查询优化的过程：
查询优化：
功能：分析语句后最终生成执行计划
分析：获取操作语句参数
索引选择
Join算法选择
创建测试的表：
|
1
|
select
*
into
EmployeeOp
from
AdventureWorks2014.HumanResources.Employee
|
建立非聚集索引：
|
1
|
create nonclustered index nc_employee_vacationhours
on
employeeop(vacationhours)
|
执行语句：
|
1
|
select
LoginID,JobTitle,VacationHours,SickLeaveHours
from
EmployeeOp
where
VacationHours>40 --table scan>10%
|
执行语句：
|
1
|
select
LoginID,JobTitle,VacationHours,SickLeaveHours
from
EmployeeOp
where
VacationHours>99 --nonclustered index
|
查询结果集的数据范围影响对索引的选择。
两个查询条件：
|
1
2
|
select
LoginID,JobTitle,VacationHours,SickLeaveHours
from
EmployeeOp
where
VacationHours>40
and SickLeaveHours>60--scan
|
Sqlserver 的查询结果集会认为用哪个列查询的结果少，就选择哪个。在去and 的第二个结果，最终返回结果集。
|
1
2
|
select
LoginID,JobTitle,VacationHours,SickLeaveHours
from
EmployeeOp
where
VacationHours>99
and SickLeaveHours>60--nonclustered index nc_employee_vacationhours
|
单独选择：
|
1
|
select
LoginID,JobTitle,VacationHours,SickLeaveHours
from
EmployeeOp
where
SickLeaveHours>60--table scan
|
创建非聚集索引：
|
1
|
create nonclustered index nc_employee_sickleavehours
on
EmployeeOp(SickLeaveHours)
|
执行：
|
1
|
select
LoginID,JobTitle,VacationHours,SickLeaveHours
from
EmployeeOp
where
SickLeaveHours>60--table scan
|
执行：
|
1
|
select
LoginID,JobTitle,VacationHours,SickLeaveHours
from
EmployeeOp
where
SickLeaveHours>88--nc_employee_sickleavehours
|
执行：
|
1
2
|
select
LoginID,JobTitle,VacationHours,SickLeaveHours
from
EmployeeOp
where
VacationHours>99
and SickLeaveHours>88--nonclustered index nc_employee_vacationhours
|
在两列上做一个索引：
|
1
|
create nonclustered index nc_employee_vacationsickleavehours
on
EmployeeOp(VacationHours,SickLeaveHours)
|
执行语句：（使用了符合索引）
|
1
2
|
select
LoginID,JobTitle,VacationHours,SickLeaveHours
from
EmployeeOp
where
VacationHours>99
and SickLeaveHours>88-- nc_employee_vacationsickleavehours
|
执行：（随机）
|
1
|
select
LoginID,JobTitle,VacationHours,SickLeaveHours
from
EmployeeOp
where
VacationHours>99
|
执行：
|
1
2
|
select
LoginID,JobTitle,VacationHours,SickLeaveHours
from
EmployeeOp
where
SickLeaveHours>88
--nc_employee_sickleavehours
|
执行：
|
1
|
select
*
from
EmployeeOp
where
SickLeaveHours>88 --nc_employee_sickleavehours
|
创建聚集索引：
|
1
|
create clustered index c_Employee_BusinessEntityID
on
EmployeeOp(BusinessEntityID)
|
执行：
|
1
|
select
*
from
EmployeeOp
where
SickLeaveHours>88 --nc_employee_sickleavehours key连 c_ID聚集索引
|
建立include索引：
|
1
2
|
create nonclustered index nc_employee_vacationsickleavehoursinclude
on
EmployeeOp(VacationHours,
SickLeaveHours) include(LoginID,JobTitle)
|
执行：
|
1
2
|
select
LoginID,JobTitle,VacationHours,SickLeaveHours
from
EmployeeOp
where
VacationHours>99
and SickLeaveHours>88 --nc_employee_vacationsickleavehoursinclude
|
执行：（采用覆盖索引）
|
1
2
|
select
LoginID,JobTitle,VacationHours,SickLeaveHours
from
EmployeeOp
where
VacationHours>60
and SickLeaveHours>10--nc_employee_vacationsickleavehoursinclude--0.0048
select
LoginID,JobTitle,VacationHours,SickLeaveHours
from
EmployeeOp
where
VacationHours>60
|
执行：（指定使用的索引）
|
1
2
3
|
select
LoginID,JobTitle,VacationHours,SickLeaveHours
from
EmployeeOp
with(index=0)
where
VacationHours>60
and SickLeaveHours>10
|
索引的优化：
|
1
|
select
*
from
EmployeeOp
on
employeeop (VacationHours,SickLeaveHours) include (LoginID,JobTitle)
on
employeeop(VacationHours)
set
statistics io
on
on
employeeop(BusinessEntityID) --7，9，9
set
statistics io off
|
总结：先创建聚集索引在创非聚集索引
聚集索引键宽与窄：
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
|
create table temptable(c1
int
not
null
,c2
int
)
declare @c
int
set
@c=0
while
@c<50000
begin
insert temptable values(@c,@c)
set
@c=@c+1
end
create clustered index c_temptable_c1
on
temptable(c1)
set
statistics io
on
select
*
from
temptable
where
c1<=25000 --0.07
set
statistics io off
|
创建Guid的列：
|
1
2
3
4
5
6
7
8
9
10
11
12
|
create table temptable(c1 uniqueidentifier,c2
int
)
declare @c
int
set
@c=0
while
@c<50000
begin
insert temptable values(newid(),@c)
set
@c=@c+1
end
create clustered index c_temptable_c1
on
temptable(c1)
set
statistics io
on
select
*
from
temptable
where
c1<=
'D144242D-BFA3-4A8C-8DCE-C35A880E8BBE'
--0.11
set
statistics io off
|
索引设计建议：
1.where子句与连接条件列（where子句后面的列建立非聚集索引，有多列查询做成组合索引，并用inclued的方式把经常访问的列信息给包含到非聚集索引的页集，查询用到链接时（join）：join的条件列做到非聚集索引中）
2.使用窄索引：索引列少、索引列数据类型空间少
1.减少IO数量
2.提高缓存效率
3.减少数据存储的空间
4.动态管理视图： sys.dm_db_index_physical_stats
选择性能高的列应该创建索引，如果有多列筛选，并尽量放置经常筛选的列和低密度的列到组合索引前面
int类型上创建索引与char 型上创建索引
|
1
2
3
4
5
6
7
|
create nonclustered index nc_employee_vacationsickleavehours
on
employeeop(vacationhours,
sickleavehours) include(LoginID,JobTitle)
create nonclustered index nc_employee_sickvacationleavehours
on
employeeop(sickleavehours,vacationhours)
include(LoginID,JobTitle)
select
LoginID,JobTitle
from
EmployeeOp
where
VacationHours>40 and SickLeaveHours>90 -- nc_sickleavevacation
|
|
1
|
select
loginid,jobtitle
from
EmployeeOp
where
VacationHours>99 and SickLeaveHours>10--nc_vacationsickleave
|
总结：会自动进行筛选与and的顺序无关。（谁的选择性度高）
非聚集索引：RID指针指向堆得行标识符或聚集索引的键值
如果有非聚集索引，一定要创建一个聚集索引
先创建聚集索引，在创建非聚集索引
保持聚集索引窄：提高非聚集索引性能，提高聚集索引性能
使用聚集索引的时机：
1.Group by列
2.Order by 列
3.没有针对某个筛选条件的非聚集索引
不合适使用聚集索引：
1.索引列值频繁跟新：频繁跟新非聚集索引降低性能
2.并发的大量的插入
如果非聚集索引需要书签查找，则建议通过聚集索引查找
建议创建覆盖索引
不适合使用非聚集索引：
1.需要获取大量的行
2.需要获取大量的字段
交叉索引：针对筛选条件分别建立非聚集索引，在查询时，获得两个子集的索引交叉，解决覆盖索引非常宽的问题
建议使用过滤索引：针对查询必然需要筛选掉的条件做成索引的过滤条件
|
1
|
create nonclustered index nc_employee_sickvacationleavehours
on
employeeop(sickleavehours,vacationhours) include (LoginID,JobTitle)
where
salariedFlag=1
|
恰当使用索引视图使连接与聚合实物化，平衡查询性能提升与维护视图性能开销
复合索引每列可以不按照相同排序规则
可以在计算列上创建索引，建议使用持久化的计算列
指定并行度CPU个数、制定联机索引
经常使用数据库引擎优化顾问
尽量减少书签查找
查询优化统计方面的应用：
查询优化器对索引的选择依赖于统计
统计被自动创建和更新，也可以设置异步更新统计
通过Profiler跟踪统计事件
过时统计造成查询优化器无法选择最优的执行计划
自动创建统计也会在非索引列上创建统计
跟新自动统计：
Sql完成情况：
开启跟踪：
验证事件：
创建跟踪统计的表：
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
|
create table StatisticsTB(c1
int
identity(1,1),c2
int
)
declare @n
int
set
@n=0
while
@n<5000
begin
insert StatisticsTB values(@n)
set
@n=@n+1
end
create nonclustered index nc_StatisticsTB_t2
on
StatisticsTB(c2)
declare @n
int
set
@n=5001
while
@n<50000
begin
insert StatisticsTB values(@n)
set
@n=@n+1
end
select
*
from
StatisticsTB
where
c2<10--index
select
*
from
StatisticsTB
where
c2>10--Scan
|
自动统计功能出现故障：
|
1
2
3
4
5
6
7
8
9
|
--自动统计出现故障后
declare @n
int
set
@n=50001
while
@n<130000
begin
insert StatisticsTB values(@n)
set
@n=@n+1
end
|
本来是表扫描的就弄成索引。
|
1
|
select
*
from
StatisticsTB
where
c2>4990--index
|
查看统计信息：
|
1
2
3
4
|
--查看统计信息
dbcc show_statistics(
'Employeeop'
,nc_Employee_vacation)--密度：0.01
dbcc show_statistics(
'Employeeop'
,nc_Employee_vacationsickleave)--密度：0.009
|
更新统计：
|
1
2
3
4
|
--更新统计
use HRDB
go
Sp_Updatestats
|
--创建统计：
|
1
|
create statistics s_Employee_c2
on
StatisticsTB(c2)
|
在非索引列上创建统计：
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
|
create table t1(c1
int
identity(1,1),c2
int
)
insert t1 values(2)
declare @count
int
set
@count=0
while
@count<1000
begin
insert t1 values(1)
set
@count=@count+1
end
create table t2(c1
int
identity(1,1),c2
int
)
insert t2 values(1)
declare @count
int
set
@count=0
while
@count<1000
begin
insert t1 values(2)
set
@count=@count+1
end
|
关闭统计的情况：
|
1
2
|
select
t.c1,t.c2,tt.c1,tt.c2
from
t1
as
t inner
join
t2
as
tt
on
t.c2=tt.c2--0.045
|
删除重新创建表：
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
|
drop table t1
drop table t2
create table t1(c1
int
identity(1,1),c2
int
)
insert t1 values(2)
declare @count
int
set
@count=0
while
@count<1000
begin
insert t1 values(1)
set
@count=@count+1
end
create table t2(c1
int
identity(1,1),c2
int
)
insert t2 values(1)
declare @count
int
set
@count=0
while
@count<1000
begin
insert t1 values(2)
set
@count=@count+1
end
select
t.c1,t.c2,tt.c1,tt.c2
from
t1
as
t inner
join
t2
as
tt
on
t.c2=tt.c2--0.045
|
统计建议：
查看索引是否有碎片：
|
1
2
3
|
--查看索引是否有碎片
select
*
from
sys.dm_db_index_physical_stats(db_id(
'HRDB'
),object_id(
'EmployeeOp'
),
null
,
null
,
'Detailed'
)
|
做碎片的整理：
|
1
|
--对页面进行重排：
on
EmployeeOp Reorganize
|
重建索引：
|
1
|
alter index nc_Employee_Vacation
on
employeeop rebuild with(fillfactor=40)
|
填充因子的方式重建索引：
|
1
2
|
--指定填充因子重建索引
create nonclustered index nc_Employee_Vacation
on
Employeeop (VacationHours) with(fillfactor=40,drop_existing=
on
)
|
查询优化器Join的选择：
1.嵌套循环的join NestedLoop Join
2.合并的join Merge Join算法
1.链接表记录数都比较多，并且针对连接列进行了物理排序
2.Inner表的行有范围约束
3.Hash join算法
对Join算法的选择：
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
|
create table parenttb(c1
int
,name varchar(500))
declare @c
int
set
@c=0
while
@c<10
begin
insert parenttb values(@c,GETDATE())
set
@c=@c+1
end
go
create table subtb(c1
int
,cardid uniqueidentifier)
declare @c
int
set
@c=0
while
@c<250
begin
insert subtb values(@c,NEWID())
set
@c=@c+1
end
|
执行语句：
|
1
|
select
p.name,s.cardid
from
parenttb
as
p inner
join
subtb
as
s
on
p.c1=s.c1 --hash --0.29 io：
|
手工指定：
|
1
2
3
4
|
set
statistics io
on
select
p.name,s.cardid
from
parenttb
as
p inner loop
join
subtb
as
s
on
p.c1=s.c1--nested loop --0.21 io:p 1 s 20
set
statistics io off
|
多添加一些记录：
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
|
create table parenttb(c1
int
,name varchar(500))
declare @c
int
set
@c=0
while
@c<1000
begin
insert parenttb values(@c,getdate())
set
@c=@c+1
end
go
create table subtb(c1
int
,cardid uniqueidentifier)
declare @c
int
set
@c=0
while
@c<25000
begin
insert subtb values(@c,NEWID())
set
@c=@c+1
end
|
执行语句：
|
1
2
3
4
5
6
7
|
set
statistics io
on
select
p.name,s.cardid
from
parenttb
as
p inner
join
subtb
as
s
on
p.c1=s.c1--hash --0.5 io:p 7 s 140
set
statistics io off
set
statistics io
on
select
p.name,s.cardid
from
parenttb
as
p inner loop
join
subtb
as
s
on
p.c1=s.c1--loop --64 io:p 7 s 560
set
statistics io off
|
创建唯一的聚集索引：
|
1
2
3
|
--创建唯一的聚集索引
create unique clustered index c_parent_c1
on
Parenttb(c1)
create unique clustered index c_sub_c1
on
Subtb(c1)
|
执行：
|
1
2
3
|
set
statistics io
on
select
p.name,s.cardid
from
parenttb
as
p inner
join
subtb
as
s
on
p.c1=s.c1--Merge --0.16 io:p 6 s 7
set
statistics io off
|
