<搬运> SQL语句百万数据量优化方案

一：理解sql执行顺序

在sql中，第一个被执行的是from语句，每一个步骤都会产生一个虚拟表，该表供下一个步骤查询时调用，比如语句：select top 10 column1,colum2,max(column3) from user where id>1 group by column1,colum2 having count(column1)>1 order by colum2.

sqlserver 2005 各个环节简单介绍：

(8)SELECT (9)DISTINCT  (11)<Top Num> <select list>

(1)FROM [left_table]

(3)<join_type> JOIN <right_table>

(2)ON <join_condition>

(4)WHERE <where_condition>

(5)GROUP BY <group_by_list>

(6)WITH <CUBE | RollUP>

(7)HAVING <having_condition>

(10)ORDER BY <order_by_list>

　　a)各个步骤简介：

1. FROM：对FROM子句中的多个表执行笛卡尔积（Cartesian product)(交叉联接），生成虚拟表VT1
2. ON：对VT1应用ON筛选器。只有那些使<join_condition>为真的行才被插入VT2。
3. OUTER(JOIN)：如 果指定了OUTER JOIN（相对于CROSS JOIN 或(INNER JOIN),保留表（preserved table：左外部联接把左表标记为保留表，右外部联接把右表标记为保留表，完全外部联接把两个表都标记为保留表）中未找到匹配的行将作为外部行添加到 VT2,生成VT3.如果FROM子句包含两个以上的表，则对上一个联接生成的结果表和下一个表重复执行步骤1到步骤3，直到处理完所有的表为止。
4. WHERE：对VT3应用WHERE筛选器。只有使<where_condition>为true的行才被插入VT4.
5. GROUP BY：按GROUP BY子句中的列列表对VT4中的行分组，生成VT5.
6. CUBE|ROLLUP：把超组(Suppergroups)插入VT5,生成VT6.
7. HAVING：对VT6应用HAVING筛选器。只有使<having_condition>为true的组才会被插入VT7.
8. SELECT：处理SELECT列表，产生VT8.
9. DISTINCT：将重复的行从VT8中移除，产生VT9.
10. ORDER BY：将VT9中的行按ORDER BY 子句中的列列表排序，生成游标（VC10).
11. TOP：从VC10的开始处选择指定数量或比例的行，生成表VT11,并返回调用者.

　　b)标准sql执行顺序是：

　　1:form 组装来自不同表的数据，如 form user或者，form user as u join goodsOrder as r on u.id= r.userid

　　2:where 过滤符合查询条件的数据，如：id>1000

　　3:group by 将查询数据进行分组

　　4:使用sum等聚合函数进行计算。

　　5:使用having 进行筛选分组。

　　6:执行select语种

　　7:执行排序语句

　　如：select count(gid),gname from shopping_goods where gcid=1 group by gname having count(gid)>1 order by count(gid) desc

　　1:首页查询shopping_goods 表，得到表中的数据

　　2:执行where,过滤出gcid=1的商品。

　　3:对gname进行分组。

　　4:使用聚合函数count(),计算出商品类型为1，不同商品名称的数量.

　　5:使用having,过滤出类型为1，商品统计数量大于1的商品

　　6:执行select语句

　　7:执行order by ,按照商品数量降序排列。

二：百万数据量优化

　　这里只介绍查询和修改的方法，如果是系统优化，需要从表结构，索引，表分区等方面处理。

　　1：合理使用索引，在一个大数据量的表中，并不是索引越多越好，索引越多，写操作越慢，建议在以下字段上创建索引。

　　●在经常进行连接，但是没有指定为外键的列上建立索引，而不经常连接的字段则由优化器自动生成索引。

　　●在频繁进行排序或分组（即进行group by或order by操作）的列上建立索引。

　　●在条件表达式中经常用到的不同值较多的列上建立检索，在不同值少的列上不要建立索引。比如在雇员表的“性别”列上只有“男”与“女”两个不同值，因此就无必要建立索引。如果建立索引不但不会提高查询效率，反而会严重降低更新速度。

　　●如果待排序的列有多个，可以在这些列上建立复合索引（compound index）。

　　●使用系统工具。如Informix数据库有一个tbcheck工具，可以在可疑的索引上进行检查。在一些数据库服务器上，索引可能失效或者因为频繁操作而使得读取效率降低，如果一个使用索引的查询不明不白地慢下来，可以试着用tbcheck工具检查索引的完整性，必要时进行修复。另外，当数据库表更新大量数据后，删除并重建索引可以提高查询速度。

　　2：尽量少用（或者不用）sqlserver 自带的函数

　　a):如dateadd(month,-1,getdate()),请使用time>'2017-09-19 23:42:44.770 '代替dateadd.

　　b):如datediff(day,'2017-10-20','2017-10-25'),select datepart(day,getdate());,如需计算两个日期之前的差值，或者得到日期中的整数部分，建议查询完毕后用java程序来计算，不要什么都让数据库来做.

　　c:) 如：substring(name,1,3) = ’abc’,建议修改为 name like 'abc%'

　　3：尽量不要在 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，强烈建议where涉及的列，不要留空，创建表时赋予初始值

错误
select id from table where name is not null
正确
create table table(name varchar(20) default '')

　　4:应尽量避免在 where 子句中使用 != 或 <> 操作符，否则将引擎放弃使用索引而进行全表扫描。

　　　

错误

select id from table where id <> 100 

　　5:应尽量避免在 where 子句中使用 or 来连接条件，如果一个字段有索引，一个字段没有索引，将导致引擎放弃使用索引而进行全表扫描，建议使用unall 来代替or

　　

select id from table where num=1 or Name = 'zhangsan'

建议修改为

select id from table where num=1

unionall

select id from table where  name = 'zhangsan'

　　6:建议使用exists 来代替in，能用between 就不要使用in 如：age in (20,21,22)建议修改为:age between 20 and 22

　　
select id from t where role in (select rid from role where rName = '经理')

建议修改为

select id from t as a where exists (select rid from role  as b where a.role  = b.rid and rName = '经理')

　　7:like 的用法

　　除了 title  like '重庆%' ，其它使用方法(如：title like  '%王%' title like '%天')也将导致全表扫描

　   8:where 中尽量不要出现表达式计算

　　如：

select id from t where num/2 = 100

　　应改为:

select id from t where num = 100*2

　　9:Update 语句，如果只更改1、2个字段，不要Update全部字段，否则频繁调用会引起明显的性能消耗，同时带来大量日志。强烈建议修改时使用动态sql语句，类似hibernate中dynamic-update=true,不过hibernate需要将修改对像通过id查询出来，才会动态修改，如果是普通sql，直接组装就可以。

　　10:对于多张大数据量（这里几百条就算大了）的表JOIN，要先分页再JOIN，否则逻辑读会很高，性能很差.

　　11:不要写一些没有意义的查询，如需要生成一个空表结构：

select col1,col2 into #t from t where 1=0

　　12: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。

　　13:尽可能的使用 varchar/nvarchar 代替 char/nchar ，因为首先变长字段存储空间小，可以节省存储空间，其次对于查询来说，在一个相对较小的字段内搜索效率显然要高些。

　　14:不建议使用 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。

　　15:尽量避免使用游标，因为游标的效率较差，如果游标操作的数据超过1万行，那么就应该考虑改写。

　　16:在所有的存储过程和触发器的开始处设置 SET NOCOUNT ON ，在结束时设置 SET NOCOUNT OFF 。无需在执行存储过程和触发器的每个语句后向客户端发送 DONE_IN_PROC 消息。

　　17:尽量避免大事务操作，提高系统并发能力。并且不要事务嵌套，不要在事务中去调用其它系统的接口，不要在事务中耗时操作，不然死锁并伴你左右。

　　18:尽量避免向客户端返回大数据量，若数据量过大，应该考虑相应需求是否合理。(笔者曾经处理过，从3000万手机号码库中，模糊查询出上万个手机号码，这种需求是客户硬性要求，就要通过executorservice了，不要直接写sql查)

19:如果数据库是mysql，一定要利用数据库引擎，不同业务要使用不同的数据库引擎。比如常用的innodb和myisam,innodb支持事务，支持外键，锁是表级锁，缺点是查询速度慢，Myisam 的执行速度更快，性能更好，但不支持外键，不支持事务，锁是行锁级。比如日志表，数据量大，强烈建议使用myisam引擎.