SQL 查询性能优化 解决书签查找
当优化器所选择的非聚簇索引只包含查询请求的一部分字段时,就需要一个查找(lookup)来检索其他字段来满足请求
先来看看什么是书签查找:当优化器所选择的非聚簇索引只包含查询请求的一部分字段时,就需要一个查找(lookup)来检索其他字段来满足请求。对一个有聚簇索引的表来说是一个键查找(key lookup),对一个堆表来说是一个RID查找(RID lookup)。这种查找即是——书签查找。
书签查找根据索引的行定位器从表中读取数据。因此,除了索引页面的逻辑读取外,还需要数据页面的逻辑读取。
从索引的行定位器到从表中读取数据这之间会产生一些额外的开销,本文就来解决这个开销。
先看下我的测试表结构:
其中可以看出 有一个 聚簇索引 PK_UserID 和一个 非聚簇索引IX_UserName。
看看产生书签 查找的效果:
select UserName,Gender from dbo.UserInfo where UserName='userN600'
按上面的 SQL 产生执行计划 可以看出, 会产生一个书签查找(Key Lookup),如下图
如果把上面的 SQL 改写成
select UserName from dbo.UserInfo where UserName='userN600'
可以看出 书签查找 没有了。
本SQL 产生书签查找的 主要原因是 本SQL 优化器会选择 非聚簇索引IX_UserName,来执生SQL 。IX_UserName 索引不包含 Gender 这个字段 于是产生个从索引到 数据表的 一个 查找 即 书签查找。
解决书签查找:
方法一、使用一个 聚簇索引
对于聚簇索引, 索引的叶子页面和表的数据页面相同,因此,当读取聚簇索引 键列的值时,数据引擎可以读取其它列的值而不需要任何行定位,这样就解决了书签查找。
对于这句SQL ( select UserName,Gender from dbo.UserInfo where UserName='userN600')解决了书签查找的办法就是在UserName 上 建聚簇索引 ,因为一个表只有一个聚簇索引 ,这就意味着删除现有聚簇索引(PK_UserID),将会造成其它从表 中的外键约束 要发生更改,这需要考一些相关的工作,可能严重影响依赖于现有聚簇索引的其它查询。
方法二、使用一个 覆盖索引
覆盖索引 是在所有为满足SQL 查询不用到达基本表所需的列 建立的非聚簇索引。如果查询遇到一个索引并且完全不需要引用底层数据表,那么 该索引可以被认为是 覆盖索引。
对于这句SQL ( select UserName,Gender from dbo.UserInfo where UserName='userN600') 解决书签查找的办法就是 在非聚簇索引IX_UserName 里包含 Gender 字段。
也就是在 建索引时 用INCLUDE 语句,具体操作如下
用INCLUDE 最好在 以下情况下使用:
1、不希望增加索引键的大小,但是仍然可以建一个 覆盖索引;
2、打算索引一种不能被索引的数据类型(除了文本、NTEXT和图像);
3、已经超过了一个索引的关键字列的最大数量
方法三、使用 索引连接
索引连接 是使用多个索引之间一个索引交叉来完全覆盖一个查询。如果覆盖索引变的非常宽,那么就可以考虑索引连接。
对于这句SQL ( select UserName,Gender from dbo.UserInfo where UserName='userN600' and Gender=1)可以在 Gender 上 建一个非聚簇索引就行了。
对于这个例 子,可能 SQL 优化器并没有同时 选 用非聚簇索引IX_UserName 和 我们新建立在Gender 上的索引,这时我们可以告知 SQL 优化器 同时使用 这个两上索引,操作如下
select Gender,UserName from UserInfo with(index (IX_Gender,IX_UserName)) where UserName='jins' and Gender=0
好了就写这么多吧.

Alat AI Hot

Undresser.AI Undress
Apl berkuasa AI untuk mencipta foto bogel yang realistik

AI Clothes Remover
Alat AI dalam talian untuk mengeluarkan pakaian daripada foto.

Undress AI Tool
Gambar buka pakaian secara percuma

Clothoff.io
Penyingkiran pakaian AI

Video Face Swap
Tukar muka dalam mana-mana video dengan mudah menggunakan alat tukar muka AI percuma kami!

Artikel Panas

Alat panas

Notepad++7.3.1
Editor kod yang mudah digunakan dan percuma

SublimeText3 versi Cina
Versi Cina, sangat mudah digunakan

Hantar Studio 13.0.1
Persekitaran pembangunan bersepadu PHP yang berkuasa

Dreamweaver CS6
Alat pembangunan web visual

SublimeText3 versi Mac
Perisian penyuntingan kod peringkat Tuhan (SublimeText3)

Topik panas











Untuk meningkatkan prestasi aplikasi Go, kami boleh mengambil langkah pengoptimuman berikut: Caching: Gunakan caching untuk mengurangkan bilangan akses kepada storan asas dan meningkatkan prestasi. Concurrency: Gunakan goroutine dan saluran untuk melaksanakan tugas yang panjang secara selari. Pengurusan Memori: Urus memori secara manual (menggunakan pakej yang tidak selamat) untuk mengoptimumkan lagi prestasi. Untuk menskalakan aplikasi, kami boleh melaksanakan teknik berikut: Penskalaan Mendatar (Penskalaan Mendatar): Menggunakan contoh aplikasi pada berbilang pelayan atau nod. Pengimbangan beban: Gunakan pengimbang beban untuk mengedarkan permintaan kepada berbilang contoh aplikasi. Perkongsian data: Edarkan set data yang besar merentas berbilang pangkalan data atau nod storan untuk meningkatkan prestasi pertanyaan dan kebolehskalaan.

Pengoptimuman prestasi C++ melibatkan pelbagai teknik, termasuk: 1. Mengelakkan peruntukan dinamik; Kes praktikal pengoptimuman menunjukkan cara menggunakan teknik ini apabila mencari urutan menaik terpanjang dalam tatasusunan integer, meningkatkan kecekapan algoritma daripada O(n^2) kepada O(nlogn).

Penalaan prestasi Nginx boleh dicapai dengan menyesuaikan bilangan proses pekerja, saiz kolam sambungan, membolehkan mampatan GZIP dan protokol HTTP/2, dan menggunakan cache dan mengimbangi beban. 1. Laraskan bilangan proses pekerja dan saiz kolam sambungan: worker_processesauto; peristiwa {worker_connections1024;}. 2. Dayakan Mampatan GZIP dan HTTP/2 Protokol: http {gzipon; server {listen443sslhttp2;}}. 3. Gunakan pengoptimuman cache: http {proxy_cache_path/path/to/cachelevels = 1: 2k

Prestasi rangka kerja Java boleh dipertingkatkan dengan melaksanakan mekanisme caching, pemprosesan selari, pengoptimuman pangkalan data, dan mengurangkan penggunaan memori. Mekanisme caching: Kurangkan bilangan pangkalan data atau permintaan API dan tingkatkan prestasi. Pemprosesan selari: Gunakan CPU berbilang teras untuk melaksanakan tugas secara serentak untuk meningkatkan daya pemprosesan. Pengoptimuman pangkalan data: mengoptimumkan pertanyaan, menggunakan indeks, mengkonfigurasi kumpulan sambungan dan meningkatkan prestasi pangkalan data. Kurangkan penggunaan memori: Gunakan rangka kerja yang ringan, elakkan kebocoran dan gunakan alat analisis untuk mengurangkan penggunaan memori.

Teknik berkesan untuk cepat mendiagnosis isu prestasi PHP termasuk menggunakan Xdebug untuk mendapatkan data prestasi dan kemudian menganalisis output Cachegrind. Gunakan Blackfire untuk melihat jejak permintaan dan menjana laporan prestasi. Periksa pertanyaan pangkalan data untuk mengenal pasti pertanyaan yang tidak cekap. Menganalisis penggunaan memori, melihat peruntukan memori dan penggunaan puncak.

Dengan membina model matematik, menjalankan simulasi dan mengoptimumkan parameter, C++ boleh meningkatkan prestasi enjin roket dengan ketara: Membina model matematik enjin roket dan menerangkan kelakuannya. Simulasikan prestasi enjin dan kira parameter utama seperti tujahan dan impuls tertentu. Kenal pasti parameter utama dan cari nilai optimum menggunakan algoritma pengoptimuman seperti algoritma genetik. Prestasi enjin dikira semula berdasarkan parameter yang dioptimumkan untuk meningkatkan kecekapan keseluruhannya.

Pemprofilan dalam Java digunakan untuk menentukan masa dan penggunaan sumber dalam pelaksanaan aplikasi. Laksanakan pemprofilan menggunakan JavaVisualVM: Sambungkan ke JVM untuk mendayakan pemprofilan, tetapkan selang pensampelan, jalankan aplikasi, hentikan pemprofilan dan hasil analisis memaparkan paparan pepohon masa pelaksanaan. Kaedah untuk mengoptimumkan prestasi termasuk: mengenal pasti kaedah pengurangan hotspot dan memanggil algoritma pengoptimuman

Pengendalian pengecualian menjejaskan prestasi rangka kerja Java kerana pelaksanaan dijeda dan logik pengecualian diproses apabila pengecualian berlaku. Petua untuk mengoptimumkan pengendalian pengecualian termasuk: caching mesej pengecualian menggunakan jenis pengecualian tertentu menggunakan pengecualian yang ditindas untuk mengelakkan pengendalian pengecualian yang berlebihan
