OLTP系統(tǒng)SQL語句必須采用綁定變量

select * from orderheader where changetime > ‘2010-10-20 00:00:01’
select * from orderheader where changetime > ‘2010-09-22 00:00:01’
以上兩句語句，查詢優(yōu)化器認為是不同的SQL語句，需要解析兩次。如果采用綁定變量
select * from orderheader where changetime > @chgtime
@chgtime變量可以傳入任何值，這樣大量的類似查詢可以重用該執(zhí)行計劃了，這可以大大降低數(shù)據(jù)庫解析SQL語句的負擔(dān)。一次解析，多次重用，是提高數(shù)據(jù)庫效率的原則。

?傾斜字段的綁定變量窺測問題

事物都存在兩面性，綁定變量對大多數(shù)OLTP處理是適用的，但是也有例外。比如在where條件中的字段是“傾斜字段”的時候。

“傾斜字段”指該列中的絕大多數(shù)的值都是相同的，比如一張人口調(diào)查表，其中“民族”這列，90%以上都是漢族。那么如果一個SQL語句要查詢30歲的漢族人口有多少，那“民族”這列必然要被放在where條件中。這個時候如果采用綁定變量@nation會存在很大問題。

試想如果@nation傳入的第一個值是“漢族”，那整個執(zhí)行計劃必然會選擇表掃描。然后，第二個值傳入的是“布依族”，按理說“布依族”占的比例可能只有萬分之一，應(yīng)該采用索引查找。但是，由于重用了第一次解析的“漢族”的那個執(zhí)行計劃，那么第二次也將采用表掃描方式。這個問題就是著名的“綁定變量窺測”，建議對于“傾斜字段”不要采用綁定變量。

begin tran的事務(wù)要盡量地小

SQL Server中一句SQL語句默認就是一個事務(wù)，在該語句執(zhí)行完成后也是默認commit的。其實，這就是begin tran的一個最小化的形式，好比在每句語句開頭隱含了一個begin tran，結(jié)束時隱含了一個commit。
有些情況下，我們需要顯式聲明begin tran，比如做“插、刪、改”操作需要同時修改幾個表，要求要么幾個表都修改成功，要么都不成功。begin tran 可以起到這樣的作用，它可以把若干SQL語句套在一起執(zhí)行，最后再一起commit。好處是保證了數(shù)據(jù)的一致性，但任何事情都不是完美無缺的。Begin tran付出的代價是在提交之前，所有SQL語句鎖住的資源都不能釋放，直到commit掉。
可見，如果Begin tran套住的SQL語句太多，那數(shù)據(jù)庫的性能就糟糕了。在該大事務(wù)提交之前，必然會阻塞別的語句，造成block很多。
Begin tran使用的原則是，在保證數(shù)據(jù)一致性的前提下，begin tran 套住的SQL語句越少越好！有些情況下可以采用觸發(fā)器同步數(shù)據(jù)，不一定要用begin tran。

一些SQL查詢語句應(yīng)加上nolock

在 SQL 語句中加 nolock 是提高 SQL?Server 并發(fā)性能的重要手段，在 oracle 中并不需要這樣做，因為 oracle 的結(jié)構(gòu)更為合理，有 undo 表空間保存“數(shù)據(jù)前影”，該數(shù)據(jù)如果在修改中還未 commit ，那么你讀到的是它修改之前的副本，該副本放在 undo 表空間中。這樣， oracle 的讀、寫可以做到互不影響，這也是 oracle 廣受稱贊的地方。 SQL?Server? 的讀、寫是會相互阻塞的，為了提高并發(fā)性能，對于一些查詢，可以加上 nolock ，這樣讀的時候可以允許寫，但缺點是可能讀到未提交的臟數(shù)據(jù)。使用 nolock 有 3 條原則。

(1)?查詢的結(jié)果用于“插、刪、改”的不能加 nolock? ！

(2)?查詢的表屬于頻繁發(fā)生頁分裂的，慎用 nolock? ！

(3)?使用臨時表一樣可以保存“數(shù)據(jù)前影”，起到類似 oracle 的 undo 表空間的功能，

能采用臨時表提高并發(fā)性能的，不要用 nolock? 。

加nolock后查詢經(jīng)常發(fā)生頁分裂的表，容易產(chǎn)生跳讀或重復(fù)讀

加 nolock 后可以在“插、刪、改”的同時進行查詢，但是由于同時發(fā)生“插、刪、改”，在某些情況下，一旦該數(shù)據(jù)頁滿了，那么頁分裂不可避免，而此時 nolock 的查詢正在發(fā)生，比如在第 100 頁已經(jīng)讀過的記錄，可能會因為頁分裂而分到第 101 頁，這有可能使得 nolock 查詢在讀 101 頁時重復(fù)讀到該條數(shù)據(jù)，產(chǎn)生“重復(fù)讀”。同理，如果在 100 頁上的數(shù)據(jù)還沒被讀到就分到 99 頁去了，那 nolock 查詢有可能會漏過該記錄，產(chǎn)生“跳讀”。

?上面提到的哥們，在加了 nolock 后一些操作出現(xiàn)報錯，估計有可能因為 nolock 查詢產(chǎn)生了重復(fù)讀， 2 條相同的記錄去插入別的表，當(dāng)然會發(fā)生主鍵沖突。

聚集索引沒有建在表的順序字段上，該表容易發(fā)生頁分裂

比如訂單表，有訂單編號 orderid ，也有客戶編號 contactid ，那么聚集索引應(yīng)該加在哪個字段上呢？對于該表，訂單編號是順序添加的，如果在 orderid 上加聚集索引，新增的行都是添加在末尾，這樣不容易經(jīng)常產(chǎn)生頁分裂。然而，由于大多數(shù)查詢都是根據(jù)客戶編號來查的，因此，將聚集索引加在 contactid 上才有意義。而 contactid 對于訂單表而言，并非順序字段。

比如“張三”的“ contactid ”是 001 ，那么“張三”的訂單信息必須都放在這張表的第一個數(shù)據(jù)頁上，如果今天“張三”新下了一個訂單，那該訂單信息不能放在表的最后一頁，而是第一頁！如果第一頁放滿了呢？很抱歉，該表所有數(shù)據(jù)都要往后移動為這條記錄騰地方。

SQL?Server 的索引和 Oracle 的索引是不同的， SQL?Server 的聚集索引實際上是對表按照聚集索引字段的順序進行了排序，相當(dāng)于 oracle 的索引組織表。 SQL?Server 的聚集索引就是表本身的一種組織形式，所以它的效率是非常高的。也正因為此，插入一條記錄，它的位置不是隨便放的，而是要按照順序放在該放的數(shù)據(jù)頁，如果那個數(shù)據(jù)頁沒有空間了，就引起了頁分裂。所以很顯然，聚集索引沒有建在表的順序字段上，該表容易發(fā)生頁分裂。

曾經(jīng)碰到過一個情況，一位哥們的某張表重建索引后，插入的效率大幅下降了。估計情況大概是這樣的。該表的聚集索引可能沒有建在表的順序字段上，該表經(jīng)常被歸檔，所以該表的數(shù)據(jù)是以一種稀疏狀態(tài)存在的。比如張三下過 20 張訂單，而最近 3 個月的訂單只有 5 張，歸檔策略是保留 3 個月數(shù)據(jù)，那么張三過去的 15 張訂單已經(jīng)被歸檔，留下 15 個空位，可以在 insert 發(fā)生時重新被利用。在這種情況下由于有空位可以利用，就不會發(fā)生頁分裂。但是查詢性能會比較低，因為查詢時必須掃描那些沒有數(shù)據(jù)的空位。

重建聚集索引后情況改變了，因為重建聚集索引就是把表中的數(shù)據(jù)重新排列一遍，原來的空位沒有了，而頁的填充率又很高，插入數(shù)據(jù)經(jīng)常要發(fā)生頁分裂，所以性能大幅下降。

對于聚集索引沒有建在順序字段上的表，是否要給與比較低的頁填充率？是否要避免重建聚集索引？是一個值得考慮的問題！

使用復(fù)合索引提高多個where條件的查詢速度

復(fù)合索引通常擁有比單一索引更好的選擇性。而且，它是特別針對某個 where 條件所設(shè)立的索引，它已經(jīng)進行了排序，所以查詢速度比單索引更快。復(fù)合索引的引導(dǎo)字段必須采用“選擇性高”的字段。比如有 3 個字段：日期，性別，年齡。大家看，應(yīng)該采用哪個字段作引導(dǎo)字段？顯然應(yīng)該采用“日期”作為引導(dǎo)字段。日期是 3 個字段中選擇性最高的字段。

這里有一個例外，如果日期同時也是聚集索引的引導(dǎo)字段，可以不建復(fù)合索引，直接走聚集索引，效率也是比較高的。

不要把聚集索引建成“復(fù)合索引”，聚集索引越簡單越好，選擇性越高越好！聚集索引包括 2 個字段尚可容忍。但是超過 2 個字段，應(yīng)該考慮建 1 個自增字段作為主鍵，聚集索引可以不做主鍵。

使用like進行模糊查詢時應(yīng)注意盡量不要使用前%

有的時候會需要進行一些模糊查詢比如

?Select?*?from?contact?where?username?like?‘%yue%’

關(guān)鍵詞 %yue% ，由于 yue 前面用到了“ % ”，因此該查詢必然走全表掃描，除非必要，否則不要在關(guān)鍵詞前加 % ，

SQL Server 表連接的三種方式

?? (1)?Merge?Join

????(2)?Nested?Loop?Join?

????(3)?Hash?Join?

SQL?Server?2000 只有一種 join 方式—— Nested?Loop?Join ，如果 A 結(jié)果集較小，那就默認作為外表， A 中每條記錄都要去 B 中掃描一遍，實際掃過的行數(shù)相當(dāng)于 A 結(jié)果集行數(shù) x?B 結(jié)果集行數(shù)。所以如果兩個結(jié)果集都很大，那 Join 的結(jié)果很糟糕。

SQL?Server?2005 新增了 Merge?Join ，如果 A 表和 B 表的連接字段正好是聚集索引所在字段，那么表的順序已經(jīng)排好，只要兩邊拼上去就行了，這種 join 的開銷相當(dāng)于 A 表的結(jié)果集行數(shù)加上 B 表的結(jié)果集行數(shù)，一個是加，一個是乘，可見 merge?join? 的效果要比 Nested?Loop?Join 好多了。

如果連接的字段上沒有索引，那 SQL2000 的效率是相當(dāng)?shù)偷模? SQL2005 提供了 Hash?join ，相當(dāng)于臨時給 A ， B 表的結(jié)果集加上索引，因此 SQL2005 的效率比 SQL2000 有很大提高，我認為，這是一個重要的原因。

總結(jié)一下，在表連接時要注意以下幾點：

(1)?連接字段盡量選擇聚集索引所在的字段

(2)?仔細考慮 where 條件，盡量減小 A 、 B 表的結(jié)果集

(3)?如果很多 join 的連接字段都缺少索引，而你還在用 SQL2000 ，干緊升級吧 .

Row_number 會導(dǎo)致表掃描，用其他方式例如top方案并且將大表存進臨時表會更好

ROW_Number分頁的測試結(jié)果：
使用ROW_Number來分頁：CPU 時間= 317265 毫秒，占用時間= 423090 毫秒
使用top+臨時表來分頁：CPU 時間= 1266 毫秒，占用時間= 6705 毫秒

ROW_Number實現(xiàn)是基于order by的，排序?qū)Σ樵兊挠绊戯@而易見。

其他

諸如 有的寫法會限制使用索引?

Select?*?from?tablename?where?chgdate?+7?<?sysdate

Select?*?from?tablename?where?chgdate?<?sysdate?-7

前者會抑制chgdate列上的索引 后者不會

本篇先到此?歡迎有愛的同學(xué)拍磚

走向DBA[MSSQL篇] 從SQL語句的角度 提高數(shù)據(jù)庫的訪問性能