SQL的最佳化[轉]

SQL最佳化：
固定的SQL書寫習慣，相同的查詢儘量保持相同，儲存過程的效率較高。
應該編寫與其格式一致的語句，包括字母的大小寫、標點符號、換行的位置等都要一致

ORACLE最佳化器：
在任何可能的時候都會對錶達式進行評估，並且把特定的語法結構轉換成等價的結構，這麼做的原因是
要麼結果表示式能夠比源表示式具有更快的速度
要麼源表示式只是結果表示式的一個等價語義結構
不同的SQL結構有時具有同樣的操作（例如：= ANY (subquery) and IN (subquery)），ORACLE會把他們對映到一個單一的語義結構。

1 常量最佳化：
常量的計算是在語句被最佳化時一次性完成，而不是在每次執行時。下面是檢索月薪大於2000的的表示式：
sal > 24000/12
sal > 2000
sal*12 > 24000
如果SQL語句包括第一種情況，最佳化器會簡單地把它轉變成第二種。
最佳化器不會簡化跨越比較符的表示式，例如第三條語句，鑑於此，應儘量寫用常量跟欄位比較檢索的表示式，而不要將欄位置於表示式當中。否則沒有辦法最佳化，比如如果sal上有索引，第一和第二就可以使用，第三就難以使用。

2 運算子最佳化：
最佳化器把使用LIKE運算子和一個沒有萬用字元的表示式組成的檢索表示式轉換為一個“=”運算子表示式。
例如：最佳化器會把表示式ename LIKE 'SMITH'轉換為ename = 'SMITH'
最佳化器只能轉換涉及到可變長資料型別的表示式，前一個例子中，如果ENAME欄位的型別是CHAR(10)， 那麼最佳化器將不做任何轉換。
一般來講LIKE比較難以最佳化。

其中：
~~ IN 運算子最佳化：
最佳化器把使用IN比較符的檢索表示式替換為等價的使用“=”和“OR”運算子的檢索表示式。
例如，最佳化器會把表示式ename IN ('SMITH','KING','JONES')替換為
ename = 'SMITH' OR ename = 'KING' OR ename = 'JONES‘

~~ ANY和SOME 運算子最佳化:
最佳化器將跟隨值列表的ANY和SOME檢索條件用等價的同等運算子和“OR”組成的表示式替換。
例如，最佳化器將如下所示的第一條語句用第二條語句替換：
sal > ANY (:first_sal, :second_sal)
sal > :first_sal OR sal > :second_sal
最佳化器將跟隨子查詢的ANY和SOME檢索條件轉換成由“EXISTS”和一個相應的子查詢組成的檢索表示式。
例如，最佳化器將如下所示的第一條語句用第二條語句替換：
x > ANY (SELECT sal FROM emp WHERE job = 'ANALYST')
EXISTS (SELECT sal FROM emp WHERE job = 'ANALYST' AND x > sal)

~~ ALL運算子最佳化:
最佳化器將跟隨值列表的ALL運算子用等價的“=”和“AND”組成的表示式替換。例如：
sal > ALL (:first_sal, :second_sal)表示式會被替換為：
sal > :first_sal AND sal > :second_sal
對於跟隨子查詢的ALL表示式，最佳化器用ANY和另外一個合適的比較符組成的表示式替換。例如
x > ALL (SELECT sal FROM emp WHERE deptno = 10) 替換為：
NOT (x <= ANY (SELECT sal FROM emp WHERE deptno = 10))
接下來最佳化器會把第二個表示式適用ANY表示式的轉換規則轉換為下面的表示式：
NOT EXISTS (SELECT sal FROM emp WHERE deptno = 10 AND x <= sal)

~~ BETWEEN 運算子最佳化:
最佳化器總是用“>=”和“<=”比較符來等價的代替BETWEEN運算子。
例如：最佳化器會把表示式sal BETWEEN 2000 AND 3000用sal >= 2000 AND sal <= 3000來代替。

~~ NOT 運算子最佳化:
最佳化器總是試圖簡化檢索條件以消除“NOT”邏輯運算子的影響，這將涉及到“NOT”運算子的消除以及代以相應的比較運算子。
例如，最佳化器將下面的第一條語句用第二條語句代替：
NOT deptno = (SELECT deptno FROM emp WHERE ename = 'TAYLOR')
deptno <> (SELECT deptno FROM emp WHERE ename = 'TAYLOR')
通常情況下一個含有NOT運算子的語句有很多不同的寫法，最佳化器的轉換原則是使“NOT”運算子後邊的子句儘可能的簡單，即使可能會使結果表示式包含了更多的“NOT”運算子。
例如，最佳化器將如下所示的第一條語句用第二條語句代替：
NOT (sal < 1000 OR comm IS NULL)
NOT sal < 1000 AND comm IS NOT NULL sal >= 1000 AND comm IS NOT NULL

如何編寫高效的SQL:
當然要考慮sql常量的最佳化和運算子的最佳化啦，另外，還需要：

1 合理的索引設計：
例：表record有620000行，試看在不同的索引下，下面幾個SQL的執行情況：
語句A
SELECT count(*) FROM record
WHERE date >'19991201' and date < '19991214‘ and amount >2000

語句B
SELECT count(*) FROM record
WHERE date >'19990901' and place IN ('BJ','SH')

語句C
SELECT date,sum(amount) FROM record
group by date

1 在date上建有一個非聚集索引
A：(25秒)
B：(27秒)
C：(55秒)
分析：
date上有大量的重複值，在非聚集索引下，資料在物理上隨機存放在資料頁上，在範圍查詢時，必須執行一次表掃描才能找到這一範圍內的全部行。

2 在date上的一個聚集索引
A：（14秒）
B：（14秒）
C：（28秒）
分析：
在聚集索引下，資料在物理上按順序在資料頁上，重複值也排列在一起，因而在範圍查詢時，可以先找到這個範圍的起末點，且只在這個範圍內掃描資料頁，避免了大範圍掃描，提高了查詢速度。

3 在place，date，amount上的組合索引
A：（26秒）
C：（27秒）
B：（< 1秒）
分析：
這是一個不很合理的組合索引，因為它的前導列是place，第一和第二條SQL沒有引用place，因此也沒有利用上索引；第三個SQL使用了place，且引用的所有列都包含在組合索引中，形成了索引覆蓋，所以它的速度是非常快的。

4 在date，place，amount上的組合索引
A： (< 1秒)
B：（< 1秒）
C：（11秒）
分析：
這是一個合理的組合索引。它將date作為前導列，使每個SQL都可以利用索引，並且在第一和第三個SQL中形成了索引覆蓋，因而效能達到了最優。

總結
1.
預設情況下建立的索引是非聚集索引，但有時它並不是最佳的；合理的索引設計要建立在對各種查詢的分析和預測上。一般來說：
有大量重複值、且經常有範圍查詢（between, >,< ，>=,< =）和order by、group by發生的列，考慮建立聚集索引；
經 常同時存取多列，且每列都含有重複值可考慮建立組合索引；在條件表示式中經常用到的不同值較多的列上建立檢索，在不同值少的列上不要建立索引。比如在僱員 表的“性別”列上只有“男”與“女”兩個不同值，因此就無必要建立索引。如果建立索引不但不會提高查詢效率，反而會嚴重降低更新速度。
組合索引要儘量使關鍵查詢形成索引覆蓋，其前導列一定是使用最頻繁的列。

2. 避免使用不相容的資料型別：
例如float和INt、char和varchar、bINary和varbINary是不相容的。資料型別的不相容可能使最佳化器無法執行一些本來可以進行的最佳化操作。例如:
SELECT name FROM employee WHERE salary ＞ 60000
在這條語句中,如salary欄位是money型的,則最佳化器很難對其進行最佳化,因為60000是個整型數。我們應當在程式設計時將整型轉化成為錢幣型,而不要等到執行時轉化。

3. IS NULL 與IS NOT NULL：
不 能用null作索引，任何包含null值的列都將不會被包含在索引中。即使索引有多列這樣的情況下，只要這些列中有一列含有null，該列就會從索引中排 除。也就是說如果某列存在空值，即使對該列建索引也不會提高效能。任何在WHERE子句中使用is null或is not null的語句最佳化器是不允 許使用索引的。

4.IN和EXISTS：
EXISTS要遠比IN的效率高。裡面關係到full table scan和range scan。幾乎將所有的IN運算子子查詢改寫為使用EXISTS的子查詢。

例子：
語句1
SELECT dname, deptno FROM dept
WHERE deptno NOT IN
(SELECT deptno FROM emp);
語句2
SELECT dname, deptno FROM dept
WHERE NOT EXISTS
(SELECT deptno FROM emp
WHERE dept.deptno = emp.deptno);
明顯的，2要比1的執行效能好很多
因為1中對emp進行了full table scan,這是很浪費時間的操作。而且1中沒有用到emp的INdex，
因為沒有WHERE子句。而2中的語句對emp進行的是range scan。

5. IN、OR子句常會使用工作表，使索引失效：
如果不產生大量重複值，可以考慮把子句拆開。拆開的子句中應該包含索引。

6. 避免或簡化排序：
應當簡化或避免對大型表進行重複的排序。當能夠利用索引自動以適當的次序產生輸出時，最佳化器就避免了排序的步驟。以下是一些影響因素：
索引中不包括一個或幾個待排序的列；
group by或order by子句中列的次序與索引的次序不一樣；
排序的列來自不同的表。
為了避免不必要的排序，就要正確地增建索引，合理地合併資料庫表（儘管有時可能影響表的規範化，但相對於效率的提高是值得的）。如果排序不可避免，那麼應當試圖簡化它，如縮小排序的列的範圍等。

7. 消除對大型錶行資料的順序存取：
在 巢狀查詢中，對錶的順序存取對查詢效率可能產生致命的影響。比如採用順序存取策略，一個巢狀3層的查詢，如果每層都查詢1000行，那麼這個查詢就要查詢 10億行資料。避免這種情況的主要方法就是對連線的列進行索引。例如，兩個表：學生表（學號、姓名、年齡??）和選課表（學號、課程號、成績）。如果兩個 表要做連線，就要在“學號”這個連線欄位上建立索引。
還可以使用並集來避免順序存取。儘管在所有的檢查列上都有索引，但某些形式的WHERE子句強迫最佳化器使用順序存取。下面的查詢將強迫對orders表執行順序操作：
SELECT ＊ FROM orders WHERE (customer_num=104 AND order_num>1001) OR order_num=1008
雖然在customer_num和order_num上建有索引，但是在上面的語句中最佳化器還是使用順序存取路徑掃描整個表。因為這個語句要檢索的是分離的行的集合，所以應該改為如下語句：
SELECT ＊ FROM orders WHERE customer_num=104 AND order_num>1001
UNION
SELECT ＊ FROM orders WHERE order_num=1008
這樣就能利用索引路徑處理查詢。

8. 避免相關子查詢：
一個列的標籤同時在主查詢和WHERE子句中的查詢中出現，那麼很可能當主查詢中的列值改變之後，子查詢必須重新查詢一次。查詢巢狀層次越多，效率越低，因此應當儘量避免子查詢。如果子查詢不可避免，那麼要在子查詢中過濾掉儘可能多的行。

9. 避免困難的正規表示式：
MATCHES和LIKE關鍵字支援萬用字元匹配，技術上叫正規表示式。但這種匹配特別耗費時間。例如：SELECT ＊ FROM customer WHERE zipcode LIKE “98_ _ _”
即使在zipcode欄位上建立了索引，在這種情況下也還是採用順序掃描的方式。如果把語句改為SELECT ＊ FROM customer WHERE zipcode >“98000”，在執行查詢時就會利用索引來查詢，顯然會大大提高速度。
另外，還要避免非開始的子串。例如語句：SELECT ＊ FROM customer WHERE zipcode[2，3] >“80”，在WHERE子句中採用了非開始子串，因而這個語句也不會使用索引。

10. 不充份的連線條件：
例：表card有7896行，在card_no上有一個非聚集索引，表account有191122行，在account_no上有一個非聚集索引，試看在不同的表連線條件下，兩個SQL的執行情況：
SELECT sum(a.amount) FROM account a,card b WHERE a.card_no = b.card_no
（20秒）
將SQL改為：
SELECT sum(a.amount) FROM account a,card b WHERE a.card_no = b.card_no and a.account_no=b.account_no
（< 1秒）
分析：
在第一個連線條件下，最佳查詢方案是將account作外層表，card作內層表，利用card上的索引，其I/O次數可由以下公式估算為：
外層表account上的22541頁+（外層表account的191122行*內層表card上對應外層表第一行所要查詢的3頁）=595907次I/O
在第二個連線條件下，最佳查詢方案是將card作外層表，account作內層表，利用account上的索引，其I/O次數可由以下公式估算為：
外層表card上的1944頁+（外層表card的7896行*內層表account上對應外層表每一行所要查詢的4頁）= 33528次I/O
可見，只有充份的連線條件，真正的最佳方案才會被執行。
多表操作在被實際執行前，查詢最佳化器會根據連線條件，列出幾組可能的連線方案並從中找出系統開銷最小的最佳方案。連線條件要充份考慮帶有索引的表、行數多的表；內外表的選擇可由公式：外層表中的匹配行數*內層表中每一次查詢的次數確定，乘積最小為最佳方案。
不可最佳化的WHERE子句
例1
下列SQL條件語句中的列都建有恰當的索引，但執行速度卻非常慢：
SELECT * FROM record WHERE substrINg(card_no,1,4)='5378'
(13秒)
SELECT * FROM record WHERE amount/30< 1000
（11秒）
SELECT * FROM record WHERE convert(char(10),date,112)='19991201'
（10秒）
分析：
WHERE子句中對列的任何操作結果都是在SQL執行時逐列計算得到的，因此它不得不進行表搜尋，而沒有使用該列上面的索引；如果這些結果在查詢編譯時就能得到，那麼就可以被SQL最佳化器最佳化，使用索引，避免表搜尋，因此將SQL重寫成下面這樣：
SELECT * FROM record WHERE card_no like '5378%'
（< 1秒）
SELECT * FROM record WHERE amount< 1000*30
（< 1秒）
SELECT * FROM record WHERE date= '1999/12/01'
（< 1秒）

11. 儲存過程中，採用臨時表最佳化查詢：
例1．從parven表中按vendor_num的次序讀資料：
SELECT part_num，vendor_num，price FROM parven ORDER BY vendor_num
INTO temp pv_by_vn
這個語句順序讀parven（50頁），寫一個臨時表（50頁），並排序。假定排序的開銷為200頁，總共是300頁。
例2．把臨時表和vendor表連線，把結果輸出到一個臨時表，並按part_num排序：
SELECT pv_by_vn，＊ vendor.vendor_num FROM pv_by_vn，vendor
WHERE pv_by_vn.vendor_num=vendor.vendor_num
ORDER BY pv_by_vn.part_num
INTO TMP pvvn_by_pn
DROP TABLE pv_by_vn
這 個查詢讀取pv_by_vn(50頁)，它透過索引存取vendor表1.5萬次，但由於按vendor_num次序排列，實際上只是透過索引順序地讀 vendor表（40＋2=42頁），輸出的表每頁約95行，共160頁。寫並存取這些頁引發5＊160=800次的讀寫，索引共讀寫892頁。
3．把輸出和part連線得到最後的結果：
SELECT pvvn_by_pn.＊，part.part_desc FROM pvvn_by_pn，part
WHERE pvvn_by_pn.part_num=part.part_num
DROP TABLE pvvn_by_pn
這樣，查詢順序地讀pvvn_by_pn(160頁)，透過索引讀part表1.5萬次，由於建有索引，所以實際上進行1772次磁碟讀寫，最佳化比例為30∶1。