分享
 
 
 

大话程序猿眼中的聚集索引和非聚集索引

王朝学院·作者佚名  2016-08-27
窄屏简体版  字體: |||超大  

OS:这里对聚集所以和非聚集所以的概念说明就不叙述了。

身为程序猿,在平时的开发中,数据的操作是经常要做的事情,大多数公司是没有DBA的,程序开发人员的在操作数据的时候根本不会去看SQL语句执行的效率,所以就时常的遇到大数据的情况下查询数据库总会遇到各种缓慢Loading的情况。

从用户的角度来说,我裤子都脱了,你给我看这个?

从技术的角度来说,我他么这么流弊,怎么可以让查询这么卡。

因此,作为程序猿的我们,在没有DBA的情况下,要掌握最基本的加快数据库查询的意识和技能;

直接上实例,动态说明,有图有真相,简单粗暴。

这里我们先创建一张表:

CREATE TABLE [dbo].[Student](

[ID] [INT] IDENTITY(1,1) NOT NULL,

[Name] [NVARCHAR](50) NOT NULL,

[Age] [INT] NOT NULL,

[Height] [INT] NOT NULL,

[Address] [NVARCHAR](100) NULL,

[Class] [NVARCHAR](50) NOT NULL,

[EntranceDateTime] [DATETIME] NOT NULL,

CONSTRAINT [PK_Student]PRIMARY KEY CLUSTERED

(

[ID] ASC

)WITH (PAD_INDEX = OFF, STATISTICS_NORECOMPUTE = OFF, IGNORE_DUP_KEY = OFF, ALLOW_ROW_LOCKS = ON, ALLOW_PAGE_LOCKS = ON) ON [PRIMARY]

) ON [PRIMARY]

GO

ALTER TABLE [dbo].[Student] ADD CONSTRAINT [DF_Student_EntranceDateTime] DEFAULT (GETDATE()) FOR [EntranceDateTime]

GO

往表里插入 500万数据:

DECLARE @i INT;

SET @i=1;

WHILE(@i<5000001)BEGIN

INSERT INTO dbo.Student(Name,Age,Height,[Address],Class,EntranceDateTime)

VALUES('yang_'+CONVERT(NVARCHAR(10),@i),RAND()*10+7,RAND()*100+50,'厦门土豪小区1座'+CONVERT(NVARCHAR(10),CONVERT(INT,RAND()*100+1))+'号',CONVERT(NVARCHAR(10),CONVERT(INT,RAND()*6+1))+'年级',GETDATE())

SET @i=@i+1;

END

1.合理的使用索引提高查询速度

查询表里,所有年龄为10的名字,如图:

从图中可以看出,使用了聚集索引扫描,逻辑读取55057次

添加索引:

CREATE NONCLUSTERED INDEX [IX_Student_Age_Name] ON [dbo].[Student]

(

[Age] ASC

)

INCLUDE ( [Name]) WITH (PAD_INDEX = OFF, STATISTICS_NORECOMPUTE = OFF, SORT_IN_TEMPDB = OFF, IGNORE_DUP_KEY = OFF, DROP_EXISTING = OFF, ONLINE = OFF, ALLOW_ROW_LOCKS = ON, ALLOW_PAGE_LOCKS = ON) ON [PRIMARY]

GO 、

很明显的看出来,查询优化器使用了索引查找,逻辑读取次数变少为:2411,很可观。

(在执行计划中看到索引查找,就是说明索引被使用到了,如果出现索引扫描就说明索引没有被使用到)

这里注意:

误区:我添加了索引查询速度就一定比表扫描来得快,并且索引一定会被使用

我的总结理解:一,索引不一定比扫描快,在数据量少的情况下,使用表扫描会比索引来得快,二,添加了索引不一定会被使用,首先要知道sqlserver在执行语句的时候会选择最优耗能少的方案去执行,在索引无法达到最高效的情况下,就不会被使用到。

比如:

下面的查询操作,就没有使用到索引了,而是使用到了聚集索引扫描

出现上面的情况是为什么呢?

因为我创建的索引里,只有覆盖了Name字段,现在我查询的是Address字段,不在索引的覆盖中,那么查询优化器在执行语句的时候就没有使用到了索引,选择了开销更小的聚集索引扫描

但是我就是这么任性,要强制要求使用索引来查询,结果如截图:

这个结果就很明显了,逻辑读次数,和扫描次数多了很多。计划里也给了提示,让我们索引覆盖Address字段

2.合理的使用聚集索引

我们在添加表的主键的时候就会默认的将主键添加为聚集索引,但是并不是聚集索引就一定要是主键字段,一张表就只能添加一个聚集索引,所以合理的利用聚集索引的特性,可以很大的提高查询速度。

一般我们都是在自增的ID设置为主键,但是又很少会对ID进行查询操作,更多的会对表中的其他字段进行查询,比如:时间字段。

这个时候就可以将聚集索引加到时间字段里,你会发现整个查询就会高效很多。

3,4,5,6

未完待续。。。

-----------------------------------[我只是美丽的分割线]-----------------------------------------

索引的优缺点

优点: 加快访问速度, 加强行的唯一性

缺点: 带索引的表在数据库中需要更多的存储空间,操纵数据的命令需要更长的处理时间,因为它们需要对索引进行更新

创建索引的指导原则

请按照下列标准选择建立索引的列:

该列用于频繁搜索

该列用于对数据进行排序

请不要使用下面的列创建索引:

列中仅包含几个不同的值。

表中仅包含几行。为小型表创建索引可能不太划算,因为SQL Server在索引中搜索数据所花的时间比在表中逐行搜索所花的时间更长

假设我们在Col1列上创建了单列索引,可以在以下谓词上进行索引查找:

Ø [Col1] = 3.14

Ø [Col1] > 100

Ø [Col1] BETWEEN 0 AND 99

Ø [Col1] LIKE 'abc%'

Ø [Col1] IN (2, 3, 5, 7)

然而,在以下谓词上将不能使用索引查找:

Ø ABS([Col1]) = 1

Ø [Col1] + 1 = 9

Ø [Col1] LIKE '%abc'

-----------------------------------[我只是美丽的分割线]-----------------------------------------

 
 
 
免责声明:本文为网络用户发布,其观点仅代表作者个人观点,与本站无关,本站仅提供信息存储服务。文中陈述内容未经本站证实,其真实性、完整性、及时性本站不作任何保证或承诺,请读者仅作参考,并请自行核实相关内容。
2023年上半年GDP全球前十五强
 百态   2023-10-24
美众议院议长启动对拜登的弹劾调查
 百态   2023-09-13
上海、济南、武汉等多地出现不明坠落物
 探索   2023-09-06
印度或要将国名改为“巴拉特”
 百态   2023-09-06
男子为女友送行,买票不登机被捕
 百态   2023-08-20
手机地震预警功能怎么开?
 干货   2023-08-06
女子4年卖2套房花700多万做美容:不但没变美脸,面部还出现变形
 百态   2023-08-04
住户一楼被水淹 还冲来8头猪
 百态   2023-07-31
女子体内爬出大量瓜子状活虫
 百态   2023-07-25
地球连续35年收到神秘规律性信号,网友:不要回答!
 探索   2023-07-21
全球镓价格本周大涨27%
 探索   2023-07-09
钱都流向了那些不缺钱的人,苦都留给了能吃苦的人
 探索   2023-07-02
倩女手游刀客魅者强控制(强混乱强眩晕强睡眠)和对应控制抗性的关系
 百态   2020-08-20
美国5月9日最新疫情:美国确诊人数突破131万
 百态   2020-05-09
荷兰政府宣布将集体辞职
 干货   2020-04-30
倩女幽魂手游师徒任务情义春秋猜成语答案逍遥观:鹏程万里
 干货   2019-11-12
倩女幽魂手游师徒任务情义春秋猜成语答案神机营:射石饮羽
 干货   2019-11-12
倩女幽魂手游师徒任务情义春秋猜成语答案昆仑山:拔刀相助
 干货   2019-11-12
倩女幽魂手游师徒任务情义春秋猜成语答案天工阁:鬼斧神工
 干货   2019-11-12
倩女幽魂手游师徒任务情义春秋猜成语答案丝路古道:单枪匹马
 干货   2019-11-12
倩女幽魂手游师徒任务情义春秋猜成语答案镇郊荒野:与虎谋皮
 干货   2019-11-12
倩女幽魂手游师徒任务情义春秋猜成语答案镇郊荒野:李代桃僵
 干货   2019-11-12
倩女幽魂手游师徒任务情义春秋猜成语答案镇郊荒野:指鹿为马
 干货   2019-11-12
倩女幽魂手游师徒任务情义春秋猜成语答案金陵:小鸟依人
 干货   2019-11-12
倩女幽魂手游师徒任务情义春秋猜成语答案金陵:千金买邻
 干货   2019-11-12
 
推荐阅读
 
 
 
>>返回首頁<<
 
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