哪些方式加快数据库查找，查询数据库那种方法更快一点
来源：整理 编辑：黑码技术 2023-09-28 17:50:57
本文目录一览
1，查询数据库那种方法更快一点
这个关键是 你最好要把结果怎样处理……如果想一次列表 出来 当然是 使用 or 作为条件 来做喽……所以说 后者是常用的 也是实现最快的了……当然 要看你具体实际情况了 如果数据量很大 你要设定的条件有很多的话 你应该 把查询的条件设置成一个数据表 然后 做成双表的查询 这样更方便……至于说 for 循环 你还要 把每一个结果 放在内存中进行保存（估计与系统的内部使用的查询是一个路子 这个没有研究过）or 比 and 速度要快 这是事实……sql语句必须有 like %$aa% 怎么都一样。因为这种like语句， 索引无效。
2，如何加快数据库信息的查询速度
数据库的信息量一般都比较大，假如你没有管理好它，当你需要查询某个信息的时候速度可能会延迟。下面我就谈谈怎样加快数据库信息的查询速度。 第一、在所有的存储过程和触发器的开始处设置 SET NOCOUNT ON ，在结束时设置 SET NOCOUNT OFF 。无需在执行存储过程和触发器的每个语句后向客户端发送 DONE_IN_PROC 消息。 第二、应尽可能的避免更新 clustered 索引数据列，因为 clustered 索引数据列的顺序就是表记录的物理存储顺序，一旦该列值改变将导致整个表记录的顺序的调整，会耗费相当大的资源。若应用系统需要频繁更新 clustered 索引数据列，那么需要考虑是否应将该索引建为 clustered 索引。 第三、临时表并不是不可使用，适当地使用它们可以使某些例程更有效，例如，当需要重复引用大型表或常用表中的某个数据集时。但是，对于一次性事件，最好使用导出表。 第四、应尽量避免在where子句中对字段进行函数操作，这将导致引擎放弃使用索引而进行全表扫描。 第五、如果在 where 子句中使用参数，也会导致全表扫描。因为SQL只有在运行时才会解析局部变量，但优化程序不能将访问计划的选择推迟到运行时；它必须在编译时进行选择。然而，如果在编译时建立访问计划，变量的值还是未知的，因而无法作为索引选择的输入项。1、升级硬件 2、根据查询条件,建立索引,优化索引、优化访问方式，限制结果集的数据量。 3、扩大服务器的内存 4、增加服务器cpu个数 5、对于大的数据库不要设置数据库自动增长，它会降低服务器的性能 6、在查询select语句中用where字句限制返回的行数,避免表扫描,如果返回不必要的数据，浪费了服务器的i/o资源，加重了网络的负担降低性能。如果表很大，在表扫描的期间将表锁住，禁止其他的联接访问表,后果严重。 7、查询时不要返回不需要的行、列 8、用select top 100 / 10 percent 来限制用户返回的行数或者set rowcount来限制操作的行 9、在in后面值的列表中，将出现最频繁的值放在最前面，出现得最少的放在最后面，减少判断的次数 10、一般在group by 个having字句之前就能剔除多余的行，所以尽量不要用它们来做剔除行的工作。他们的执行顺序应该如下最优： select的where字句选择所有合适的行，group by用来分组个统计行，having字句用来剔除多余的分组。这样group by 个having的开销小，查询快.对于大的数据行进行分组和having十分消耗资源。如果group by的目的不包括计算，只是分组，那么用distinct更快 11、一次更新多条记录比分多次更新每次一条快,就是说批处理好.
3，怎么提高数据库的海量数据的查询速度
下面以关系数据库系统Informix为例，介绍改善用户查询计划的方法。1．合理使用索引索引是数据库中重要的数据结构，它的根本目的就是为了提高查询效率。现在大多数的数据库产品都采用IBM最先提出的ISAM索引结构。索引的使用要恰到好处，其使用原则如下：●在经常进行连接，但是没有指定为外键的列上建立索引，而不经常连接的字段则由优化器自动生成索引。●在频繁进行排序或分组（即进行group by或order by操作）的列上建立索引。●在条件表达式中经常用到的不同值较多的列上建立检索，在不同值少的列上不要建立索引。比如在雇员表的“性别”列上只有“男”与“女”两个不同值，因此就无必要建立索引。如果建立索引不但不会提高查询效率，反而会严重降低更新速度。●如果待排序的列有多个，可以在这些列上建立复合索引（compound index）。●使用系统工具。如Informix数据库有一个tbcheck工具，可以在可疑的索引上进行检查。在一些数据库服务器上，索引可能失效或者因为频繁操作而使得读取效率降低，如果一个使用索引的查询不明不白地慢下来，可以试着用tbcheck工具检查索引的完整性，必要时进行修复。另外，当数据库表更新大量数据后，删除并重建索引可以提高查询速度。2．避免或简化排序应当简化或避免对大型表进行重复的排序。当能够利用索引自动以适当的次序产生输出时，优化器就避免了排序的步骤。以下是一些影响因素：●索引中不包括一个或几个待排序的列；●group by或order by子句中列的次序与索引的次序不一样；●排序的列来自不同的表。为了避免不必要的排序，就要正确地增建索引，合理地合并数据库表（尽管有时可能影响表的规范化，但相对于效率的提高是值得的）。如果排序不可避免，那么应当试图简化它，如缩小排序的列的范围等。3．消除对大型表行数据的顺序存取在嵌套查询中，对表的顺序存取对查询效率可能产生致命的影响。比如采用顺序存取策略，一个嵌套3层的查询，如果每层都查询1000行，那么这个查询就要查询10亿行数据。避免这种情况的主要方法就是对连接的列进行索引。例如，两个表：学生表（学号、姓名、年龄……）和选课表（学号、课程号、成绩）。如果两个表要做连接，就要在“学号”这个连接字段上建立索引。还可以使用并集来避免顺序存取。尽管在所有的检查列上都有索引，但某些形式的where子句强迫优化器使用顺序存取。下面的查询将强迫对orders表执行顺序操作：SELECT ＊ FROM orders WHERE (customer_num=104 AND order_num>1001) OR order_num=1008虽然在customer_num和order_num上建有索引，但是在上面的语句中优化器还是使用顺序存取路径扫描整个表。因为这个语句要检索的是分离的行的集合，所以应该改为如下语句：SELECT ＊ FROM orders WHERE customer_num=104 AND order_num>1001UNIONSELECT ＊ FROM orders WHERE order_num=1008 这样就能利用索引路径处理查询。 4．避免相关子查询一个列的标签同时在主查询和where子句中的查询中出现，那么很可能当主查询中的列值改变之后，子查询必须重新查询一次。查询嵌套层次越多，效率越低，因此应当尽量避免子查询。如果子查询不可避免，那么要在子查询中过滤掉尽可能多的行。5．避免困难的正规表达式MATCHES和LIKE关键字支持通配符匹配，技术上叫正规表达式。但这种匹配特别耗费时间。例如：SELECT ＊ FROM customer WHERE zipcode LIKE “98_ _ _” 即使在zipcode字段上建立了索引，在这种情况下也还是采用顺序扫描的方式。如果把语句改为SELECT ＊ FROM customer WHERE zipcode >“98000”，在执行查询时就会利用索引来查询，显然会大大提高速度。 另外，还要避免非开始的子串。例如语句：SELECT ＊ FROM customer WHERE zipcode[2，3]>“80”，在where子句中采用了非开始子串，因而这个语句也不会使用索引。 6．使用临时表加速查询把表的一个子集进行排序并创建临时表，有时能加速查询。它有助于避免多重排序操作，而且在其他方面还能简化优化器的工作。例如：SELECT cust.name，rcvbles.balance，……other columns FROM cust，rcvbles WHERE cust.customer_id = rcvlbes.customer_id AND rcvblls.balance>0 AND cust.postcode>“98000” ORDER BY cust.name 如果这个查询要被执行多次而不止一次，可以把所有未付款的客户找出来放在一个临时文件中，并按客户的名字进行排序： SELECT cust.name，rcvbles.balance，……other columns FROM cust，rcvbles WHERE cust.customer_id = rcvlbes.customer_id AND rcvblls.balance>0 ORDER BY cust.name INTO TEMP cust_with_balance 然后以下面的方式在临时表中查询：SELECT ＊ FROM cust_with_balance WHERE postcode>“98000” 临时表中的行要比主表中的行少，而且物理顺序就是所要求的顺序，减少了磁盘I/O，所以查询工作量可以得到大幅减少。注意：临时表创建后不会反映主表的修改。在主表中数据频繁修改的情况下，注意不要丢失数据。7．用排序来取代非顺序存取非顺序磁盘存取是最慢的操作，表现在磁盘存取臂的来回移动。SQL语句隐藏了这一情况，使得我们在写应用程序时很容易写出要求存取大量非顺序页的查询。有些时候，用数据库的排序能力来替代非顺序的存取能改进查询。不能，200万的服务器也承受不起这么高的频率访问。 也没有数据库能承受每秒1万次访问； 瓶颈并不在这里，而是在于你的整体架构设计。 --------------------- 作为一个架构师，你要注重的，是要合理划分你的资源， 把负载尽可能的平均分配到每一层，而不是都把压力抛给数据库服务器， 除非你有巨型服务器，否则都是不现实的。 在web2.0时代，海量数据访问之所以不再是难题， 是因为有了缓存技术的出现，从前端web服务器到负载服务器，再到数据库引擎服务器， 层层分解了海量的并发访问，才能支撑起一个大型的产品。 
文章TAG：
哪些 方式 加快 数据 哪些方式加快数据库查找
