如何讓你的SQL運(yùn)行得更快 [推薦！！！]
人們?cè)谑褂肧QL時(shí)往往會(huì)陷入一個(gè)誤區(qū)，即太關(guān)注于所得的結(jié)果是否正確，而忽略了不同的實(shí)現(xiàn)方法之間可能存在的性能差異，這種性能差異在大型的或是復(fù)雜的數(shù)據(jù)庫(kù)
環(huán)境中（如聯(lián)機(jī)事務(wù)處理OLTP或決策支持系統(tǒng)DSS）中表現(xiàn)得尤為明顯。筆者在工作實(shí)踐中發(fā)現(xiàn)，不良的SQL往往來(lái)自于不恰當(dāng)?shù)乃饕O(shè)計(jì)、不充份的連接條件和不可優(yōu)化的where子句。在對(duì)它們進(jìn)行適當(dāng)?shù)膬?yōu)化后，其運(yùn)行速度有了明顯地提高！下面我將從這三個(gè)
方面分別進(jìn)行總結(jié)：
---- 為了更直觀地說(shuō)明問(wèn)題，所有實(shí)例中的SQL運(yùn)行時(shí)間均經(jīng)過(guò)測(cè)試，不超過(guò)１秒的均
表示為（< 1秒）。
---- 測(cè)試環(huán)境--
---- 主機(jī)：HP LH II
---- 主頻：330MHZ
---- 內(nèi)存：128兆
---- 操作系統(tǒng)：Operserver5.0.4
----數(shù)據(jù)庫(kù)：Sybase11.0.3
一、不合理的索引設(shè)計(jì)
----例：表record有620000行，試看在不同的索引下，下面幾個(gè) SQL的運(yùn)行情況：
---- 1.在date上建有一
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上有大量的重復(fù)值，
在非群集索引下，數(shù)據(jù)在物理上隨機(jī)存放在數(shù)據(jù)頁(yè)上，在范圍查找時(shí)，必須執(zhí)行一次表掃描才能找到這一范圍內(nèi)的全部行。
---- 2.在date上的一個(gè)
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，數(shù)據(jù)在物理上按順序在數(shù)據(jù)頁(yè)上，重復(fù)值也排列在一起，因而在范圍查找時(shí)，可以先找到這個(gè)范圍的起末點(diǎn)，且只在這個(gè)范圍內(nèi)掃描數(shù)據(jù)頁(yè)，避免了大范圍掃描，提高了查詢(xún)速度。
---- 3.在
place，date，amount上的組合索引
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：
---- 這是一個(gè)不很合理的組合索引，因?yàn)樗?span style="color: red;">前導(dǎo)列是place，第一和第二條SQL沒(méi)有引用place，因此也沒(méi)有利用上索引；
第三個(gè)SQL使用了place，且引用的所有列都包含在組合索引中，形成了索引覆蓋，所以它的速度是非常快的。
---- 4.在date，place，amount上的組合索引
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：
---- 這是一個(gè)合理的組合索引。它將date作為前導(dǎo)列，使每個(gè)SQL都可以利用索引，并且在第一和第三個(gè)SQL中形成了索引覆蓋，因而性能達(dá)到了最優(yōu)。
---- 5.總結(jié)：
---- 缺省情況下建立的索引是非群集索引，但有時(shí)它并不是最佳的；
合理的索引設(shè)計(jì)要建立在對(duì)各種查詢(xún)的分析和預(yù)測(cè)上。一般來(lái)說(shuō)：
---- ①.有大量重復(fù)值、且經(jīng)常有范圍查詢(xún)
（between, >,< ，>=,< =）和order by、group by發(fā)生的列，可考慮建立群集索引；
---- ②.經(jīng)常同時(shí)存取多列，且每列都含有重復(fù)值可考慮建立組合索引；
---- ③.組合索引要盡量使關(guān)鍵查詢(xún)形成索引覆蓋，其
前導(dǎo)列一定是使用最頻繁的列。
二、不充份的連接條件：
---- 例：表card有7896行，在
card_no上有一個(gè)非聚集索引，表account有191122行，在a
ccount_no上有一個(gè)非聚集索引，試看在不同的表連接條件下，兩個(gè)SQL的執(zhí)行情況：
select sum(a.amount) from account a,card b where a.card_no = b.card_no（20秒）
---- 將SQL改為：
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：
---- 在第一個(gè)連接條件下，最佳查詢(xún)方案是將account作外層表，card作內(nèi)層表，利用card上的索引，其I/O次數(shù)可由以下公式估算為：
---- 外層表account上的22541頁(yè)+（外層表account的191122行*內(nèi)層表card上對(duì)應(yīng)外層表第一行所要查找的3頁(yè)）=595907次I/O
---- 在第二個(gè)連接條件下，最佳查詢(xún)方案是將card作外層表，account作內(nèi)層表，利用account上的索引，其I/O次數(shù)可由以下公式估算為：
---- 外層表card上的1944頁(yè)+（外層表card的7896行*內(nèi)層表account上對(duì)應(yīng)外層表每一行所要查找的4頁(yè)）= 33528次I/O
---- 可見(jiàn)，只有充份的連接條件，真正的最佳方案才會(huì)被執(zhí)行。
---- 總結(jié)：
---- 1.多表操作在被實(shí)際執(zhí)行前，查詢(xún)優(yōu)化器會(huì)根據(jù)連接條件，列出幾組可能的連接方案并從中找出系統(tǒng)開(kāi)銷(xiāo)最小的最佳方案。連接條件要充份考慮帶有索引的表、行數(shù)多的表；內(nèi)外表的選擇可由公式：外層表中的匹配行數(shù)*內(nèi)層表中每一次查找的次數(shù)確定，乘積最小為最佳方案。
---- 2.查看執(zhí)行方案的方法-- 用set showplanon，打開(kāi)showplan選項(xiàng)，就可以看到連接順序、使用何種索引的信息；想看更詳細(xì)的信息，需用sa角色執(zhí)行dbcc(3604,310,302)。
三、不可優(yōu)化的where子句
---- 1.例：下列SQL條件語(yǔ)句中的列都建有恰當(dāng)?shù)乃饕珗?zhí)行速度卻非常慢：
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子句中對(duì)列的任何操作結(jié)果都是在SQL運(yùn)行時(shí)逐列計(jì)算得到的，因此它不得不進(jìn)行表搜索，而沒(méi)有使用該列上面的索引；如果這些結(jié)果在查詢(xún)編譯時(shí)就能得到，那么就可以被SQL優(yōu)化器優(yōu)化，使用索引，避免表搜索，因此將SQL重寫(xiě)成下面這樣：
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）
---- 你會(huì)發(fā)現(xiàn)SQL明顯快起來(lái)！
---- 2.例：表stuff有200000行，id_no上有非群集索引，請(qǐng)看下面這個(gè)SQL：
select count(*) from stuff where id_no in('0','1')（23秒）
---- 分析：
----
where條件中的'in'在邏輯上相當(dāng)于'or'，所以語(yǔ)法分析器會(huì)將in ('0','1')轉(zhuǎn)化為id_no ='0' or id_no='1'來(lái)執(zhí)行。我們期望它會(huì)根據(jù)每個(gè)or子句分別查找，再將結(jié)果相加，這樣可以利用id_no上的索引；但實(shí)際上（根據(jù)showplan）,它卻采用了"OR策略"，即先取出滿足每個(gè)or子句的行，存入臨時(shí)數(shù)據(jù)庫(kù)的工作表中，再建立唯一索引以去掉重復(fù)行，最后從這個(gè)臨時(shí)表中計(jì)算結(jié)果。因此，實(shí)際過(guò)程沒(méi)有利用id_no上索引，并且完成時(shí)間還要受tempdb數(shù)據(jù)庫(kù)性能的影響。
----
實(shí)踐證明，表的行數(shù)越多，工作表的性能就越差，當(dāng)stuff有620000行時(shí)，執(zhí)行時(shí)間竟達(dá)到220秒！還不如將or子句分開(kāi)：
select count(*) from stuff where id_no='0'
select count(*) from stuff where id_no='1'
---- 得到兩個(gè)結(jié)果，再作一次加法合算。因?yàn)槊烤涠际褂昧怂饕瑘?zhí)行時(shí)間只有3秒，在620000行下，時(shí)間也只有4秒。或者，用更好的方法，寫(xiě)一個(gè)簡(jiǎn)單的存儲(chǔ)過(guò)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
---- 直接算出結(jié)果，執(zhí)行時(shí)間同上面一樣快！
---- 總結(jié)：
---- 可見(jiàn)，所謂優(yōu)化即where子句利用了索引，不可優(yōu)化即發(fā)生了表掃描或額外開(kāi)銷(xiāo)。
---- 1.任何對(duì)列的操作都將導(dǎo)致表掃描，它包括數(shù)據(jù)庫(kù)函數(shù)、計(jì)算表達(dá)式等等，查詢(xún)時(shí)要盡可能將操作移至等號(hào)右邊。
---- 2.in、or子句常會(huì)使用工作表，使索引失效；如果不產(chǎn)生大量重復(fù)值，可以考慮把子句拆開(kāi)；拆開(kāi)的子句中應(yīng)該包含索引。
---- 3.要善于使用存儲(chǔ)過(guò)程，它使SQL變得更加靈活和高效。
---- 從以上這些例子可以看出，SQL優(yōu)化的實(shí)質(zhì)就是在結(jié)果正確的前提下，用優(yōu)化器可以識(shí)別的語(yǔ)句，充份利用索引，減少表掃描的I/O次數(shù)，盡量避免表搜索的發(fā)生。其實(shí)SQL的性能優(yōu)化是一個(gè)復(fù)雜的過(guò)程，上述這些只是在應(yīng)用層次的一種體現(xiàn)，深入研究還會(huì)
涉及數(shù)據(jù)庫(kù)層的資源配置、網(wǎng)絡(luò)層的流量控制以及操作系統(tǒng)層的總體設(shè)計(jì)。
1．合理使用索引
索引是數(shù)據(jù)庫(kù)中重要的數(shù)據(jù)結(jié)構(gòu)，它的根本目的就是為了提高查詢(xún)效率。現(xiàn)在大多數(shù)的數(shù)據(jù)庫(kù)產(chǎn)品都采用IBM最先提出的ISAM索引結(jié)構(gòu)。索引的使用要恰到好處，其使用原則如下：
●在經(jīng)常進(jìn)行連接，但是沒(méi)有指定為外鍵的列上建立索引，而不經(jīng)常連接的字段則由優(yōu)化器自動(dòng)生成索引。
●在頻繁進(jìn)行排序或分組（即進(jìn)行g(shù)roup by或order by操作）的列上建立索引。
●在條件表達(dá)式中經(jīng)常用到的不同值較多的列上建立檢索，在不同值少的列上不要建立索引。
比如在雇員表的“性別”列上只有“男”與“女”兩個(gè)不同值，因此就無(wú)必要建立索引。如果建立索引不但不會(huì)提高查詢(xún)效率，反而會(huì)嚴(yán)重降低更新速度。
●如果待排序的列有多個(gè)，可以在這些列上建立復(fù)合索引（compound index）。
●使用系統(tǒng)工具。如Informix數(shù)據(jù)庫(kù)有一個(gè)tbcheck工具，可以在可疑的索引上進(jìn)行檢查。在一些數(shù)據(jù)庫(kù)服務(wù)器上，索引可能失效或者因?yàn)轭l繁操作而使得讀取效率降低，如果一個(gè)使用索引的查詢(xún)不明不白地慢下來(lái)，可以試著用tbcheck工具檢查索引的完整性，必要時(shí)進(jìn)行修復(fù)。另外，當(dāng)數(shù)據(jù)庫(kù)表更新大量數(shù)據(jù)后，刪除并重建索引可以提高查詢(xún)速度。
2．避免或簡(jiǎn)化排序
應(yīng)當(dāng)簡(jiǎn)化或避免對(duì)大型表進(jìn)行重復(fù)的排序。當(dāng)能夠利用索引自動(dòng)以適當(dāng)?shù)拇涡虍a(chǎn)生輸出時(shí)，優(yōu)化器就避免了排序的步驟。以下是一些影響因素：
●索引中不包括一個(gè)或幾個(gè)待排序的列；
●group by或order by子句中列的次序與索引的次序不一樣；
●排序的列來(lái)自不同的表。
為了避免不必要的排序，就要正確地增建索引，合理地合并數(shù)據(jù)庫(kù)表（盡管有時(shí)可能影響表的規(guī)范化，但相對(duì)于效率的提高是值得的）。如果排序不可避免，那么應(yīng)當(dāng)試圖簡(jiǎn)化它，如縮小排序的列的范圍等。
3．消除對(duì)大型表行數(shù)據(jù)的順序存取
在嵌套查詢(xún)中，對(duì)表的順序存取對(duì)查詢(xún)效率可能產(chǎn)生致命的影響。比如采用順序存取策略，一個(gè)嵌套3層的查詢(xún)，如果每層都查詢(xún)1000行，那么這個(gè)查詢(xún)就要查詢(xún)10億行數(shù)據(jù)。避免這種情況的主要方法就是對(duì)連接的列進(jìn)行索引。例如，兩個(gè)表：學(xué)生表（學(xué)號(hào)、姓名、年齡……）和選課表（學(xué)號(hào)、課程號(hào)、成績(jī)）。如果兩個(gè)表要做連接，就要在“學(xué)號(hào)”這個(gè)連接字段上建立索引。
還可以使用并集來(lái)避免順序存取。盡管在所有的檢查列上都有索引，但某些形式的where子句強(qiáng)迫優(yōu)化器使用順序存取。下面的查詢(xún)將強(qiáng)迫對(duì)orders表執(zhí)行順序操作：
SELECT ＊ FROM orders WHERE (customer_num=104 AND order_num>1001) OR order_num=1008
雖然在customer_num和order_num上建有索引，但是在上面的語(yǔ)句中優(yōu)化器還是使用順序存取路徑掃描整個(gè)表。因?yàn)檫@個(gè)語(yǔ)句要檢索的是分離的行的集合，所以應(yīng)該改為如下語(yǔ)句：
SELECT ＊ FROM orders WHERE customer_num=104 AND order_num>1001
UNION
SELECT ＊ FROM orders WHERE order_num=1008
這樣就能利用索引路徑處理查詢(xún)。
4．避免相關(guān)子查詢(xún)
一個(gè)列的標(biāo)簽同時(shí)在主查詢(xún)和where子句中的查詢(xún)中出現(xiàn)，那么很可能當(dāng)主查詢(xún)中的列值改變之后，子查詢(xún)必須重新查詢(xún)一次。查詢(xún)嵌套層次越多，效率越低，因此應(yīng)當(dāng)盡量避免子查詢(xún)。如果子查詢(xún)不可避免，那么要在子查詢(xún)中過(guò)濾掉盡可能多的行。
5．避免困難的正規(guī)表達(dá)式
MATCHES和LIKE關(guān)鍵字支持通配符匹配，技術(shù)上叫正規(guī)表達(dá)式。但這種匹配特別耗費(fèi)時(shí)間。例如：SELECT ＊ FROM customer WHERE zipcode LIKE “98_ _ _”
即使在zipcode字段上建立了索引，在這種情況下也還是采用順序掃描的方式。如果把語(yǔ)句改為SELECT ＊ FROM customer WHERE zipcode >“98000”，在執(zhí)行查詢(xún)時(shí)就會(huì)利用索引來(lái)查詢(xún)，顯然會(huì)大大提高速度。
另外，還要避免非開(kāi)始的子串。例如語(yǔ)句：SELECT ＊ FROM customer WHERE zipcode[2，3] >“80”，在where子句中采用了非開(kāi)始子串，因而這個(gè)語(yǔ)句也不會(huì)使用索引。
6．使用臨時(shí)表加速查詢(xún)
把表的一個(gè)子集進(jìn)行排序并創(chuàng)建臨時(shí)表，有時(shí)能加速查詢(xún)。它有助于避免多重排序操作，而且在其他方面還能簡(jiǎn)化優(yōu)化器的工作。例如：
SELECT cust.name，rcvbles.balance，……other columns
FROM cust，rcvbles
WHERE cust.customer_id = rcvlbes.customer_id
AND rcvblls.balance>0
AND cust.postcode>“98000”
ORDER BY cust.name
如果這個(gè)查詢(xún)要被執(zhí)行多次而不止一次，可以把所有未付款的客戶(hù)找出來(lái)放在一個(gè)臨時(shí)文件中，并按客戶(hù)的名字進(jìn)行排序：
SELECT cust.name，rcvbles.balance，……other columns
FROM cust，rcvbles
WHERE cust.customer_id = rcvlbes.customer_id
AND rcvblls.balance>0
ORDER BY cust.name
INTO TEMP cust_with_balance
然后以下面的方式在臨時(shí)表中查詢(xún)：
SELECT ＊ FROM cust_with_balance
WHERE postcode>“98000”
臨時(shí)表中的行要比主表中的行少，而且物理順序就是所要求的順序，減少了磁盤(pán)I/O，所以查詢(xún)工作量可以得到大幅減少。
注意：臨時(shí)表創(chuàng)建后不會(huì)反映主表的修改。在主表中數(shù)據(jù)頻繁修改的情況下，注意不要丟失數(shù)據(jù)。
7．用排序來(lái)取代非順序存取
非順序磁盤(pán)存取是最慢的操作，表現(xiàn)在磁盤(pán)存取臂的來(lái)回移動(dòng)。SQL語(yǔ)句隱藏了這一情況，使得我們?cè)趯?xiě)應(yīng)用程序時(shí)很容易寫(xiě)出要求存取大量非順序頁(yè)的查詢(xún)。
有些時(shí)候，用數(shù)據(jù)庫(kù)的排序能力來(lái)替代非順序的存取能改進(jìn)查詢(xún)。
3.優(yōu)化 tempdb 性能
對(duì) tempdb 數(shù)據(jù)庫(kù)的物理位置和數(shù)據(jù)庫(kù)選項(xiàng)設(shè)置的一般建議包括：
使 tempdb 數(shù)據(jù)庫(kù)得以按需自動(dòng)擴(kuò)展。這確保在執(zhí)行完成前不終止查詢(xún)，該查詢(xún)所生成的存儲(chǔ)在 tempdb 數(shù)據(jù)庫(kù)內(nèi)的中間結(jié)果集比預(yù)期大得多。將 tempdb 數(shù)據(jù)庫(kù)文件的初始大小設(shè)置為合理的大小，以避免當(dāng)需要更多空間時(shí)文件自動(dòng)擴(kuò)展。如果 tempdb 數(shù)據(jù)庫(kù)擴(kuò)展得過(guò)于頻繁，性能會(huì)受不良影響。將文件增長(zhǎng)增量百分比設(shè)置為合理的大小，以避免 tempdb 數(shù)據(jù)庫(kù)文件按太小的值增長(zhǎng)。如果文件增長(zhǎng)幅度與寫(xiě)入 tempdb 數(shù)據(jù)庫(kù)的數(shù)據(jù)量相比太小，則 tempdb 數(shù)據(jù)庫(kù)可能需要始終擴(kuò)展，因而將妨害性能。將 tempdb 數(shù)據(jù)庫(kù)放在快速 I/O 子系統(tǒng)上以確保好的性能。在多個(gè)磁盤(pán)上條帶化 tempdb 數(shù)據(jù)庫(kù)以獲得更好的性能。將 tempdb 數(shù)據(jù)庫(kù)放在除用戶(hù)數(shù)據(jù)庫(kù)所使用的磁盤(pán)之外的磁盤(pán)上。有關(guān)更多信息，請(qǐng)參見(jiàn)擴(kuò)充數(shù)據(jù)庫(kù)。
4.優(yōu)化服務(wù)器:
使用內(nèi)存配置選項(xiàng)優(yōu)化服務(wù)器性能
Microsoft® SQL Server™ 2000 的內(nèi)存管理組件消除了對(duì) SQL Server 可用的內(nèi)存進(jìn)行手工管理的需要。SQL Server 在啟動(dòng)時(shí)根據(jù)操作系統(tǒng)和其它應(yīng)用程序當(dāng)前正在使用的內(nèi)存量，動(dòng)態(tài)確定應(yīng)分配的內(nèi)存量。當(dāng)計(jì)算機(jī)和SQL Server 上的負(fù)荷更改時(shí)，分配的內(nèi)存也隨之更改。有關(guān)更多信息，請(qǐng)參見(jiàn)內(nèi)存構(gòu)架。
下列服務(wù)器配置選項(xiàng)可用于配置內(nèi)存使用并影響服務(wù)器性能：
min server memory
max server memory
max worker threads
index create memory
min memory per query
min server memory 服務(wù)器配置選項(xiàng)可用于確保 SQL Server 在達(dá)到該值后不會(huì)釋放內(nèi)存。可以基于 SQL Server 的大小及活動(dòng)將該配置選項(xiàng)設(shè)置為特定的值。如果選擇設(shè)置此選項(xiàng)，必須為操作系統(tǒng)和其他程序留出足夠的內(nèi)存。如果操作系統(tǒng)沒(méi)有足夠的內(nèi)存，會(huì)向 SQL Server 請(qǐng)求內(nèi)存，從而導(dǎo)致影響 SQL Server 性能。
max server memory 服務(wù)器配置選項(xiàng)可用于：在 SQL Server 啟動(dòng)及運(yùn)行時(shí)，指定 SQL Server 可以分配的最大內(nèi)存量。如果知道有多個(gè)應(yīng)用程序與 SQL Server 同時(shí)運(yùn)行，而且想保障這些應(yīng)用程序有足夠的內(nèi)存運(yùn)行，可以將該配置選項(xiàng)設(shè)置為特定的值。如果這些其它應(yīng)用程序（如 Web 服務(wù)器或電子郵件服務(wù)器）只根據(jù)需要請(qǐng)求內(nèi)存，則 SQL Server 將根據(jù)需要給它們釋放內(nèi)存，因此不要設(shè)置 max server memory 服務(wù)器配置選項(xiàng)。然而，應(yīng)用程序通常在啟動(dòng)時(shí)不假選擇地使用可用內(nèi)存，而如果需要更多內(nèi)存也不請(qǐng)求。如果有這種行為方式的應(yīng)用程序與 SQL Server 同時(shí)運(yùn)行在相同的計(jì)算機(jī)上，則將 max server memory 服務(wù)器配置選項(xiàng)設(shè)置為特定的值，以保障應(yīng)用程序所需的內(nèi)存不由 SQL Server 分配出。
不要將 min server memory 和 max server memory 服務(wù)器配置選項(xiàng)設(shè)置為相同的值，這樣做會(huì)使分配給 SQL Server 的內(nèi)存量固定。動(dòng)態(tài)內(nèi)存分配可以隨時(shí)間提供最佳的總體性能。有關(guān)更多信息，請(qǐng)參見(jiàn)服務(wù)器內(nèi)存選項(xiàng)。
max worker threads 服務(wù)器配置選項(xiàng)可用于指定為用戶(hù)連接到 SQL Server 提供支持的線程數(shù)。255 這一默認(rèn)設(shè)置對(duì)一些配置可能稍微偏高，這要具體取決于并發(fā)用戶(hù)數(shù)。由于每個(gè)工作線程都已分配，因此即使線程沒(méi)有正在使用（因?yàn)椴l(fā)連接比分配的工作線程少），可由其它操作（如高速緩沖存儲(chǔ)器）更好地利用的內(nèi)存資源也可能是未使用的。一般情況下，應(yīng)將該配置值設(shè)置為并發(fā)連接數(shù)，但不能超過(guò) 32727。并發(fā)連接與用戶(hù)登錄連接不同。SQL Server 實(shí)例的工作線程池只需要足夠大，以便為同時(shí)正在該實(shí)例中執(zhí)行批處理的用戶(hù)連接提供服務(wù)。如果增加工作線程的數(shù)量超過(guò)默認(rèn)值，會(huì)降低服務(wù)器性能。有關(guān)更多信息，請(qǐng)參見(jiàn)max worker threads 選項(xiàng)。
說(shuō)明 當(dāng) SQL Server 運(yùn)行在 Microsoft Windows98 上時(shí)，最大工作線程服務(wù)器配置選項(xiàng)不起作用。
index create memory 服務(wù)器配置選項(xiàng)控制創(chuàng)建索引時(shí)排序操作所使用的內(nèi)存量。在生產(chǎn)系統(tǒng)上創(chuàng)建索引通常是不常執(zhí)行的任務(wù)，通常調(diào)度為在非峰值時(shí)間執(zhí)行的作業(yè)。因此，不常創(chuàng)建索引且在非峰值時(shí)間時(shí)，增加該值可提高索引創(chuàng)建的性能。不過(guò)，最好將 min memory per query 配置選項(xiàng)保持在一個(gè)較低的值，這樣即使所有請(qǐng)求的內(nèi)存都不可用，索引創(chuàng)建作業(yè)仍能開(kāi)始。有關(guān)更多信息，請(qǐng)參見(jiàn) index create memory 選項(xiàng)。
min memory per query 服務(wù)器配置選項(xiàng)可用于指定分配給查詢(xún)執(zhí)行的最小內(nèi)存量。當(dāng)系統(tǒng)內(nèi)有許多查詢(xún)并發(fā)執(zhí)行時(shí)，增大 min memory per query 的值有助于提高消耗大量?jī)?nèi)存的查詢(xún)（如大型排序和哈希操作）的性能。不過(guò)，不要將 min memory per query 服務(wù)器配置選項(xiàng)設(shè)置得太高，尤其是在很忙的系統(tǒng)上，因?yàn)椴樵?xún)將不得不等到能確保占有請(qǐng)求的最小內(nèi)存、或等到超過(guò) query wait 服務(wù)器配置選項(xiàng)內(nèi)所指定的值。如果可用內(nèi)存比執(zhí)行查詢(xún)所需的指定最小內(nèi)存多，則只要查詢(xún)能對(duì)多出的內(nèi)存加以有效的利用，就可以使用多出的內(nèi)存。有關(guān)更多信息，請(qǐng)參見(jiàn) min memory per query 選項(xiàng)和 query wait 選項(xiàng)。
使用 I/O 配置選項(xiàng)優(yōu)化服務(wù)器性能
下列服務(wù)器配置選項(xiàng)可用于配置 I/O 的使用并影響服務(wù)器性能：
recovery interval
recovery interval 服務(wù)器配置選項(xiàng)控制 Microsoft® SQL Server™ 2000 在每個(gè)數(shù)據(jù)庫(kù)內(nèi)發(fā)出檢查點(diǎn)的時(shí)間。默認(rèn)情況下，SQL Server 確定執(zhí)行檢查點(diǎn)操作的最佳時(shí)間。然而，若要確定這是否為適當(dāng)?shù)脑O(shè)置，需要使用 Windows NT 性能監(jiān)視器監(jiān)視數(shù)據(jù)庫(kù)文件上的磁盤(pán)寫(xiě)入活動(dòng)。導(dǎo)致磁盤(pán)利用率達(dá)到 100% 的活動(dòng)尖峰值會(huì)妨害性能。若更改該參數(shù)以使檢查點(diǎn)進(jìn)程較少出現(xiàn)，通常可以提高這種情況下的總體性能。但仍須繼續(xù)監(jiān)視性能以確定新值是否已對(duì)性能產(chǎn)生正面影響。有關(guān)更多信息，請(qǐng)參見(jiàn)recovery interval 選項(xiàng)。
5.優(yōu)化數(shù)據(jù)庫(kù)文件
分區(qū)
將數(shù)據(jù)庫(kù)分區(qū)可提高其性能并易于維護(hù)。通過(guò)將一個(gè)大表拆分成更小的單個(gè)表，只訪問(wèn)一小部分?jǐn)?shù)據(jù)的查詢(xún)可以執(zhí)行得更快，因?yàn)樾枰獟呙璧臄?shù)據(jù)較少。而且可以更快地執(zhí)行維護(hù)任務(wù)（如重建索引或備份表）。
實(shí)現(xiàn)分區(qū)操作時(shí)可以不拆分表，而將表物理地放置在個(gè)別的磁盤(pán)驅(qū)動(dòng)器上。例如，將表放在某個(gè)物理驅(qū)動(dòng)器上并將相關(guān)的表放在與之分離的驅(qū)動(dòng)器上可提高查詢(xún)性能，因?yàn)楫?dāng)執(zhí)行涉及表之間聯(lián)接的查詢(xún)時(shí)，多個(gè)磁頭同時(shí)讀取數(shù)據(jù)。可以使用 Microsoft® SQL Server™ 2000 文件組指定將表放置在哪些磁盤(pán)上。
硬件分區(qū)
硬件分區(qū)將數(shù)據(jù)庫(kù)設(shè)計(jì)為利用可用的硬件構(gòu)架。硬件分區(qū)的示例包括：
允許多線程執(zhí)行的多處理器，使得可以同時(shí)執(zhí)行許多查詢(xún)。換句話說(shuō)，在多處理器上可以同時(shí)執(zhí)行查詢(xún)的各個(gè)組件，因此使單個(gè)查詢(xún)的速度更快。例如，查詢(xún)內(nèi)引用的每個(gè)表可同時(shí)由不同的線程掃描。
RAID（獨(dú)立磁盤(pán)冗余陣列）設(shè)備允許數(shù)據(jù)在多個(gè)磁盤(pán)驅(qū)動(dòng)器中條帶化，使更多的讀/寫(xiě)磁頭同時(shí)讀取數(shù)據(jù)，因此可以更快地訪問(wèn)數(shù)據(jù)。在多個(gè)驅(qū)動(dòng)器中條帶化的表一般比存儲(chǔ)在一個(gè)驅(qū)動(dòng)器上的相同的表掃描速度要快。換句話說(shuō)，將表與相關(guān)的表分開(kāi)存儲(chǔ)在不同的驅(qū)動(dòng)器上可以顯著提高聯(lián)接那些表的查詢(xún)的性能。
水平分區(qū)
水平分區(qū)將一個(gè)表分段為多個(gè)表，每個(gè)表包含相同數(shù)目的列和較少的行。例如，可以將一個(gè)包含十億行的表水平分區(qū)成 12 個(gè)表，每個(gè)小表代表特定年份內(nèi)一個(gè)月的數(shù)據(jù)。任何需要特定月份數(shù)據(jù)的查詢(xún)只引用相應(yīng)月份的表。
具體如何將表進(jìn)行水平分區(qū)取決于如何分析數(shù)據(jù)。將表進(jìn)行分區(qū)是為了使查詢(xún)引用盡可能少的表。否則，查詢(xún)時(shí)須使用過(guò)多的 UNION 查詢(xún)來(lái)邏輯合并表，而這會(huì)削弱查詢(xún)性能。有關(guān)查詢(xún)水平分區(qū)的表的更多信息，請(qǐng)參見(jiàn)視圖使用方案。
常用的方法是根據(jù)時(shí)期/使用對(duì)數(shù)據(jù)進(jìn)行水平分區(qū)。例如，一個(gè)表可能包含最近五年的數(shù)據(jù)，但是只定期訪問(wèn)本年度的數(shù)據(jù)。在這種情況下，可考慮將數(shù)據(jù)分區(qū)成五個(gè)表，每個(gè)表只包含一年的數(shù)據(jù)。
垂直分區(qū)
垂直分區(qū)將一個(gè)表分段為多個(gè)表，每個(gè)表包含較少的列。垂直分區(qū)的兩種類(lèi)型是規(guī)范化和行拆分。
規(guī)范化是個(gè)標(biāo)準(zhǔn)數(shù)據(jù)庫(kù)進(jìn)程，該進(jìn)程從表中刪除冗余列并將其放到次表中，次表按主鍵與外鍵的關(guān)系鏈接到主表。
行拆分將原始表垂直分成多個(gè)只包含較少列的表。拆分的表內(nèi)的每個(gè)邏輯行與其它表內(nèi)的相同邏輯行匹配。例如，聯(lián)接每個(gè)拆分的表內(nèi)的第十行將重新創(chuàng)建原始行。
與水平分區(qū)一樣，垂直分區(qū)使查詢(xún)得以掃描較少的數(shù)據(jù)，因此提高查詢(xún)性能。例如有一個(gè)包含七列的表，通常只引用該表的前四列，那么將該表的后三列拆分到一個(gè)單獨(dú)的表中可獲得性能收益。
應(yīng)謹(jǐn)慎考慮垂直分區(qū)操作，因?yàn)榉治龆鄠€(gè)分區(qū)內(nèi)的數(shù)據(jù)需要有聯(lián)接表的查詢(xún)，而如果分區(qū)非常大將可能影響性能。
（一）深入淺出理解索引結(jié)構(gòu)
實(shí)際上，您可以把
索引理解為一種特殊的目錄。微軟的SQL SERVER提供了兩種索引：聚集索引（clustered index，也稱(chēng)聚類(lèi)索引、簇集索引）和非聚集索引（nonclustered index，也稱(chēng)非聚類(lèi)索引、非簇集索引）。下面，我們舉例來(lái)說(shuō)明一下聚集索引和非聚集索引的區(qū)別：
其實(shí)，我們的漢語(yǔ)字典的正文本身就是一個(gè)聚集索引。比如，我們要查“安”字，就會(huì)很自然地翻開(kāi)字典的前幾頁(yè)，因?yàn)?#8220;安”的拼音是“an”，而按照拼音排序漢字的字典是以英文字母“a”開(kāi)頭并以“z”結(jié)尾的，那么“安”字就自然地排在字典的前部。如果您翻完了所有以“a”開(kāi)頭的部分仍然找不到這個(gè)字，那么就說(shuō)明您的字典中沒(méi)有這個(gè)字；同樣的，如果查“張”字，那您也會(huì)將您的字典翻到最后部分，因?yàn)?#8220;張”的拼音是“zhang”。也就是說(shuō)，字典的正文部分本身就是一個(gè)目錄，您不需要再去查其他目錄來(lái)找到您需要找的內(nèi)容。
我們把這種正文內(nèi)容本身就是一種按照一定規(guī)則排列的目錄稱(chēng)為“聚集索引”。
如果您認(rèn)識(shí)某個(gè)字，您可以快速地從自動(dòng)中查到這個(gè)字。但您也可能會(huì)遇到您不認(rèn)識(shí)的字，不知道它的發(fā)音，這時(shí)候，您就不能按照剛才的方法找到您要查的字，而需要去根據(jù)“偏旁部首”查到您要找的字，然后根據(jù)這個(gè)字后的頁(yè)碼直接翻到某頁(yè)來(lái)找到您要找的字。但您結(jié)合“部首目錄”和“檢字表”而查到的字的排序并不是真正的正文的排序方法，比如您查“張”字，我們可以看到在查部首之后的檢字表中“張”的頁(yè)碼是672頁(yè)，檢字表中“張”的上面是“馳”字，但頁(yè)碼卻是63頁(yè)，“張”的下面是“弩”字，頁(yè)面是390頁(yè)。很顯然，這些字并不是真正的分別位于“張”字的上下方，現(xiàn)在您看到的連續(xù)的“馳、張、弩”三字實(shí)際上就是他們?cè)诜蔷奂饕械呐判颍亲值湔闹械淖衷诜蔷奂饕械挠成洹Ｎ覀兛梢酝ㄟ^(guò)這種方式來(lái)找到您所需要的字，但它需要兩個(gè)過(guò)程，先找到目錄中的結(jié)果，然后再翻到您所需要的頁(yè)碼。
我們把這種目錄純粹是目錄，正文純粹是正文的排序方式稱(chēng)為“非聚集索引”。
通過(guò)以上例子，我們可以理解到什么是“聚集索引”和“非聚集索引”。
進(jìn)一步引申一下，我們可以很容易的理解：每個(gè)表只能有一個(gè)聚集索引，因?yàn)槟夸浿荒馨凑找环N方法進(jìn)行排序。
（二）何時(shí)使用聚集索引或非聚集索引
截圖/3423423423424242342141414.jpg)
事實(shí)上，我們可以通過(guò)前面聚集索引和非聚集索引的定義的例子來(lái)理解上表。如：返回某范圍內(nèi)的數(shù)據(jù)一項(xiàng)。比如您的某個(gè)表有一個(gè)時(shí)間列，恰好您把聚合索引建立在了該列，這時(shí)您查詢(xún)2004年1月1日至2004年10月1日之間的全部數(shù)據(jù)時(shí)，這個(gè)速度就將是很快的，因?yàn)槟倪@本字典正文是按日期進(jìn)行排序的，聚類(lèi)索引只需要找到要檢索的所有數(shù)據(jù)中的開(kāi)頭和結(jié)尾數(shù)據(jù)即可；而不像非聚集索引，必須先查到目錄中查到每一項(xiàng)數(shù)據(jù)對(duì)應(yīng)的頁(yè)碼，然后再根據(jù)頁(yè)碼查到具體內(nèi)容。
（三）結(jié)合實(shí)際，談索引使用的誤區(qū)
理論的目的是應(yīng)用。雖然我們剛才列出了何時(shí)應(yīng)使用聚集索引或非聚集索引，但在實(shí)踐中以上規(guī)則卻很容易被忽視或不能根據(jù)實(shí)際情況進(jìn)行綜合分析。下面我們將根據(jù)在實(shí)踐中遇到的實(shí)際問(wèn)題來(lái)談一下索引使用的誤區(qū)，以便于大家掌握索引建立的方法。
1、主鍵就是聚集索引
這種想法筆者認(rèn)為是極端錯(cuò)誤的，是對(duì)聚集索引的一種浪費(fèi)。雖然SQL SERVER默認(rèn)是在主鍵上建立聚集索引的。
通常，我們會(huì)在每個(gè)表中都建立一個(gè)ID列，以區(qū)分每條數(shù)據(jù)，并且這個(gè)ID列是自動(dòng)增大的，步長(zhǎng)一般為1。我們的這個(gè)辦公自動(dòng)化的實(shí)例中的列Gid就是如此。此時(shí)，如果我們將這個(gè)列設(shè)為主鍵，SQL SERVER會(huì)將此列默認(rèn)為聚集索引。這樣做有好處，就是可以讓您的數(shù)據(jù)在數(shù)據(jù)庫(kù)中按照ID進(jìn)行物理排序，但筆者認(rèn)為這樣做意義不大。
顯而易見(jiàn)，聚集索引的優(yōu)勢(shì)是很明顯的，而每個(gè)表中只能有一個(gè)聚集索引的規(guī)則，這使得聚集索引變得更加珍貴。
從我們前面談到的聚集索引的定義我們可以看出，使用聚集索引的最大好處就是能夠根據(jù)查詢(xún)要求，迅速縮小查詢(xún)范圍，避免全表掃描。在實(shí)際應(yīng)用中，因?yàn)镮D號(hào)是自動(dòng)生成的，我們并不知道每條記錄的ID號(hào)，所以我們很難在實(shí)踐中用ID號(hào)來(lái)進(jìn)行查詢(xún)。這就使讓ID號(hào)這個(gè)主鍵作為聚集索引成為一種資源浪費(fèi)。其次，讓每個(gè)ID號(hào)都不同的字段作為聚集索引也不符合“大數(shù)目的不同值情況下不應(yīng)建立聚合索引”規(guī)則；當(dāng)然，這種情況只是針對(duì)用戶(hù)經(jīng)常修改記錄內(nèi)容，特別是索引項(xiàng)的時(shí)候會(huì)負(fù)作用，但對(duì)于查詢(xún)速度并沒(méi)有影響。
在辦公自動(dòng)化系統(tǒng)中，無(wú)論是系統(tǒng)首頁(yè)顯示的需要用戶(hù)簽收的文件、會(huì)議還是用戶(hù)進(jìn)行文件查詢(xún)等任何情況下進(jìn)行數(shù)據(jù)查詢(xún)都離不開(kāi)字段的是“日期”還有用戶(hù)本身的“用戶(hù)名”。
通常，辦公自動(dòng)化的首頁(yè)會(huì)顯示每個(gè)用戶(hù)尚未簽收的文件或會(huì)議。雖然我們的where語(yǔ)句可以?xún)H僅限制當(dāng)前用戶(hù)尚未簽收的情況，但如果您的系統(tǒng)已建立了很長(zhǎng)時(shí)間，并且數(shù)據(jù)量很大，那么，每次每個(gè)用戶(hù)打開(kāi)首頁(yè)的時(shí)候都進(jìn)行一次全表掃描，這樣做意義是不大的，絕大多數(shù)的用戶(hù)1個(gè)月前的文件都已經(jīng)瀏覽過(guò)了，這樣做只能徒增數(shù)據(jù)庫(kù)的開(kāi)銷(xiāo)而已。事實(shí)上，我們完全可以讓用戶(hù)打開(kāi)系統(tǒng)首頁(yè)時(shí)，數(shù)據(jù)庫(kù)僅僅查詢(xún)這個(gè)用戶(hù)近3個(gè)月來(lái)未閱覽的文件，通過(guò)“日期”這個(gè)字段來(lái)限制表掃描，提高查詢(xún)速度。如果您的辦公自動(dòng)化系統(tǒng)已經(jīng)建立的2年，那么您的首頁(yè)顯示速度理論上將是原來(lái)速度8倍，甚至更快。
在這里之所以提到“理論上”三字，是因?yàn)槿绻木奂饕€是盲目地建在ID這個(gè)主鍵上時(shí)，您的查詢(xún)速度是沒(méi)有這么高的，即使您在“日期”這個(gè)字段上建立的索引（非聚合索引）。下面我們就來(lái)看一下在1000萬(wàn)條數(shù)據(jù)量的情況下各種查詢(xún)的速度表現(xiàn)（3個(gè)月內(nèi)的數(shù)據(jù)為25萬(wàn)條）：
（1）僅在主鍵上建立聚集索引，并且不劃分時(shí)間段：
Select gid,fariqi,neibuyonghu,title from tgongwen
用時(shí)：128470毫秒（即：128秒）
（2）在主鍵上建立聚集索引，在fariq上建立非聚集索引：
select gid,fariqi,neibuyonghu,title from Tgongwen
where fariqi> dateadd(day,-90,getdate())
用時(shí)：53763毫秒（54秒）
（3）將聚合索引建立在日期列（fariqi）上：
select gid,fariqi,neibuyonghu,title from Tgongwen
where fariqi> dateadd(day,-90,getdate())
用時(shí)：2423毫秒（2秒）
雖然每條語(yǔ)句提取出來(lái)的都是25萬(wàn)條數(shù)據(jù)，各種情況的差異卻是巨大的，特別是將聚集索引建立在日期列時(shí)的差異。事實(shí)上，如果您的數(shù)據(jù)庫(kù)真的有1000萬(wàn)容量的話，把主鍵建立在ID列上，就像以上的第1、2種情況，在網(wǎng)頁(yè)上的表現(xiàn)就是超時(shí)，根本就無(wú)法顯示。這也是我摒棄ID列作為聚集索引的一個(gè)最重要的因素。
得出以上速度的方法是：在各個(gè)select語(yǔ)句前加：declare @d datetime
set @d=getdate()
并在select語(yǔ)句后加：
select [語(yǔ)句執(zhí)行花費(fèi)時(shí)間(毫秒)]=datediff(ms,@d,getdate())
2、只要建立索引就能顯著提高查詢(xún)速度
事實(shí)上，我們可以發(fā)現(xiàn)上面的例子中，第2、3條語(yǔ)句完全相同，且建立索引的字段也相同；不同的僅是前者在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，但查詢(xún)速度卻有著天壤之別。所以，并非是在任何字段上簡(jiǎn)單地建立索引就能提高查詢(xún)速度。
從建表的語(yǔ)句中，我們可以看到這個(gè)有著1000萬(wàn)數(shù)據(jù)的表中fariqi字段有5003個(gè)不同記錄。在此字段上建立聚合索引是再合適不過(guò)了。在現(xiàn)實(shí)中，我們每天都會(huì)發(fā)幾個(gè)文件，這幾個(gè)文件的發(fā)文日期就相同，這完全符合建立聚集索引要求的：“既不能絕大多數(shù)都相同，又不能只有極少數(shù)相同”的規(guī)則。由此看來(lái)，我們建立“適當(dāng)”的聚合索引對(duì)于我們提高查詢(xún)速度是非常重要的。
3、把所有需要提高查詢(xún)速度的字段都加進(jìn)聚集索引，以提高查詢(xún)速度
上面已經(jīng)談到：在進(jìn)行數(shù)據(jù)查詢(xún)時(shí)都離不開(kāi)字段的是“日期”還有用戶(hù)本身的“用戶(hù)名”。既然這兩個(gè)字段都是如此的重要，我們可以把他們合并起來(lái)，建立一個(gè)復(fù)合索引（compound index）。
很多人認(rèn)為只要把任何字段加進(jìn)聚集索引，就能提高查詢(xún)速度，也有人感到迷惑：如果把復(fù)合的聚集索引字段分開(kāi)查詢(xún)，那么查詢(xún)速度會(huì)減慢嗎？帶著這個(gè)問(wèn)題，我們來(lái)看一下以下的查詢(xún)速度（結(jié)果集都是25萬(wàn)條數(shù)據(jù)）：（日期列fariqi首先排在復(fù)合聚集索引的起始列，用戶(hù)名neibuyonghu排在后列）
（1）select gid,fariqi,neibuyonghu,title from Tgongwen where fariqi>'2004-5-5'
查詢(xún)速度：2513毫秒
（2）select gid,fariqi,neibuyonghu,title from Tgongwen where fariqi>'2004-5-5' and neibuyonghu='辦公室'
查詢(xún)速度：2516毫秒
（3）select gid,fariqi,neibuyonghu,title from Tgongwen where neibuyonghu='辦公室'
查詢(xún)速度：60280毫秒
從以上試驗(yàn)中，我們可以看到如果
僅用聚集索引的起始列作為查詢(xún)條件和同時(shí)用到復(fù)合聚集索引的全部列的查詢(xún)速度是幾乎一樣的，甚至比用上全部的復(fù)合索引列還要略快（在查詢(xún)結(jié)果集數(shù)目一樣的情況下）；而如果僅用復(fù)合聚集索引的非起始列作為查詢(xún)條件的話，這個(gè)索引是不起任何作用的。當(dāng)然，語(yǔ)句1、2的查詢(xún)速度一樣是因?yàn)椴樵?xún)的條目數(shù)一樣，如果復(fù)合索引的所有列都用上，而且查詢(xún)結(jié)果少的話，這樣就會(huì)形成“索引覆蓋”，因而性能可以達(dá)到最優(yōu)。同時(shí)，請(qǐng)記住：
無(wú)論您是否經(jīng)常使用聚合索引的其他列，但其前導(dǎo)列一定要是使用最頻繁的列。