• 周二. 8月 16th, 2022

5G编程聚合网

5G时代下一个聚合的编程学习网

热门标签

SQL语句调优对比——大大增快查询速度

admin

11月 28, 2021

在实际应用中,经常遇到查询数据库语句,特别是查询历史数据的时候,数据量非常之大。此次遇到个百万级的数据量,查询历史数据中的一段时间内的数据并且以曲线的方式显示出来,非常之慢,有时候还会卡住应用程序,所以做了如下测试。
得出的结论就是,“创建索引,优化语句”。优化语句有如下一些常用点可以参考(后附测试结果):

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

  2. 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。

  3. 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。

  4. 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=0

  5. 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=20

  6. 下面的查询也将导致全表扫描:(不能前置百分号)
    select id from t where name like ‘%c%’
    若要提高效率,可以考虑全文检索。

  7. 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 3

  8. 如果在 where 子句中使用参数,也会导致全表扫描。因为SQL只有在运行时才会解析局部变量,但优化程序不能将访问计划的选择推迟到运行时;它必须在编译时进行选择。然 而,如果在编译时建立访问计划,变量的值还是未知的,因而无法作为索引选择的输入项。如下面语句将进行全表扫描:
    select id from t where [email protected]
    可以改为强制查询使用索引:
    select id from t with(index(索引名)) where [email protected]

  9. 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*2

  10. 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
    select id from t where datediff(day,createdate,’2005-11-30′)=0–’2005-11-30′生成的id

    应改为:
    select id from t where name like ‘abc%’
    select id from t where createdate>=’2005-11-30′ and createdate<’2005-12-1′

  11. 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。

  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. 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。

  14. 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。

以下是测试结果对比,有图有真相,图更更好的反映结果。

  1. 原始语句与结果

    SELECT * FROM history_balance_data WHERE Update_Time >='2018-5-30 13:48:05' AND Update_Time <='2018-5-30 13:54:56'
    • 1

    这里写图片描述

  2. 将 >=和 <= 改为between and, 并且去掉*,直接选择需要查询的列(该表有50列,*会查询所有列),需要查询的列仅有17行

    SELECT Update_Time,Balance_press1,Balance_press2,Balance_press3,Balance_press4,Balance_press5,Balance_press6,Balance_press7,Balance_press8,Balance_press9,Balance_press10,Balance_press11,Balance_press12,Balance_press13,Balance_press14,Balance_press15,Balance_press16
    FROM history_balance_data WHERE Update_Time BETWEEN '2018-5-30 13:48:05' AND '2018-5-30 13:54:56';
    • 1
    • 2

    这里写图片描述
    可以看到速度有所提升。

  3. 建立索引

    mysql> create index time on history_balance_data(Update_time);
    //%普通索引,由于时间列有重复值,所以不能创建唯一索引UNIQUE
    //mysql> create UNIQUE index time on history_balance_data(Update_time);%唯一索引,不重复,列值唯一,但是唯一索引可以有空值。
    • 1
    • 2
    • 3

    创建好的索引
    这里写图片描述
    再次使用刚才1中的语句

    SELECT * FROM history_balance_data WHERE Update_Time >='2018-5-30 13:48:05' AND Update_Time <='2018-5-30 13:54:56'
    • 1

    这里写图片描述
    创建索引之后,速度大大提升,用时直接降了一个小数点级,所以要提升查询速度,在要查询的条件上创建索引是非常必要的
    注意: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。

  4. 再来看对语句优化后的结果

    (1) 改>=和 <= 为between and

    SELECT * FROM history_balance_data WHERE Update_Time BETWEEN '2018-5-30 13:48:05' AND '2018-5-30 13:54:56'
    • 1

    这里写图片描述

    (2)改*为具体列

    SELECT Update_Time,ID,Balance_press1,Balance_press2,Balance_press3,Balance_press4,Balance_press5,Balance_press6,Balance_press7,Balance_press8,Balance_press9,Balance_press10,Balance_press11,Balance_press12,Balance_press13,Balance_press14,Balance_press15,Balance_press16,
    Balance_press_Max1,Balance_press_Max2,Balance_press_Max3,Balance_press_Max4,Balance_press_Max5,Balance_press_Max6,Balance_press_Max7,Balance_press_Max8,Balance_press_Max9,Balance_press_Max10,Balance_press_Max11,Balance_press_Max12,Balance_press_Max13,Balance_press_Max14,Balance_press_Max15,Balance_press_Max16,
    Balance_press_Min1,Balance_press_Min2,Balance_press_Min3,Balance_press_Min4,Balance_press_Min5,Balance_press_Min6,Balance_press_Min7,Balance_press_Min8,Balance_press_Min9,Balance_press_Min10,Balance_press_Min11,Balance_press_Min12,Balance_press_Min13,Balance_press_Min14,Balance_press_Min15,Balance_press_Min16
    FROM history_balance_data WHERE Update_Time >='2018-5-30 13:48:05' AND Update_Time <='2018-5-30 13:54:56'
    • 1
    • 2
    • 3
    • 4

    这里写图片描述
    对比between and
    这里写图片描述
    (3)减少列
    这里写图片描述
    对比between and
    这里写图片描述
    至此,达到目前最优化的结果

 
版权声明:本文为u011236602原创文章,遵循 CC 4.0 BY-SA 版权协议,转载请附上原文出处链接和本声明。

本文链接:https://blog.csdn.net/u011236602/article/details/81165152
 
转 https://www.freesion.com/article/6265134684/

发表回复

您的电子邮箱地址不会被公开。