大数据量表的优化查询 - 发条

1： 索引， 我们最先想到的就是创建索引，创建索引可以成倍的提升查询的效率，节省时间。但是如果数据量太过于巨大的时候，这个时候单纯的创建索引是无济于事的，我们知道假如特别是在大数据量中统计查询，就拿 1000W 数据来说吧，如果使用 count函数的话，最少要 50-100 秒以上，当然如果你的服务器配置够高，处理够快，或许会少很多但是一样会超过 10 秒。  
单纯的建立索引是无济于事的。 我们可以在创建索引的时候给索引加个属性，compress ，这个属性可以将所创建的索引进行一个良好的归类，这样的话，查询速度会提升 5-10 倍 ，或者更高。但是唯一的缺点是，压缩索引只能手动创建，对于那些KEY 是无法进行压缩的，因为 KEY （主键）是自动创建的索引， compress 必选的属性，一般默认是不创建。所以在创建压缩索引的时候，可以找其他的关键字段进行压缩，比如工单表里面的流水号  
2：尽量 少的使用那些函数，比如  IS NUll;IS NOT NULL,IN;NOT IN 等这样的匹配函数，可以使用符号程序进行操作  
3：尽量 少使用子查询 ，如果你写个类，里面模仿子查询的效果，你就会发现，简直在要命，我们可以使用联合查询，或者是外连接查询，这样速度会比子查询快很多。  
4 ：在使用索引的时候，注意如下：  
Where 子句中有 “ ！ = ” 将使索引失效  
select account_name from test where amount != 0  ( 不使用 )  
select account_name from test where amount > 0  ( 使用 )  

Where 条件中对字段增加处理函数将不使用该列的索引  
select * from emp where to_char(hire_date,'yyyymmdd')='20080411' ( 不使用 )  
select * from emp where hire_date = to_char('20080411','yyyymmdd') ( 使用 )  

避免在索引列上使用 IS NULL 和  IS NOT NULL  
select * from emp where dept_code is not null  ( 不使用 )  
select * from emp where dept_code > 0  ( 使用 )  

通配符 %  的使用  
select * from emp where name like '%A'  ( 不使用索引 )  
select * from emp where name like 'A%'  ( 使用索引 )