索引的用法及用途，数据查询优化

[转载]  
   
  如何让你的SQL运行得更快  
   
  ----   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whe  
  re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(3604,310,30  
  2)。  
   
   
  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S  
  QL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。   
 

 

 

1   逻辑数据库和表的设计    
  　　数据库的逻辑设计、包括表与表之间的关系是优化关系型数据库性能的核心。一个好的逻辑数据库设计可以为优化数据库和应用程序打下良好的基础。    
   
  　　标准化的数据库逻辑设计包括用多的、有相互关系的窄表来代替很多列的长数据表。下面是一些使用标准化表的一些好处。    
   
  A:由于表窄，因此可以使排序和建立索引更为迅速    
  B:由于多表，所以多镞的索引成为可能    
  C:更窄更紧凑的索引    
  D:每个表中可以有少一些的索引，因此可以提高insert   update   delete等的速度，因为这些操作在索引多的情况下会对系统性能产生很大的影响    
  E:更少的空值和更少的多余值，增加了数据库的紧凑性由于标准化，所以会增加了在获取数据时引用表的数目和其间的连接关系的复杂性。太多的表和复杂的连接关系会降低服务器的性能，因此在这两者之间需要综合考虑。    
  　　定义具有相关关系的主键和外来键时应该注意的事项主要是：用于连接多表的主键和参考的键要有相同的数据类型。    
   
  　　2   索引的设计    
  A:尽量避免表扫描    
  检查你的查询语句的where子句，因为这是优化器重要关注的地方。包含在where里面的每一列（column)都是可能的侯选索引，为能达到最优的性能，考虑在下面给出的例子：对于在where子句中给出了column1这个列。    
  下面的两个条件可以提高索引的优化查询性能！    
  第一：在表中的column1列上有一个单索引    
  第二：在表中有多索引，但是column1是第一个索引的列    
  避免定义多索引而column1是第二个或后面的索引，这样的索引不能优化服务器性能    
  例如：下面的例子用了pubs数据库。    
  SELECT   au_id,   au_lname,   au_fname   FROM   authors    
  WHERE   au_lname   =   ’White’    
  按下面几个列上建立的索引将会是对优化器有用的索引    
  ?au_lname    
  ?au_lname,   au_fname    
  而在下面几个列上建立的索引将不会对优化器起到好的作用    
  ?au_address    
  ?au_fname,   au_lname    
  考虑使用窄的索引在一个或两个列上，窄索引比多索引和复合索引更能有效。用窄的索引，在每一页上    
  将会有更多的行和更少的索引级别（相对与多索引和复合索引而言），这将推进系统性能。    
  对于多列索引，SQL   Server维持一个在所有列的索引上的密度统计（用于联合）和在第一个索引上的    
  histogram（柱状图）统计。根据统计结果，如果在复合索引上的第一个索引很少被选择使用，那么优化器对很多查询请求将不会使用索引。    
  有用的索引会提高select语句的性能，包括insert,uodate,delete。    
  但是，由于改变一个表的内容，将会影响索引。每一个insert,update,delete语句将会使性能下降一些。实验表明，不要在一个单表上用大量的索引，不要在共享的列上（指在多表中用了参考约束）使用重叠的索引。    
  在某一列上检查唯一的数据的个数，比较它与表中数据的行数做一个比较。这就是数据的选择性，这比较结果将会帮助你决定是否将某一列作为侯选的索引列，如果需要，建哪一种索引。你可以用下面的查询语句返回某一列的不同值的数目。    
  select   count(distinct   cloumn_name)   from   table_name    
  假设column_name是一个10000行的表，则看column_name返回值来决定是否应该使用，及应该使用什么索引。    
  Unique   values   Index    
   
  5000   Nonclustered   index    
  20   Clustered   index    
  3   No   index    
   
  镞索引和非镞索引的选择    
   
  <1:>镞索引是行的物理顺序和索引的顺序是一致的。页级，低层等索引的各个级别上都包含实际的数据页。一个表只能是有一个镞索引。由于update,delete语句要求相对多一些的读操作，因此镞索引常常能加速这样的操作。在至少有一个索引的表中，你应该有一个镞索引。    
  在下面的几个情况下，你可以考虑用镞索引：    
  例如：   某列包括的不同值的个数是有限的（但是不是极少的）    
  顾客表的州名列有50个左右的不同州名的缩写值，可以使用镞索引。    
  例如：   对返回一定范围内值的列可以使用镞索引，比如用between,>,>=,<,<=等等来对列进行操作的列上。    
  select   *   from   sales   where   ord_date   between   ’5/1/93’   and   ’6/1/93’    
  例如：   对查询时返回大量结果的列可以使用镞索引。    
  SELECT   *   FROM   phonebook   WHERE   last_name   =   ’Smith’    
   
  当有大量的行正在被插入表中时，要避免在本表一个自然增长（例如，identity列）的列上建立镞索引。如果你建立了镞的索引，那么insert的性能就会大大降低。因为每一个插入的行必须到表的最后，表的最后一个数据页。    
  当一个数据正在被插入（这时这个数据页是被锁定的），所有的其他插入行必须等待直到当前的插入已经结束。    
  一个索引的叶级页中包括实际的数据页，并且在硬盘上的数据页的次序是跟镞索引的逻辑次序一样的。    
   
  <2:>一个非镞的索引就是行的物理次序与索引的次序是不同的。一个非镞索引的叶级包含了指向行数据页的指针。    
  在一个表中可以有多个非镞索引，你可以在以下几个情况下考虑使用非镞索引。    
  在有很多不同值的列上可以考虑使用非镞索引    
  例如：一个part_id列在一个part表中    
  select   *   from   employee   where   emp_id   =   ’pcm9809f’    
  查询语句中用order   by   子句的列上可以考虑使用镞索引    
   
  3   查询语句的设计    
   
  SQL   Server优化器通过分析查询语句，自动对查询进行优化并决定最有效的执行方案。优化器分析查询语句来决定那个子句可以被优化，并针对可以被优化查询的子句来选择有用的索引。最后优化器比较所有可能的执行方案并选择最有效的一个方案出来。    
  在执行一个查询时，用一个where子句来限制必须处理的行数，除非完全需要，否则应该避免在一个表中无限制地读并处理所有的行。    
  例如下面的例子，    
  select   qty   from   sales   where   stor_id=7131    
  是很有效的比下面这个无限制的查询    
  select   qty   from   sales    
  避免给客户的最后数据选择返回大量的结果集。允许SQL   Server运行满足它目的的函数限制结果集的大小是更有效的。    
  这能减少网络I/O并能提高多用户的相关并发时的应用程序性能。因为优化器关注的焦点就是where子句的查询，以利用有用的索引。在表中的每一个索引都可能成为包括在where子句中的侯选索引。为了最好的性能可以遵照下面的用于一个给定列column1的索引。    
  第一：在表中的column1列上有一个单索引    
  第二：在表中有多索引，但是column1是第一个索引的列不要在where子句中使用没有column1列索引的查询语句，并避免在where子句用一个多索引的非第一个索引的索引。    
  这时多索引是没有用的。    
  For   example,   given   a   multicolumn   index   on   the   au_lname,   au_fname   columns   of   the   authors   table   in    
  the   pubs   database,    
  下面这个query语句利用了au_lname上的索引    
  SELECT   au_id,   au_lname,   au_fname   FROM   authors    
  WHERE   au_lname   =   ’White’    
  AND   au_fname   =   ’Johnson’    
  SELECT   au_id,   au_lname,   au_fname   FROM   authors    
  WHERE   au_lname   =   ’White’    
  下面这个查询没有利用索引，因为他使用了多索引的非第一个索引的索引    
  SELECT   au_id,   au_lname,   au_fname   FROM   authors    
  WHERE   au_fname   =   ’Johnson’