SQL系列 - SQL语句优化个人总结

关于SQL语句优化方法

有些是通用的（如避免Select *）；

有些不同的数据库管理系统有所区别（如Where子句顺序）；

然后必须根据实际环境进行调优，因为即使是相同的数据库和表，在数据量或其他环境变化之后，SQL效率可能是不同的。所以，优化不是一蹴而就的。

 

一些总结

下面是我在工作中，主要是Oracle环境下一些常用的SQL语句优化方法，仅供参考。当然，后续可以再深入研究下SQL执行计划、索引等。

避免Select *

Selcet中每少提取一个字段，数据的提取速度就会有相应的提升。提升的速度还要看您舍弃的字段的大小来判断。应避免使用Select *。

表关联顺序

Oracle的解析器按照从右到左的顺序处理from子句中的表名，from子句中写在最后的表(基础表 driving table)将被最先处理，在from子句中包含多个表的情况下,你必须选择记录条数最少的表作为基础表。如果有3个以上的表连接查询, 那就需要选择交叉表(intersection table)作为基础表, 交叉表是指那个被其他表所引用的表。

WHERE子句中的顺序

Oracle采用自下而上的顺序解析Where子句，根据这个原理,表之间的连接必须写在其他Where条件之前，那些可以过滤掉最大数量记录的条件写在Where子句的末尾。

注：本条有一定的争议，我测试时Oracle 9i效果不如DB2 V9明显，大家作为一种解决问题的思路，请以实际数据库为准。

避免全表扫描

Where中少用NOT、!=、<>、!<、!>、NOT EXISTS、NOT IN、NOT LIKE，它们会引起全表扫描。

用Where子句替代having子句

避免使用having子句，having只会在检索出所有记录之后才对结果集进行过滤。

exists代替in

Oracle中In子查询返回的结果不能超过1000条，使用exists为替代方案。

性能测试

目的

我在客户端中执行如下语句，通过改变表关联顺序、where条件顺序，查看所用时间的变化。可能换个环境，得出的结果会大不相同，请以实际环境为准。

数据库环境

TableA 大表(DB2 V9数据量：77763  ORACLE 9i数据量：77775)

TableB 小表(DB2 V9数据量：297  ORACLE 9i数据量：18294)

表关联顺序

自连接

小表在前，DB2 V9用时：0.015s  ORACLE 9i用时：0.329s

select count(*)
from TableB b,TableA a
WHERE b.ID=a.ID

大表在前，DB2 V9用时：0.016s  ORACLE 9i用时：0.678s

 select count(*)
 from TableA a,TableB b
 WHERE a.ID=b.ID

可以看到，DB2 V9下时间变化不大，ORACLE 9i相差2倍。

左连接

小表在前，DB2 V9用时：0.453s  ORACLE 9i用时：0.047s

select count(*)
from TableB b
LEFT JOIN TableA a ON b.ID=a.ID

大表在前，DB2 V9用时：0.031s  ORACLE 9i用时：0.031s

select count(*)
from TableA a
LEFT JOIN TableB b ON a.ID=b.ID

可以看到，DB2 V9下用时相差10倍以上，ORACLE 9i下变化不大。

内连接

小表在前，DB2 V9用时：0.078s  ORACLE 9i用时：0.015s

select count(*)
from TableB b
INNER JOIN TableA a ON b.ID=a.ID

大表在前，DB2 V9用时：0.016s  ORACLE 9i用时：0.016s

select count(*)
from TableA a
INNER JOIN TableB b ON a.ID=b.ID

可以看到，DB2 V9下用时相差4倍，ORACLE 9i下变化不大。

WHERE条件顺序

过滤条件在右，DB2 V9用时：0.109s  ORACLE 9i用时：0.015s

select count(*)
from TableB b,TableA a
WHERE b.ID=a.ID AND b.TYPE = ''

过滤条件在左，DB2 V9用时：0.156s  ORACLE 9i用时：0.016s

select count(*)
from TableB b,TableA a
WHERE b.TYPE =''AND b.ID=a.ID

DB2 V9用时变化1/3，当条件比较多，数据量比较大时，会更加明显。

来自为知笔记(Wiz)