SQL查询性能优化

使用高效的查询

使用 EXISTS 代替 IN

-- 查询A表中同时存在B表的数据

-- 慢

SELECT *

  FROM Class_A

WHERE id IN (SELECT id

               FROM Class_B);

-- 快

SELECT *

  FROM Class_A A

WHERE EXISTS (SELECT *

                FROM Class_B B

              WHERE A.id = B.id);

EXISTS更快的原因：

如果连接列（id ）上建立了索引，那么查询 Class_B 时不用查实际的表，只需查索引就可以了。
如果使用 EXISTS ，那么只要查到一行数据满足条件就会终止查询，不用像使用 IN 时一样扫描全表。在这一点上 NOT EXISTS 也一样。
当 IN 的参数是子查询时，数据库首先会执行子查询，然后将结果存储在一张临时的工作表里（内联视图），然后扫描整个视图，很多情况下很消耗资源。使用 EXISTS 的话，数据库不会生成临时的工作表。

参数是子查询时，使用连接代替 IN
```
-- 使用连接代替IN

SELECT A.id, A.name

  FROM Class_A A INNER JOIN Class_B B

ON A.id = B.id;
```
- 这种写法至少能用到一张表的“id”列上的索引。
- 因为没有了子查询，所以数据库也不会生成中间表。
避免排序

会进行排序的代表性的运算有下面这些：

GROUP BY 子句
ORDER BY 子句
聚合函数（SUM 、COUNT 、AVG 、MAX 、MIN ）
DISTINCT
集合运算符（UNION 、INTERSECT 、EXCEPT ）
窗口函数（RANK 、ROW_NUMBER 等）

排序如果只在内存中进行，那么还好；但是如果内存不足因而需要在硬盘上排序，那么伴随着“呲啦呲啦”的硬盘访问声，排序的性能也会急剧恶化

灵活使用集合运算符的 ALL 可选项

SQL 中有 UNION 、INTERSECT 、EXCEPT（MINUS）三个集合运算符。在默认的使用方式下，这些运算符会为了排除掉重复数据而进行排序。

SELECT * FROM Class_A

UNION

SELECT * FROM Class_B;

如果不在乎结果中是否有重复数据，或者事先知道不会有重复数据，请使用 UNION ALL 代替 UNION 。这样就不会进行排序了。

使用 EXISTS 代替 DISTINCT

为了排除重复数据，DISTINCT 也会进行排序。如果需要对两张表的连接结果进行去重，可以考虑使用 EXISTS 代替 DISTINCT ，以避免排序。

-- 使用DISTINCT去重

SELECT DISTINCT I.item_no

  FROM Items I INNER JOIN SalesHistory SH

ON I. item_no = SH. item_no;

-- 使用exists去重，避免排序

SELECT item_no

  FROM Items I

WHERE EXISTS (SELECT *

                FROM SalesHistory SH

              WHERE I.item_no = SH.item_no);

在极值函数中使用索引（MAX/MIN）

SQL 语言里有 MAX 和 MIN 两个极值函数。使用这两个函数时都会进行排序。但是如果参数字段上建有索引，则

只需要扫描索引，不需要扫描整张表。

能写在 WHERE 子句里的条件不要写在 HAVING 子句里

-- 聚合后使用HAVING 子句过滤

SELECT sale_date, SUM(quantity)

  FROM SalesHistory

GROUP BY sale_date

HAVING sale_date = '2007-10-01';

-- 聚合前使用WHERE 子句过滤

SELECT sale_date, SUM(quantity)

  FROM SalesHistory

WHERE sale_date = '2007-10-01'

GROUP BY sale_date;

但是从性能上来看，第二条语句写法效率更高。原因通常有两个。第一个是在使用 GROUP BY 子句聚合时会进行排序，如果事先通过WHERE 子句筛选出一部分行，就能够减轻排序的负担。第二个是在WHERE 子句的条件里可以使用索引。HAVING 子句是针对聚合后生成的视图进行筛选的，但是很多时候聚合后的视图都没有继承原表的索引结构。

在 GROUP BY 子句和 ORDER BY 子句中使用索引

一般来说，GROUP BY 子句和 ORDER BY 子句都会进行排序，来对行进行排列和替换。不过，通过指定带索引的列作为 GROUP BY 和 ORDER BY 的列，可以实现高速查询。

避免索引未被使用

在索引字段上进行运算

-- 不会用到索引

SELECT *

  FROM SomeTable

WHERE col_1 * 1.1 > 100;

--把运算的表达式放到查询条件的右侧，就能用到索引了

SELECT *

  FROM SomeTable

WHERE col_1  > 100 / 1.1;

--在查询条件的左侧使用函数时，也不能用到索引。

SELECT *

  FROM SomeTable

WHERE SUBSTR(col_1, 1, 1) = 'a';

使用索引时，条件表达式的左侧应该是原始字段!!!

is null 谓词

通常，索引字段是不存在 NULL 的，所以指定 IS NULL 和 IS NOT NULL 的话会使得索引无法使用，进而导致查询性能低下。

在 DB2 和 Oracle 中，IS NULL 条件也能使用索引。这也许是因为它们在实现时为 NULL赋了某个具有特殊含义的值。但是，这个特性不是所有数据库都有的。
下面这几种否定形式不能用到索引，会进行全表查询。
- <>
- !=
- NOT IN
OR的使用

在 col_1 和 col_2 上分别建立了不同的索引，或者建立了（col_1, col_2 ）这样的联合索引时，如果使用 OR 连接条件，那么要么用不到索引，要么用到了但是效率比 AND 要差很多。
```
SELECT *

  FROM SomeTable

WHERE col_1 > 100

OR col_2 = 'abc';
```
使用联合索引时，列的顺序错误

假设存在这样顺序的一个联合索引“col_1, col_2, col_3 ”这时，指定条件的顺序就很重要。
```
○ SELECT * FROM SomeTable WHERE col_1 = 10 AND col_2 = 100 AND col_3 = 500;

○ SELECT * FROM SomeTable WHERE col_1 = 10 AND col_2 = 100 ;

× SELECT * FROM SomeTable WHERE col_1 = 10 AND col_3 = 500 ;

× SELECT * FROM SomeTable WHERE col_2 = 100 AND col_3 = 500 ;

× SELECT * FROM SomeTable WHERE col_2 = 100 AND col_1 = 10 ;
```
联合索引中的第一列（col_1 ）必须写在查询条件的开头，而且索引中列的顺序不能颠倒。有些数据库里顺序颠倒后也能使用索引，但是性能还是比顺序正确时差一些。

如果无法保证查询条件里列的顺序与索引一致，可以考虑将联合索引拆分为多个索引。

LIKE谓词

使用 LIKE 谓词时，只有前方一致的匹配才能用到索引。

× SELECT * FROM SomeTable WHERE col_1 LIKE '%a';

× SELECT * FROM SomeTable WHERE col_1 LIKE '%a%';

○ SELECT * FROM SomeTable WHERE col_1 LIKE 'a%';

进行默认的类型转换

对 char 类型的“col_1”列指定条件的示例
```
× SELECT * FROM SomeTable WHERE col_1 = 10;

○ SELECT * FROM SomeTable WHERE col_1 = '10';

○ SELECT * FROM SomeTable WHERE col_1 = CAST(10, AS CHAR(2));
```
默认的类型转换不仅会增加额外的性能开销，还会导致索引不可用，可以说是有百害而无一利。虽然这样写还不至于出错，但还是不要嫌麻烦，在需要类型转换时显式地进行类型转换吧（转换要写在条件表达式的右边）。

减少使用中间表

在 SQL 中，子查询的结果会被看成一张新表，这张新表与原始表一样，可以通过代码进行操作。

频繁使用中间表会带来两个问题：

一是展开数据需要耗费内存资源。
二是原始表中的索引不容易使用到（特别是聚合时）。

因此，尽量减少中间表的使用也是提升性能的一个重要方法。

灵活使用having子句

对聚合结果指定筛选条件时，使用 HAVING 子句是基本原则。

不习惯使用 HAVING 子句的可能会倾向于生成一张中间表

SELECT *

  FROM (SELECT sale_date, MAX(quantity) AS max_qty

FROM SalesHistory

GROUP BY sale_date) TMP ←----- 没用的中间表

WHERE max_qty >= 10;

--对聚合结果指定筛选条件时不需要专门生成中间表

SELECT sale_date, MAX(quantity)

  FROM SalesHistory

GROUP BY sale_date

HAVING MAX(quantity) >= 10;

需要对多个字段使用 IN 谓词时，将它们汇总到一处

-- 这段代码中用到了两个子查询

SELECT id, state, city

  FROM Addresses1 A1

WHERE state IN (SELECT state

				  FROM Addresses2 A2

                 WHERE A1.id = A2.id)

  AND city IN (SELECT city

                 FROM Addresses2 A2

			    WHERE A1.id = A2.id);

--把字段连接在一起，子查询不用考虑关联性，而且只执行一次就可以

SELECT *

  FROM Addresses1 A1

 WHERE id || state || city

    IN (SELECT id || state|| city

          FROM Addresses2 A2);

-- 如果所用的数据库实现了行与行的比较

SELECT *

  FROM Addresses1 A1

 WHERE (id, state, city)

    IN (SELECT id, state, city

          FROM Addresses2 A2);

合理使用视图

视图是非常方便的工具。但是，如果没有经过深入思考就定义复杂的视图，可能会带来巨大的性能问题。特别是视图的定义语句中包含以下运算的时候，SQL会非常低效，执行速度也会变得非常慢。
- 聚合函数（AVG 、COUNT 、SUM 、MIN 、MAX ）
- 集合运算符（UNION 、NTERSECT 、EXCEPT* 等）
先进行连接再进行聚合

连接和聚合同时使用时，先进行连接操作可以避免产生中间表。原因是，从集合运算的角度来看，连接做的是“乘法运算”。连接表双方是一对一、一对多的关系时，连接运算后数据的行数不会增加。