译者|陈峻

审校|重楼

如您所知，SQL多年来不时是开发和查问数据库的关键言语。在编程通常中，人们逐渐积攒了各种在经常使用环节中的小技巧。上方，让咱们来看看无关如何编写出更高效的SQL查问的9种低劣通常。

1.只检索须要的列

关于那些所谓的数据库开发老司机而言，他们会有一个经常出现的SQL习气：在编写查问代码时，频繁地经常使用SELECT*，一次性性列出一切或者须要的数据列。显然，假设查问一个存储了一百多列的数据表的一切列，您可以构想会出现什么？毕竟在实在的系统运行环境中，这样的数据表不足为奇，而且它们并非总是可以经过从新设计和优化，来合理化其结构。那么，您能否思考过采取便捷点的方法呢？其实，咱们可以只选择列的子集，以防止在查问环节中占用不用要的资源，并提高口头的效率。

当然，在启动查问的原型设计时，经常使用SELECT*是没有太大疑问的，但是一旦进入消费阶段，详细的查问就应该只恳求那些实践将会经常使用到的数据列。

2.经常使用CASE替代UPDATE启动有条件的列降级

在编程环节中，开发人员也会经常经常使用UPDATE...WHERE，来依据数据表中的某一列的值，设置另一列的值。例如，UPDATEUsersSETUsers.Status="遗留"WHEREUsers.ID<1000。无法否定，这种方法既便捷又直观，但是它有时也会参与不用要的步骤。例如，假设您须要先向某个表中拔出数据，而后经常使用UPDATE来更改数据，那么这便是两个独立的事务。不过，当你有数百万行数据时，此类徒增的额外事务就会发生少量不用要的操作。

关于一些大规模操作而言，更好的处置打算是：在查问中经常使用内联CASE语句，在拔出操作环节中设置列的值。如此，咱们便可以一次性性地同时处置初始拔出和修负数据了。

3.尽量缩小大表查问

就系统开支而言，关于任何体量数据表的查问，都不是收费的。而关于那些领有数亿、甚至数十亿行的数据表的查问，更是如此。为此，咱们须要尽或者地将那些关于大体量数据表的查问，兼并为起码的团圆操作。例如，假设咱们想对一个数据表先依照某一列启动查问，而后再依照另一列予以查问。那么咱们便可以首先将其兼并为一个查问，而后确保你后续要查问的列领有了笼罩索引（CoveringIndex）。

假设您发现自己必定从一张大的数据表中失掉相反的数据子集，并须要对其运转较小的查问，那么您可以将其子集耐久化到其余中央，并对其启动查问，从而为以后和后续其余操作提速。这也将引出下一项低劣通常。

4.为数据设置预分级（Pre-stage）

假定您或组织中的其他人经常须要口头报表或存储环节。而这些报表或存储环节又须要经过衔接几张大的数据表，来汇总少量的数据。那么，您与其每次都从新运转衔接，不如将其预分级到专门用于此目的的数据表中。据此，报表或程序便可以针对该表一次性性地独特成功其操作，从而为自己（和他人）节俭少量的上班。此外，假设您有足够的资源，而且数据库也能够提供支持的话，也可以经常使用内存表，来进一步成功减速。

5.分批启动删除和降级

试想，您须要在一张数十亿行级的数据表中肃清数百万行。只管最便捷的方法莫过于在事务中运转DELETE。但这样一来，整张表就会在此环节中被锁定，直至事务成功。

而复杂一些的方法是分批口头删除（或降级）操作。此类操作可以与其余事务交织启动。由于每个事务都会变得更小，更易于治理，因此其余事务也可以在该操作前后或操作时期见缝插针地口头。

在实践运行中，此举将成为义务队列的良好用例。它岂但可以跟踪跨会话操作的进展，而且准许其以低优先级的形态，在后盾被操作口头。

6.经常使用暂时表提高指针性能

有过开发阅历的程序员都知道：指针的经常使用会造成运行的速度变慢，甚至会阻碍到其余操作。与此同时，那些依赖指针的操作，简直都可以用其余方法来成功。因此，在大少数状况下，咱们应该防止经常使用指针。

话说回来，假设您由于某种要素不得不经常使用指针的话，暂时表则可以缩小由指针带来的性能疑问。例如，假设您须要遍历某个数据表，并依据计算结果更改某一列的话，则可以将待降级的候选数据放入暂时表中，用指针来遍历该暂时表，而后在一次性性的操作中，运行一切的降级。当然，此模式还可以将指针的某个处置分红多个批次。

7.经常使用表值（table-valued）函数而非标量（scalar）函数

由于标量函数可以将计算封装到相似存储环节的SQL代码段中，因此开发人员的通常做法是：将标量函数的结果作为SELECT查问中的某一列去前往。不过，您可以经常使用表值函数来启动替代，并在查问中经常使用CROSSLY来取得更好的性能。

8.经常使用分区以防止少量数据移动

SQLServerEnterprise提供了一种分区（partitioning）配置，可以将数据库表宰割成多个分区。也就是说，假设你有一张表须要经常归档到另一个表中，那么就可以防止经常使用INSERT/DELETE来移动数据，而间接经常使用SWITCH来替代。

咱们可以假想一个场景，假设有一张表须要每天都被清空至一张归档表中。那么，咱们就可以经常使用SWITCH，便捷地将日常表中的页面，调配到该归档表中，从而口头清空和复制操作。与手动复制和删除相比，该切换环节所需的时期要少得多。CathrineWilhelmsen提供了如何以这种模式经常使用分区的精彩教程，您可以经过链接--，启动参考。

9.经常使用存储环节提高性能，经常使用ORM带来便利

ORMs，即：对象相关映射器（object-relationalmappers）是一套能以编程的模式生成SQL代码的软件工具包。它们准许您经常使用运行程序的编程言语及其隐喻（Metaphors），来开发和保养查问。

由于ORM或者发生低效、有时甚至无法被代码优化，而备受诟病。同时，它们也会降落开发人员学习SQL、以及了解查问内容的踊跃性。许少数据库开发人员准则上并不青睐ORM，他们在须要经过手动编写查问，以取得最佳性能时，往往无所适从。

相反，关于经常被调用、须要良好性能、不常被更改、以及须要数据库剖析工具对性能启动检测的查问而言，经常使用存储环节是最为合理的。与暂时查问相比，大少数数据库更容易取得存储环节的汇总统计消息。数据库的查问布局器也更容易对存储环节启动优化。

不过，将更多的数据库逻辑移入存储环节的缺陷是：逻辑与数据库的耦合愈加严密。存储环节或者会从性能长处变为渺小的技术债（TechnicalDebt）。假设您后续预备迁徙到另一种数据库技术的话，那么更改ORM的指标会比重写一切存储环节要容易得多。毕竟运行程序的数据库局部的编写模式，与运行逻辑的耦合度不高。相反，ORM倒是能够使得编写和保养数据库代码愈加容易。此外，咱们可以审核由ORM生成的代码，以启动优化，而且查问缓存也能够准许咱们重用那些最常被生成的查问。

总之，假设您觉得运行程序端的可保养性更关键的话，那就请经常使用ORM；假设您须要在数据库方面具备更好的性能的话，则请经常使用存储环节。

译者引见

陈峻（JulianChen），51CTO社区编辑，具备十多年的IT名目实施阅历，擅长对内外部资源与危险实施管控，专一流传网络与消息安保常识与阅历。

原文题目： SQLunleashed:9waystospeedupyourSQLqueries ，作者：SerdarYegulalp

深入了解优化SQL查询-如何写出高性能SQL语句的具体分析

深入了解优化SQL查询-如何写出高性能SQL语句的具体分析：1、 首先要搞明白什么叫执行计划？执行计划是数据库根据SQL语句和相关表的统计信息作出的一个查询方案，这个方案是由查询优化器自动分析产生的，比如一条SQL语句如果用来从一个 10万条记录的表中查1条记录，那查询优化器会选择“索引查找”方式，如果该表进行了归档，当前只剩下5000条记录了，那查询优化器就会改变方案，采用 “全表扫描”方式。 可见，执行计划并不是固定的，它是“个性化的”。 产生一个正确的“执行计划”有两点很重要：(1) SQL语句是否清晰地告诉查询优化器它想干什么？(2) 查询优化器得到的数据库统计信息是否是最新的、正确的？2、 统一SQL语句的写法对于以下两句SQL语句，程序员认为是相同的，数据库查询优化器认为是不同的。 select*from dual select*From dual其实就是大小写不同，查询分析器就认为是两句不同的SQL语句，必须进行两次解析。 生成2个执行计划。 所以作为程序员，应该保证相同的查询语句在任何地方都一致，多一个空格都不行！3、 不要把SQL语句写得太复杂我经常看到，从数据库中捕捉到的一条SQL语句打印出来有2张A4纸这么长。 一般来说这么复杂的语句通常都是有问题的。 我拿着这2页长的SQL语句去请教原作者，结果他说时间太长，他一时也看不懂了。 可想而知，连原作者都有可能看糊涂的SQL语句，数据库也一样会看糊涂。 一般，将一个Select语句的结果作为子集，然后从该子集中再进行查询，这种一层嵌套语句还是比较常见的，但是根据经验，超过3层嵌套，查询优化器就很容易给出错误的执行计划。 因为它被绕晕了。 像这种类似人工智能的东西，终究比人的分辨力要差些，如果人都看晕了，我可以保证数据库也会晕的。 另外，执行计划是可以被重用的，越简单的SQL语句被重用的可能性越高。 而复杂的SQL语句只要有一个字符发生变化就必须重新解析，然后再把这一大堆废品塞在内存里。 可想而知，数据库的效率会何等低下。 4、 使用“临时表”暂存中间结果简化SQL语句的重要方法就是采用临时表暂存中间结果，但是，临时表的好处远远不止这些，将临时结果暂存在临时表，后面的查询就在tempdb中了，这可以避免程序中多次扫描主表，也大大减少了程序执行中“共享锁”阻塞“更新锁”，减少了阻塞，提高了并发性能。 5、 OLTP系统SQL语句必须采用绑定变量select*from orderheader where changetime >2010-10-20 00:00:01 select*from orderheader where changetime >2010-09-22 00:00:01以上两句语句，查询优化器认为是不同的SQL语句，需要解析两次。 如果采用绑定变量select*from orderheader where changetime >@chgtime@chgtime变量可以传入任何值，这样大量的类似查询可以重用该执行计划了，这可以大大降低数据库解析SQL语句的负担。 一次解析，多次重用，是提高数据库效率的原则。 6、 绑定变量窥测事物都存在两面性，绑定变量对大多数OLTP处理是适用的，但是也有例外。 比如在where条件中的字段是“倾斜字段”的时候。 “倾斜字段”指该列中的绝大多数的值都是相同的，比如一张人口调查表，其中“民族”这列，90%以上都是汉族。 那么如果一个SQL语句要查询30岁的汉族人口有多少，那“民族”这列必然要被放在where条件中。 这个时候如果采用绑定变量@nation会存在很大问题。 试想如果@nation传入的第一个值是“汉族”，那整个执行计划必然会选择表扫描。 然后，第二个值传入的是“布依族”，按理说“布依族”占的比例可能只有万分之一，应该采用索引查找。 但是，由于重用了第一次解析的“汉族”的那个执行计划，那么第二次也将采用表扫描方式。 这个问题就是著名的“绑定变量窥测”，建议对于“倾斜字段”不要采用绑定变量。 7、 只在必要的情况下才使用begin tranSQL Server中一句SQL语句默认就是一个事务，在该语句执行完成后也是默认commit的。 其实，这就是begin tran的一个最小化的形式，好比在每句语句开头隐含了一个begin tran，结束时隐含了一个commit。 有些情况下，我们需要显式声明begin tran，比如做“插、删、改”操作需要同时修改几个表，要求要么几个表都修改成功，要么都不成功。 begin tran 可以起到这样的作用，它可以把若干SQL语句套在一起执行，最后再一起commit。 好处是保证了数据的一致性，但任何事情都不是完美无缺的。 Begin tran付出的代价是在提交之前，所有SQL语句锁住的资源都不能释放，直到commit掉。 可见，如果Begin tran套住的SQL语句太多，那数据库的性能就糟糕了。 在该大事务提交之前，必然会阻塞别的语句，造成block很多。 Begin tran使用的原则是，在保证数据一致性的前提下，begin tran 套住的SQL语句越少越好！有些情况下可以采用触发器同步数据，不一定要用begin tran。 8、 一些SQL查询语句应加上nolock在SQL语句中加nolock是提高SQL Server并发性能的重要手段，在oracle中并不需要这样做，因为oracle的结构更为合理，有undo表空间保存“数据前影”，该数据如果在修改中还未commit，那么你读到的是它修改之前的副本，该副本放在undo表空间中。 这样，oracle的读、写可以做到互不影响，这也是oracle 广受称赞的地方。 SQL Server 的读、写是会相互阻塞的，为了提高并发性能，对于一些查询，可以加上nolock，这样读的时候可以允许写，但缺点是可能读到未提交的脏数据。 使用 nolock有3条原则。 (1) 查询的结果用于“插、删、改”的不能加nolock ！(2) 查询的表属于频繁发生页分裂的，慎用nolock ！(3) 使用临时表一样可以保存“数据前影”，起到类似oracle的undo表空间的功能，能采用临时表提高并发性能的，不要用nolock 。 9、 聚集索引没有建在表的顺序字段上，该表容易发生页分裂比如订单表，有订单编号orderid，也有客户编号contactid，那么聚集索引应该加在哪个字段上呢？对于该表，订单编号是顺序添加的，如果在orderid上加聚集索引，新增的行都是添加在末尾，这样不容易经常产生页分裂。 然而，由于大多数查询都是根据客户编号来查的，因此，将聚集索引加在contactid上才有意义。 而contactid对于订单表而言，并非顺序字段。 比如“张三”的“contactid”是001，那么“张三”的订单信息必须都放在这张表的第一个数据页上，如果今天“张三”新下了一个订单，那该订单信息不能放在表的最后一页，而是第一页！如果第一页放满了呢？很抱歉，该表所有数据都要往后移动为这条记录腾地方。 SQL Server的索引和Oracle的索引是不同的，SQL Server的聚集索引实际上是对表按照聚集索引字段的顺序进行了排序，相当于oracle的索引组织表。 SQL Server的聚集索引就是表本身的一种组织形式，所以它的效率是非常高的。 也正因为此，插入一条记录，它的位置不是随便放的，而是要按照顺序放在该放的数据页，如果那个数据页没有空间了，就引起了页分裂。 所以很显然，聚集索引没有建在表的顺序字段上，该表容易发生页分裂。 曾经碰到过一个情况，一位哥们的某张表重建索引后，插入的效率大幅下降了。 估计情况大概是这样的。 该表的聚集索引可能没有建在表的顺序字段上，该表经常被归档，所以该表的数据是以一种稀疏状态存在的。 比如张三下过20张订单，而最近3个月的订单只有5张，归档策略是保留3个月数据，那么张三过去的 15张订单已经被归档，留下15个空位，可以在insert发生时重新被利用。 在这种情况下由于有空位可以利用，就不会发生页分裂。 但是查询性能会比较低，因为查询时必须扫描那些没有数据的空位。 重建聚集索引后情况改变了，因为重建聚集索引就是把表中的数据重新排列一遍，原来的空位没有了，而页的填充率又很高，插入数据经常要发生页分裂，所以性能大幅下降。 对于聚集索引没有建在顺序字段上的表，是否要给与比较低的页填充率？是否要避免重建聚集索引？是一个值得考虑的问题！10、加nolock后查询经常发生页分裂的表，容易产生跳读或重复读加nolock后可以在“插、删、改”的同时进行查询，但是由于同时发生“插、删、改”，在某些情况下，一旦该数据页满了，那么页分裂不可避免，而此时nolock的查询正在发生，比如在第100页已经读过的记录，可能会因为页分裂而分到第101页，这有可能使得nolock查询在读101页时重复读到该条数据，产生“重复读”。 同理，如果在100页上的数据还没被读到就分到99页去了，那nolock查询有可能会漏过该记录，产生“跳读”。 上面提到的哥们，在加了nolock后一些操作出现报错，估计有可能因为nolock查询产生了重复读，2条相同的记录去插入别的表，当然会发生主键冲突。 11、使用like进行模糊查询时应注意有的时候会需要进行一些模糊查询比如select*from contact where username like ‘%yue%’关键词%yue%，由于yue前面用到了“%”，因此该查询必然走全表扫描，除非必要，否则不要在关键词前加%，12、数据类型的隐式转换对查询效率的影响sql server2000的数据库，我们的程序在提交sql语句的时候，没有使用强类型提交这个字段的值，由sql server 2000自动转换数据类型，会导致传入的参数与主键字段类型不一致，这个时候sql server 2000可能就会使用全表扫描。 Sql2005上没有发现这种问题，但是还是应该注意一下。 13、SQL Server 表连接的三种方式(1) Merge Join(2) Nested Loop Join(3) Hash JoinSQL Server 2000只有一种join方式——Nested Loop Join，如果A结果集较小，那就默认作为外表，A中每条记录都要去B中扫描一遍，实际扫过的行数相当于A结果集行数x B结果集行数。 所以如果两个结果集都很大，那Join的结果很糟糕。 SQL Server 2005新增了Merge Join，如果A表和B表的连接字段正好是聚集索引所在字段，那么表的顺序已经排好，只要两边拼上去就行了，这种join的开销相当于A表的结果集行数加上B表的结果集行数，一个是加，一个是乘，可见merge join 的效果要比Nested Loop Join好多了。 如果连接的字段上没有索引，那SQL2000的效率是相当低的，而SQL2005提供了Hash join，相当于临时给A，B表的结果集加上索引，因此SQL2005的效率比SQL2000有很大提高，我认为，这是一个重要的原因。 总结一下，在表连接时要注意以下几点：(1) 连接字段尽量选择聚集索引所在的字段(2) 仔细考虑where条件，尽量减小A、B表的结果集(3) 如果很多join的连接字段都缺少索引，而你还在用SQL Server 2000，赶紧升级吧。

怎样提高SQL查询效率

1. SQL优化的原则是：将一次操作需要读取的BLOCK数减到最低,即在最短的时间达到最大的数据吞吐量。 调整不良SQL通常可以从以下几点切入： ? 检查不良的SQL，考虑其写法是否还有可优化内容 ? 检查子查询 考虑SQL子查询是否可以用简单连接的方式进行重新书写 ? 检查优化索引的使用 ? 考虑数据库的优化器 2. 避免出现SELECT * FROM table 语句，要明确查出的字段。 3. 在一个SQL语句中，如果一个where条件过滤的数据库记录越多，定位越准确，则该where条件越应该前移。 4. 查询时尽可能使用索引覆盖。 即对SELECT的字段建立复合索引，这样查询时只进行索引扫描，不读取数据块。 5. 在判断有无符合条件的记录时建议不要用SELECT COUNT （*）和select top 1 语句。 6. 使用内层限定原则，在拼写SQL语句时，将查询条件分解、分类，并尽量在SQL语句的最里层进行限定，以减少数据的处理量。 7. 应绝对避免在order by子句中使用表达式。 8. 如果需要从关联表读数据，关联的表一般不要超过7个。 9. 小心使用 IN 和 OR，需要注意In集合中的数据量。 建议集合中的数据不超过200个。 10. <> 用 < 、 > 代替，>用>=代替，<用<=代替，这样可以有效的利用索引。 11. 在查询时尽量减少对多余数据的读取包括多余的列与多余的行。 12. 对于复合索引要注意，例如在建立复合索引时列的顺序是F1，F2，F3，则在where或order by子句中这些字段出现的顺序要与建立索引时的字段顺序一致，且必须包含第一列。 只能是F1或F1，F2或F1，F2，F3。 否则不会用到该索引。 13. 多表关联查询时，写法必须遵循以下原则，这样做有利于建立索引，提高查询效率。 格式如下select sum（） from table1 table1, table2 table2, table3 table3 where (table1的等值条件（=）) and (table1的非等值条件) and (table2与table1的关联条件) and (table2的等值条件) and (table2的非等值条件) and (table3与table2的关联条件) and (table3的等值条件) and (table3的非等值条件)。 注:关于多表查询时from 后面表的出现顺序对效率的影响还有待研究。 14. 子查询问题。 对于能用连接方式或者视图方式实现的功能，不要用子查询。 例如：select name from customer where customer_id in ( select customer_id from order where money>1000)。 应该用如下语句代替：select name from customer inner join order on _id=_id where >100。 15. 在WHERE 子句中，避免对列的四则运算，特别是where 条件的左边，严禁使用运算与函数对列进行处理。 比如有些地方 substring 可以用like代替。 16. 如果在语句中有not in（in）操作，应考虑用not exists（exists）来重写,最好的办法是使用外连接实现。 17. 对一个业务过程的处理，应该使事物的开始与结束之间的时间间隔越短越好，原则上做到数据库的读操作在前面完成，数据库写操作在后面完成，避免交叉。 18. 请小心不要对过多的列使用列函数和order by,group by等，谨慎使用disti软件开发t。 19. 用union all 代替 union，数据库执行union操作，首先先分别执行union两端的查询，将其放在临时表中，然后在对其进行排序，过滤重复的记录。 当已知的业务逻辑决定query A和query B中不会有重复记录时，应该用union all代替union，以提高查询效率。