化是至关重要的。面对千万人同时访问的挑战,数据库需要高效、稳定地处理大量并发请求,保证快速响应和高可用性。以下是一些关键的优化策略: 1. **程序与...

Global site tag (gtag.js) - Google Analytics