SQL性能优化经验分享.pptVIP

8.关联字段重复严重?先取需要字段GROUP BY（cont.） 先汇总再连接，可以减少参与连接的数据集大小，减少比较次数，从而提高效率。 以下面SQL为例，假设历史表（ History ）有1亿条记录 左边的SQL，需要进行 1亿 × 90次比较 右边的SQL，则只需要 1亿 × 1 次比较 SELECT H.product_id ,sum(H.account_num) FROM History H , Calendar DT WHERE H.sale_date = DT.calendar_date AND DT.quarter = 3 GROUP BY 1 ; SELECT H.product_id , SUM(H.account_num) FROM History H , (SELECT min(calendar_date) min_date ,max(calendar_date) max_date FROM Calendar WHERE quarter = 3 ) DT WHERE H.sale_date BETWEEN DT.min_date and DT.max_date GROUP BY 1 ; 8.关联字段重复严重?先取需要字段GROUP BY(cont.) select ... zeroifnull(b.xmean_arpu_b) * ( case si_brand when 1 then 60 --old CDMA when 2 then 60 --new CDMA when 3 then 41.3 --GSM else 25.0 END ) / avg(zeroifnull(b.xmean_arpu_b)) OVER (PARTITION BY si_brand) ... from ( select ... ,1 + (row_number() OVER (PARTITION BY si_brand order by arpu_b)-1)*1000 ... from pmarttemp.tb_cpt_val_score) a left join pmarttemp.tb_chn_cmp_score2arpu b on a.q_score = b.xbin 通过PARTITION BY品牌计算平均值， 计算量和关联造成的IO都大 通过PARTITION BY用ROWNUMBER排序，必须的 因为源表是号码级的，且品牌只有4个，对其使用OLAP函数按品牌分区计算平均值。不如用GROUP BY计算出结果后关联，平均值结果就只有4个记录，关联可以说是no cost的！ 9.选择正确的字段类型 尽量用整型，不随便用有小数点的类型 算arpu也不要使用float来做字段类型，用decimal能提高运算效率 使用decimal也尽量减少范围，arpu不需要用到(18,2)的长度 WHERE条件中不正确的字段类型会导致不能使用索引 9.选择正确的字段类型 比较规则: 1) 比较两个值(字段)，它们的类型必须一样！ 2) 当字符(串)与数字相比较时，先把字符(串)转换成数字，再进行比较。 3) 经分系统中容易出错的，有Cal_Month字段 Case 1 Table 1 CREATE TABLE Emp1 (Emp_no CHAR(6), Emp_name CHAR(20)) PRIMARY INDEX (Emp_no); Statement 1 SELECT * FROM Emp1 WHERE Emp_no = 1234; Statement 2 SELECT * FROM Emp1 WHERE Emp_no = 1234; Table 1 CREATE TABLE Emp2 (Emp_no INTEGER, Emp_name CHAR(20)) PRIMARY INDEX (Emp_no); Statement 1 SELECT * FROM Emp2 WHERE Emp_no = 1234; Statement 2 SELECT * FROM Emp2 WHERE Emp_no = 1234; Case 2 Results in Full Table Scan Results in unnecessary conversion 9.选择正确的字段类型 对于使用OLAP函数的字段，吝啬地缩小字段长度，能明显提高性能！ Case 1 insert into pmart.tb_DG_uv_itemrank selec