标签：关系 存储 优化 数据库 查询 索引 关系数据库 数据

sql语句优化方法 1.适当的数据库索引 数据库索引一般是1个数据结构，有利于促进全部数据检索全过程。唯一数据库索引是一种数据库索引，能够 建立不重叠的数据列。恰当的数据库索引能够 更迅速地请求数据库查询，可是过多的数据库索引或无数据库索引反倒会导致不太好的结果，要是没有数据库索引，那麼处理会十分慢。 2.仅查找相应数据 特定数据需要查找的精度。采用指令*和LIMIT来替代SELECT*，调整数据库查询时，采用需要的数据集来替代全部数据集是十分有必要的，尤其是当你的数据源十分大的时候，特定所需要用的数据集将节省一半时间。命令用于从列选定数据，LIMIT子句能被用于强制性SELECT语句返回特定的记录数。他们两的组合防止了将来系统出現问题，除此以外，数据集的限制也在相应程度上减少了对数据库查询的再次优化。 3.摆脱相应的子查询 相应子查询一般取决于父查询或外部查询。这类搜索是一行行完成的，这代表它会减少全过程的速率。一般要是WHERE源于于从外部查询的指令，运用子查询运行每一行，由父查询返回，进而降低全部进程并减少数据库查询速率的话，更佳的调节数据库查询的方法是INNERJOIN指令。当然了在某一些情况下，采用相应的子查询至关重要。 4.根据要求采用或防止临时表 要是代码能够 以简洁的方法写，绝对不要让临时表复杂化。当然了，要是1个数据具备需要数次查询的具体程序，在这种情况下，建议采用临时表。临时表一般由子查询来交替。 5.防止代码循坏 防止代码循坏是十分需要的，由于它会拖慢全部序列。根据采用具备单独一个行的唯一UPDATE或INSERT指令来防止代码循坏，而且根据WHERE指令保证不更新储存的数据，便于在寻找匹配且预先存在的数据的情况下实现。 6.执行计划 优化方案器建立的执行计划工具在优化sql语句数据库查询层面起到关键作用。他们也有利于建立适当的数据库索引。尽管它的关键功能要以图形方法显示查找数据的各类方法。但这相反也有利于建立所需的数据库索引并执行其它所需的步骤来优化方案数据库查询。   简要的说： 1.任何地方都不要使用 select * from t ，用具体的字段列表代替“*”，不要返回用不到的任何字段 2.避免频繁创建和删除临时表，以减少系统表资源的消耗 3.使用like关键字模糊查询时，%放在前面索引不起作用，只有%不在第一个位置，索引才会生效 4.in 和 not in和null值判断 也要慎用，否则会导致全表扫描，对于连续的数值，能用 between 就 不要用 in 了 5.尽量避免使用or，会导致引擎放弃，进行全表扫描 6.尽可能的使用 varchar/nvarchar 代替 char/nchar ，因为首先变长字段存储空间小，可以节省存储空间，对于查询来说，搜索效率显然要高些。 7.在表中创建索引，优先考虑where，group by使用到的字段 8.应尽量避免在 where 子句中使用!=或<>操作符，否则将引擎放弃使用索引而进行全表扫描 数据库优化方法 1.对sql语句优化： 就是能分开写的语句就分开写，不要一次性就解决，这样对效率来说是很大的开销的。 2.避免使用不兼容的数据类型： 如float和int，char和varchar等都是不兼容的。 3.尽量避免在where子句中对字段进行函数或表达式操作。 4.避免使用is not null、in等一些无法让系统使用索引操作的词。 5.合理使用exists，not exists字句，少用<>（不等于）。 6.使用外键，索引 7.使用连接（JOIN)来代替子查询 8.使用联合（UNION)来代替手动创建临时表 9.选取最适用的字段属性/尽量把字段设置为NOTNULL 关系型数据库和非关系型数据库： 关系型数据库 ： 关系型数据库：指采用了关系模型来组织数据的数据库。 关系模型指的就是二维表格模型，而一个关系型数据库就是由二维表及其之间的联系所组成的一个数据组织。 关系模型中常用的概念： 关系：一张二维表，每个关系都具有一个关系名，也就是表名 元组：二维表中的一行，在数据库中被称为记录 属性：二维表中的一列，在数据库中被称为字段 域：属性的取值范围，也就是数据库中某一列的取值限制 关键字：一组可以唯一标识元组的属性，数据库中常称为主键，由一个或多个列组成 关系模式：指对关系的描述。其格式为：关系名(属性1，属性2，...属性N)，在数据库中成为表结构 关系型数据库的优点： 1.容易理解：二维表结构是非常贴近逻辑世界的一个概念，关系模型相对网状、层次等其他模型来说更容易理解 2.使用方便：通用的SQL语言使得操作关系型数据库非常方便 3.易于维护：丰富的完整性(实体完整性、参照完整性和用户定义的完整性)大大减低了数据冗余和数据不一致的概率 关系型数据库存在的问题 1.网站的用户并发性非常高，往往达到每秒上万次读写请求，对于传统关系型数据库来说，硬盘I/O是一个很大的瓶颈 2.网站每天产生的数据量是巨大的，对于关系型数据库来说，在一张包含海量数据的表中查询，效率是非常低的 3.在基于web的结构当中，数据库是最难进行横向扩展的，当一个应用系统的用户量和访问量与日俱增的时候，数据库却没有办法像web server和app server那样简单的通过添加更多的硬件和服务节点来扩展性能和负载能力。当需要对数据库系统进行升级和扩展时，往往需要停机维护和数据迁移。 4.性能欠佳：在关系型数据库中，导致性能欠佳的最主要原因是多表的关联查询，以及复杂的数据分析类型的复杂SQL报表查询。为了保证数据库的ACID特性，必须尽量按照其要求的范式进行设计， 关系型数据库中的表都是存储一个格式化的数据结构。 数据库事务必须具备ACID特性，ACID分别是Atomic原子性，Consistency一致性， Isolation隔离性，Durability持久性。 当今十大主流的关系型数据库 Oracle，Microsoft SQL Server，MySQL，PostgreSQL，DB2， Microsoft Access， SQLite，Teradata，MariaDB(MySQL的一个分支)，SAP 非关系型数据库 非关系型数据库：指非关系型的，分布式的，且一般不保证遵循ACID原则的数据存储系统。 非关系型数据库结构 非关系型数据库以键值对存储，且结构不固定，每一个元组可以有不一样的字段，每个元组可以根据需要增加一些自己的键值对，不局限于固定的结构，可以减少一些时间和空间的开销。 优点 1.用户可以根据需要去添加自己需要的字段，为了获取用户的不同信息，不像关系型数据库中，要对多表进行关联查询。仅需要根据id取出相应的value就可以完成查询。 2.适用于SNS(Social Networking Services)中，例如facebook，微博。系统的升级，功能的增加，往往意味着数据结构巨大变动，这一点关系型数据库难以应付，需要新的结构化数据存储。由于不可能用一种数据结构化存储应付所有的新的需求，因此，非关系型数据库严格上不是一种数据库，应该是一种数据结构化存储方法的集合。 不足： 只适合存储一些较为简单的数据，对于需要进行较复杂查询的数据，关系型数据库显的更为合适。不适合持久存储海量数据 非关系型数据库的分类 非关系型数据库都是针对某些特定的应用需求出现的，因此，对于该类应用，具有极高的性能。依据结构化方法以及应用场合的不同，主要分为以下几类： 面向高性能并发读写的key-value数据库： key-value数据库的主要特点是具有极高的并发读写性能 Key-value数据库是一种以键值对存储数据的一种数据库，类似Java中的map。可以将整个数据库理解为一个大的map，每个键都会对应一个唯一的值。 主流代表为Redis， Amazon DynamoDB， Memcached， Microsoft Azure Cosmos DB和Hazelcast 面向海量数据访问的面向文档数据库： 这类数据库的主要特点是在海量的数据中可以快速的查询数据 文档存储通常使用内部表示法，可以直接在应用程序中处理，主要是JSON。JSON文档也可以作为纯文本存储在键值存储或关系数据库系统中。 主流代表为MongoDB，Amazon DynamoDB，Couchbase， Microsoft Azure Cosmos DB和CouchDB 面向搜索数据内容的搜索引擎： 搜索引擎是专门用于搜索数据内容的NoSQL数据库管理系统。 主要是用于对海量数据进行近实时的处理和分析处理，可用于机器学习和数据挖掘 主流代表为Elasticsearch，Splunk，Solr，MarkLogic和Sphinx 面向可扩展性的分布式数据库： 这类数据库的主要特点是具有很强的可拓展性 普通的关系型数据库都是以行为单位来存储数据的，擅长以行为单位的读入处理，比如特定条件数据的获取。因此，关系型数据库也被成为面向行的数据库。相反，面向列的数据库是以列为单位来存储数据的，擅长以列为单位读入数据。 这类数据库想解决的问题就是传统数据库存在可扩展性上的缺陷，这类数据库可以适应数据量的增加以及数据结构的变化，将数据存储在记录中，能够容纳大量动态列。由于列名和记录键不是固定的，并且由于记录可能有数十亿列，因此可扩展性存储可以看作是二维键值存储。 主流代表为Cassandra，HBase，Microsoft Azure Cosmos DB， Datastax Enterprise和Accumulo 关系型与非关系型数据库的比较 1.成本：Nosql数据库简单易部署，基本都是开源软件，不需要像使用Oracle那样花费大量成本购买使用，相比关系型数据库价格便宜。 2.查询速度：Nosql数据库将数据存储于缓存之中，而且不需要经过SQL层的解析，关系型数据库将数据存储在硬盘中，自然查询速度远不及Nosql数据库。 3.存储数据的格式：Nosql的存储格式是key,value形式、文档形式、图片形式等等，所以可以存储基础类型以及对象或者是集合等各种格式，而数据库则只支持基础类型。 4.扩展性：关系型数据库有类似join这样的多表查询机制的限制导致扩展很艰难。Nosql基于键值对，数据之间没有耦合性，所以非常容易水平扩展。 5.持久存储：Nosql不使用于持久存储，海量数据的持久存储，还是需要关系型数据库 6.数据一致性：非关系型数据库一般强调的是数据最终一致性，不像关系型数据库一样强调数据的强一致性，从非关系型数据库中读到的有可能还是处于一个中间态的数据， Nosql不提供对事务的处理。

标签：关系,存储,优化,数据库,查询,索引,关系数据库,数据
来源： https://www.cnblogs.com/z-12345/p/14618555.html

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。