Wednesday, May 5, 2010

利用SQL索引提高查询速度

1.合理使用索引

索引是数据库中重要的数据结构,它的根本目的就是为了提高查询效率。现在大多数的数据库产品都采用IBM最先提出的ISAM索引结构。

索引的使用要恰到好处,其使用原则如下:

  • 在经常进行连接,但是没有指定为外键的列上建立索引,而不经常连接的字段则由优化器自动生成索引。

  • 在频繁进行排序或分组(即进行group by或order by操作)的列上建立索引。

  • 在条件表达式中经常用到的不同值较多的列上建立检索,在不同值少的列上不要建立索引。比如在雇员表的“性别”列上只有“男”与“女”两个不同值,因此就无必要建立索引。如果建立索引不但不会提高查询效率,反而会严重降低更新速度。

  • 如果待排序的列有多个,可以在这些列上建立复合索引(compound index)。

  • 使用系统工具。如Informix数据库有一个tbcheck工具,可以在可疑的索引上进行检查。在一些数据库服务器上,索引可能失效或者因为频繁操作而 使得读取效率降低,如果一个使用索引的查询不明不白地慢下来,可以试着用tbcheck工具检查索引的完整性,必要时进行修复。另外,当数据库表更新大量 数据后,删除并重建索引可以提高查询速度。



(1)在下面两条select语句中:
[cc lang='sql' line_numbers='false']select * from table1 where field1<=10000 and field1>=0;
select * from table1 where field1>=0 and field1<=10000; [/cc]
如果数据表中的数据field1都>=0,则第一条select语句要比第二条select语句效率高的多,因为第二条select语句的第一个条件耗费了大量的系统资源。
第一个原则:在where子句中应把最具限制性的条件放在最前面。

(2)在下面的select语句中:
[cc lang='sql' line_numbers='false']select * from tab where a=… and b=… and c=…;[/cc]
若有索引index(a,b,c),则where子句中字段的顺序应和索引中字段顺序一致。
第二个原则:where子句中字段的顺序应和索引中字段顺序一致。

------------------------------------------------------------------------------
以下假设在field1上有唯一索引I1,在field2上有非唯一索引I2。
------------------------------------------------------------------------------
(3) [cci lang='sql' line_numbers='false']select field3,field4 from tb where field1='sdf'[/cci] 快
[cci lang='sql' line_numbers='false']select * from tb where field1='sdf'[/cci] 慢[/cci]

因为后者在索引扫描后要多一步ROWID表访问。

(4) [cci lang='sql' line_numbers='false']select field3,field4 from tb where field1>='sdf'[/cci] 快
[cci lang='sql' line_numbers='false']select field3,field4 from tb where field1>'sdf'[/cci] 慢

因为前者可以迅速定位索引。

(5) [cci lang='sql' line_numbers='false']select field3,field4 from tb where field2 like 'R%'[/cci] 快
[cci lang='sql' line_numbers='false']select field3,field4 from tb where field2 like '%R'[/cci] 慢,

因为后者不使用索引。

(6) 使用函数如:
[cci lang='sql' line_numbers='false']select field3,field4 from tb where upper(field2)='RMN'[/cci]不使用索引。

如果一个表有两万条记录,建议不使用函数;如果一个表有五万条以上记录,严格禁止使用函数!两万条记录以下没有限制。

(7) 空值不在索引中存储,所以
[cci lang='sql' line_numbers='false']select field3,field4 from tb where field2 is[not] null[/cci]不使用索引。

(8) 不等式如
[cci lang='sql' line_numbers='false']select field3,field4 from tb where field2!='TOM'[/cci]不使用索引。
相似地,
[cci lang='sql' line_numbers='false']select field3,field4 from tb where field2 not in('M','P')[/cci]不使用索引。

(9) 多列索引,只有当查询中索引首列被用于条件时,索引才能被使用。

(10) MAX,MIN等函数,使用索引。
[cci lang='sql' line_numbers='false']Select max(field2) from tb[/cci] 所以,如果需要对字段取[cci lang='sql' line_numbers='false']max,min,sum[/cci]等,应该加索引。

一次只使用一个聚集函数,如:
[cci lang='sql' line_numbers='false']select “min”=min(field1), “max”=max(field1) from tb[/cci]
不如:[cci lang='sql' line_numbers='false']select “min”=(select min(field1) from tb) , “max”=(select max(field1) from tb)[/cci]

(11) 重复值过多的索引不会被查询优化器使用。而且因为建了索引,修改该字段值时还要修改索引,所以更新该字段的操作比没有索引更慢。

(12) 索引值过大(如在一个[cci lang='sql' line_numbers='false']char(40)[/cci]的字段上建索引),会造成大量的I/O开销(甚至会超过表扫描的I/O开销)。因此,尽量使用整数索引。 Sp_estspace可以计算表和索引的开销。

(13) 对于多列索引,[cci lang='sql' line_numbers='false']order by[/cci]的顺序必须和索引的字段顺序一致。

(14) 在sybase中,如果[cci lang='sql' line_numbers='false']order by[/cci]的字段组成一个簇索引,那么无须做[cci lang='sql' line_numbers='false']order by[/cci]。记录的排列顺序是与簇索引一致的。

(15) 多表联结(具体查询方案需要通过测试得到)
where子句中限定条件尽量使用相关联的字段,且尽量把相关联的字段放在前面。
[cci lang='sql' line_numbers='false']select a.field1,b.field2 from a,b where a.field3=b.field3[/cci]

  1. field3上没有索引的情况下:
    对a作全表扫描,结果排序
    对b作全表扫描,结果排序
    结果合并。
    对于很小的表或巨大的表比较合适。

  2. field3上有索引
    按照表联结的次序,b为驱动表,a为被驱动表
    对b作全表扫描
    对a作索引范围扫描
    如果匹配,通过a的rowid访问


(16) 避免一对多的join。如:
[cci lang='sql' line_numbers='false']select tb1.field3,tb1.field4,tb2.field2 from tb1,tb2 where tb1.field2=tb2.field2 and tb1.field2=‘BU1032’ and tb2.field2= ‘aaa’[/cci]
不如:
[cci lang='sql' line_numbers='false']declare @a varchar(80)
select @a=field2 from tb2 where field2=‘aaa’
select tb1.field3,tb1.field4,@a from tb1 where field2= ‘aaa’[/cci]

(16) 子查询
用exists/not exists代替in/not in操作
比较:
[cci lang='sql' line_numbers='false']select a.field1 from a where a.field2 in(select b.field1 from b where b.field2=100)
select a.field1 from a where exists( select 1 from b where a.field2=b.field1 and b.field2=100)

select field1 from a where field1 not in( select field2 from b)
select field1 from a where not exists( select 1 from b where b.field2=a.field1)[/cci]

(17) 主、外键主要用于数据约束,sybase中创建主键时会自动创建索引,外键与索引无关,提高性能必须再建索引。

(18) char类型的字段不建索引比int类型的字段不建索引更糟糕。建索引后性能只稍差一点。

(19) 使用[cci lang='sql' line_numbers='false']count(*)[/cci]而不要使用[cci lang='sql' line_numbers='false']count(column_name)[/cci],避免使用[cci lang='sql' line_numbers='false']count(distinct column_name)[/cci]。

(20) 等号右边尽量不要使用字段名,如:
[cci lang='sql' line_numbers='false']select * from tb where field1 = field3[/cci]

(21) 避免使用or条件,因为or不使用索引。

2.避免使用order by和group by字句。

因为使用这两个子句会占用大量的临时空间(tempspace),如果一定要使用,可用视图、人工生成临时表的方法来代替。
如果必须使用,先检查memory、tempdb的大小。
测试证明,特别要避免一个查询里既使用join又使用group by,速度会非常慢!

3.尽量少用子查询,特别是相关子查询。因为这样会导致效率下降。

一个列的标签同时在主查询和where子句中的查询中出现,那么很可能当主查询中的列值改变之后,子查询必须重新查询一次。查询嵌套层次越多,效率越低,因此应当尽量避免子查询。如果子查询不可避免,那么要在子查询中过滤掉尽可能多的行。

4.消除对大型表行数据的顺序存取

在 嵌套查询中,对表的顺序存取对查询效率可能产生致命的影响。
比如采用顺序存取策略,一个嵌套3层的查询,如果每层都查询1000行,那么这个查询就要查询 10亿行数据。
避免这种情况的主要方法就是对连接的列进行索引。
例如,两个表:学生表(学号、姓名、年龄……)和选课表(学号、课程号、成绩)。如果两个 表要做连接,就要在“学号”这个连接字段上建立索引。
还可以使用并集来避免顺序存取。尽管在所有的检查列上都有索引,但某些形式的where子句强迫优化器使用顺序存取。
下面的查询将强迫对orders表执行顺序操作:
[cci lang='sql' line_numbers='false']SELECT * FROM orders WHERE (customer_num=104 AND order_num>1001) OR order_num=1008[/cci]
虽然在customer_num和order_num上建有索引,但是在上面的语句中优化器还是使用顺序存取路径扫描整个表。因为这个语句要检索的是分离的行的集合,所以应该改为如下语句:
[cci lang='sql' line_numbers='false']SELECT * FROM orders WHERE customer_num=104 AND order_num>1001
UNION
SELECT * FROM orders WHERE order_num=1008[/cci]
这样就能利用索引路径处理查询。

5.避免困难的正规表达式

MATCHES和LIKE关键字支持通配符匹配,技术上叫正规表达式。但这种匹配特别耗费时间。例如:[cci lang='sql' line_numbers='false']SELECT * FROM customer WHERE zipcode LIKE “98_ _ _”[/cci]
即使在zipcode字段上建立了索引,在这种情况下也还是采用顺序扫描的方式。如果把语句改为[cci lang='sql' line_numbers='false']SELECT * FROM customer WHERE zipcode >“98000”[/cci],在执行查询时就会利用索引来查询,显然会大大提高速度。
另外,还要避免非开始的子串。例如语句:[cci lang='sql' line_numbers='false']SELECT * FROM customer WHERE zipcode[2,3] >“80”[/cci],在where子句中采用了非开始子串,因而这个语句也不会使用索引。

6.使用临时表加速查询

把表的一个子集进行排序并创建临时表,有时能加速查询。它有助于避免多重排序操作,而且在其他方面还能简化优化器的工作。例如:
[cci lang='sql' line_numbers='false']SELECT cust.name,rcvbles.balance,……other columns
FROM cust,rcvbles
WHERE cust.customer_id = rcvlbes.customer_id
AND rcvblls.balance>0
AND cust.postcode>“98000”
ORDER BY cust.name[/cci]
如果这个查询要被执行多次而不止一次,可以把所有未付款的客户找出来放在一个临时文件中,并按客户的名字进行排序:
[cci lang='sql' line_numbers='false']SELECT cust.name,rcvbles.balance,……other columns
FROM cust,rcvbles
WHERE cust.customer_id = rcvlbes.customer_id
AND rcvblls.balance>;0
ORDER BY cust.name
INTO TEMP cust_with_balance[/cci]
然后以下面的方式在临时表中查询:
[cci lang='sql' line_numbers='false']SELECT * FROM cust_with_balance
WHERE postcode>“98000”[/cci]
临时表中的行要比主表中的行少,而且物理顺序就是所要求的顺序,减少了磁盘I/O,所以查询工作量可以得到大幅减少。
注意:临时表创建后不会反映主表的修改。在主表中数据频繁修改的情况下,注意不要丢失数据。

7.用排序来取代非顺序存取

非顺序磁盘存取是最慢的操作,表现在磁盘存取臂的来回移动。SQL语句隐藏了这一情况,使得我们在写应用程序时很容易写出要求存取大量非顺序页的查询。

1 comment:

  1. [...] 2012年6月21日 oscar 发表评论 阅读评论 Share国内 利用SQL索引提高查询速度 控制锁的粒度 MySQL索引类型一览 让MySQL高效运行起来 分类: 未分类 标签: [...]

    ReplyDelete