《SQL语言艺术(PDF格式)》第17章

where　
于更新和删除操作，只要它们也有wwhheerree　子句，毕竟要先读取数据才能修改数据。无论是单纯　
为了查询、还是更新或删除记录，过滤数据会遇到的最典型情况有九种：　
小结果集，源表较少，查询条件直接针对源表　
小结果集，查询条件涉及源表之外的表　
小结果集，多个宽泛条件，结果取交集　
小结果集，一个源表，查询条件宽泛且涉及多个源表之外的表　
大结果集　
结果集来自基于一个表的自连接　
结果集以聚合函数为基础获得　
结果集通过简单搜索或基于日期的范围搜索获得　
结果集和别的数据存在与否有关　
本章将依次讨论上述各种情况。至于例子，有的简单明了，有的较为复杂（来自实际案例）。　
虽然案例大小存在差异，但解决问题的模式是相通的。　
通常，在执行查询时，应过滤掉所有不属于结果集的数据，这意味着应尽量采用最高效的搜索　
4　
条件。决定先执行哪个条件，通常是优化器的工作。但是，正如第44章所述，优化器必须考虑　
—— “ ”　
大量不同情况————例如表的物理结构、查询编写方式等，所以优化器未必总能““理解正确””。因　
此，提高性能还有很多事情可做，下面对九种模式的讨论中，每种模式均是如此。　
小结果集，直接条件　
Small　Result　Set；　Direct　SpecificCriteria　
对于典型的在线交易处理，多为返回小结果集的查询，源表数量较少，查询条件也是“直接”针　
对源表的。当我们要通过一组条件查询出少许记录时，首先要注意的就是索引。　
一般而言，通过一个表或通过两个表的连接查询较少记录，只要确保查询有适当的索引支持即　
…………………………………………………………Page　50……………………………………………………………
可。然而，当很多表连接在一起，并且查询条件要参照不同的表时（例如　TA　和　TB），会面临　
连接顺序的问题。连接顺序的选择，取决于如何更快地过滤不想要的记录。如果统计数据足够　
精确地反映了表的内容，优化器有可能对连接顺序做出适当选择。　
当查询仅返回少量记录，且过滤条件直接针对源表时，我们必须保证这些过滤条件高效；对于　
非常重要的条件，必须事先为相应字段加上索引，以便查询时使用。　
索引可用性　
Index　Usability　
如第3章所述，对某字段使用函数时，则该字段上的索引并不能起作用。当然，你可以建立函数　
索引（functional　index），这意味着要对函数的结果加索引，而不是为字段加索引。　
注意，“函数调用”不光是指“显式函数调用”。如果你将某类型的字段与一个不同类型的字段或　
常量进行比较，则DBMS会执行“隐式类型转换”（隐式调用一个转换函数），如你所料，这会对　
性能造成影响。　
一旦确定重要的搜索条件上有索引，而查询编写方式也的确能因索引而提高性能，我们还须进　
一步区别如下两种情况：　
使用唯一性索引（unique　index）检索单条记录　
非唯一性索引（non…unique　index）或基于唯一性索引的范围扫描（range　scan）　
查询的效率与索引的使用　
QueryEfficiency　andIndex　Usage　
需要连接（join）表时，唯一性索引非常有用。然而，当程序获得的原始输入（primitive　input）　
不是查询语句需要的主键值时，必须通过编程来解决转换问题。　
这里的“原始输入”指程序接受的数据，可能由使用者输入，也可能从文件中读入。如果查询语　
句需要的主键值本身，就是根据原始输入利用另一个查询所获得的结果，则说明设计不合理。　
因为这意味着一个查询的输出被用作另一个查询的输入，应该考虑合并这两个查询。　
总结：优秀的查询未必来自优秀的程序。　
数据散布　
Data　Dispersion　
当条件是“非唯一性”的，或者条件以唯一性索引上的范围来表达时，DBMS　就必须执行范围扫　
描。例如：　
where　customer_id　between　。。。and。。。　
或：　
where　supplier_name　like　"SOMENAME％"　
…………………………………………………………Page　51……………………………………………………………
键对应的记录很可能散布在整个表中，而基于成本的优化器知道这一点。所以，索引范围扫描　
会使　DBMS　核心逐一读取表的存储页，此时，优化器会决定　DBMS　核心忽略索引对表进行　
扫描。　
如第5章所述，许多数据库系统提供了诸如分区（partition）和聚集索引（clustered　index）等功　
能，直接将可能一并读取的数据存储在一起。其实，数据插入处理也常造成数据丛聚（clumping）　
保存的现象：如果每条记录插入表时都要加时间戳（timestamp），则相继插入的记录会彼此紧　
邻（除非我们采取特殊手段避免资源竞争，见第9章的讨论）。这其实没有必要，而且关系理论　
中也没有“顺序”的概念，但在实际中却很可能发生。　
因此，当我们在时间戳字段的索引上执行范围扫描、查询时间上接近的索引项时，这些记录可　
能彼此紧邻——如果特意为此设置了存储选项参数，就更是如此了。　
现在做一个假定：键值与特定插入环境无关、与存储设置无关，与键值（或键值范围）对应的　
记录可能存储在磁盘的任何位置。索引仅以特定顺序来存储键值，而对应的记录随机散落在表　
中。此时，若既不分区、也不采用聚集索引，则需访问的存储区会更多。于是，可能出现下列　
情况：同一个表上有两个可选择性完全相同的索引，但一个索引性能好、一个索引性能差。这　
种情况在第3章已提到过，下面来分析一下。　
为了说明上述情况，先创建一个具有　1000000条记录的表，这个表有　c1、c2和　c3　三个字段，　
c1　保存序号（1　到　1　000000），c2　保存从　1　到　2　000000　不等的随机数，c3　保存可重复、　
且经常重复的随机值。表面看来，c1　和　c2　都具唯一性，因此具有完全相同的可选择性。索引　
建在c1上，则表中字段的顺序，与索引中的顺序相符——当然，实际上，对表的删除操作会留　
下“空洞”，随后又有新的插入记录填入，所以记录顺序会被打乱。相比之下，索引建在c2上，　
则表中记录顺序与索引中的顺序无关。　
下面读取c3　，使用如下范围条件：　
where　column_name　between　some_value　andsome_value　＋10　
如图6…1所示，使用c1索引（有序索引，索引中键的顺序与表中记录顺序相同）和c2索引（随机　
索引）的性能差异很大。别忘了造成这种差异的原因：为了读取c3的值，除了访问索引，还要　
访问表。如果我们有两个复合索引，分别在　（c1；c3）　和　（c2；c3）　上，就不会有上述差异了，因　
为这时不必访问表，从索引中即可获得要返回的内容。　
图6…1说明的这种性能差异，也解释了下述情况的原因：有时性能会随时间而降低，尤其是在新　
系统刚投入生产环境并导入旧系统的大量数据时。最初加载的数据的物理排序，可能是有利于　
特定查询的；但随后几个月的各种活动破坏了这种顺序，于是性能“神秘”降低　30％～40％。　
…………………………………………………………Page　52……………………………………………………………
图6…1：“索引项顺序与表中记录顺序是否一致”对性能的影响　
现在很清楚了，“DBA可以随时重新组织数据库”其实是错误的。数据库的重新组织曾一度流行；　
但不断增加的数据量及999999％　正常运行等要求，使得重新组织数据库变得不再适合。如果　
物理存储方式很重要，则应考虑第5章讨论过的“自组织结构（self…organizing　structure）”之一，　
例如聚集索引（clustered　indexe）或索引组织表（index…organized　table）。但要记住，对某种类　
型的查询有利，可能对另一种类型的查询?