導(dǎo)讀:1建站知識(shí)SQL Server查詢分析器是基于開(kāi)銷的。通常來(lái)講，查詢分析器會(huì)根據(jù)謂詞來(lái)確定該如何選擇高效的查詢路線,比如該選擇哪高端網(wǎng)站建設(shè)建設(shè)網(wǎng)站公司。

而每次查詢分析器尋找路徑時(shí)，并不會(huì)每一次都去統(tǒng)計(jì)索引中包含的行數(shù)，值的范圍等，而是根據(jù)一定條件創(chuàng)建和更新這些信息后保存到數(shù)據(jù)庫(kù)中，這也就是所謂的統(tǒng)計(jì)信息。 如何查看統(tǒng)計(jì)信息 查看SQL Server的統(tǒng)計(jì)信息非常簡(jiǎn)單，使用如下指令： DBCC SHOW_STATISTICS('表名','索引名')所得到的結(jié)果如圖1所示。

統(tǒng)計(jì)信息如何影響查詢

下面我們通過(guò)一個(gè)簡(jiǎn)單的例子來(lái)看統(tǒng)計(jì)信息是如何影響查詢分析器。我建立一個(gè)測(cè)試表，有兩個(gè)INT值的列，其中id為自增，ref上建立非聚集索引，插入100條數(shù)據(jù)，從1到100，再插入9900條等于100的數(shù)據(jù)。圖1中的統(tǒng)計(jì)信息就是示例數(shù)據(jù)的統(tǒng)計(jì)信息。

此時(shí)，我where后使用ref值作為查詢條件，但是給定不同的值，我們可以看出根據(jù)統(tǒng)計(jì)信息，查詢分析器做出了不同的選擇，如圖2所示。

where id= 12345 where monthly_sales < 10000 / 12 where name like “Careyson” + “%”

但是對(duì)于比如

where price = @vari where total_sales > (select sum(qty) from sales) where a.id =b.ref_id

where col1 =1 and col2=2

這類在運(yùn)行時(shí)才能知道值的查詢，采樣步長(zhǎng)就明顯不是那么好用了。另外，上面第四行如果謂詞是兩個(gè)查詢條件，使用采樣步長(zhǎng)也并不好用。因?yàn)闊o(wú)論索引有多少列，采樣步長(zhǎng)僅僅存儲(chǔ)索引的第一列。當(dāng)柱狀圖不再好用時(shí)，SQL Server使用密度來(lái)確定最佳的查詢路線。

密度的公式是：1/表中唯一值的 個(gè)建設(shè)網(wǎng)站數(shù)。當(dāng)密度越小時(shí)，索引越容易被選中。比如圖1中的第二個(gè)表，我們可以通過(guò)如下公式來(lái)計(jì)算一下密度:

根據(jù)公式可以推斷，當(dāng)表中營(yíng)銷型網(wǎng)站建設(shè)的數(shù)據(jù)量逐漸增大時(shí)，密度會(huì)越來(lái)越網(wǎng)站seo優(yōu)化培訓(xùn)小。

對(duì)于那些不能根據(jù)采樣步長(zhǎng)做出選擇的查詢，查詢分析器使用密度來(lái)估計(jì)行數(shù),這個(gè)公式為:估計(jì)的行數(shù)=表中的行數(shù)*密度

那么，根據(jù)這個(gè)公式，如果我做查詢時(shí)，估計(jì)的行數(shù)就會(huì)為如圖4所示的數(shù)字。

我們來(lái)驗(yàn)證一下這個(gè)結(jié)論,如圖5所示。

因此，可以看出，估計(jì)的行數(shù)是和實(shí)際的行數(shù)有出入的，當(dāng)數(shù)據(jù)分布均勻時(shí)，或者數(shù)據(jù)量大時(shí)，這個(gè)誤差將會(huì)變的非常小。

由上面的例子可以看到，查詢分析器由于依賴于統(tǒng)計(jì)信息進(jìn)行查詢，那么過(guò)時(shí)的統(tǒng)計(jì)信息則可能導(dǎo)致低效率的查詢。統(tǒng)計(jì)信息既可以由SQL Server來(lái)進(jìn)行管理，也可以手動(dòng)進(jìn)行更新，也可以由SQL Server管理更新時(shí)手動(dòng)更新。

關(guān)鍵詞標(biāo)簽: 標(biāo)簽 淺談 SQL