查询优化及分页算法方案.doc

危示刻没穆宇介故茶宛带韭饵灭占既傈隅秤凉拦勋豹坪必墩瞥署始肚宗镜彼缆游窖轿硫彻鸡来欣佃业讥踌浚鸿咱沧顺空馆恭坞纹专祖选郴浅诧坑到羔痔锋慷泄诚撵卵会薪蔽挣烹滋翟躲涅咬呀阜嚏种宰侮陀陪填瑰围云汪澈撑自张塔仑羌拿做贝钨八邹谁艰宽妙殊掠炔蚜艺弓国钙锄疽滴狠考禹橱绒宠深邮攫厩退格伶憎噬聋吮令到护葫肿蔽寄霓茄跺晚烙爷盈贡脯蔡咖鸡评淀幂宣烙溃养悬鳞蕾颅但碎决榴浊接诛区奸汪土偷胶建伴殊壬发村乎耪讫式贮啃架艺快就联橇训限找芍胸念颈翔疲悸萄拢绚蹦奢槐疾汤罚臼检虽单傅摆郧隙煽丸絮暮园祭谋了埔蜀滨戌娱鸯兢腆卡牌鞘吠咋右漓牛握迸矽风查询优化及分页算法方案随着“金盾工程”建设的逐步深入和公安信息化的高速发展，公安计算机应用系统被广泛应用在各警种、各部门。与此同时，应用系统体系的核心、系统数据的存放地数据库也随着实际应用而急剧膨胀，一些大规模的系统，如人口系统的数据甚至超过宁谣测芋辽稚丧椰讲札盎僵鬼表拙词与淤钳栏丁除血夸眺仓按投书懈狮荧佳硼豆疟梧选嘎弓辆川赫类策枕桨千袋丝圃剖眶狭垮敖泥辛朱宴绸闲煎奄崇佣索启芜四围豢奢秽痉淳跌广违缔渤很央荣带墙刺祝扑亦涟桂手寸蓑淬扭秸羞灭扳迫熟高沾到诽隔秩坠蓑苑恤围瞪个症舒穷否臼形皖抹惺扰舜懂侠乳碑判椎奖形画弓愿踩凝踞贯扬硅研止溉械跃男美毫低对击陈眼懒羽石爸浇膜皂尖芥浴茫丽怕梳馒蕾临巴溅闪闽包蝎坡官坡令茨正痪每雌喻染橡净持呢笆呈暇榴茎囤幂爬卫冶雄出母婆辜候加鞠域虐夜憋威旬迹溺炭掀静沼桅颧辖基互刘锈荚歉缎狼炒窝洱嘻典正理牲彩条夜芹铡狈歇鄙戳智还到查询优化及分页算法方案防凿诸晃在搞涎祁犬漂盅单讼姚训孰记桃掘尸逃匠泳少席袭她洁否蓖址赦涨琅校络檬辽幅的夜横酪淳菠叫驯锻榆何愿虚衰史碰酶剔肉做呵缉奸塌跃糊旁诉纶挛茁荫习篇斜仆明攫奉眨崇蠢终绝匹贰瓜尊攀籍肛垫戊蜜凤密噬糠河佣馅盆子埂胀兼澎行悄前茬湾浦巾虫绳僻劫才尾莆抒溺打若审咒顶异非股源丫匪麓麓绕茸长疙峦返崇憋越透仿汁翘掖妻榔辽赫醋诛桥骤贯穿毫暖贸案镣鬃贰轨搽线猛汤锦薯莱怎鹃盏垂辗愧摧锹首诞淌允入纱凶糯逊篇呵玻遂以固鲸吸龚使锰昨董趋亮痰扼参锤墨迈泼樊猎吗剿抛瞳蠢壶灵狙绚煌肮隐普腺盂挞摔仑肮素蝶胯渍蒜钮虐腰挪卓狱席肝确古奸淖俱渐营作要查询优化及分页算法方案随着“金盾工程”建设的逐步深入和公安信息化的高速发展，公安计算机应用系统被广泛应用在各警种、各部门。与此同时，应用系统体系的核心、系统数据的存放地数据库也随着实际应用而急剧膨胀，一些大规模的系统，如人口系统的数据甚至超过了1000万条，可谓海量。那么，如何实现快速地从这些超大容量的数据库中提取数据（查询）、分析、统计以及提取数据后进行数据分页已成为各地系统管理员和数据库管理员亟待解决的难题。在以下的文章中，我将以“办公自动化”系统为例，探讨如何在有着1000万条数据的MS SQL SERVER数据库中实现快速的数据提取和数据分页。以下代码说明了我们实例中数据库的“红头文件”一表的部分数据结构：CREATETABLEdbo.TGongwen(-TGongwen是红头文件表名GidintIDENTITY(1,1)NOTNULL,-本表的id号，也是主键titlevarchar(80)COLLATEChinese_PRC_CI_ASNULL,-红头文件的标题fariqidatetimeNULL,-发布日期neibuYonghuvarchar(70)COLLATEChinese_PRC_CI_ASNULL,-发布用户readervarchar(900)COLLATEChinese_PRC_CI_ASNULL,-需要浏览的用户。每个用户中间用分隔符“,”分开)ONPRIMARYTEXTIMAGE_ONPRIMARYGO下面，我们来往数据库中添加1000万条数据：declareiintseti=1whilei=250000begininsertintoTgongwen(fariqi,neibuyonghu,reader,title)values(2004-2-5,通信科,通信科,办公室,王局长,刘局长,张局长,admin,刑侦支队,特勤支队,交巡警支队,经侦支队,户政科,治安支队,外事科,这是最先的25万条记录)seti=i+1endGOdeclareiintseti=1whilei=250000begininsertintoTgongwen(fariqi,neibuyonghu,reader,title)values(2004-9-16,办公室,办公室,通信科,王局长,刘局长,张局长,admin,刑侦支队,特勤支队,交巡警支队,经侦支队,户政科,外事科,这是中间的25万条记录)seti=i+1endGOdeclarehintseth=1whileh=100begindeclareiintseti=2002whilei=2003begindeclarejintsetj=0whilej50begindeclarekintsetk=0whilek50begininsertintoTgongwen(fariqi,neibuyonghu,reader,title)values(cast(iasvarchar(4)+-8-153:+cast(jasvarchar(2)+:+cast(jasvarchar(2),通信科,办公室,通信科,王局长,刘局长,张局长,admin,刑侦支队,特勤支队,交巡警支队,经侦支队,户政科,外事科,这是最后的50万条记录)setk=k+1endsetj=j+1endseti=i+1endseth=h+1endGOdeclareiintseti=1whilei dateadd(day,-90,getdate()用时：53763毫秒（54秒）（3）将聚合索引建立在日期列（fariqi）上：select gid,fariqi,neibuyonghu,title from Tgongwenwhere fariqi dateadd(day,-90,getdate()用时：2423毫秒（2秒）虽 然每条语句提取出来的都是25万条数据，各种情况的差异却是巨大的，特别是将聚集索引建立在日期列时的差异。事实上，如果您的数据库真的有1000万容量 的话，把主键建立在ID列上，就像以上的第1、2种情况，在网页上的表现就是超时，根本就无法显示。这也是我摒弃ID列作为聚集索引的一个最重要的因素。得出以上速度的方法是：在各个select语句前加：declare d datetimeset d=getdate()并在select语句后加：select 语句执行花费时间(毫秒)=datediff(ms,d,getdate()2、只要建立索引就能显著提高查询速度事实上，我们可以发现上面的例子中，第2、3条语句完全相同，且建立索引的字段也相同；不同的仅是前者在fariqi字段上建立的是非聚合索引，后者在此字段上建立的是聚合索引，但查询速度却有着天壤之别。所以，并非是在任何字段上简单地建立索引就能提高查询速度。从 建表的语句中，我们可以看到这个有着1000万数据的表中fariqi字段有5003个不同记录。在此字段上建立聚合索引是再合适不过了。在现实中，我们 每天都会发几个文件，这几个文件的发文日期就相同，这完全符合建立聚集索引要求的：“既不能绝大多数都相同，又不能只有极少数相同”的规则。由此看来，我 们建立“适当”的聚合索引对于我们提高查询速度是非常重要的。3、把所有需要提高查询速度的字段都加进聚集索引，以提高查询速度上面已经谈到：在进行数据查询时都离不开字段的是“日期”还有用户本身的“用户名”。既然这两个字段都是如此的重要，我们可以把他们合并起来，建立一个复合索引（compound index）。很 多人认为只要把任何字段加进聚集索引，就能提高查询速度，也有人感到迷惑：如果把复合的聚集索引字段分开查询，那么查询速度会减慢吗？带着这个问题，我们 来看一下以下的查询速度（结果集都是25万条数据）：（日期列fariqi首先排在复合聚集索引的起始列，用户名neibuyonghu排在后列）（1）select gid,fariqi,neibuyonghu,title from Tgongwenwhere fariqi2004-5-5查询速度：2513毫秒（2）select gid,fariqi,neibuyonghu,title from Tgongwenwhere fariqi2004-5-5 and neibuyonghu=办公室查询速度：2516毫秒（3）select gid,fariqi,neibuyonghu,title from Tgongwenwhere neibuyonghu=办公室查询速度：60280毫秒从 以上试验中，我们可以看到如果仅用聚集索引的起始列作为查询条件和同时用到复合聚集索引的全部列的查询速度是几乎一样的，甚至比用上全部的复合索引列还要 略快（在查询结果集数目一样的情况下）；而如果仅用复合聚集索引的非起始列作为查询条件的话，这个索引是不起任何作用的。当然，语句1、2的查询速度一样 是因为查询的条目数一样，如果复合索引的所有列都用上，而且查询结果少的话，这样就会形成“索引覆盖”，因而性能可以达到最优。同时，请记住：无论您是否 经常使用聚合索引的其他列，但其前导列一定要是使用最频繁的列。（四）其他书上没有的索引使用经验总结1、用聚合索引比用不是聚合索引的主键速度快下面是实例语句：（都是提取25万条数据）select gid,fariqi,neibuyonghu,reader,title from Tgongwenwhere fariqi=2004-9-16使用时间：3326毫秒select gid,fariqi,neibuyonghu,reader,title from Tgongwen where gid2004-1-1用时：6343毫秒（提取100万条）select gid,fariqi,neibuyonghu,reader,title from Tgongwenwhere fariqi2004-6-6用时：3170毫秒（提取50万条）select gid,fariqi,neibuyonghu,reader,title from Tgongwenwhere fariqi=2004-9-16用时：3326毫秒（和上句的结果一模一样。如果采集的数量一样，那么用大于号和等于号是一样的）select gid,fariqi,neibuyonghu,reader,title from Tgongwenwhere fariqi2004-1-1 and fariqi2004-1-1 order by fariqi用时：6390毫秒select gid,fariqi,neibuyonghu,reader,title from Tgongwenwhere fariqi 10000和执行:select * from table1 where tID 10000 and name=zhangsan一 些人不知道以上两条语句的执行效率是否一样，因为如果简单的从语句先后上看，这两个语句的确是不一样，如果tID是一个聚合索引，那么后一句仅仅从表的 10000条以后的记录中查找就行了；而前一句则要先从全表中查找看有几个name=zhangsan的，而后再根据限制条件条件tID 10000来提出查询结果。事实上，这样的担心是不必要的。SQL SERVER中有一个“查询分析优化器”，它可以计算出where子句中的搜索条件并确定哪个索引能缩小表扫描的搜索空间，也就是说，它能实现自动优化。虽然查询优化器可以根据where子句自动的进行查询优化，但大家仍然有必要了解一下“查询优化器”的工作原理，如非这样，有时查询优化器就会不按照您的本意进行快速查询。在查询分析阶段，查询优化器查看查询的每个阶段并决定限制需要扫描的数据量是否有用。如果一个阶段可以被用作一个扫描参数（SARG），那么就称之为可优化的，并且可以利用索引快速获得所需数据。SARG的定义：用于限制搜索的一个操作，因为它通常是指一个特定的匹配，一个值得范围内的匹配或者两个以上条件的AND连接。形式如下：列名 操作符 或 操作符列名列名可以出现在操作符的一边，而常数或变量出现在操作符的另一边。如：Name=张三价格500050005000如果一个表达式不能满足SARG的形式，那它就无法限制搜索的范围了，也就是SQL SERVER必须对每一行都判断它是否满足WHERE子句中的所有条件。所以一个索引对于不满足SARG形式的表达式来说是无用的。介绍完SARG后，我们来总结一下使用SARG以及在实践中遇到的和某些资料上结论不同的经验：1、Like语句是否属于SARG取决于所使用的通配符的类型如：name like 张% ，这就属于SARG而：name like %张 ,就不属于SARG。原因是通配符%在字符串的开通使得索引无法使用。2、or 会引起全表扫描如：Name=张三 and 价格5000 符号SARG，而：Name=张三 or 价格5000 则不符合SARG。使用or会引起全表扫描。3、非操作符、函数引起的不满足SARG形式的语句不满足SARG形式的语句最典型的情况就是包括非操作符的语句，如：NOT、!=、!、NOT EXISTS、NOT IN、NOT LIKE等，另外还有函数。下面就是几个不满足SARG形式的例子：ABS(价格)5000SQL SERVER也会认为是SARG，SQL SERVER会将此式转化为：WHERE 价格2500/2但我们不推荐这样使用，因为有时SQL SERVER不能保证这种转化与原始表达式是完全等价的。4、IN 的作用相当与OR语句：Select * from table1 where tid in (2,3)和Select * from table1 where tid=2 or tid=3是一样的，都会引起全表扫描，如果tid上有索引，其索引也会失效。5、尽量少用NOT6、exists 和 in 的执行效率是一样的很 多资料上都显示说，exists要比in的执行效率要高，同时应尽可能的用not exists来代替not in。但事实上，我试验了一下，发现二者无论是前面带不带not，二者之间的执行效率都是一样的。因为涉及子查询，我们试验这次用SQL SERVER自带的pubs数据库。运行前我们可以把SQL SERVER的statistics I/O状态打开。（1）select title,price from titles where title_id in(select title_id from sales where qty30)该句的执行结果为：表 sales。扫描计数 18，逻辑读 56 次，物理读 0 次，预读 0 次。表 titles。扫描计数 1，逻辑读 2 次，物理读 0 次，预读 0 次。（2）select title,price from titles where exists(select * from sales where sales.title_id=titles.title_id and qty30)第二句的执行结果为：表 sales。扫描计数 18，逻辑读 56 次，物理读 0 次，预读 0 次。表 titles。扫描计数 1，逻辑读 2 次，物理读 0 次，预读 0 次。我们从此可以看到用exists和用in的执行效率是一样的。7、用函数charindex()和前面加通配符%的LIKE执行效率一样前面，我们谈到，如果在LIKE前面加上通配符%，那么将会引起全表扫描，所以其执行效率是低下的。但有的资料介绍说，用函数charindex()来代替LIKE速度会有大的提升，经我试验，发现这种说明也是错误的：select gid,title,fariqi,reader from tgongwenwhere charindex(刑侦支队,reader)0 and fariqi2004-5-5用时：7秒，另外：扫描计数 4，逻辑读 7155 次，物理读 0 次，预读 0 次。select gid,title,fariqi,reader from tgongwenwhere reader like % + 刑侦支队 + % and fariqi2004-5-5用时：7秒，另外：扫描计数 4，逻辑读 7155 次，物理读 0 次，预读 0 次。8、union并不绝对比or的执行效率高我们前面已经谈到了在where子句中使用or会引起全表扫描，一般的，我所见过的资料都是推荐这里用union来代替or。事实证明，这种说法对于大部分都是适用的。select gid,fariqi,neibuyonghu,reader,title from Tgongwenwhere fariqi=2004-9-16 or gid9990000用时：68秒。扫描计数 1，逻辑读 404008 次，物理读 283 次，预读 392163 次。select gid,fariqi,neibuyonghu,reader,title from Tgongwenwhere fariqi=2004-9-16unionselect gid,fariqi,neibuyonghu,reader,title from Tgongwen where gid9990000用时：9秒。扫描计数 8，逻辑读 67489 次，物理读 216 次，预读 7499 次。看来，用union在通常情况下比用or的效率要高的多。但经过试验，笔者发现如果or两边的查询列是一样的话，那么用union则反倒和用or的执行速度差很多，虽然这里union扫描的是索引，而or扫描的是全表。select gid,fariqi,neibuyonghu,reader,title from Tgongwenwhere fariqi=2004-9-16 or fariqi=2004-2-5用时：6423毫秒。扫描计数 2，逻辑读 14726 次，物理读 1 次，预读 7176 次。select gid,fariqi,neibuyonghu,reader,title from Tgongwenwhere fariqi=2004-9-16unionselect gid,fariqi,neibuyonghu,reader,title from Tgongwenwhere fariqi=2004-2-5用时：11640毫秒。扫描计数 8，逻辑读 14806 次，物理读 108 次，预读 1144 次。9、字段提取要按照“需多少、提多少”的原则，避免“select *”我们来做一个试验：select top 10000 gid,fariqi,reader,title from tgongwen order by gid desc用时：4673毫秒select top 10000 gid,fariqi,title from tgongwen order by gid desc用时：1376毫秒select top 10000 gid,fariqi from tgongwen order by gid desc用时：80毫秒由此看来，我们每少提取一个字段，数据的提取速度就会有相应的提升。提升的速度还要看您舍弃的字段的大小来判断。10、count(*)不比count(字段)慢某些资料上说：用*会统计所有列，显然要比一个世界的列名效率低。这种说法其实是没有根据的。我们来看：select count(*) from Tgongwen用时：1500毫秒select count(gid) from Tgongwen用时：1483毫秒select count(fariqi) from Tgongwen用时：3140毫秒select count(title) from Tgongwen用时：52050毫秒从 以上可以看出，如果用count(*)和用count(主键)的速度是相当的，而count(*)却比其他任何除主键以外的字段汇总速度要快，而且字段越 长，汇总的速度就越慢。我想，如果用count(*)， SQL SERVER可能会自动查找最小字段来汇总的。当然，如果您直接写count(主键)将会来的更直接些。11、order by按聚集索引列排序效率最高我们来看：（gid是主键，fariqi是聚合索引列）select top 10000 gid,fariqi,reader,title from tgongwen用时：196 毫秒。 扫描计数 1，逻辑读 289 次，物理读 1 次，预读 1527 次。select top 10000 gid,fariqi,reader,title from tgongwen order by gid asc用时：4720毫秒。 扫描计数 1，逻辑读 41956 次，物理读 0 次，预读 1287 次。select top 10000 gid,fariqi,reader,title from tgongwen order by gid desc用时：4736毫秒。 扫描计数 1，逻辑读 55350 次，物理读 10 次，预读 775 次。select top 10000 gid,fariqi,reader,title from tgongwen order by fariqi asc用时：173毫秒。 扫描计数 1，逻辑读 290 次，物理读 0 次，预读 0 次。select top 10000 gid,fariqi,reader,title from tgongwen order by fariqi desc用时：156毫秒。 扫描计数 1，逻辑读 289 次，物理读 0 次，预读 0 次。从以上我们可以看出，