［返回］
计算机世界2000年第8期

让SQL运行得更快

交通银行长春分行电脑部　任　亮

　　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、不充分的连接条件和不可优化的where 子句。在对它们进行适当的优化后，其运行速度有了明显的提高！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：128MB
　　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 上建有一个非群集索引

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排在数据页上，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：

　　* 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。
　　* 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。
　　* 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、不充分的连接条件

　　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，只有充分的连接条件，真正的最佳方案才会被执行。

　　总结：

　　* 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。连接条件要充分考虑带有索引的表、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来确定，乘积最小为最佳方案。
　　* 查看执行方案的方法——用set showplan on，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(3604,310,302)。

　　三、不可优化的where 子句

　　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！
　　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。

　　* 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。
　　* 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。
　　* 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，充分利用索引，减少表扫描的I/O 次数，尽量避免表搜索的发生。其实SQL 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。