**********************************************************
Author:黃山光明頂
mail:[email protected]
version:1.0.0
date:2004-1-30
***********************************************************有一網友問:關於MS SQLSERVER索引優化問題:
有表Stress_test(id int, key char(2))
id 上有普通索引;
key 上有簇索引;
id 有有限量的重複;
key 有無限量的重複;
現在我需要按邏輯與查詢表中key='Az' AND key='Bw' AND key='Cv' 的id
求教高手最有效的查詢語句
測試環境：
Hardware:P4 2.6+512M+80G
Software:windows server 2003(Enterprise Edition)+Sqlserver 2000 +sp3a
首先我們建立一個測試的數據，爲使數據儘量的分佈和隨即，我們通過RAND()來隨機產生2個隨機數再組合成一個字符串，首先插入的數據是1,000,000條記錄，然後在循環插入到58,000,000條記錄。
因爲是隨機產生的數據，所以如果你自己測試的數據集和我測試的會不一樣，但對索引的優化和運行的效率是一樣的。
下面的“--//測試腳本”是產生測試數據的腳本，你可以根據需要修改 @maxgroup， @maxLoop的值，比如測試1百萬的記錄可以:
Select @maxgroup=1000
Select @maxLoop=1000
如果要測試5千萬：
Select @maxgroup=5000
Select @maxLoop=10000
所以如果你的SERVER或PC比較慢，請耐心等待.....，
（在我的PC上運行的速度是插入1百萬條的時間是1.14m，插入5千八百萬條的時間是19.41m，重新建立INDEX的時間是34.36m)
作爲一般的開發人員很容易就想到的語句：
--語句1
select a.[id] from
(select distinct [id] from stress_test where [key] = 'Az') a,
(select distinct [id] from stress_test where [key] = 'Bw') b ,
(select distinct [id] from stress_test where [key] = 'Cv') c
where a.id = b.id and a.id = c.id
--語句2
select [id]
from stress_test
where [key]='Az' or [key]='Bw' or [key]='Cv'
group by id having(count(distinct [key])=3)
--語句5
SELECT distinct a.[id] FROM stress_test AS a,stress_test AS b,stress_test AS c
WHERE a.[key]='Az' AND b.[key]='Bw' AND c.[key]='Cv'
AND a.[id]=b.[id] AND a.[id]=c.[id]
但作爲T-SQL的所謂“高手”可能會認爲這種寫法很“土”，也顯得沒有水平，所以會選擇一些子查詢和外連接的寫法，按常理子查詢的效率是比較高的：
--語句3
select distinct [id] from stress_test A where
not exists (
select 1 from
(select 'Az' as k union all select 'Bw' union all select 'Cv') B
left join stress_test C on C.id=A.id and B.[k]=C.[key]
where C.id is null)
--語句4
select distinct a.id from stress_test a
where not exists
( select * from keytb c
where not exists
( select * from stress_test b
where
b.id = a.id
and
c.kf1 = b.[key]
)
)
我們先分析這幾條語句（針對5千8百萬條數據進行分析）：
請大家要特別留心Estimated row count的值。
語句1:從執行規劃中我們可以看出，MSSQLSERVER選擇的索引優化非常有規律，先通過CLUSTERED INDEX篩選出符合[KEY]='Az'條件的ID,然後進行HASH MATCH,在找出ID相等的；依次類推最終檢索到符合所有條件的記錄。中間的Estimated row count的值都不大。
語句2:從執行規劃中我們可以看出，是先通過CLUSTERED INDEX篩選出符合 [key]='Az' or [key]='Bw' or [key]='Cv' 符合所有條件的ID，然後分組進行2次HASH MATCH 所有的ID。我們可以看出Estimated row count的值是越來越少，從最初的369,262到最後排序的只有402。
語句3:從執行規劃中我們可以看是非常複雜的，是先通過3組 通過CONSTANT SCAN和NON-CLUSTERED INDEX檢索出符合 A.ID=C.ID AND [key]='**' 的記錄3組，然後分組進行外鍵匹配，再將3組的數據合併，排序，然後再和一個NON-CLUSTERED INDEX檢索出的記錄集進行外鍵匹配，我們可以看出MSSQLSERVER會對所有的記錄（5千萬條）記錄進行分組，Estimated row count的值是：58,720,000,所以這句T-SQL的瓶頸是對5千萬條記錄進行分組。
語句4:從執行規劃中我們可以看和語句3有相似之處，都要對所有的記錄（5千萬條）記錄進行分組，所以這是檢索的瓶頸，而且使用的索引都是NON-CLUSTERED INDEX。
語句5：從執行規劃中我們可以看出，先通過CLUSTERED INDEX檢索出符合[Key]='Az'的記錄集，然後進行HASH MATCH和SORTS,因爲數量少所以是非常會的，在和通過NON-CLUSTERED INDEX檢索[KEY]='Bw'的記錄進行INNER JOIN,在和通過CLUSTERED INDEX檢索[KEY]='Cv'的記錄進行合併,最後是對4百萬條數據進行分組檢索，如果是6列，我們可以看出Estimated row count的值是遞增，越來越大，最後的分組檢索的Estimated row count的值是3.46E+15,這已經形成巨大的瓶頸。
我們測試百萬條以上的記錄：
1.先對1百萬條記錄進行測試（選取3列）
2.先對1百萬條記錄進行測試（選取6列）
3.對5千萬條數據測試（選取3列）
4.對5千萬條數據測試（選取6列）
統計表1：
----------------------------------------------------------------------
|------------------語句 1----語句 2----語句 3----語句 4----語句 5----|
| 1百萬（3列） 0.77% 0.41% 49.30% 48.99% 0.52%
| 1百萬（6列） 1.61% 0.81% 48.99% 47.44% 1.14%
| 5千萬（3列） 0.14% 0.18% 48.88% 48.86% 1.93%
| 5千萬（6列） 0.00% 0.00% 0.00% 0.00% 100.00%
統計表2：
----------------------------------------------------------------------
|------------------語句 1----語句 2----語句 3----語句 4----語句 5----|
| 1百萬（3列） 9ms 22ms 723ms 753ms 4ms
| 1百萬（6列） 15ms 38ms 764ms 773ms 11ms
| 5千萬（3列） 575ms 262ms 110117ms 110601ms 12533ms
| 5千萬（6列） 1070ms 576ms 107988ms 109704ms 10m以上
測試總結：（我們可以比較關注：語句 2和語句 5）
1.在1百萬條記錄的情況下，語句 5是最快的，但在5千萬條記錄下是最慢的。這說明INDEX的優化一定的情況下，數據量不同，檢索的效率也是不同的。我們平時在寫T-SQL時一般關注的時INDEX的使用，只要我們寫的T-SQL是利用CLUSTERED INDEX，我們就認爲是最優化了，其實這是一個誤區，我們還要關注Estimated row count的值，大量的I/O操作是我們應該關注的，所以我們應該根據數據量的不同選擇相應的T-SQL語句，不要認爲在小數據量下是最高的在大數據量的狀態下也許是最慢的:-(。
2.在執行規劃中最快的，並不是運行最快的，我們可以看在1百萬（6列）在這行中，語句 2和語句 5的比例是0.81％：1.14％，但實際的運行效率是，38ms:11ms。所以，我們在選擇T-SQL是要考慮本地I/O的速度，所以在優化語句時不僅要看執行規劃還要計算一下具體的效率。
在測試的語句上加入：
SET STATISTICS TIME ON/OFF
SET STATISTICS IO ON/OFF
是一個很好的調試方法。
3.綜合評價，語句 2的效率是最高的，執行效率沒有隨數據量變化而有很大的差別。
4.執行規劃越簡單的語句（語句1），綜合效率越高，反之則越低（語句3，語句4）。
5.在平時寫T-SQL語句時，一定要根據不同的數據量進行測試，雖然都是用CLUSTERED INDEX，但檢索的效率卻大相徑庭。
--//測試腳本
USE Northwind
GO
if exists(select * from sysobjects where name=N'stress_test' and type='U')
Drop table stress_test
GO
--//定義測試的表stress_test,存放所有的測試數據
Create table stress_test([id] int,[key] char(2))
GO
--//插入測試的數據
Set nocount on
--//變量定義
Declare @id int --//Stress_test ID 值
Declare @key char(2) --//Stress_test [key] 值
Declare @maxgroup int --//組最大的循環數
Declare @maxLoop int --//ID最大的循環數
Declare @tempGroup int --//臨時變量
Declare @tempLoop int --//臨時變量
Declare @tempint1 int --//臨時變量
Declare @tempint2 int --//臨時變量
Declare @rowcount int --//記錄事務提交的行數
--//初始化變量
Select @id=1
Select @maxgroup=1000
Select @maxLoop=1000
Select @tempGroup=1
Select @tempLoop=1
Select @key=''
Select @rowcount=0
while @tempLoop<=@maxLoop
begin
while @tempGroup<=@maxGroup
begin
select @tempint1=65+convert(int,rand()*50)
select @tempint2=65+convert(int,rand()*100)
if (@tempint1>=122 or @tempint2>=122)
begin
select @tempint1=@tempint1-100
select @tempint2=@tempint2-100
if (@tempint1<=65 or @tempint2<=65)
begin
select @tempint1=@tempint1+57
select @tempint2=@tempint2+57
end
end
select @key=char(@tempint1)+char(@tempint2)
if @rowcount=0
begin tran ins
insert into stress_test([id],[key])values(@id,@key)
select @rowcount=@rowcount+1
if @rowcount>3000 --//判斷當行數達到3000條時，開始提交事務
begin
commit tran ins
select @rowcount=0
end
select @tempGroup=@tempgroup+1
end
if @rowcount>0
begin
commit tran ins
select @rowcount=0
end
select @tempGroup=1
select @id=@id+1
select @tempLoop=@tempLoop+1
end
GO
--//刪除KEY值爲NULL的記錄
delete stress_test where [key]is null
GO
--//建立簇索引PK_STRESS
Create Clustered index pk_stress on stress_test([Key])
--//建立非簇索引NI_STRESS_ID
Create NonClustered index NI_stress_id on stress_test([id])
GO
--//定義測試的表keytb
if exists(select * from sysobjects where name=N'keytb' and type='U')
Drop table keytb
GO
create table keytb -----//存放你需要匹配的值的表
(
kf1 varchar(20)
)
--//存放你需要匹配的值，暫定爲三個
insert into keytb(kf1) values('Az');
insert into keytb(kf1) values('Bw');
insert into keytb(kf1) values('Cv');
--insert into keytb(kf1) values('Du');
--insert into keytb(kf1) values('Ex');
--insert into keytb(kf1) values('Fy');
GO
下面我們就開始測試幾種T-SQL的INDEX優化問題：
--先對1百萬條/1億條記錄進行測試（選取3列）的T-SQL:
PRINT '第一種語句：'
SET STATISTICS TIME ON
SET STATISTICS IO ON
select a.[id] from
(select distinct [id] from stress_test where [key] = 'Az') a,
(select distinct [id] from stress_test where [key] = 'Bw') b ,
(select distinct [id] from stress_test where [key] = 'Cv') c
where a.id = b.id and a.id = c.id
GO
PRINT '第二種語句：'
select [id]
from stress_test
where [key]='Az' or [key]='Bw' or [key]='Cv'
group by id having(count(distinct [key])=3)
GO
PRINT '第三種語句：'
select distinct [id] from stress_test A where
not exists (
select 1 from
(select 'Az' as k union all select 'Bw' union all select 'Cv') B
left join stress_test C on C.id=A.id and B.[k]=C.[key]
where C.id is null)
GO
PRINT '第四種語句：'
select distinct a.id from stress_test a
where not exists
( select * from keytb c
where not exists
( select * from stress_test b
where
b.id = a.id
and
c.kf1 = b.[key]
)
)
GO
PRINT '第五種語句：'
SELECT distinct a.[id] FROM stress_test AS a,stress_test AS b,stress_test AS c
WHERE a.[key]='Ac' AND b.[key]='Bb' AND c.[key]='Ca'
AND a.[id]=b.[id] AND a.[id]=c.[id]
GO
SET STATISTICS TIME OFF
SET STATISTICS IO OFF
--先對1百萬條/1億條記錄進行測試（選取6列）的T-SQL:
PRINT '第一種語句：'
SET STATISTICS TIME ON
SET STATISTICS IO ON
select a.[id] from
(select distinct [id] from stress_test where [key] = 'Az') a,
(select distinct [id] from stress_test where [key] = 'Bw') b ,
(select distinct [id] from stress_test where [key] = 'Cv') c,
(select distinct [id] from stress_test where [key] = 'Du') d,
(select distinct [id] from stress_test where [key] = 'Ex') e,
(select distinct [id] from stress_test where [key] = 'Fy') f
where a.[id] = b.[id] and a.[id] = c.[id] and a.[id] = d.[id] and a.[id] = e.[id] and a.[id] = f.[id]
GO
PRINT '第二種語句：'
select [id]
from stress_test
where [key]='Az' or [key]='Bw' or [key]='Cv' or [Key]='Du'or [Key]='Ex'or [Key]='Fy'
group by id having(count(distinct [key])=6)
GO
PRINT '第三種語句：'
select distinct [id] from stress_test A where
not exists (
select 1 from
(select 'Az' as k union all select 'Bw' union all select 'Cv'union all select 'Du'union all select 'Ex'union all select 'Fy') B
left join stress_test C on C.id=A.id and B.[k]=C.[key]
where C.id is null)
GO
PRINT '第四種語句：'
select distinct a.id from stress_test a
where not exists
( select * from keytb c
where not exists
( select * from stress_test b
where
b.id = a.id
and
c.kf1 = b.[key]
)
)
GO
PRINT '第五種語句：'
SELECT distinct a.[id] FROM stress_test AS a,stress_test AS b,stress_test AS c,stress_test AS d,stress_test AS e,stress_test AS f
WHERE a.[key]='Az' AND b.[key]='Bw' AND c.[key]='Cv' AND d.[key]='Du' AND e.[key]='Ex' AND f.[key]='Fy'
and a.[id] = b.[id] and a.[id] = c.[id] and a.[id] = d.[id] and a.[id] = e.[id] and a.[id] = f.[id]
GO
SET STATISTICS TIME OFF
SET STATISTICS IO OFF
我們可以先測試一下小的數據量（50000條）；
大家可以下面測試腳本的：
Select @maxgroup=500
Select @maxLoop=100
----------------------------------------------------------------------
|------------------語句 1----語句 2----語句 3----語句 4----語句 5----|
| 5萬（3列） 5ms 19ms 37ms 59ms 0ms
| 5萬（6列） 1ms 26ms 36ms 36ms 1ms
從測試的的數據來看，語句5的效率是最高的，幾乎沒有花費時間，而語句2的效率只能說是一般。如果測試到這裏就結束了，我們可以毫不猶豫的選擇語句 5 :-(,繼續進行下面的測試.....