| 導購 | 订阅 | 在线投稿
分享
 
 
 

如何讓你的SQL運行得更快

來源:互聯網  2004-08-26 11:21:24  評論

人們在使用SQL時往往會陷入一個誤區,即太關注于所得的結果是否正確,而忽略了不同的實現方法之間可能存在的性能差異,這種性能差異在大型的或是複雜的數據庫環境中(如聯機事務處理OLTP或決策支持系統DSS)中表現得尤爲明顯。筆者在工作實踐中發現,不良的SQL往往來自于不恰當的索引設計、不充份的連接條件和不可優化的where子句。在對它們進行適當的優化後,其運行速度有了明顯地提高!下面我將從這三個方面分別進行總結:

爲了更直觀地說明問題,所有實例中的SQL運行時間均經過測試,不超過1秒的均表示爲(< 1秒)。

測試環境--

主機:HP LH II

主頻:330MHZ

內存:128兆

操作系統:Operserver5.0.4

數據庫:Sybase11.0.3

一、不合理的索引設計

例:表record有620000行,試看在不同的索引下,下面幾個 SQL的運行情況:

1.在date上建有一非個群集索引

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上有大量的重複值,在非群集索引下,數據在物理上隨機存放在數據頁上,在範圍查找時,必須執行一次表掃描才能找到這一範圍內的全部行。

2.在date上的一個群集索引

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,數據在物理上按順序在數據頁上,重複值也排列在一起,因而在範圍查找時,可以先找到這個範圍的起末點,且只在這個範圍內掃描數據頁,避免了大範圍掃描,提高了查詢速度。

3.在place,date,amount上的組合索引

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:

這是一個不很合理的組合索引,因爲它的前導列是place,第一和第二條SQL沒有引用place,因此也沒有利用上索引;第三個SQL使用了place,且引用的所有列都包含在組合索引中,形成了索引覆蓋,所以它的速度是非常快的。

4.在date,place,amount上的組合索引

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:

這是一個合理的組合索引。它將date作爲前導列,使每個SQL都可以利用索引,並且在第一和第三個SQL中形成了索引覆蓋,因而性能達到了最優。

5.總結:

缺省情況下建立的索引是非群集索引,但有時它並不是最佳的;合理的索引設計要建立在對各種查詢的分析和預測上。一般來說:

①.有大量重複值、且經常有範圍查詢(between, >,< ,>=,< =)和order by 、group by發生的列,可考慮建立群集索引;

②.經常同時存取多列,且每列都含有重複值可考慮建立組合索引;

③.組合索引要盡量使關鍵查詢形成索引覆蓋,其前導列一定是使用最頻繁的列。

二、不充份的連接條件:

例:表card有7896行,在card_no上有一個非聚集索引,表account有191122行,在 account_no上有一個非聚集索引,試看在不同的表連接條件下,兩個SQL的執行情況:

select sum(a.amount) from account a,

card b where a.card_no = b.card_no(20秒)

將SQL改爲:

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:

在第一個連接條件下,最佳查詢方案是將account作外層表,card作內層表,利用card上的索引,其I/O次數可由以下公式估算爲:

外層表account上的22541頁+(外層表account的191122行*內層表card上對應外層表第一行所要查找的3頁)=595907次I/O

在第二個連接條件下,最佳查詢方案是將card作外層表,account作內層表,利用account上的索引,其I/O次數可由以下公式估算爲:

外層表card上的1944頁+(外層表card的7896行*內層表account上對應外層表每一行所要查找的4頁)= 33528次I/O

可見,只有充份的連接條件,真正的最佳方案才會被執行。

總結:

1.多表操作在被實際執行前,查詢優化器會根據連接條件,列出幾組可能的連接方案並從中找出系統開銷最小的最佳方案。連接條件要充份考慮帶有索引的表、行數多的表;內外表的選擇可由公式:外層表中的匹配行數*內層表中每一次查找的次數確定,乘積最小爲最佳方案。

2.查看執行方案的方法-- 用set showplanon,打開showplan選項,就可以看到連接順序、使用何種索引的信息;想看更詳細的信息,需用sa角色執行dbcc(3604,310,302)。

三、不可優化的where子句

1.例:下列SQL條件語句中的列都建有恰當的索引,但執行速度卻非常慢:

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子句中對列的任何操作結果都是在SQL運行時逐列計算得到的,因此它不得不進行表搜索,而沒有使用該列上面的索引;如果這些結果在查詢編譯時就能得到,那麽就可以被SQL優化器優化,使用索引,避免表搜索,因此將SQL重寫成下面這樣:

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)

你會發現SQL明顯快起來!

2.例:表stuff有200000行,id_no上有非群集索引,請看下面這個SQL:

select count(*) from stuff where id_no in(′0′,′1′)

(23秒)

分析:

where條件中的′in′在邏輯上相當于′or′,所以語法分析器會將in (′0′,′1′)轉化爲id_no =′0′ or id_no=′1′來執行。我們期望它會根據每個or子句分別查找,再將結果相加,這樣可以利用id_no上的索引;但實際上(根據showplan), 它卻采用了"OR策略",即先取出滿足每個or子句的行,存入臨時數據庫的工作表中,再建立唯一索引以去掉重複行,最後從這個臨時表中計算結果。因此,實際過程沒有利用id_no上索引,並且完成時間還要受tempdb數據庫性能的影響。

實踐證明,表的行數越多,工作表的性能就越差,當stuff有620000行時,執行時間竟達到220秒!還不如將or子句分開:

select count(*) from stuff where id_no=′0′

select count(*) from stuff where id_no=′1′

得到兩個結果,再作一次加法合算。因爲每句都使用了索引,執行時間只有3秒,在620000行下,時間也只有4秒。或者,用更好的方法,寫一個簡單的存儲過程:

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

直接算出結果,執行時間同上面一樣快!

總結:

可見,所謂優化即where子句利用了索引,不可優化即發生了表掃描或額外開銷。

1.任何對列的操作都將導致表掃描,它包括數據庫函數、計算表達式等等,查詢時要盡可能將操作移至等號右邊。

2.in、or子句常會使用工作表,使索引失效;如果不産生大量重複值,可以考慮把子句拆開;拆開的子句中應該包含索引。

3.要善于使用存儲過程,它使SQL變得更加靈活和高效。

從以上這些例子可以看出,SQL優化的實質就是在結果正確的前提下,用優化器可以識別的語句,充份利用索引,減少表掃描的I/O次數,盡量避免表搜索的發生。其實SQL的性能優化是一個複雜的過程,上述這些只是在應用層次的一種體現,深入研究還會涉及數據庫層的資源配置、網絡層的流量控制以及操作系統層的總體設計。

人們在使用SQL時往往會陷入一個誤區,即太關注于所得的結果是否正確,而忽略了不同的實現方法之間可能存在的性能差異,這種性能差異在大型的或是複雜的數據庫環境中(如聯機事務處理OLTP或決策支持系統DSS)中表現得尤爲明顯。筆者在工作實踐中發現,不良的SQL往往來自于不恰當的索引設計、不充份的連接條件和不可優化的where子句。在對它們進行適當的優化後,其運行速度有了明顯地提高!下面我將從這三個方面分別進行總結: 爲了更直觀地說明問題,所有實例中的SQL運行時間均經過測試,不超過1秒的均表示爲(< 1秒)。 測試環境-- 主機:HP LH II 主頻:330MHZ 內存:128兆 操作系統:Operserver5.0.4 數據庫:Sybase11.0.3 一、不合理的索引設計 例:表record有620000行,試看在不同的索引下,下面幾個 SQL的運行情況: 1.在date上建有一非個群集索引 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上有大量的重複值,在非群集索引下,數據在物理上隨機存放在數據頁上,在範圍查找時,必須執行一次表掃描才能找到這一範圍內的全部行。 2.在date上的一個群集索引 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,數據在物理上按順序在數據頁上,重複值也排列在一起,因而在範圍查找時,可以先找到這個範圍的起末點,且只在這個範圍內掃描數據頁,避免了大範圍掃描,提高了查詢速度。 3.在place,date,amount上的組合索引 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: 這是一個不很合理的組合索引,因爲它的前導列是place,第一和第二條SQL沒有引用place,因此也沒有利用上索引;第三個SQL使用了place,且引用的所有列都包含在組合索引中,形成了索引覆蓋,所以它的速度是非常快的。 4.在date,place,amount上的組合索引 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: 這是一個合理的組合索引。它將date作爲前導列,使每個SQL都可以利用索引,並且在第一和第三個SQL中形成了索引覆蓋,因而性能達到了最優。 5.總結: 缺省情況下建立的索引是非群集索引,但有時它並不是最佳的;合理的索引設計要建立在對各種查詢的分析和預測上。一般來說: ①.有大量重複值、且經常有範圍查詢(between, >,< ,>=,< =)和order by 、group by發生的列,可考慮建立群集索引; ②.經常同時存取多列,且每列都含有重複值可考慮建立組合索引; ③.組合索引要盡量使關鍵查詢形成索引覆蓋,其前導列一定是使用最頻繁的列。 二、不充份的連接條件: 例:表card有7896行,在card_no上有一個非聚集索引,表account有191122行,在 account_no上有一個非聚集索引,試看在不同的表連接條件下,兩個SQL的執行情況: select sum(a.amount) from account a, card b where a.card_no = b.card_no(20秒) 將SQL改爲: 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: 在第一個連接條件下,最佳查詢方案是將account作外層表,card作內層表,利用card上的索引,其I/O次數可由以下公式估算爲: 外層表account上的22541頁+(外層表account的191122行*內層表card上對應外層表第一行所要查找的3頁)=595907次I/O 在第二個連接條件下,最佳查詢方案是將card作外層表,account作內層表,利用account上的索引,其I/O次數可由以下公式估算爲: 外層表card上的1944頁+(外層表card的7896行*內層表account上對應外層表每一行所要查找的4頁)= 33528次I/O 可見,只有充份的連接條件,真正的最佳方案才會被執行。 總結: 1.多表操作在被實際執行前,查詢優化器會根據連接條件,列出幾組可能的連接方案並從中找出系統開銷最小的最佳方案。連接條件要充份考慮帶有索引的表、行數多的表;內外表的選擇可由公式:外層表中的匹配行數*內層表中每一次查找的次數確定,乘積最小爲最佳方案。 2.查看執行方案的方法-- 用set showplanon,打開showplan選項,就可以看到連接順序、使用何種索引的信息;想看更詳細的信息,需用sa角色執行dbcc(3604,310,302)。 三、不可優化的where子句 1.例:下列SQL條件語句中的列都建有恰當的索引,但執行速度卻非常慢: 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子句中對列的任何操作結果都是在SQL運行時逐列計算得到的,因此它不得不進行表搜索,而沒有使用該列上面的索引;如果這些結果在查詢編譯時就能得到,那麽就可以被SQL優化器優化,使用索引,避免表搜索,因此將SQL重寫成下面這樣: 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) 你會發現SQL明顯快起來! 2.例:表stuff有200000行,id_no上有非群集索引,請看下面這個SQL: select count(*) from stuff where id_no in(′0′,′1′) (23秒) 分析: where條件中的′in′在邏輯上相當于′or′,所以語法分析器會將in (′0′,′1′)轉化爲id_no =′0′ or id_no=′1′來執行。我們期望它會根據每個or子句分別查找,再將結果相加,這樣可以利用id_no上的索引;但實際上(根據showplan), 它卻采用了"OR策略",即先取出滿足每個or子句的行,存入臨時數據庫的工作表中,再建立唯一索引以去掉重複行,最後從這個臨時表中計算結果。因此,實際過程沒有利用id_no上索引,並且完成時間還要受tempdb數據庫性能的影響。 實踐證明,表的行數越多,工作表的性能就越差,當stuff有620000行時,執行時間竟達到220秒!還不如將or子句分開: select count(*) from stuff where id_no=′0′ select count(*) from stuff where id_no=′1′ 得到兩個結果,再作一次加法合算。因爲每句都使用了索引,執行時間只有3秒,在620000行下,時間也只有4秒。或者,用更好的方法,寫一個簡單的存儲過程: 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 直接算出結果,執行時間同上面一樣快! 總結: 可見,所謂優化即where子句利用了索引,不可優化即發生了表掃描或額外開銷。 1.任何對列的操作都將導致表掃描,它包括數據庫函數、計算表達式等等,查詢時要盡可能將操作移至等號右邊。 2.in、or子句常會使用工作表,使索引失效;如果不産生大量重複值,可以考慮把子句拆開;拆開的子句中應該包含索引。 3.要善于使用存儲過程,它使SQL變得更加靈活和高效。 從以上這些例子可以看出,SQL優化的實質就是在結果正確的前提下,用優化器可以識別的語句,充份利用索引,減少表掃描的I/O次數,盡量避免表搜索的發生。其實SQL的性能優化是一個複雜的過程,上述這些只是在應用層次的一種體現,深入研究還會涉及數據庫層的資源配置、網絡層的流量控制以及操作系統層的總體設計。
󰈣󰈤
王朝萬家燈火計劃
期待原創作者加盟
 
 
 
>>返回首頁<<
 
 
 
 
 熱帖排行
 
 
 
靜靜地坐在廢墟上,四周的荒凉一望無際,忽然覺得,淒涼也很美
© 2005- 王朝網路 版權所有