SQL数据库优化经验

一、

人们在使用SQL时往往会陷入一个误区，即太关注于所得的结果是否正确，而忽略了不同的实现方法之间可能存在的性能差异，这种性能差异在大型的或是复杂的数据库环境中（如联机事务处理OLTP或决策支持系统DSS）中表现得尤为明显。笔者在工作实践中发现，不良的SQL往往来自于不恰当的索引设计、不充份的连接条件和不可优化的where子句。在对它们进行适当的优化后，其运行速度有了明显地提高！下面我将从这三个方面分别进行总结：   
    
  ----   为了更直观地说明问题，所有实例中的SQL运行时间均经过测试，不超过１秒的均表示为（<   1秒）。   
    
  ----   测试环境--   
  ----   主机：HP   LH   II   
  ----   主频：330MHZ   
  ----   内存：128兆   
  ----   操作系统：Operserver5.0.4   
  ----数据库：Sybase11.0.3   
    
  一、不合理的索引设计   
  ----例：表record有620000行，试看在不同的索引下，下面几个   SQL的运行情况：   
  ----   1.在date上建有一非个群集索引   
    
  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上有大量的重复值，在非群集索引下，数据在物理上随机存放在数据页上，在范围查找时，必须执行一次表扫描才能找到这一范围内的全部行。   
    
  ----   2.在date上的一个群集索引   
    
  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，数据在物理上按顺序在数据页上，重复值也排列在一起，因而在范围查找时，可以先找到这个范围的起末点，且只在这个范围内扫描数据页，避免了大范围扫描，提高了查询速度。   
    
  ----   3.在place，date，amount上的组合索引   
    
  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：   
  ----   这是一个不很合理的组合索引，因为它的前导列是place，第一和第二条SQL没有引用place，因此也没有利用上索引；第三个SQL使用了place，且引用的所有列都包含在组合索引中，形成了索引覆盖，所以它的速度是非常快的。   
    
  ----   4.在date，place，amount上的组合索引   
    
  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：   
  ----   这是一个合理的组合索引。它将date作为前导列，使每个SQL都可以利用索引，并且在第一和第三个SQL中形成了索引覆盖，因而性能达到了最优。   
    
  ----   5.总结：   
    
  ----   缺省情况下建立的索引是非群集索引，但有时它并不是最佳的；合理的索引设计要建立在对各种查询的分析和预测上。一般来说：   
    
  ----   ①.有大量重复值、且经常有范围查询   
    
  （between,   >,<   ，>=,<   =）和order   by   
  、group   by发生的列，可考虑建立群集索引；   
    
  ----   ②.经常同时存取多列，且每列都含有重复值可考虑建立组合索引；   
    
  ----   ③.组合索引要尽量使关键查询形成索引覆盖，其前导列一定是使用最频繁的列。   
    
  二、不充份的连接条件：   
  ----   例：表card有7896行，在card_no上有一个非聚集索引，表account有191122行，在   account_no上有一个非聚集索引，试看在不同的表连接条件下，两个SQL的执行情况：   
    
  select   sum(a.amount)   from   account   a,   
  card   b   where   a.card_no   =   b.card_no（20秒）   
    
  ----   将SQL改为：   
  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：   
  ----   在第一个连接条件下，最佳查询方案是将account作外层表，card作内层表，利用card上的索引，其I/O次数可由以下公式估算为：   
    
  ----   外层表account上的22541页+（外层表account的191122行*内层表card上对应外层表第一行所要查找的3页）=595907次I/O   
    
  ----   在第二个连接条件下，最佳查询方案是将card作外层表，account作内层表，利用account上的索引，其I/O次数可由以下公式估算为：   
    
  ----   外层表card上的1944页+（外层表card的7896行*内层表account上对应外层表每一行所要查找的4页）=   33528次I/O   
    
  ----   可见，只有充份的连接条件，真正的最佳方案才会被执行。   
    
  ----   总结：   
    
  ----   1.多表操作在被实际执行前，查询优化器会根据连接条件，列出几组可能的连接方案并从中找出系统开销最小的最佳方案。连接条件要充份考虑带有索引的表、行数多的表；内外表的选择可由公式：外层表中的匹配行数*内层表中每一次查找的次数确定，乘积最小为最佳方案。   
    
  ----   2.查看执行方案的方法--   用set   showplanon，打开showplan选项，就可以看到连接顺序、使用何种索引的信息；想看更详细的信息，需用sa角色执行dbcc(3604,310,302)。   
    
  三、不可优化的where子句   
  ----   1.例：下列SQL条件语句中的列都建有恰当的索引，但执行速度却非常慢：   
    
  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子句中对列的任何操作结果都是在SQL运行时逐列计算得到的，因此它不得不进行表搜索，而没有使用该列上面的索引；如果这些结果在查询编译时就能得到，那么就可以被SQL优化器优化，使用索引，避免表搜索，因此将SQL重写成下面这样：   
    
  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）   
    
  ----   你会发现SQL明显快起来！   
    
  ----   2.例：表stuff有200000行，id_no上有非群集索引，请看下面这个SQL：   
    
  select   count(*)   from   stuff   where   id_no   in('0','1')   
  （23秒）   
    
  ----   分析：   
  ----   where条件中的'in'在逻辑上相当于'or'，所以语法分析器会将in   ('0','1')转化为id_no   ='0'   or   id_no='1'来执行。我们期望它会根据每个or子句分别查找，再将结果相加，这样可以利用id_no上的索引；但实际上（根据showplan）,它却采用了"OR策略"，即先取出满足每个or子句的行，存入临时数据库的工作表中，再建立唯一索引以去掉重复行，最后从这个临时表中计算结果。因此，实际过程没有利用id_no上索引，并且完成时间还要受tempdb数据库性能的影响。   
    
  ----   实践证明，表的行数越多，工作表的性能就越差，当stuff有620000行时，执行时间竟达到220秒！还不如将or子句分开：   
    
  select   count(*)   from   stuff   where   id_no='0'   
  select   count(*)   from   stuff   where   id_no='1'   
    
  ----   得到两个结果，再作一次加法合算。因为每句都使用了索引，执行时间只有3秒，在620000行下，时间也只有4秒。或者，用更好的方法，写一个简单的存储过程：   
  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   
    
  ----   直接算出结果，执行时间同上面一样快！   
  ----   总结：   
    
  ----   可见，所谓优化即where子句利用了索引，不可优化即发生了表扫描或额外开销。   
    
  ----   1.任何对列的操作都将导致表扫描，它包括数据库函数、计算表达式等等，查询时要尽可能将操作移至等号右边。   
    
  ----   2.in、or子句常会使用工作表，使索引失效；如果不产生大量重复值，可以考虑把子句拆开；拆开的子句中应该包含索引。   
    
  ----   3.要善于使用存储过程，它使SQL变得更加灵活和高效。   
    
  ----   从以上这些例子可以看出，SQL优化的实质就是在结果正确的前提下，用优化器可以识别的语句，充份利用索引，减少表扫描的I/O次数，尽量避免表搜索的发生。其实SQL的性能优化是一个复杂的过程，上述这些只是在应用层次的一种体现，深入研究还会涉及数据库层的资源配置、网络层的流量控制以及操作系统层的总体设计。

二、

1、硬件调整性能   
  最有可能影响性能的是磁盘和网络吞吐量,解决办法   
  扩大虚拟内存，并保证有足够可以扩充的空间；把数据库服务器上的不必要服务关闭掉   
  把数据库服务器和主域服务器分开   
  把SQL数据库服务器的吞吐量调为最大   
  在具有一个以上处理器的机器上运行SQL   
  2、调整数据库   
  若对该表的查询频率比较高，则建立索引；建立索引时，想尽对该表的所有查询搜索操作，按照where选择条件建立索引，尽量为整型键建立为有且只有一个簇集索引，数据在物理上按顺序在数据页上，缩短查找范围，为在查询经常使用的全部列建立非簇集索引，能最大地覆盖查询；但是索引不可太多，执行UPDATE   DELETE   INSERT语句需要用于维护这些索引的开销量急剧增加；避免在索引中有太多的索引键；避免使用大型数据类型的列为索引；保证每个索引键值有少数行。   
  3、使用存储过程   
  应用程序的实现过程中，能够采用存储过程实现的对数据库的操作尽量通过存储过程来实现，因为存储过程是存放在数据库服务器上的一次性被设计、编码、测试，并被再次使用，需要执行该任务的应用可以简单地执行存储过程，并且只返回结果集或者数值，这样不仅可以使程序模块化，同时提高响应速度，减少网络流量，并且通过输入参数接受输入，使得在应用中完成逻辑的一致性实现。   
  4、应用程序结构和算法   
          建立查询条件索引仅仅是提高速度的前提条件，响应速度的提高还依赖于对索引的使用。因为人们在使用SQL时往往会陷入一个误区，即太关注于所得的结果是否正确，特别是对数据量不是特别大的数据库操作时，是否建立索引和使用索引的好坏对程序的响应速度并不大，因此程序员在书写程序时就忽略了不同的实现方法之间可能存在的性能差异，这种性能差异在数据量特别大时或者大型的或是复杂的数据库环境中（如联机事务处理OLTP或决策支持系统DSS）中表现得尤为明显。在工作实践中发现，不良的SQL往往来自于不恰当的索引设计、不充份的连接条件和不可优化的where子句。在对它们进行适当的优化后，其运行速度有了明显地提高！   
  因此在书写应用程序的SQL的   where子句时，注意以下几种情况:     
  1、避免使用不兼容的数据类型。例如float和int、char和varchar、binary和varbinary是不兼容的。数据类型的不兼容可能使优化器无法执行一些本来可以进行的优化操作。例如:     
  SELECT   name   FROM   employee   WHERE   salary   ＞   60000     
  在这条语句中,如salary字段是money型的,则优化器很难对其进行优化,因为60000是个整型数。我们应当在编程时将整型转化成为钱币型,而不要等到运行时转化。     
  2、避免对搜索参数使用其它数学操作符,如要将     
  SELECT   name   FROM   employee   WHERE   SUBSTRING(id,   1,   1)   =   'B'     
  SELECT   name   FROM   emplyee   WHERE   salary   *   12   ＞   30000     
  写成为:     
  SELECT   name   FROM   employee   WHERE   id   like   ‘B%'     
  SELECT   name   FROM   emplyee   WHERE   salary   ＞   3000     
  3、、避免使用!=或＜＞等这样的操作符,因为这会使系统无法使用索引,而只能直接搜索表中的数据。例如:     
  SELECT   id   FROM   employeeWHERE   id   !=   'B%'     
  优化器将无法通过索引来确定将要命中的行数,因此需要搜索该表的所有行。     
  4、在应用程序中，保证在实现功能的基础上，尽量减少对数据库的访问次数；通过搜索参数，尽量减少对表的访问行数,最小化结果集，从而减轻网络负担；能够分开的操作尽量分开处理，提高每次的响应速度；在数据窗口使用SQL时，尽量把使用的索引放在选择的首列；算法的结构尽量简单；在查询时，不要过多地使用通配符如select   *   语句；尽量不要在应用中使用数据库游标，游标是非常有用的工具，但比使用常规的、面向集的SQL语句需要更大的开销；按照特定顺序提取数据的查找。   
  上面我们提到的是一些基本的提高查询速度的注意事项,但是在更多的情况下,程序员往往需要反复试验比较不同的语句以得到最佳方案。此外更为重要的是需要数据库管理员在数据库的服务器一端调整数据库管理系统的参数,以得到更快的响应性能。     
 

三、

1、存储   
        将硬盘分成NTFS格式，NTFS比FAT32快，并看你的数据文件大小，1G以上你可以采用多数据库文件，这样可以将存取负载分散到多个物理硬盘或磁盘阵列上。   
    
  2、tempdb   
        tempdb也应该被单独的物理硬盘或磁盘阵列上,建议放在RAID   0上，这样它的性能最高,不要对它设置最大值让它自动增长   
    
  3、日志文件   
        日志文件也应该和数据文件分开在不同的理硬盘或磁盘阵列上，这样也可以提高硬盘I/O性能。   
    
  4、分区视图   
        就是将你的数据水平分割在集群服务器上，它适合大规模OLTP,SQL群集上，如果你数据库不是访问特别大不建议使用。   
    
  5、簇索引   
        你的表一定有个簇索引，在使用簇索引查询的时候，区块查询是最快的，如用between，应为他是物理连续的，你应该尽量减少对它的updaet,应为这可以使它物理不连续。   
    
  6、非簇索引   
        非簇索引与物理顺序无关，设计它时必须有高度的可选择性，可以提高查询速度，但对表update的时候这些非簇索引会影响速度，且占用空间大，如果你愿意用空间和修改时间换取速度可以考虑。   
    
  7、索引视图   
        如果在视图上建立索引,那视图的结果集就会被存储起来，对与特定的查询性能可以提高很多，但同样对update语句时它也会严重减低性能，一般用在数据相对稳定的数据仓库中。   
    
  8、维护索引   
        你在将索引建好后，定期维护是很重要的，用dbcc   showcontig来观察页密度、扫描密度等等，及时用dbcc   indexdefrag来整理表或视图的索引,在必要的时候用dbcc   dbreindex来重建索引可以受到良好的效果。   
    
  不论你是用几个表1、2、3点都可以提高一定的性能，5、6、8点你是必须做的，至于4、7点看你的需求，我个人是不建议的。

四、

．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：     
  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     
  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：     
  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     
  然后以下面的方式在临时表中查询：     
  SELECT   ＊   FROM   cust_with_balance     
  WHERE   postcode>“98000”     
  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。     
  有些时候，用数据库的排序能力来替代非顺序的存取能改进查询。     
    
  实例分析     
    
  下面我们举一个制造公司的例子来说明如何进行查询优化。制造公司数据库中包括3个表，模式如下所示：     
  1．part表     
  零件号零件描述其他列     
  （part_num）（part_desc）（other   column）     
  102，032Seageat   30G   disk……     
  500，049Novel   10M   network   card……     
  ……     
    
  2．vendor表     
  厂商号厂商名其他列     
  （vendor   _num）（vendor_name）   （other   column）     
  910，257Seageat   Corp……     
  523，045IBM   Corp……     
  ……     
    
  3．parven表     
  零件号厂商号零件数量     
  （part_num）（vendor_num）（part_amount）     
  102，032910，2573,450,000     
  234，423321，0014，000，000     
  ……     
    
  下面的查询将在这些表上定期运行，并产生关于所有零件数量的报表：     
  SELECT   part_desc，vendor_name，part_amount     
  FROM   part，vendor，parven     
  WHERE   part.part_num=parven.part_num     
  AND   parven.vendor_num   =   vendor.vendor_num     
  ORDER   BY   part.part_num     
  如果不建立索引，上述查询代码的开销将十分巨大。为此，我们在零件号和厂商号上建立索引。索引的建立避免了在嵌套中反复扫描。关于表与索引的统计信息如下：     
    
  表行尺寸行数量每页行数量数据页数量     
  （table）(row   size)（Row   count）（Rows/Pages）（Data   Pages）     
  part15010，00025400     
  Vendor1501，000   2540     
  Parven13   15，000300   50     
  索引键尺寸每页键数量页面数量     
  （Indexes）(Key   Size)（Keys/Page)(Leaf   Pages）     
  part450020     
  Vendor45002     
  Parven825060     
    
  看起来是个相对简单的3表连接，但是其查询开销是很大的。通过查看系统表可以看到，在part_num上和vendor_num上有簇索引，因此索引是按照物理顺序存放的。parven表没有特定的存放次序。这些表的大小说明从缓冲页中非顺序存取的成功率很小。此语句的优化查询规划是：首先从part中顺序读取400页，然后再对parven表非顺序存取1万次，每次2页（一个索引页、一个数据页），总计2万个磁盘页，最后对vendor表非顺序存取1.5万次，合3万个磁盘页。可以看出在这个索引好的连接上花费的磁盘存取为5.04万次。     
  实际上，我们可以通过使用临时表分3个步骤来提高查询效率：     
    
  1．从parven表中按vendor_num的次序读数据：     
  SELECT   part_num，vendor_num，price     
  FROM   parven     
  ORDER   BY   vendor_num     
  INTO   temp   pv_by_vn     
  这个语句顺序读parven（50页），写一个临时表（50页），并排序。假定排序的开销为200页，总共是300页。     
    
  2．把临时表和vendor表连接，把结果输出到一个临时表，并按part_num排序：     
  SELECT   pv_by_vn，＊   vendor.vendor_num     
  FROM   pv_by_vn，vendor     
  WHERE   pv_by_vn.vendor_num=vendor.vendor_num     
  ORDER   BY   pv_by_vn.part_num     
  INTO   TMP   pvvn_by_pn     
  DROP   TABLE   pv_by_vn     
  这个查询读取pv_by_vn(50页)，它通过索引存取vendor表1.5万次，但由于按vendor_num次序排列，实际上只是通过索引顺序地读vendor表（40＋2=42页），输出的表每页约95行，共160页。写并存取这些页引发5＊160=800次的读写，索引共读写892页。     
    
  3．把输出和part连接得到最后的结果：     
  SELECT   pvvn_by_pn.＊，part.part_desc     
  FROM   pvvn_by_pn，part     
  WHERE   pvvn_by_pn.part_num=part.part_num     
  DROP   TABLE   pvvn_by_pn     
  这样，查询顺序地读pvvn_by_pn(160页)，通过索引读part表1.5万次，由于建有索引，所以实际上进行1772次磁盘读写，优化比例为30∶1。笔者在Informix   Dynamic   Sever上做同样的实验，发现在时间耗费上的优化比例为5∶1(如果增加数据量，比例可能会更大)。     

  小结     
    
  20％的代码用去了80％的时间，这是程序设计中的一个著名定律，在数据库应用程序中也同样如此。我们的优化要抓住关键问题，对于数据库应用程序来说，重点在于SQL的执行效率。查询优化的重点环节是使得数据库服务器少从磁盘中读数据以及顺序读页而不是非顺序读页。