优化 SQL 查询：如何写出高性能SQL语句

一、 首先要搞明白什么叫执行计划？

 

执行计划是数据库根据SQL语句和相关表的统计信息做出的一个查询方案，这个方案是由查询优化器自动分析产生的，好比一条SQL语句若是用来从一个 10万条记录的表中查1条记录，那查询优化器会选择“索引查找”方式，若是该表进行了归档，当前只剩下5000条记录了，那查询优化器就会改变方案，采用 “全表扫描”方式。

 

可见，执行计划并非固定的，它是“个性化的”。产生一个正确的“执行计划”有两点很重要：

 

(1)    SQL语句是否清晰地告诉查询优化器它想干什么？

 

(2)    查询优化器获得的数据库统计信息是不是最新的、正确的？

 

二、 统一SQL语句的写法

 

对于如下两句SQL语句，程序员认为是相同的，数据库查询优化器认为是不一样的。

 

select*from dual

 

select*From dual

 

其实就是大小写不一样，查询分析器就认为是两句不一样的SQL语句，必须进行两次解析。生成2个执行计划。因此做为程序员，应该保证相同的查询语句在任何地方都一致，多一个空格都不行！

 

三、 不要把SQL语句写得太复杂

 

我常常看到，从数据库中捕捉到的一条SQL语句打印出来有2张A4纸这么长。通常来讲这么复杂的语句一般都是有问题的。我拿着这2页长的SQL语句去请教原做者，结果他说时间太长，他一时也看不懂了。可想而知，连原做者都有可能看糊涂的SQL语句，数据库也同样会看糊涂。

 

通常，将一个Select语句的结果做为子集，而后从该子集中再进行查询，这种一层嵌套语句仍是比较常见的，可是根据经验，超过3层嵌套，查询优化器就很容易给出错误的执行计划。由于它被绕晕了。像这种相似人工智能的东西，终究比人的分辨力要差些，若是人都看晕了，我能够保证数据库也会晕的。

 

另外，执行计划是能够被重用的，越简单的SQL语句被重用的可能性越高。而复杂的SQL语句只要有一个字符发生变化就必须从新解析，而后再把这一大堆垃圾塞在内存里。可想而知，数据库的效率会何等低下。

 

四、 使用“临时表”暂存中间结果

 

简化SQL语句的重要方法就是采用临时表暂存中间结果，可是，临时表的好处远远不止这些，将临时结果暂存在临时表，后面的查询就在tempdb中了，这能够避免程序中屡次扫描主表，也大大减小了程序执行中“共享锁”阻塞“更新锁”，减小了阻塞，提升了并发性能。

 

五、 OLTP系统SQL语句必须采用绑定变量

 

select*from orderheader where changetime >'2010-10-20 00:00:01'

select*from orderheader where changetime >'2010-09-22 00:00:01'

 

以上两句语句，查询优化器认为是不一样的SQL语句，须要解析两次。若是采用绑定变量

 

select*from orderheader where changetime >@chgtime

 

@chgtime变量能够传入任何值，这样大量的相似查询能够重用该执行计划了，这能够大大下降数据库解析SQL语句的负担。一次解析，屡次重用，是提升数据库效率的原则。

 

六、 绑定变量窥测

 

事物都存在两面性，绑定变量对大多数OLTP处理是适用的，可是也有例外。好比在where条件中的字段是“倾斜字段”的时候。

 

“倾斜字段”指该列中的绝大多数的值都是相同的，好比一张人口调查表，其中“民族”这列，90%以上都是汉族。那么若是一个SQL语句要查询30岁的汉族人口有多少，那“民族”这列必然要被放在where条件中。这个时候若是采用绑定变量@nation会存在很大问题。

 

试想若是@nation传入的第一个值是“汉族”，那整个执行计划必然会选择表扫描。而后，第二个值传入的是“布依族”，按理说“布依族”占的比例可能只有万分之一，应该采用索引查找。可是，因为重用了第一次解析的“汉族”的那个执行计划，那么第二次也将采用表扫描方式。这个问题就是著名的“绑定变量窥测”，建议对于“倾斜字段”不要采用绑定变量。

 

七、 只在必要的状况下才使用begin tran

 

SQL Server中一句SQL语句默认就是一个事务，在该语句执行完成后也是默认commit的。其实，这就是begin tran的一个最小化的形式，比如在每句语句开头隐含了一个begin tran，结束时隐含了一个commit。

 

有些状况下，咱们须要显式声明begin tran，好比作“插、删、改”操做须要同时修改几个表，要求要么几个表都修改为功，要么都不成功。begin tran 能够起到这样的做用，它能够把若干SQL语句套在一块儿执行，最后再一块儿commit。好处是保证了数据的一致性，但任何事情都不是天衣无缝的。Begin tran付出的代价是在提交以前，全部SQL语句锁住的资源都不能释放，直到commit掉。

 

可见，若是Begin tran套住的SQL语句太多，那数据库的性能就糟糕了。在该大事务提交以前，必然会阻塞别的语句，形成block不少。

 

Begin tran使用的原则是，在保证数据一致性的前提下，begin tran 套住的SQL语句越少越好！有些状况下能够采用触发器同步数据，不必定要用begin tran。

 

八、 一些SQL查询语句应加上nolock

 

在SQL语句中加nolock是提升SQL Server并发性能的重要手段，在oracle中并不须要这样作，由于oracle的结构更为合理，有undo表空间保存“数据前影”，该数据若是在修改中还未commit，那么你读到的是它修改以前的副本，该副本放在undo表空间中。这样，oracle的读、写能够作到互不影响，这也是oracle 广受称赞的地方。SQL Server 的读、写是会相互阻塞的，为了提升并发性能，对于一些查询，能够加上nolock，这样读的时候能够容许写，但缺点是可能读到未提交的脏数据。使用 nolock有3条原则。

 

(1)    查询的结果用于“插、删、改”的不能加nolock ！

 

(2)    查询的表属于频繁发生页分裂的，慎用nolock ！

 

(3)    使用临时表同样能够保存“数据前影”，起到相似oracle的undo表空间的功能，

 

能采用临时表提升并发性能的，不要用nolock 。

 

九、 汇集索引没有建在表的顺序字段上，该表容易发生页分裂

 

好比订单表，有订单编号orderid，也有客户编号contactid，那么汇集索引应该加在哪一个字段上呢？对于该表，订单编号是顺序添加的，若是在orderid上加汇集索引，新增的行都是添加在末尾，这样不容易常常产生页分裂。然而，因为大多数查询都是根据客户编号来查的，所以，将汇集索引加在contactid上才有意义。而contactid对于订单表而言，并不是顺序字段。

 

好比“张三”的“contactid”是001，那么“张三”的订单信息必须都放在这张表的第一个数据页上，若是今天“张三”新下了一个订单，那该订单信息不能放在表的最后一页，而是第一页！若是第一页放满了呢？很抱歉，该表全部数据都要日后移动为这条记录腾地方。

 

SQL Server的索引和Oracle的索引是不一样的，SQL Server的汇集索引其实是对表按照汇集索引字段的顺序进行了排序，至关于oracle的索引组织表。SQL Server的汇集索引就是表自己的一种组织形式，因此它的效率是很是高的。也正由于此，插入一条记录，它的位置不是随便放的，而是要按照顺序放在该放的数据页，若是那个数据页没有空间了，就引发了页分裂。因此很显然，汇集索引没有建在表的顺序字段上，该表容易发生页分裂。

 

曾经碰到过一个状况，一位哥们的某张表重建索引后，插入的效率大幅降低了。估计状况大概是这样的。该表的汇集索引可能没有建在表的顺序字段上，该表常常被归档，因此该表的数据是以一种稀疏状态存在的。好比张三下过20张订单，而最近3个月的订单只有5张，归档策略是保留3个月数据，那么张三过去的 15张订单已经被归档，留下15个空位，能够在insert发生时从新被利用。在这种状况下因为有空位能够利用，就不会发生页分裂。可是查询性能会比较低，由于查询时必须扫描那些没有数据的空位。

 

重建汇集索引后状况改变了，由于重建汇集索引就是把表中的数据从新排列一遍，原来的空位没有了，而页的填充率又很高，插入数据常常要发生页分裂，因此性能大幅降低。

 

对于汇集索引没有建在顺序字段上的表，是否要给与比较低的页填充率？是否要避免重建汇集索引？是一个值得考虑的问题！

 

十、加nolock后查询常常发生页分裂的表，容易产生跳读或重复读

 

加nolock后能够在“插、删、改”的同时进行查询，可是因为同时发生“插、删、改”，在某些状况下，一旦该数据页满了，那么页分裂不可避免，而此时nolock的查询正在发生，好比在第100页已经读过的记录，可能会由于页分裂而分到第101页，这有可能使得nolock查询在读101页时重复读到该条数据，产生“重复读”。同理，若是在100页上的数据还没被读到就分到99页去了，那nolock查询有可能会漏过该记录，产生“跳读”。

 

上面提到的哥们，在加了nolock后一些操做出现报错，估计有可能由于nolock查询产生了重复读，2条相同的记录去插入别的表，固然会发生主键冲突。

 

十一、使用like进行模糊查询时应注意

 

有的时候会须要进行一些模糊查询好比

 

select*from contact where username like ‘%yue%’

 

关键词%yue%，因为yue前面用到了“%”，所以该查询必然走全表扫描，除非必要，不然不要在关键词前加%，

 

十二、数据类型的隐式转换对查询效率的影响

 

sql server2000的数据库，咱们的程序在提交sql语句的时候，没有使用强类型提交这个字段的值，由sql server 2000自动转换数据类型，会致使传入的参数与主键字段类型不一致，这个时候sql server 2000可能就会使用全表扫描。Sql2005上没有发现这种问题，可是仍是应该注意一下。

 

1三、SQL Server 表链接的三种方式

 

(1) Merge Join

 

(2) Nested Loop Join

 

(3) Hash Join

 

SQL Server 2000只有一种join方式——Nested Loop Join，若是A结果集较小，那就默认做为外表，A中每条记录都要去B中扫描一遍，实际扫过的行数至关于A结果集行数x B结果集行数。因此若是两个结果集都很大，那Join的结果很糟糕。

 

SQL Server 2005新增了Merge Join，若是A表和B表的链接字段正好是汇集索引所在字段，那么表的顺序已经排好，只要两边拼上去就好了，这种join的开销至关于A表的结果集行数加上B表的结果集行数，一个是加，一个是乘，可见merge join 的效果要比Nested Loop Join好多了。

 

若是链接的字段上没有索引，那SQL2000的效率是至关低的，而SQL2005提供了Hash join，至关于临时给A，B表的结果集加上索引，所以SQL2005的效率比SQL2000有很大提升，我认为，这是一个重要的缘由。

 

总结一下，在表链接时要注意如下几点：

 

(1)    链接字段尽可能选择汇集索引所在的字段

 

(2)    仔细考虑where条件，尽可能减少A、B表的结果集

 

(3)    若是不少join的链接字段都缺乏索引

 

原文连接：http://www.cnblogs.com/ATree/archive/2011/02/13/sql_optimize_1.html