SQLSERVER 里SELECT COUNT(1) 和SELECT COUNT(*)哪个性能好？
SQLSERVER 里SELECT COUNT(1) 和SELECT COUNT(*)哪个性能好？ 今天遇到某人在我以前写的一篇文章里问到 如果统计信息没来得及更新的话，那岂不是统计出来的数据时错误的了 这篇文章的地址： SQLSERVER是怎麽通过索引和统计信息来找到目标数据的(第三篇) 之前
SQLSERVER 里SELECT COUNT(1) 和SELECT COUNT(*)哪个性能好？
今天遇到某人在我以前写的一篇文章里问到
如果统计信息没来得及更新的话，那岂不是统计出来的数据时错误的了
这篇文章的地址：SQLSERVER是怎麽通过索引和统计信息来找到目标数据的(第三篇)
之前我以为SELECT COUNT(*)是根据统计信息来的，但是后来想了一下，这个肯定不是
那么SQLSERVER怎麽统计SELECT COUNT(*)的呢？？
其实SQLSERVER也是使用扫描的方法
大家也可以先看一下：SQLSERVER中的ALLOCATION SCAN和RANGE SCAN
但是这里不讨论是ALLOCATION SCAN还是RANGE SCAN，大家知道SQLSERVER使用的是扫描的方式就可以了
聚集索引表
SQL脚本如下：
<span> 1</span> <span>USE</span> <span>[</span><span>pratice</span><span>]</span> <span> 2</span> <span>GO</span> <span> 3</span> <span> 4</span> <span>--</span><span>建立聚集索引表</span> <span> 5</span> <span>CREATE</span> <span>TABLE</span> ct1(c1 <span>INT</span>, c2 <span>VARCHAR</span> (<span>2000</span><span>)); </span><span> 6</span> <span>GO</span> <span> 7</span> <span>--</span><span>建立聚集索引</span> <span> 8</span> <span>CREATE</span> <span>CLUSTERED</span> <span>INDEX</span> t1c1 <span>ON</span><span> ct1(c1); </span><span> 9</span> <span>GO</span> <span>10</span> <span>11</span> <span>--</span><span>插入测试数据</span> <span>12</span> <span>DECLARE</span> <span>@a</span> <span>INT</span><span>; </span><span>13</span> <span>SELECT</span> <span>@a</span> <span>=</span> <span>1</span><span>; </span><span>14</span> <span>WHILE</span> (<span>@a</span> <span> <span>12</span><span>) </span><span>15</span> <span>BEGIN</span> <span>16</span> <span>INSERT</span> <span>INTO</span> ct1 <span>VALUES</span> (<span>@a</span>, <span>replicate</span>(<span>'</span><span>a</span><span>'</span>, <span>2000</span><span>)) </span><span>17</span> <span>SELECT</span> <span>@a</span> <span>=</span> <span>@a</span> <span>+</span> <span>1</span> <span>18</span> <span>END</span> <span>19</span> <span>GO</span> <span>20</span> <span>21</span> <span>22</span> <span>23</span> <span>24</span> <span>--</span><span>查询数据</span> <span>25</span> <span>SELECT</span> <span>*</span> <span>FROM</span> ct1 </span>
看一下执行计划
（图片一）
<span>1</span> <span>SET</span> <span>STATISTICS</span> PROFILE <span>ON</span> <span>2</span> <span>GO</span> <span>3</span> <span>SELECT</span> <span>COUNT</span>(<span>*</span>) <span>FROM</span> <span>[</span><span>dbo</span><span>]</span>.<span>[</span><span>ct1</span><span>]</span>
（图片二）
这里需要了解流聚合运算符
MSDN对于流聚合运算符的解释
（图片三）
宋沄剑的文章里也有对流聚合运算符的解释
SQL Server中的执行引擎入门
重点是理解：Stream Aggregate 运算符按一列或多列对行分组，然后计算由查询返回的一个或多个聚合表达式
Stream Aggregate 运算符按一列对行分组，然后计算由查询返回的一个聚合表达式
我们用下面两个图会清楚一些
（图片四）
（图片五）
SQLSERVER对表中的行分组进行扫描，但是SQLSERVER以多少行为一组来进行扫描呢？？这个不得而知了
为什麽要使用流聚合？
大家一定会自然而然地想到分组统计提高性能，特别是表中数据量非常大的时候，分组统计特别有用
计算标量运算符只是把聚合的结果隐式转换为int类型
大家知道ct1表只有两列，但是SELECT COUNT(3) FROM [dbo].[ct1]也能够返回表中的行数
<span>1</span> <span>SELECT</span> <span>COUNT</span>(<span>1</span>) <span>FROM</span> <span>[</span><span>dbo</span><span>]</span>.<span>[</span><span>ct1</span><span>]</span>
<span>1</span> <span>SELECT</span> <span>COUNT</span>(<span>3</span>) <span>FROM</span> <span>[</span><span>dbo</span><span>]</span>.<span>[</span><span>ct1</span><span>]</span>
（图片六）
就算用列名都是一样的执行计划
<span>1</span> <span>SELECT</span> <span>COUNT</span>(c1) <span>FROM</span> <span>[</span><span>dbo</span><span>]</span>.<span>[</span><span>ct1</span><span>]</span> <span>2</span> <span>SELECT</span> <span>COUNT</span>(c2) <span>FROM</span> <span>[</span><span>dbo</span><span>]</span>.<span>[</span><span>ct1</span><span>]</span>
（图片七）
SQLSERVER究竟以哪一列来进行表的行数统计的呢？？？？？？
答案就在
Stream Aggregate 运算符要求输入的数据要按某列进行排序，如果由于前面的 Sort 运算符或已排序的索引查找或扫描导致数据尚未排序，
则优化器将在此运算符前面使用一个 Sort 运算符，使表的某列是有序排序的。
<span>1</span> <span>SELECT</span> <span>COUNT</span>(<span>*</span><span>) </span><span>2</span> <span>SELECT</span> <span>count</span>（<span>3</span><span>） </span><span>3</span> <span>SELECT</span> <span>count</span>（c2）
（图片八）
上面三个SQL语句都是按照聚集索引的第一个字段（ct1表中的c1列）来进行统计的
因为聚集索引的第一个字段是根据建立聚集索引的时候的排序顺序预先排好序
Stream Aggregate 运算符要求输入的数据要按某列进行排序
所以无论是指定字段名、*还是数字，都是根据聚集索引的第一个字段来统计
堆表
SQL脚本如下:
<span> 1</span> <span>CREATE</span> <span>TABLE</span> t1(c1 <span>INT</span>, c2 <span>VARCHAR</span> (<span>8000</span><span>)); </span><span> 2</span> <span>GO</span> <span> 3</span> <span> 4</span> <span> 5</span> <span>--</span><span>插入测试数据</span> <span> 6</span> <span> 7</span> <span> 8</span> <span> 9</span> <span>DECLARE</span> <span>@a</span> <span>INT</span><span>; </span><span>10</span> <span>SELECT</span> <span>@a</span> <span>=</span> <span>1</span><span>; </span><span>11</span> <span>WHILE</span> (<span>@a</span> <span> <span>12</span><span>) </span><span>12</span> <span>BEGIN</span> <span>13</span> <span>INSERT</span> <span>INTO</span> t1 <span>VALUES</span> (<span>@a</span>, <span>replicate</span>(<span>'</span><span>a</span><span>'</span>, <span>5000</span><span>)) </span><span>14</span> <span>SELECT</span> <span>@a</span> <span>=</span> <span>@a</span> <span>+</span> <span>1</span> <span>15</span> <span>END</span> <span>16</span> <span>GO</span> <span>17</span> <span>18</span> <span>19</span> <span>20</span> <span>--</span><span>查询数据</span> <span>21</span> <span>SELECT</span> <span>*</span> <span>FROM</span> t1</span>
（图片九）
（图片十）
堆表这里使用的是ALLOCATION SCAN
因为分配页面的时候是根据c1列的值从1~12进行分配的
（图片十一）
109页面存放的c1值是1
120页面存放的c1值是2
174页面存放的c1值是3
193页面存放的c1值是4
8316页面存放的c1值是5
8340页面存放的c1值是6
8351页面存放的c1值是7
8353页面存放的c1值是8
。
。
。
。
。
（图片十二）
这里执行计划在流聚合之前并没有进行排序的原因：因为建表进行页面分配的时候已经按照C1列的值进行有序的页面分配
所以当ALLOCATION SCAN的时候，C1列已经是有序的了
（图片十三）
不明白的童鞋可以再看一下：SQLSERVER中的ALLOCATION SCAN和RANGE SCAN
为什麽SQLSERVER选择统计C1列的值，因为C1列的值是可以排序的，C2列不能排序，统计不了
那么如果一个表中没有可以用来排序的列呢????
先drop掉t1表，再建立t1表，脚本如下：
<span> 1</span> <span>CREATE</span> <span>TABLE</span> t1(c1 <span>VARCHAR</span> (<span>2</span>), c2 <span>VARCHAR</span> (<span>8000</span><span>)); </span><span> 2</span> <span>GO</span> <span> 3</span> <span> 4</span> <span> 5</span> <span>--</span><span>插入测试数据</span> <span> 6</span> <span>DECLARE</span> <span>@a</span> <span>INT</span><span>; </span><span> 7</span> <span>SELECT</span> <span>@a</span> <span>=</span> <span>1</span><span>; </span><span> 8</span> <span>WHILE</span> (<span>@a</span> <span> <span>12</span><span>) </span><span> 9</span> <span>BEGIN</span> <span>10</span> <span>INSERT</span> <span>INTO</span> t1 <span>VALUES</span> (<span>'</span><span>a</span><span>'</span>, <span>replicate</span>(<span>'</span><span>a</span><span>'</span>, <span>5000</span><span>)) </span><span>11</span> <span>SELECT</span> <span>@a</span> <span>=</span> <span>@a</span> <span>+</span> <span>1</span> <span>12</span> <span>END</span> <span>13</span> <span>GO</span> <span>14</span> <span>15</span> <span>16</span> <span>--</span><span>查询数据</span> <span>17</span> <span>SELECT</span> <span>*</span> <span>FROM</span> t1</span>
结果是
（图片十四）
我觉得SQLSERVER应该会在表中加上一列，类似用来区分聚集索引页面重复值的UNIQUIFIER(KEY)列
当查询完毕之后就删除掉这一列
（图片十五）
非聚集索引表
SQL脚本如下:
<span> 1</span> <span>CREATE</span> <span>TABLE</span> nct1(c1 <span>INT</span>, c2 <span>VARCHAR</span> (<span>8000</span><span>)); </span><span> 2</span> <span>GO</span> <span> 3</span> <span>--</span><span>建立非聚集索引</span> <span> 4</span> <span>CREATE</span> <span>INDEX</span> nt1c1 <span>ON</span><span> nct1(c1); </span><span> 5</span> <span>GO</span> <span> 6</span> <span> 7</span> <span>--</span><span>插入数据</span> <span> 8</span> <span>DECLARE</span> <span>@a</span> <span>INT</span><span>; </span><span> 9</span> <span>SELECT</span> <span>@a</span> <span>=</span> <span>1</span><span>; </span><span>10</span> <span>WHILE</span> (<span>@a</span> <span> <span>10</span><span>) </span><span>11</span> <span>BEGIN</span> <span>12</span> <span>INSERT</span> <span>INTO</span> nct1 <span>VALUES</span> (<span>@a</span>, <span>replicate</span>(<span>'</span><span>a</span><span>'</span>, <span>5000</span><span>)) </span><span>13</span> <span>SELECT</span> <span>@a</span> <span>=</span> <span>@a</span> <span>+</span> <span>1</span> <span>14</span> <span>END</span> <span>15</span> <span>GO</span> <span>16</span> <span>17</span> <span>--</span><span>查询数据</span> <span>18</span> <span>SELECT</span> <span>*</span> <span>FROM</span> <span>[</span><span>dbo</span><span>]</span>.<span>[</span><span>nct1</span><span>]</span> <span>19</span> </span>
（图片十六）
大家一定要记住:非聚集索引是建立在c1列上的!!!
下面两个SQL语句都是一样的,都是根据c1列的值进行统计,而SQLSERVER只扫描非聚集索引页面,而不扫描数据页面
<span>1</span> <span>SELECT</span> <span>COUNT</span>(<span>*</span>) <span>FROM</span> <span>[</span><span>dbo</span><span>]</span>.<span>[</span><span>nct1</span><span>]</span> <span>2</span> <span>3</span> <span>SELECT</span> <span>COUNT</span>(<span>3</span>) <span>FROM</span> <span>[</span><span>dbo</span><span>]</span>.<span>[</span><span>nct1</span><span>]</span>
SELECT COUNT(*) FROM [dbo].[nct1]是不需要到数据页面去读取c2列的数据的,只需要扫描非聚集索引页面（c1列）就可以了
SELECT COUNT(3) FROM [dbo].[nct1]跟SELECT COUNT(*) FROM [dbo].[nct1]也是一样
不知道大家还记得书签查找不，如果SQLSERVER扫描了非聚集索引页面之后还需要到数据页面去读取其他字段的数据的话，就需要RID查找运算符
（图片十七）
SQLSERVER聚集索引与非聚集索引的再次研究（下）
SELECT COUNT(*) FROM [dbo].[nct1]和SELECT COUNT(3) FROM [dbo].[nct1]的扫描方式跟前面说的聚集索引表是差不多的
这里就不一一叙述了~
而SELECT COUNT(c2) FROM [dbo].[nct1]为什麽会用表扫描呢？
<span>1</span> <span>SELECT</span> <span>COUNT</span>(c2) <span>FROM</span> <span>[</span><span>dbo</span><span>]</span>.<span>[</span><span>nct1</span><span>]</span>
c2列不在非聚集索引页面里，所以需要表扫描
（图片十八）
SELECT COUNT(c2) FROM [dbo].[nct1]跟前面说的堆表是差不多的，这里就不一一叙述了
总结
做了这麽多实验
可以总结出：select count(*)、count(数字)、count(字段名)是没有性能差别的！！
我说的没有差别是在相同的条件下，就像非聚集索引表，如果使用
SELECT COUNT(c2) FROM [dbo].[nct1]
跟SELECT COUNT(*) FROM [dbo].[nct1]、SELECT COUNT(3) FROM [dbo].[nct1]相比肯定有差别
因为SELECT COUNT(c2) FROM [dbo].[nct1]走的是表扫描
如果SELECT COUNT(c1) FROM [dbo].[nct1]
跟SELECT COUNT(*) FROM [dbo].[nct1]、SELECT COUNT(3) FROM [dbo].[nct1]相比是没有差别的
（图片十九）
大家走的都是非聚集索引扫描
无论是聚集索引表、堆表、非聚集索引表都是扫描表中的记录来统计出表中的行数的
希望大家看完这篇文章之后，不再一知半解了，这是我的希望o(∩_∩)o
如有不对的地方，欢迎大家拍砖o(∩_∩)o
-----------------------------------------------------------------------
补上IO和时间的比较 2013-10-19
---------------------------------
聚集索引表
<span>1</span> <span>SET</span> <span>STATISTICS</span> IO <span>ON</span> <span>2</span> <span>SET</span> <span>STATISTICS</span> TIME <span>ON</span> <span>3</span> <span>GO</span> <span>4</span> <span>SELECT</span> <span>COUNT</span>(<span>*</span>) <span>FROM</span> <span>[</span><span>dbo</span><span>]</span>.<span>[</span><span>ct1</span><span>]</span>
<span>1</span> <span>SQL Server 分析和编译时间: </span><span>2</span> CPU 时间 <span>=</span> <span>0</span> 毫秒，占用时间 <span>=</span> <span>2</span><span> 毫秒。 </span><span>3</span> <span>4</span> (<span>1</span><span> 行受影响) </span><span>5</span> 表 <span>'</span><span>ct1</span><span>'</span>。扫描计数 <span>1</span>，逻辑读取 <span>5</span> 次，物理读取 <span>0</span> 次，预读 <span>0</span> 次，lob 逻辑读取 <span>0</span> 次，lob 物理读取 <span>0</span> 次，lob 预读 <span>0</span><span> 次。 </span><span>6</span> <span>7</span> <span>SQL Server 执行时间: </span><span>8</span> CPU 时间 <span>=</span> <span>15</span> 毫秒，占用时间 <span>=</span> <span>2</span> 毫秒。
<span>1</span> <span>SET</span> <span>STATISTICS</span> IO <span>ON</span> <span>2</span> <span>SET</span> <span>STATISTICS</span> TIME <span>ON</span> <span>3</span> <span>GO</span> <span>4</span> <span>SELECT</span> <span>COUNT</span>(<span>1</span>) <span>FROM</span> <span>[</span><span>dbo</span><span>]</span>.<span>[</span><span>ct1</span><span>]</span>
<span>1</span> <span>SQL Server 分析和编译时间: </span><span>2</span> CPU 时间 <span>=</span> <span>0</span> 毫秒，占用时间 <span>=</span> <span>2</span><span> 毫秒。 </span><span>3</span> <span>4</span> (<span>1</span><span> 行受影响) </span><span>5</span> 表 <span>'</span><span>ct1</span><span>'</span>。扫描计数 <span>1</span>，逻辑读取 <span>5</span> 次，物理读取 <span>0</span> 次，预读 <span>0</span> 次，lob 逻辑读取 <span>0</span> 次，lob 物理读取 <span>0</span> 次，lob 预读 <span>0</span><span> 次。 </span><span>6</span> <span>7</span> <span>SQL Server 执行时间: </span><span>8</span> CPU 时间 <span>=</span> <span>0</span> 毫秒，占用时间 <span>=</span> <span>0</span> 毫秒。
<span>1</span> <span>SET</span> <span>STATISTICS</span> IO <span>ON</span> <span>2</span> <span>SET</span> <span>STATISTICS</span> TIME <span>ON</span> <span>3</span> <span>GO</span> <span>4</span> <span>SELECT</span> <span>COUNT</span>(c1) <span>FROM</span> <span>[</span><span>dbo</span><span>]</span>.<span>[</span><span>ct1</span><span>]</span>
<span>1</span> <span>SQL Server 分析和编译时间: </span><span>2</span> CPU 时间 <span>=</span> <span>0</span> 毫秒，占用时间 <span>=</span> <span>1</span><span> 毫秒。 </span><span>3</span> <span>4</span> (<span>1</span><span> 行受影响) </span><span>5</span> 表 <span>'</span><span>ct1</span><span>'</span>。扫描计数 <span>1</span>，逻辑读取 <span>5</span> 次，物理读取 <span>0</span> 次，预读 <span>0</span> 次，lob 逻辑读取 <span>0</span> 次，lob 物理读取 <span>0</span> 次，lob 预读 <span>0</span><span> 次。 </span><span>6</span> <span>7</span> <span>SQL Server 执行时间: </span><span>8</span> CPU 时间 <span>=</span> <span>0</span> 毫秒，占用时间 <span>=</span> <span>0</span> 毫秒。
---------------------------------------------------
堆表
<span>1</span> <span>SET</span> <span>STATISTICS</span> IO <span>ON</span> <span>2</span> <span>SET</span> <span>STATISTICS</span> TIME <span>ON</span> <span>3</span> <span>GO</span> <span>4</span> <span>SELECT</span> <span>COUNT</span>(<span>*</span>) <span>FROM</span> <span>[</span><span>dbo</span><span>]</span>.<span>[</span><span>t1</span><span>]</span>
<span> 1</span> <span>SQL Server 分析和编译时间: </span><span> 2</span> CPU 时间 <span>=</span> <span>0</span> 毫秒，占用时间 <span>=</span> <span>0</span><span> 毫秒。 </span><span> 3</span> <span> 4</span> <span>SQL Server 执行时间: </span><span> 5</span> CPU 时间 <span>=</span> <span>0</span> 毫秒，占用时间 <span>=</span> <span>0</span><span> 毫秒。 </span><span> 6</span> <span> 7</span> <span>SQL Server 执行时间: </span><span> 8</span> CPU 时间 <span>=</span> <span>0</span> 毫秒，占用时间 <span>=</span> <span>0</span><span> 毫秒。 </span><span> 9</span> <span>SQL Server 分析和编译时间: </span><span>10</span> CPU 时间 <span>=</span> <span>0</span> 毫秒，占用时间 <span>=</span> <span>0</span><span> 毫秒。 </span><span>11</span> <span>12</span> (<span>1</span><span> 行受影响) </span><span>13</span> 表 <span>'</span><span>t1</span><span>'</span>。扫描计数 <span>1</span>，逻辑读取 <span>12</span> 次，物理读取 <span>0</span> 次，预读 <span>0</span> 次，lob 逻辑读取 <span>0</span> 次，lob 物理读取 <span>0</span> 次，lob 预读 <span>0</span><span> 次。 </span><span>14</span> <span>15</span> <span>SQL Server 执行时间: </span><span>16</span> CPU 时间 <span>=</span> <span>0</span> 毫秒，占用时间 <span>=</span> <span>0</span> 毫秒。
<span>1</span> <span>SET</span> <span>STATISTICS</span> IO <span>ON</span> <span>2</span> <span>SET</span> <span>STATISTICS</span> TIME <span>ON</span> <span>3</span> <span>GO</span> <span>4</span> <span>SELECT</span> <span>COUNT</span>(<span>1</span>) <span>FROM</span> <span>[</span><span>dbo</span><span>]</span>.<span>[</span><span>t1</span><span>]</span>
<span> 1</span> <span>SQL Server 分析和编译时间: </span><span> 2</span> CPU 时间 <span>=</span> <span>0</span> 毫秒，占用时间 <span>=</span> <span>0</span><span> 毫秒。 </span><span> 3</span> <span> 4</span> <span>SQL Server 执行时间: </span><span> 5</span> CPU 时间 <span>=</span> <span>0</span> 毫秒，占用时间 <span>=</span> <span>0</span><span> 毫秒。 </span><span> 6</span> <span> 7</span> <span>SQL Server 执行时间: </span><span> 8</span> CPU 时间 <span>=</span> <span>0</span> 毫秒，占用时间 <span>=</span> <span>0</span><span> 毫秒。 </span><span> 9</span> <span>SQL Server 分析和编译时间: </span><span>10</span> CPU 时间 <span>=</span> <span>0</span> 毫秒，占用时间 <span>=</span> <span>79</span><span> 毫秒。 </span><span>11</span> <span>12</span> (<span>1</span><span> 行受影响) </span><span>13</span> 表 <span>'</span><span>t1</span><span>'</span>。扫描计数 <span>1</span>，逻辑读取 <span>12</span> 次，物理读取 <span>0</span> 次，预读 <span>0</span> 次，lob 逻辑读取 <span>0</span> 次，lob 物理读取 <span>0</span> 次，lob 预读 <span>0</span><span> 次。 </span><span>14</span> <span>15</span> <span>SQL Server 执行时间: </span><span>16</span> CPU 时间 <span>=</span> <span>0</span> 毫秒，占用时间 <span>=</span> <span>0</span> 毫秒。
<span>1</span> <span>SET</span> <span>STATISTICS</span> IO <span>ON</span> <span>2</span> <span>SET</span> <span>STATISTICS</span> TIME <span>ON</span> <span>3</span> <span>GO</span> <span>4</span> <span>SELECT</span> <span>COUNT</span>(c1) <span>FROM</span> <span>[</span><span>dbo</span><span>]</span>.<span>[</span><span>t1</span><span>]</span>
<span> 1</span> <span>SQL Server 分析和编译时间: </span><span> 2</span> CPU 时间 <span>=</span> <span>0</span> 毫秒，占用时间 <span>=</span> <span>0</span><span> 毫秒。 </span><span> 3</span> <span> 4</span> <span>SQL Server 执行时间: </span><span> 5</span> CPU 时间 <span>=</span> <span>0</span> 毫秒，占用时间 <span>=</span> <span>0</span><span> 毫秒。 </span><span> 6</span> <span> 7</span> <span>SQL Server 执行时间: </span><span> 8</span> CPU 时间 <span>=</span> <span>0</span> 毫秒，占用时间 <span>=</span> <span>0</span><span> 毫秒。 </span><span> 9</span> <span>SQL Server 分析和编译时间: </span><span>10</span> CPU 时间 <span>=</span> <span>0</span> 毫秒，占用时间 <span>=</span> <span>1</span><span> 毫秒。 </span><span>11</span> <span>12</span> (<span>1</span><span> 行受影响) </span><span>13</span> 表 <span>'</span><span>t1</span><span>'</span>。扫描计数 <span>1</span>，逻辑读取 <span>12</span> 次，物理读取 <span>0</span> 次，预读 <span>0</span> 次，lob 逻辑读取 <span>0</span> 次，lob 物理读取 <span>0</span> 次，lob 预读 <span>0</span><span> 次。 </span><span>14</span> <span>15</span> <span>SQL Server 执行时间: </span><span>16</span> CPU 时间 <span>=</span> <span>0</span> 毫秒，占用时间 <span>=</span> <span>0</span> 毫秒。
-----------------------------------------------------------------------------------------
非聚集索引表
<span>1</span> <span>SET</span> <span>STATISTICS</span> IO <span>ON</span> <span>2</span> <span>SET</span> <span>STATISTICS</span> TIME <span>ON</span> <span>3</span> <span>GO</span> <span>4</span> <span>SELECT</span> <span>COUNT</span>(<span>*</span>) <span>FROM</span> <span>[</span><span>dbo</span><span>]</span>.<span>[</span><span>nct1</span><span>]</span>
<span> 1</span> <span>SQL Server 分析和编译时间: </span><span> 2</span> CPU 时间 <span>=</span> <span>0</span> 毫秒，占用时间 <span>=</span> <span>0</span><span> 毫秒。 </span><span> 3</span> <span> 4</span> <span>SQL Server 执行时间: </span><span> 5</span> CPU 时间 <span>=</span> <span>0</span> 毫秒，占用时间 <span>=</span> <span>0</span><span> 毫秒。 </span><span> 6</span> <span> 7</span> <span>SQL Server 执行时间: </span><span> 8</span> CPU 时间 <span>=</span> <span>0</span> 毫秒，占用时间 <span>=</span> <span>0</span><span> 毫秒。 </span><span> 9</span> <span>SQL Server 分析和编译时间: </span><span>10</span> CPU 时间 <span>=</span> <span>0</span> 毫秒，占用时间 <span>=</span> <span>1</span><span> 毫秒。 </span><span>11</span> <span>12</span> (<span>1</span><span> 行受影响) </span><span>13</span> 表 <span>'</span><span>nct1</span><span>'</span>。扫描计数 <span>1</span>，逻辑读取 <span>2</span> 次，物理读取 <span>0</span> 次，预读 <span>0</span> 次，lob 逻辑读取 <span>0</span> 次，lob 物理读取 <span>0</span> 次，lob 预读 <span>0</span><span> 次。 </span><span>14</span> <span>15</span> <span>SQL Server 执行时间: </span><span>16</span> CPU 时间 <span>=</span> <span>0</span> 毫秒，占用时间 <span>=</span> <span>0</span> 毫秒。
<span>1</span> <span>SET</span> <span>STATISTICS</span> IO <span>ON</span> <span>2</span> <span>SET</span> <span>STATISTICS</span> TIME <span>ON</span> <span>3</span> <span>GO</span> <span>4</span> <span>SELECT</span> <span>COUNT</span>(<span>1</span>) <span>FROM</span> <span>[</span><span>dbo</span><span>]</span>.<span>[</span><span>nct1</span><span>]</span>
<span> 1</span> <span>SQL Server 分析和编译时间: </span><span> 2</span> CPU 时间 <span>=</span> <span>0</span> 毫秒，占用时间 <span>=</span> <span>0</span><span> 毫秒。 </span><span> 3</span> <span> 4</span> <span>SQL Server 执行时间: </span><span> 5</span> CPU 时间 <span>=</span> <span>0</span> 毫秒，占用时间 <span>=</span> <span>0</span><span> 毫秒。 </span><span> 6</span> <span> 7</span> <span>SQL Server 执行时间: </span><span> 8</span> CPU 时间 <span>=</span> <span>0</span> 毫秒，占用时间 <span>=</span> <span>0</span><span> 毫秒。 </span><span> 9</span> <span>SQL Server 分析和编译时间: </span><span>10</span> CPU 时间 <span>=</span> <span>0</span> 毫秒，占用时间 <span>=</span> <span>0</span><span> 毫秒。 </span><span>11</span> <span>12</span> (<span>1</span><span> 行受影响) </span><span>13</span> 表 <span>'</span><span>nct1</span><span>'</span>。扫描计数 <span>1</span>，逻辑读取 <span>2</span> 次，物理读取 <span>0</span> 次，预读 <span>0</span> 次，lob 逻辑读取 <span>0</span> 次，lob 物理读取 <span>0</span> 次，lob 预读 <span>0</span><span> 次。 </span><span>14</span> <span>15</span> <span>SQL Server 执行时间: </span><span>16</span> CPU 时间 <span>=</span> <span>0</span> 毫秒，占用时间 <span>=</span> <span>49</span> 毫秒。
<span>1</span> <span>SET</span> <span>STATISTICS</span> IO <span>ON</span> <span>2</span> <span>SET</span> <span>STATISTICS</span> TIME <span>ON</span> <span>3</span> <span>GO</span> <span>4</span> <span>SELECT</span> <span>COUNT</span>(c1) <span>FROM</span> <span>[</span><span>dbo</span><span>]</span>.<span>[</span><span>nct1</span><span>]</span>
<span> 1</span> <span>SQL Server 分析和编译时间: </span><span> 2</span> CPU 时间 <span>=</span> <span>0</span> 毫秒，占用时间 <span>=</span> <span>0</span><span> 毫秒。 </span><span> 3</span> <span> 4</span> <span>SQL Server 执行时间: </span><span> 5</span> CPU 时间 <span>=</span> <span>0</span> 毫秒，占用时间 <span>=</span> <span>0</span><span> 毫秒。 </span><span> 6</span> <span> 7</span> <span>SQL Server 执行时间: </span><span> 8</span> CPU 时间 <span>=</span> <span>0</span> 毫秒，占用时间 <span>=</span> <span>0</span><span> 毫秒。 </span><span> 9</span> <span>SQL Server 分析和编译时间: </span><span>10</span> CPU 时间 <span>=</span> <span>0</span> 毫秒，占用时间 <span>=</span> <span>0</span><span> 毫秒。 </span><span>11</span> <span>12</span> (<span>1</span><span> 行受影响) </span><span>13</span> 表 <span>'</span><span>nct1</span><span>'</span>。扫描计数 <span>1</span>，逻辑读取 <span>2</span> 次，物理读取 <span>0</span> 次，预读 <span>0</span> 次，lob 逻辑读取 <span>0</span> 次，lob 物理读取 <span>0</span> 次，lob 预读 <span>0</span><span> 次。 </span><span>14</span> <span>15</span> <span>SQL Server 执行时间: </span><span>16</span> CPU 时间 <span>=</span> <span>0</span> 毫秒，占用时间 <span>=</span> <span>1</span> 毫秒。
2014-6-21补充：
<span>USE</span> <span>[</span><span>sss</span><span>]</span>
<span>--</span><span>建表</span>
<span>CREATE</span> <span>TABLE</span> counttb ( id <span>INT</span> <span>NULL</span><span> )
</span><span>--</span><span>插入数据</span>
<span>INSERT</span> <span>INTO</span> <span>[</span><span>dbo</span><span>]</span>.<span>[</span><span>counttb</span><span>]</span><span>
( </span><span>[</span><span>id</span><span>]</span><span> )
</span><span>SELECT</span> <span>1</span>
<span>UNION</span> <span>ALL</span>
<span>SELECT</span> <span>NULL</span>
<span>--</span><span>统计行数</span>
<span>SELECT</span> <span>COUNT</span>(<span>1</span><span>) ,
</span><span>COUNT</span>(<span>*</span><span>) ,
</span><span>COUNT</span><span>(id)
</span><span>FROM</span> <span>[</span><span>dbo</span><span>]</span>.<span>[</span><span>counttb</span><span>]</span>
<span>--</span><span>查询索引的统计值</span>
<span>SELECT</span> a.<span>[</span><span>rowcnt</span><span>]</span><span> ,
b.</span><span>[</span><span>name</span><span>]</span>
<span>FROM</span> sys.<span>[</span><span>sysindexes</span><span>]</span> <span>AS</span><span> a
</span><span>INNER</span> <span>JOIN</span> sys.<span>[</span><span>objects</span><span>]</span> <span>AS</span> b <span>ON</span> a.<span>[</span><span>id</span><span>]</span> <span>=</span> b.<span>[</span><span>object_id</span><span>]</span>
<span>WHERE</span> b.<span>[</span><span>name</span><span>]</span> <span>=</span> <span>'</span><span>counttb</span><span>'</span>
<span>--</span><span>创建非聚集索引</span>
<span>CREATE</span> <span>INDEX</span> ix_counttb_id <span>ON</span> <span>[</span><span>dbo</span><span>]</span>.<span>[</span><span>counttb</span><span>]</span><span> (id)
</span><span>--</span><span>统计行数</span>
<span>SELECT</span> <span>COUNT</span>(<span>1</span><span>) ,
</span><span>COUNT</span>(<span>*</span><span>) ,
</span><span>COUNT</span><span>(id)
</span><span>FROM</span> <span>[</span><span>dbo</span><span>]</span>.<span>[</span><span>counttb</span><span>]</span>
因为在创建非聚集索引前和创建非聚集索引后的行数值都是一样的，可以看出COUNT(*) COUNT(1) 和COUNT(ID)
的统计方式不一样，所以没有可比性
一般我们在统计行数的时候都会把NULL值统计在内的，所以这样的话，最好就是使用COUNT(*) 和COUNT(1) ，这样的速度最快！！
Outils d'IA chauds
Undresser.AI Undress
Application basée sur l'IA pour créer des photos de nu réalistes
AI Clothes Remover
Outil d'IA en ligne pour supprimer les vêtements des photos.
Undress AI Tool
Images de déshabillage gratuites
Clothoff.io
Dissolvant de vêtements AI
AI Hentai Generator
Générez AI Hentai gratuitement.
Article chaud
Outils chauds
Bloc-notes++7.3.1
Éditeur de code facile à utiliser et gratuit
SublimeText3 version chinoise
Version chinoise, très simple à utiliser
Envoyer Studio 13.0.1
Puissant environnement de développement intégré PHP
Dreamweaver CS6
Outils de développement Web visuel
SublimeText3 version Mac
Logiciel d'édition de code au niveau de Dieu (SublimeText3)
Comment importer un fichier mdf dans sqlserver
Apr 08, 2024 am 11:41 AM
Les étapes d'importation sont les suivantes : Copiez le fichier MDF dans le répertoire de données de SQL Server (généralement C:\Program Files\Microsoft SQL Server\MSSQL\DATA). Dans SQL Server Management Studio (SSMS), ouvrez la base de données et sélectionnez Attacher. Cliquez sur le bouton Ajouter et sélectionnez le fichier MDF. Confirmez le nom de la base de données et cliquez sur le bouton OK.
Comment supprimer sqlserver si l'installation échoue ?
Apr 05, 2024 pm 11:27 PM
Si l'installation de SQL Server échoue, vous pouvez la nettoyer en suivant ces étapes : Désinstaller SQL Server Supprimer les clés de registre Supprimer les fichiers et dossiers Redémarrer l'ordinateur
Quelle est la différence entre la syntaxe mysql et sqlserver
Apr 22, 2024 pm 06:33 PM
Les différences de syntaxe entre MySQL et SQL Server se reflètent principalement dans les objets de base de données, les types de données, les instructions SQL et d'autres aspects. Les différences entre les objets de base de données incluent le moteur de stockage et la manière dont les groupes de fichiers sont spécifiés, ainsi que la création d'index et de contraintes. Les différences de types de données impliquent des différences dans les types numériques, les types de caractères et les types de date et d’heure. Les différences entre les instructions SQL se reflètent dans les limitations des jeux de résultats, l'insertion de données, les opérations de mise à jour et de suppression, etc. D'autres différences incluent la manière dont les colonnes d'identité, les vues et les procédures stockées sont créées. Comprendre ces différences est important pour éviter les erreurs lors de l'utilisation de différents systèmes de bases de données.
Que dois-je faire si sqlserver ne peut pas être supprimé ni réinstallé ?
Apr 05, 2024 pm 11:30 PM
Le problème selon lequel SQL Server ne peut pas être réinstallé en raison d'une suppression incomplète peut être résolu en suivant les étapes suivantes : supprimez manuellement les fichiers et les entrées de registre ; utilisez l'outil de désinstallation de l'installation de SQL Server ; utilisez un outil de désinstallation tiers ; vérifiez le redémarrage de l'Observateur d'événements Windows ; l'ordinateur ; réinstallez SQL Server.
Les performances d'exécution locale du service Embedding dépassent celles d'OpenAI Text-Embedding-Ada-002, ce qui est très pratique !
Apr 15, 2024 am 09:01 AM
Ollama est un outil super pratique qui vous permet d'exécuter facilement des modèles open source tels que Llama2, Mistral et Gemma localement. Dans cet article, je vais vous présenter comment utiliser Ollama pour vectoriser du texte. Si vous n'avez pas installé Ollama localement, vous pouvez lire cet article. Dans cet article, nous utiliserons le modèle nomic-embed-text[2]. Il s'agit d'un encodeur de texte qui surpasse OpenAI text-embedding-ada-002 et text-embedding-3-small sur les tâches à contexte court et à contexte long. Démarrez le service nomic-embed-text lorsque vous avez installé avec succès o
Comparaison des performances de différents frameworks Java
Jun 05, 2024 pm 07:14 PM
Comparaison des performances de différents frameworks Java : Traitement des requêtes API REST : Vert.x est le meilleur, avec un taux de requêtes de 2 fois SpringBoot et 3 fois Dropwizard. Requête de base de données : HibernateORM de SpringBoot est meilleur que l'ORM de Vert.x et Dropwizard. Opérations de mise en cache : le client Hazelcast de Vert.x est supérieur aux mécanismes de mise en cache de SpringBoot et Dropwizard. Cadre approprié : choisissez en fonction des exigences de l'application. Vert.x convient aux services Web hautes performances, SpringBoot convient aux applications gourmandes en données et Dropwizard convient à l'architecture de microservices.
Inversion des valeurs clés du tableau PHP : analyse comparative des performances de différentes méthodes
May 03, 2024 pm 09:03 PM
La comparaison des performances des méthodes de retournement des valeurs de clé de tableau PHP montre que la fonction array_flip() fonctionne mieux que la boucle for dans les grands tableaux (plus d'un million d'éléments) et prend moins de temps. La méthode de la boucle for consistant à retourner manuellement les valeurs clés prend un temps relativement long.
Où se trouve le fichier de la base de données Navicat ?
Apr 23, 2024 am 10:57 AM
L'emplacement où les fichiers de configuration de la base de données Navicat sont stockés varie selon le système d'exploitation : Windows : le chemin spécifique à l'utilisateur est %APPDATA%\PremiumSoft\Navicat\macOS : le chemin spécifique à l'utilisateur est ~/Bibliothèque/Application Support/Navicat\Linux : Le chemin spécifique à l'utilisateur est ~/ .config/navicat\Le nom du fichier de configuration contient le type de connexion, tel que navicat_mysql.ini. Ces fichiers de configuration stockent les informations de connexion à la base de données, l'historique des requêtes et les paramètres SSH.
