SQL优化原则 编辑
SQL优化原则 编辑
标签：
小编还为您整理了以下内容，可能对您也有帮助：
如何进行SQL性能优化
进行SQL性能优化的方法：
1、SQL语句不要写的太复杂。一个SQL语句要尽量简单，不要嵌套太多层。
2、使用『临时表』缓存中间结果。简化SQL语句的重要方法就是采用临时表暂存中间结果，这样可以避免程序中多次扫描主表，也大大减少了阻塞，提高了并发性能。
3、使用like的时候要注意是否会导致全表扫，有的时候会需要进行一些模糊查询例如：select id from table where username like ‘%hollis%’关键词%hollis%，由于hollis前面用到了“%”，因此该查询会使用全表扫描，除非必要，否则不要在关键词前加%。
4、尽量避免使用!=或<>操作符。在where语句中使用!=或<>，引擎将放弃使用索引而进行全表扫描。
5、尽量避免使用 or 来连接条件；在 where 子句中使用 or 来连接条件，引擎将放弃使用索引而进行全表扫描。可以使用
select id from t where num=10
union all
select id from t where num=20
替代
select id from t where num=10 or num=20
6、尽量避免使用in和not in：在 where 子句中使用 in和not in，引擎将放弃使用索引而进行全表扫描。可以使用
select id from t where num between 10 and 20
替代
select id from t where num in (10,20)
7、可以考虑强制查询使用索引
select * from table force index(PRI) limit 2;(强制使用主键)
select * from table force index(hollis_index) limit 2;(强制使用索引"hollis_index")
select * from table force index(PRI,hollis_index) limit 2;(强制使用索引"PRI和hollis_index")
8、尽量避免使用表达式、函数等操作作为查询条件；尽量避免大事务操作，提高系统并发能力。尽量避免使用游标；任何地方都不要使用 select * from t ，用具体的字段列表代替“*”，不要返回用不到的任何字段。
9、尽可能的使用 varchar/nvarchar 代替 char/nchar。尽量使用数字型字段，若只含数值信息的字段尽量不要设计为字符型，这会降低查询和连接的性能，并会增加存储开销。
10、索引并不是越多越好，索引固然可以提高相应的 select 的效率，但同时也降低了 insert 及 update 的效率、并不是所有索引对查询都有效，SQL是根据表中数据来进行查询优化的，当索引列有大量数据重复时，SQL查询可能不会去利用索引。
sql优化的几种方法 如何优化
sql优化的方法是：设计数据库表结构时，要对表做数量级和性能影响预测和评估，表的字段尽量都设置default值; sql条件中允许出现库函数和左模糊查询;单个事务的sql语句数量要有上限要求，不能前台一个提交操作，后台要去插入几十张表的数据等。
sql优化的几种方法
1、设计数据库表结构时，要对表做数量级和性能影响预测和评估，表的字段尽量都设置default值，尽量避免default为null，主要防止在执行sql查询时直接将查询条件设置为null或者not null而导致数据库放弃索引，直接全表扫描;
2、sql条件中允许出现库函数和左模糊查询，sql条件中库函数会导致数据库执行时放弃索引，直接全表扫描，而左模糊也是，直接就全表扫描了;
3、原则上，sql条件中避免出现<>，in，not in，exists，not exists等操作符;
4、子查询中的实际查询结果要设置上限要求，且子查询必须要有索引支持，否则子查询也去扫描全表就悲剧了;
5、单个事务的sql语句数量要有上限要求，不能前台一个提交操作，后台要去插入几十张表的数据，那如果是千万级用户数，基本上就光去插入数据了;
6、同上一条类似，单条sql语句的数据影响量也要有上限要求，不能一个update操作更新了上千条数据;
7、尽量减少多表关联的sql，如果必须使用多表关联，也尽量减少关联的表数量，且多表关联时，关联字段必须包含在查询索引中。多表关联sql中尽量不要使用视图和代理表;
8、充分利用索引，严禁出现表扫描。同时，创建表时也注意索引的字段顺序。
sql语言具有什么功能
1、sql数据定义功能：能够定义数据库的*模式结构，即外模式、全局模式和内模式结构。在sql中，外模式有叫做视图(View)，全局模式简称模式( Schema)，内模式由系统根据数据库模式自动实现，一般无需用户过问。
2、sql数据操纵功能：包括对基本表和视图的数据插入、删除和修改，特别是具有很强的数据查询功能。
3、sql的数据控制功能：主要是对用户的访问权限加以控制，以保证系统的安全性。
sql优化的几种方法 如何优化
sql优化的方法是：设计数据库表结构时，要对表做数量级和性能影响预测和评估，表的字段尽量都设置default值; sql条件中允许出现库函数和左模糊查询;单个事务的sql语句数量要有上限要求，不能前台一个提交操作，后台要去插入几十张表的数据等。
sql优化的几种方法
1、设计数据库表结构时，要对表做数量级和性能影响预测和评估，表的字段尽量都设置default值，尽量避免default为null，主要防止在执行sql查询时直接将查询条件设置为null或者not null而导致数据库放弃索引，直接全表扫描;
2、sql条件中允许出现库函数和左模糊查询，sql条件中库函数会导致数据库执行时放弃索引，直接全表扫描，而左模糊也是，直接就全表扫描了;
3、原则上，sql条件中避免出现<>，in，not in，exists，not exists等操作符;
4、子查询中的实际查询结果要设置上限要求，且子查询必须要有索引支持，否则子查询也去扫描全表就悲剧了;
5、单个事务的sql语句数量要有上限要求，不能前台一个提交操作，后台要去插入几十张表的数据，那如果是千万级用户数，基本上就光去插入数据了;
6、同上一条类似，单条sql语句的数据影响量也要有上限要求，不能一个update操作更新了上千条数据;
7、尽量减少多表关联的sql，如果必须使用多表关联，也尽量减少关联的表数量，且多表关联时，关联字段必须包含在查询索引中。多表关联sql中尽量不要使用视图和代理表;
8、充分利用索引，严禁出现表扫描。同时，创建表时也注意索引的字段顺序。
sql语言具有什么功能
1、sql数据定义功能：能够定义数据库的*模式结构，即外模式、全局模式和内模式结构。在sql中，外模式有叫做视图(View)，全局模式简称模式( Schema)，内模式由系统根据数据库模式自动实现，一般无需用户过问。
2、sql数据操纵功能：包括对基本表和视图的数据插入、删除和修改，特别是具有很强的数据查询功能。
3、sql的数据控制功能：主要是对用户的访问权限加以控制，以保证系统的安全性。
sql优化的几种方式
一、SQL优化的一些方法
1.对查询进行优化，应尽量避免全表扫描，首先应考虑在 where 及 order by 涉及的列上建立索引。2.应尽量避免在 where 子句中对字段进行 null 值判断，否则将导致引擎放弃使用索引而进行全表扫描，如： select id from t where num is null 可以在num上设置默认值0，确保表中num列没有null值，然后这样查询： select id from t where num=03.避免在 where 子句中使用 != 或 <> 操作符。如：select name from table where id <> 0数据库在查询时，对 != 或 <> 操作符不会使用索引，而对于 < 、 <= 、 = 、 > 、 >= 、 BETWEEN AND，数据库才会使用索引。因此对于上面的查询，正确写法应该是：select name from table where id < 0union allselect name from table where id > 0
4.应尽量避免在 where 子句中使用 or 来连接条件，否则将导致引擎放弃使用索引而进行全表扫描，如： select id from t where num=10 or num=20 可以这样查询： select id from t where num=10 union all select id from t where num=205.in 和 not in 也要慎用，否则会导致全表扫描，如： select id from t where num in(1,2,3) 对于连续的数值，能用 between 就不要用 in 了： select id from t where num between 1 and 36.下面的查询也将导致全表扫描： select id from t where name like ‘%abc%‘7.应尽量避免在 where 子句中对字段进行表达式操作，这将导致引擎放弃使用索引而进行全表扫描。如： select id from t where num/2=100 应改为: select id from t where num=100*28.应尽量避免在where子句中对字段进行函数操作，这将导致引擎放弃使用索引而进行全表扫描。如： select id from t where substring(name,1,3)=‘abc‘--name以abc开头的id 应改为: select id from t where name like ‘abc%‘9.不要在 where 子句中的“=”左边进行函数、算术运算或其他表达式运算，否则系统将可能无法正确使用索引。10.在使用索引字段作为条件时，如果该索引是复合索引，那么必须使用到该索引中的第一个字段作为条件时才能保证系统使用该索引，否则该索引将不会被使用，并且应尽可能的让字段顺序与索引顺序相一致。（最左前缀效应） 11.很多时候用 exists 代替 in 是一个好的选择： select num from a where num in(select num from b) 用下面的语句替换： select num from a where exists(select 1 from b where num=a.num)12.并不是所有索引对查询都有效，SQL是根据表中数据来进行查询优化的，当索引列有大量数据重复时，SQL查询可能不会去利用索引，如一表中有字段sex，male、female几乎各一半，那么即使在sex上建了索引也对查询效率起不了作用。13.索引并不是越多越好，索引固然可以提高相应的 select 的效率，但同时也降低了 insert 及 update 的效率， 因为 insert 或 update 时有可能会重建索引，所以怎样建索引需要慎重考虑，视具体情况而定。 一个表的索引数最好不要超过6个，若太多则应考虑一些不常使用到的列上建的索引是否有必要。14.尽量使用数字型字段，若只含数值信息的字段尽量不要设计为字符型，这会降低查询和连接的性能，并会增加存储开销。 这是因为引擎在处理查询和连接时会逐个比较字符串中每一个字符，而对于数字型而言只需要比较一次就够了。15.任何地方都不要使用 select * from t ，用具体的字段列表代替“*”，不要返回用不到的任何字段。16.避免频繁创建和删除临时表，以减少系统表资源的消耗。19.临时表并不是不可使用，适当地使用它们可以使某些例程更有效，例如，当需要重复引用大型表或常用表中的某个数据集时。但是，对于一次性事件，最好使用导出表。
17.如果使用到了临时表，在存储过程的最后务必将所有的临时表显式删除，先 truncate table ，然后 drop table ，这样可以避免系统表的较长时间锁定。
sql优化的几种方式
标签：catstsrop方式连续性能数字字符型连接
sql语句的优化
由于SQL优化起来比较复杂,并且还会受环境,在开发过程中,写SQL必须必须要遵循以下几点的原则：
1.ORACLE采用自下而上的顺序解析WHERE子句,根据这个原理,表之间的连接必须写在其他WHERE条件之前, 那些可以过滤掉最大数量记录的条件必须写在WHERE子句的末尾.
例如:
(低效)
SELECT … FROM EMP E WHERE SAL > 50000 AND JOB = ‘MANAGER’ AND 25 < (SELECT COUNT(*) FROM EMP WHERE MGR=E.EMPNO);
(高效)
SELECT … FROM EMP E WHERE 25 < (SELECT COUNT(*) FROM EMP WHERE MGR=E.EMPNO) AND SAL > 50000 AND JOB = ‘MANAGER’;
2.SELECT子句中避免使用’*’
当在SELECT子句中列出所有的COLUMN时,使用动态SQL列引用 ‘*’ 是一个方便的方法.可是,这是一个非常低效的方法. 实际上,ORACLE在解析的过程中, 会将’*’ 依次转换成所有的列名, 这个工作是通过查询数据字典完成的, 这意味着将耗费更多的时间.
3.使用表的别名(Alias)
当在SQL语句中连接多个表时, 请使用表的别名并把别名前缀于每个Column上.这样一来,就可以减少解析的时间并减少那些由Column歧义引起的语法错误.
注：Column歧义指的是由于SQL中不同的表具有相同的Column名,当SQL语句中出现这个Column时,SQL解析器无法判断这个Column的归属。追问能简单讲下左连接 右连接 内连接的适用范围和区别吗？
追答SQL提供了多种类型的连接方式，它们之间的区别在于：从相互交叠的不同数据集合中选择用于连接的行时所采用的方法不同。
内连接
只连接匹配的行
左外连接
包含左边表的全部行（不管右边的表中是否存在与它们匹配的行），以及右边表中全部匹配的行
右外连接
包含右边表的全部行（不管左边的表中是否存在与它们匹配的行），以及左边表中全部匹配的行
全外连接
包含左、右两个表的全部行，不管另外一边的表中是否存在与它们匹配的行
交叉连接
生成笛卡尔积－它不使用任何匹配或者选取条件，而是直接将一个数据源中的每个行与另一个数据源的每个行都一一匹配