故事開篇：你和你的團隊經過不懈努力，終于使網站成功上線，剛開始時，注冊用戶較少，網站性能表現不錯，但隨著注冊用戶的增多，訪問速度開始變慢，一些用戶開始發(fā)來郵件表示抗議，事情變得越來越糟，為了留住用戶，你開始著手調查訪問變慢的原因。

　　經過緊張的調查，你發(fā)現問題出在數據庫上，當應用程序嘗試訪問/更新數據時，數據庫執(zhí)行得相當慢，再次深入調查數據庫后，你發(fā)現數據庫表增長得很大，有些表甚至有上千萬行數據，測試團隊開始在生產數據庫上測試，發(fā)現訂單提交過程需要花5分鐘時間，但在網站上線前的測試中，提交一次訂單只需要2/3秒。

　　類似這種故事在世界各個角落每天都會上演，幾乎每個開發(fā)人員在其開發(fā)生涯中都會遇到這種事情，我也曾多次遇到這種情況，因此我希望將我解決這種問題的經驗和大家分享。

　　如果你正身處這種項目，逃避不是辦法，只有勇敢地去面對現實。首先，我認為你的應用程序中一定沒有寫數據訪問程序，我將在這個系列的文章中介紹如何編寫最佳的數據訪問程序，以及如何優(yōu)化現有的數據訪問程序。

　　范圍

　　在正式開始之前，有必要澄清一下本系列文章的寫作邊界，我想談的是“事務性(OLTP)SQL Server數據庫中的數據訪問性能優(yōu)化”，但文中介紹的這些技巧也可以用于其它數據庫平臺。

　　同時，我介紹的這些技巧主要是面向程序開發(fā)人員的，雖然DBA也是優(yōu)化數據庫的一支主要力量，但DBA使用的優(yōu)化方法不在我的討論范圍之內。

　　當一個基于數據庫的應用程序運行起來很慢時，90%的可能都是由于數據訪問程序的問題，要么是沒有優(yōu)化，要么是沒有按最佳方法編寫代碼，因此你需要審查和優(yōu)化你的數據訪問/處理程序。

　　我將會談到10個步驟來優(yōu)化數據訪問程序，先從最基本的索引說起吧!

　　第一步：應用正確的索引

　　我之所以先從索引談起是因為采用正確的索引會使生產系統(tǒng)的性能得到質的提升，另一個原因是創(chuàng)建或修改索引是在數據庫上進行的，不會涉及到修改程序，并可以立即見到成效。

　　我們還是溫習一下索引的基礎知識吧，我相信你已經知道什么是索引了，但我見到很多人都還不是很明白，我先給大家將一個故事吧。

　　很久以前，在一個古城的的大圖書館中珍藏有成千上萬本書籍，但書架上的書沒有按任何順序擺放，因此每當有人詢問某本書時，圖書管理員只有挨個尋找，每一次都要花費大量的時間。

　　[這就好比數據表沒有主鍵一樣，搜索表中的數據時，數據庫引擎必須進行全表掃描，效率極其低下。]

　　更糟的是圖書館的圖書越來越多，圖書管理員的工作變得異常痛苦，有一天來了一個聰明的小伙子，他看到圖書管理員的痛苦工作后，想出了一個辦法，他建議將每本書都編上號，然后按編號放到書架上，如果有人指定了圖書編號，那么圖書管理員很快就可以找到它的位置了。

　　[給圖書編號就象給表創(chuàng)建主鍵一樣，創(chuàng)建主鍵時，會創(chuàng)建聚集索引樹，表中的所有行會在文件系統(tǒng)上根據主鍵值進行物理排序，當查詢表中任一行時，數據庫首先使用聚集索引樹找到對應的數據頁(就象首先找到書架一樣)，然后在數據頁中根據主鍵鍵值找到目標行(就象找到書架上的書一樣)。]

　　于是圖書管理員開始給圖書編號，然后根據編號將書放到書架上，為此他花了整整一天時間，但最后經過測試，他發(fā)現找書的效率大大提高了。

　　[在一個表上只能創(chuàng)建一個聚集索引，就象書只能按一種規(guī)則擺放一樣。]

　　但問題并未完全解決，因為很多人記不住書的編號，只記得書的名字，圖書管理員無賴又只有掃描所有的圖書編號挨個尋找，但這次他只花了20分鐘，以前未給圖書編號時要花2-3小時，但與根據圖書編號查找圖書相比，時間還是太長了，因此他向那個聰明的小伙子求助。

　　[這就好像你給Product表增加了主鍵ProductID，但除此之外沒有建立其它索引，當使用Product Name進行檢索時，數據庫引擎又只要進行全表掃描，逐個尋找了。]

　　聰明的小伙告訴圖書管理員，之前已經創(chuàng)建好了圖書編號，現在只需要再創(chuàng)建一個索引或目錄，將圖書名稱和對應的編號一起存儲起來，但這一次是按圖書名稱進行排序，如果有人想找“Database Management System”一書，你只需要跳到“D”開頭的目錄，然后按照編號就可以找到圖書了。

　　于是圖書管理員興奮地花了幾個小時創(chuàng)建了一個“圖書名稱”目錄，經過測試，現在找一本書的時間縮短到1分鐘了(其中30秒用于從“圖書名稱”目錄中查找編號，另外根據編號查找圖書用了30秒)。

　　圖書管理員開始了新的思考，讀者可能還會根據圖書的其它屬性來找書，如作者，于是他用同樣的辦法為作者也創(chuàng)建了目錄，現在可以根據圖書編號，書名和作者在1分鐘內查找任何圖書了，圖書管理員的工作變得輕松了，故事也到此結束。

　　到此，我相信你已經完全理解了索引的真正含義。假設我們有一個Products表，創(chuàng)建了一個聚集索引(根據表的主鍵自動創(chuàng)建的)，我們還需要在ProductName列上創(chuàng)建一個非聚集索引，創(chuàng)建非聚集索引時，數據庫引擎會為非聚集索引自動創(chuàng)建一個索引樹(就象故事中的“圖書名稱”目錄一樣)，產品名稱會存儲在索引頁中，每個索引頁包括一定范圍的產品名稱和它們對應的主鍵鍵值，當使用產品名稱進行檢索時，數據庫引擎首先會根據產品名稱查找非聚集索引樹查出主鍵鍵值，然后使用主鍵鍵值查找聚集索引樹找到最終的產品。

　　下圖顯示了一個索引樹的結構

　　圖 1 索引樹結構

　　它叫做B+樹(或平衡樹)，中間節(jié)點包含值的范圍，指引SQL引擎應該在哪里去查找特定的索引值，葉子節(jié)點包含真正的索引值，如果這是一個聚集索引樹，葉子節(jié)點就是物理數據頁，如果這是一個非聚集索引樹，葉子節(jié)點包含索引值和聚集索引鍵(數據庫引擎使用它在聚集索引樹中查找對應的行)。

　　通常，在索引樹中查找目標值，然后跳到真實的行，這個過程是花不了什么時間的，因此索引一般會提高數據檢索速度。下面的步驟將有助于你正確應用索引。

　　確保每個表都有主鍵

　　這樣可以確保每個表都有聚集索引(表在磁盤上的物理存儲是按照主鍵順序排列的)，使用主鍵檢索表中的數據，或在主鍵字段上進行排序，或在where子句中指定任意范圍的主鍵鍵值時，其速度都是非?？斓?。

　　在下面這些列上創(chuàng)建非聚集索引：

　　1)搜索時經常使用到的;

　　2)用于連接其它表的;

　　3)用于外鍵字段的;

　　4)高選中性的;

　　5)ORDER BY子句使用到的;

　　6)XML類型。

　　下面是一個創(chuàng)建索引的例子：　

　　也可以使用SQL Server管理工作臺在表上創(chuàng)建索引，如圖2所示。

　　圖 2 使用SQL Server管理工作臺創(chuàng)建索引
 

　　第二步：創(chuàng)建適當的覆蓋索引

　　假設你在Sales表(SelesID,SalesDate,SalesPersonID,ProductID,Qty)的外鍵列(ProductID)上創(chuàng)建了一個索引，假設ProductID列是一個高選中性列，那么任何在where子句中使用索引列(ProductID)的select查詢都會更快，如果在外鍵上沒有創(chuàng)建索引，將會發(fā)生全部掃描，但還有辦法可以進一步提升查詢性能。

　　假設Sales表有10,000行記錄，下面的SQL語句選中400行(總行數的4%)：　

　　我們來看看這條SQL語句在SQL執(zhí)行引擎中是如何執(zhí)行的：

　　1)Sales表在ProductID列上有一個非聚集索引，因此它查找非聚集索引樹找出ProductID=112的記錄;

　　2)包含ProductID = 112記錄的索引頁也包括所有的聚集索引鍵(所有的主鍵鍵值，即SalesID);

　　3)針對每一個主鍵(這里是400)，SQL Server引擎查找聚集索引樹找出真實的行在對應頁面中的位置;

　　SQL Server引擎從對應的行查找SalesDate和SalesPersonID列的值。

　　在上面的步驟中，對ProductID = 112的每個主鍵記錄(這里是400)，SQL Server引擎要搜索400次聚集索引樹以檢索查詢中指定的其它列(SalesDate，SalesPersonID)。

　　如果非聚集索引頁中包括了聚集索引鍵和其它兩列(SalesDate,，SalesPersonID)的值，SQL Server引擎可能不會執(zhí)行上面的第3和4步，直接從非聚集索引樹查找ProductID列速度還會快一些，直接從索引頁讀取這三列的數值。

　　幸運的是，有一種方法實現了這個功能，它被稱為“覆蓋索引”，在表列上創(chuàng)建覆蓋索引時，需要指定哪些額外的列值需要和聚集索引鍵值(主鍵)一起存儲在索引頁中。下面是在Sales 表ProductID列上創(chuàng)建覆蓋索引的例子：　

　　應該在那些select查詢中常使用到的列上創(chuàng)建覆蓋索引，但覆蓋索引中包括過多的列也不行，因為覆蓋索引列的值是存儲在內存中的，這樣會消耗過多內存，引發(fā)性能下降。

　　創(chuàng)建覆蓋索引時使用數據庫調整顧問

　　我們知道，當SQL出問題時，SQL Server引擎中的優(yōu)化器根據下列因素自動生成不同的查詢計劃：

　　1)數據量

　　2)統(tǒng)計數據

　　3)索引變化

　　4)TSQL中的參數值

　　5)服務器負載

　　這就意味著，對于特定的SQL，即使表和索引結構是一樣的，但在生產服務器和在測試服務器上產生的執(zhí)行計劃可能會不一樣，這也意味著在測試服務器上創(chuàng)建的索引可以提高應用程序的性能，但在生產服務器上創(chuàng)建同樣的索引卻未必會提高應用程序的性能。因為測試環(huán)境中的執(zhí)行計劃利用了新創(chuàng)建的索引，但在生產環(huán)境中執(zhí)行計劃可能不會利用新創(chuàng)建的索引(例如，一個非聚集索引列在生產環(huán)境中不是一個高選中性列，但在測試環(huán)境中可能就不一樣)。

　　因此我們在創(chuàng)建索引時，要知道執(zhí)行計劃是否會真正利用它，但我們怎么才能知道呢?答案就是在測試服務器上模擬生產環(huán)境負載，然后創(chuàng)建合適的索引并進行測試，如果這樣測試發(fā)現索引可以提高性能，那么它在生產環(huán)境也就更可能提高應用程序的性能了。

　　雖然要模擬一個真實的負載比較困難，但目前已經有很多工具可以幫助我們。

　　使用SQL profiler跟蹤生產服務器，盡管不建議在生產環(huán)境中使用SQL profiler，但有時沒有辦法，要診斷性能問題關鍵所在，必須得用，在http://msdn.microsoft.com/en-us/library/ms181091.aspx有SQL profiler的使用方法。

　　使用SQL profiler創(chuàng)建的跟蹤文件，在測試服務器上利用數據庫調整顧問創(chuàng)建一個類似的負載，大多數時候，調整顧問會給出一些可以立即使用的索引建議，在http://msdn.microsoft.com/en-us/library/ms166575.aspx有調整顧問的詳細介紹。

　　第三步：整理索引碎片

　　你可能已經創(chuàng)建好了索引，并且所有索引都在工作，但性能卻仍然不好，那很可能是產生了索引碎片，你需要進行索引碎片整理。

　　什么是索引碎片?

　　由于表上有過度地插入、修改和刪除操作，索引頁被分成多塊就形成了索引碎片，如果索引碎片嚴重，那掃描索引的時間就會變長，甚至導致索引不可用，因此數據檢索操作就慢下來了。

　　有兩種類型的索引碎片：內部碎片和外部碎片。

　　內部碎片：為了有效的利用內存，使內存產生更少的碎片，要對內存分頁，內存以頁為單位來使用，最后一頁往往裝不滿，于是形成了內部碎片。

　　外部碎片：為了共享要分段，在段的換入換出時形成外部碎片，比如5K的段換出后，有一個4k的段進來放到原來5k的地方，于是形成1k的外部碎片。

　　如何知道是否發(fā)生了索引碎片?

　　執(zhí)行下面的SQL語句就知道了(下面的語句可以在SQL Server 2005及后續(xù)版本中運行，用你的數據庫名替換掉這里的AdventureWorks)：

　　執(zhí)行后顯示AdventureWorks數據庫的索引碎片信息。

　　圖 3 索引碎片信息

　　使用下面的規(guī)則分析結果，你就可以找出哪里發(fā)生了索引碎片：

　　1)ExternalFragmentation的值>10表示對應的索引發(fā)生了外部碎片;

　　2)InternalFragmentation的值<75表示對應的索引發(fā)生了內部碎片。

　　如何整理索引碎片?

　　有兩種整理索引碎片的方法：

　　1)重組有碎片的索引：執(zhí)行下面的命令

　　ALTER INDEX ALL ON TableName REORGANIZE

　　2)重建索引：執(zhí)行下面的命令

　　ALTER INDEX ALL ON TableName REBUILD WITH (FILLFACTOR=90,ONLINE=ON)

　　也可以使用索引名代替這里的“ALL”關鍵字重組或重建單個索引，也可以使用SQL Server管理工作臺進行索引碎片的整理。

　　圖 4 使用SQL Server管理工作臺整理索引碎片

　　什么時候用重組，什么時候用重建呢?

　　當對應索引的外部碎片值介于10-15之間，內部碎片值介于60-75之間時使用重組，其它情況就應該使用重建。

　　值得注意的是重建索引時，索引對應的表會被鎖定，但重組不會鎖表，因此在生產系統(tǒng)中，對大表重建索引要慎重，因為在大表上創(chuàng)建索引可能會花幾個小時，幸運的是，從SQL Server 2005開始，微軟提出了一個解決辦法，在重建索引時，將ONLINE選項設置為ON，這樣可以保證重建索引時表仍然可以正常使用。

　　雖然索引可以提高查詢速度，但如果你的數據庫是一個事務型數據庫，大多數時候都是更新操作，更新數據也就意味著要更新索引，這個時候就要兼顧查詢和更新操作了，因為在OLTP數據庫表上創(chuàng)建過多的索引會降低整體數據庫性能。

　　我給大家一個建議：如果你的數據庫是事務型的，平均每個表上不能超過5個索引，如果你的數據庫是數據倉庫型，平均每個表可以創(chuàng)建10個索引都沒問題。

　　在前面我們介紹了如何正確使用索引，調整索引是見效最快的性能調優(yōu)方法，但一般而言，調整索引只會提高查詢性能。除此之外，我們還可以調整數據訪問代碼和TSQL，本文就介紹如何以最優(yōu)的方法重構數據訪問代碼和TSQL。

　　第四步：將TSQL代碼從應用程序遷移到數據庫中

　　也許你不喜歡我的這個建議，你或你的團隊可能已經有一個默認的潛規(guī)則，那就是使用ORM(Object Relational Mapping，即對象關系映射)生成所有SQL，并將SQL放在應用程序中，但如果你要優(yōu)化數據訪問性能，或需要調試應用程序性能問題，我建議你將SQL代碼移植到數據庫上(使用存儲過程，視圖，函數和觸發(fā)器)，原因如下：

　　1、使用存儲過程，視圖，函數和觸發(fā)器實現應用程序中SQL代碼的功能有助于減少應用程序中SQL復制的弊端，因為現在只在一個地方集中處理SQL，為以后的代碼復用打下了良好的基礎。

　　2、使用數據庫對象實現所有的TSQL有助于分析TSQL的性能問題，同時有助于你集中管理TSQL代碼。

　　3、將TS QL移植到數據庫上去后，可以更好地重構TSQL代碼，以利用數據庫的高級索引特性。此外，應用程序中沒了SQL代碼也將更加簡潔。

　　雖然這一步可能不會象前三步那樣立竿見影，但做這一步的主要目的是為后面的優(yōu)化步驟打下基礎。如果在你的應用程序中使用ORM(如NHibernate)實現了數據訪問例行程序，在測試或開發(fā)環(huán)境中你可能發(fā)現它們工作得很好，但在生產數據庫上卻可能遇到問題，這時你可能需要反思基于ORM的數據訪問邏輯，利用TSQL對象實現數據訪問例行程序是一種好辦法，這樣做有更多的機會從數據庫角度來優(yōu)化性能。

　　我向你保證，如果你花1-2人月來完成遷移，那以后肯定不止節(jié)約1-2人年的的成本。

　　OK!假設你已經照我的做的了，完全將TSQL遷移到數據庫上去了，下面就進入正題吧!

　　第五步：識別低效TSQL，采用最佳實踐重構和應用TSQL

　　由于每個程序員的能力和習慣都不一樣，他們編寫的TSQL可能風格各異，部分代碼可能不是最佳實現，對于水平一般的程序員可能首先想到的是編寫TSQL實現需求，至于性能問題日后再說，因此在開發(fā)和測試時可能發(fā)現不了問題。

　　也有一些人知道最佳實踐，但在編寫代碼時由于種種原因沒有采用最佳實踐，等到用戶發(fā)飆的那天才乖乖地重新埋頭思考最佳實踐。

　　我覺得還是有必要介紹一下具有都有哪些最佳實踐。

　　1、在查詢中不要使用“select *”

　　(1)檢索不必要的列會帶來額外的系統(tǒng)開銷，有句話叫做“該省的則省”;

　　(2)數據庫不能利用“覆蓋索引”的優(yōu)點，因此查詢緩慢。

　　2、在select清單中避免不必要的列，在連接條件中避免不必要的表

　　(1)在select查詢中如有不必要的列，會帶來額外的系統(tǒng)開銷，特別是LOB類型的列;

　　(2)在連接條件中包含不必要的表會強制數據庫引擎檢索和匹配不需要的數據，增加了查詢執(zhí)行時間。

　　3、不要在子查詢中使用count()求和執(zhí)行存在性檢查

　　(1)不要使用

　　使用

　　代替;

　　(2)當你使用count()時，SQL Server不知道你要做的是存在性檢查，它會計算所有匹配的值，要么會執(zhí)行全表掃描，要么會掃描最小的非聚集索引;

　　(3)當你使用EXISTS時，SQL Server知道你要執(zhí)行存在性檢查，當它發(fā)現第一個匹配的值時，就會返回TRUE，并停止查詢。類似的應用還有使用IN或ANY代替count()。

　　4、避免使用兩個不同類型的列進行表的連接

　　(1)當連接兩個不同類型的列時，其中一個列必須轉換成另一個列的類型，級別低的會被轉換成高級別的類型，轉換操作會消耗一定的系統(tǒng)資源;

　　(2)如果你使用兩個不同類型的列來連接表，其中一個列原本可以使用索引，但經過轉換后，優(yōu)化器就不會使用它的索引了。例如：　

　　在這個例子中，SQL Server會將int列轉換為float類型，因為int比float類型的級別低，large_table.int_column上的索引就不會被使用，但smalltable.float_column上的索引可以正常使用。

　　5、避免死鎖

　　(1)在你的存儲過程和觸發(fā)器中訪問同一個表時總是以相同的順序;

　　(2)事務應經可能地縮短，在一個事務中應盡可能減少涉及到的數據量;

　　(3)永遠不要在事務中等待用戶輸入。

　　6、使用“基于規(guī)則的方法”而不是使用“程序化方法”編寫TSQL

　　(1)數據庫引擎專門為基于規(guī)則的SQL進行了優(yōu)化，因此處理大型結果集時應盡量避免使用程序化的方法(使用游標或UDF[User Defined Functions]處理返回的結果集) ;

　　(2)如何擺脫程序化的SQL呢?有以下方法：

　　- 使用內聯子查詢替換用戶定義函數;

　　- 使用相關聯的子查詢替換基于游標的代碼;

　　- 如果確實需要程序化代碼，至少應該使用表變量代替游標導航和處理結果集。

　　7、避免使用count(*)獲得表的記錄數

　　(1)為了獲得表中的記錄數，我們通常使用下面的SQL語句：

　　這條語句會執(zhí)行全表掃描才能獲得行數。

　　(2)但下面的SQL語句不會執(zhí)行全表掃描一樣可以獲得行數：

　　8、避免使用動態(tài)SQL

　　除非迫不得已，應盡量避免使用動態(tài)SQL，因為：

　　(1)動態(tài)SQL難以調試和故障診斷;

　　(2)如果用戶向動態(tài)SQL提供了輸入，那么可能存在SQL注入風險。

　　9、避免使用臨時表

　　(1)除非卻有需要，否則應盡量避免使用臨時表，相反，可以使用表變量代替;

　　(2)大多數時候(99%)，表變量駐扎在內存中，因此速度比臨時表更快，臨時表駐扎在TempDb數據庫中，因此臨時表上的操作需要跨數據庫通信，速度自然慢。

　　10、使用全文搜索搜索文本數據，取代like搜索

　　全文搜索始終優(yōu)于like搜索：

　　(1)全文搜索讓你可以實現like不能完成的復雜搜索，如搜索一個單詞或一個短語，搜索一個與另一個單詞或短語相近的單詞或短語，或者是搜索同義詞;

　　(2)實現全文搜索比實現like搜索更容易(特別是復雜的搜索);

　　11、使用union實現or操作

　　(1)在查詢中盡量不要使用or，使用union合并兩個不同的查詢結果集，這樣查詢性能會更好;

　　(2)如果不是必須要不同的結果集，使用union all效果會更好，因為它不會對結果集排序。

　　12、為大對象使用延遲加載策略

　　(1)在不同的表中存儲大對象(如VARCHAR(MAX)，Image，Text等)，然后在主表中存儲這些大對象的引用;

　　(2)在查詢中檢索所有主表數據，如果需要載入大對象，按需從大對象表中檢索大對象。

　　13、使用VARCHAR(MAX)，VARBINARY(MAX) 和 NVARCHAR(MAX)

　　(1)在SQL Server 2000中，一行的大小不能超過800字節(jié)，這是受SQL Server內部頁面大小8KB的限制造成的，為了在單列中存儲更多的數據，你需要使用TEXT，NTEXT或IMAGE數據類型(BLOB);

　　(2)這些和存儲在相同表中的其它數據不一樣，這些頁面以B-Tree結構排列，這些數據不能作為存儲過程或函數中的變量，也不能用于字符串函數，如REPLACE，CHARINDEX或SUBSTRING，大多數時候你必須使用READTEXT，WRITETEXT和UPDATETEXT;

　　(3)為了解決這個問題，在SQL Server 2005中增加了VARCHAR(MAX)，VARBINARY(MAX) 和 NVARCHAR(MAX)，這些數據類型可以容納和BLOB相同數量的數據(2GB)，和其它數據類型使用相同的數據頁;

　　(4)當MAX數據類型中的數據超過8KB時，使用溢出頁(在ROW_OVERFLOW分配單元中)指向源數據頁，源數據頁仍然在IN_ROW分配單元中。

　　14、在用戶定義函數中使用下列最佳實踐

　　不要在你的存儲過程，觸發(fā)器，函數和批處理中重復調用函數，例如，在許多時候，你需要獲得字符串變量的長度，無論如何都不要重復調用LEN函數，只調用一次即可，將結果存儲在一個變量中，以后就可以直接使用了。
 

　　15、在存儲過程中使用下列最佳實踐

　　(1)不要使用SP_xxx作為命名約定，它會導致額外的搜索，增加I/O(因為系統(tǒng)存儲過程的名字就是以SP_開頭的)，同時這么做還會增加與系統(tǒng)存儲過程名稱沖突的幾率;

　　(2)將Nocount設置為On避免額外的網絡開銷;

　　(3)當索引結構發(fā)生變化時，在EXECUTE語句中(第一次)使用WITH RECOMPILE子句，以便存儲過程可以利用最新創(chuàng)建的索引;

　　(4)使用默認的參數值更易于調試。

　　16、在觸發(fā)器中使用下列最佳實踐

　　(1)最好不要使用觸發(fā)器，觸發(fā)一個觸發(fā)器，執(zhí)行一個觸發(fā)器事件本身就是一個耗費資源的過程;

　　(2)如果能夠使用約束實現的，盡量不要使用觸發(fā)器;

　　(3)不要為不同的觸發(fā)事件(Insert，Update和Delete)使用相同的觸發(fā)器;

　　(4)不要在觸發(fā)器中使用事務型代碼。

　　17、在視圖中使用下列最佳實踐

　　(1)為重新使用復雜的TSQL塊使用視圖，并開啟索引視圖;

　　(2)如果你不想讓用戶意外修改表結構，使用視圖時加上SCHEMABINDING選項;

　　(3)如果只從單個表中檢索數據，就不需要使用視圖了，如果在這種情況下使用視圖反倒會增加系統(tǒng)開銷，一般視圖會涉及多個表時才有用。

　　18、在事務中使用下列最佳實踐

　　(1)SQL Server 2005之前，在BEGIN TRANSACTION之后，每個子查詢修改語句時，必須檢查@@ERROR的值，如果值不等于0，那么最后的語句可能會導致一個錯誤，如果發(fā)生任何錯誤，事務必須回滾。從SQL Server 2005開始，Try..Catch..代碼塊可以處理TSQL中的事務，因此在事務型代碼中最好加上Try…Catch…;

　　(2)避免使用嵌套事務，使用@@TRANCOUNT變量檢查事務是否需要啟動(為了避免嵌套事務);

　　(3)盡可能晚啟動事務，提交和回滾事務要盡可能快，以減少資源鎖定時間。

　　要完全列舉最佳實踐不是本文的初衷，當你了解了這些技巧后就應該拿來使用，否則了解了也沒有價值。此外，你還需要評審和監(jiān)視數據訪問代碼是否遵循下列標準和最佳實踐。

　　如何分析和識別你的TSQL中改進的范圍?

　　理想情況下，大家都想預防疾病，而不是等病發(fā)了去治療。但實際上這個愿望根本無法實現，即使你的團隊成員全都是專家級人物，我也知道你有進行評審，但代碼仍然一團糟，因此需要知道如何治療疾病一樣重要。

　　首先需要知道如何診斷性能問題，診斷就得分析TSQL，找出瓶頸，然后重構，要找出瓶頸就得先學會分析執(zhí)行計劃。

　　理解查詢執(zhí)行計劃

　　當你將SQL語句發(fā)給SQL Server引擎后，SQL Server首先要確定最合理的執(zhí)行方法，查詢優(yōu)化器會使用很多信息，如數據分布統(tǒng)計，索引結構，元數據和其它信息，分析多種可能的執(zhí)行計劃，最后選擇一個最佳的執(zhí)行計劃。

　　可以使用SQL Server Management Studio預覽和分析執(zhí)行計劃，寫好SQL語句后，點擊SQL Server Management Studio上的評估執(zhí)行計劃按鈕查看執(zhí)行計劃，如圖1所示。

　　圖 1 在Management Studio中評估執(zhí)行計劃

　　在執(zhí)行計劃圖中的每個圖標代表計劃中的一個行為(操作)，應從右到左閱讀執(zhí)行計劃，每個行為都一個相對于總體執(zhí)行成本(100%)的成本百分比。

　　在上面的執(zhí)行計劃圖中，右邊的那個圖標表示在HumanResources表上的一個“聚集索引掃描”操作(閱讀表中所有主鍵索引值)，需要100%的總體查詢執(zhí)行成本，圖中左邊那個圖標表示一個select操作，它只需要0%的總體查詢執(zhí)行成本。

　　下面是一些比較重要的圖標及其對應的操作：

　　圖 2 常見的重要圖標及對應的操作

　　注意執(zhí)行計劃中的查詢成本，如果說成本等于100%，那很可能在批處理中就只有這個查詢，如果在一個查詢窗口中有多個查詢同時執(zhí)行，那它們肯定有各自的成本百分比(小于100%)。

　　如果想知道執(zhí)行計劃中每個操作詳細情況，將鼠標指針移到對應的圖標上即可，你會看到類似于下面的這樣一個窗口。

　　圖 3 查看執(zhí)行計劃中行為(操作)的詳細信息

　　這個窗口提供了詳細的評估信息，上圖顯示了聚集索引掃描的詳細信息，它要查找AdventureWorks數據庫HumanResources方案下Employee表中 Gender = ‘M’的行，它也顯示了評估的I/O，CPU成本。

　　查看執(zhí)行計劃時，我們應該獲得什么信息

　　當你的查詢很慢時，你就應該看看預估的執(zhí)行計劃(當然也可以查看真實的執(zhí)行計劃)，找出耗時最多的操作，注意觀察以下成本通常較高的操作：

　　1、表掃描(Table Scan)

　　當表沒有聚集索引時就會發(fā)生，這時只要創(chuàng)建聚集索引或重整索引一般都可以解決問題。

　　2、聚集索引掃描(Clustered Index Scan)

　　有時可以認為等同于表掃描，當某列上的非聚集索引無效時會發(fā)生，這時只要創(chuàng)建一個非聚集索引就ok了。

　　3、哈希連接(Hash Join)

　　當連接兩個表的列沒有被索引時會發(fā)生，只需在這些列上創(chuàng)建索引即可。

　　4、嵌套循環(huán)(Nested Loops)

　　當非聚集索引不包括select查詢清單的列時會發(fā)生，只需要創(chuàng)建覆蓋索引問題即可解決。

　　5、RID查找(RID Lookup)

　　當你有一個非聚集索引，但相同的表上卻沒有聚集索引時會發(fā)生，此時數據庫引擎會使用行ID查找真實的行，這時一個代價高的操作，這時只要在該表上創(chuàng)建聚集索引即可。

　　TSQL重構真實的故事

　　只有解決了實際的問題后，知識才轉變?yōu)閮r值。當我們檢查應用程序性能時，發(fā)現一個存儲過程比我們預期的執(zhí)行得慢得多，在生產數據庫中檢索一個月的銷售數據居然要50秒，下面就是這個存儲過程的執(zhí)行語句：

　　exec uspGetSalesInfoForDateRange ‘1/1/2009’, 31/12/2009,’Cap’

　　Tom受命來優(yōu)化這個存儲過程，下面是這個存儲過程的代碼：

　　分析索引

　　首先，Tom想到了審查這個存儲過程使用到的表的索引，很快他發(fā)現下面兩列的索引無故丟失了：

　　OrderDetails.ProductID

　　OrderDetails.SalesOrderID

　　他在這兩個列上創(chuàng)建了非聚集索引，然后再執(zhí)行存儲過程：

　　exec uspGetSalesInfoForDateRange ‘1/1/2009’, 31/12/2009 with recompile

　　性能有所改變，但仍然低于預期(這次花了35秒)，注意這里的with recompile子句告訴SQL Server引擎重新編譯存儲過程，重新生成執(zhí)行計劃，以利用新創(chuàng)建的索引。

　　分析查詢執(zhí)行計劃

　　Tom接下來查看了SQL Server Management Studio中的執(zhí)行計劃，通過分析，他找到了某些重要的線索：

　　1、發(fā)生了一次表掃描，即使該表已經正確設置了索引，而表掃描占據了總體查詢執(zhí)行時間的30%;

　　2、發(fā)生了一個嵌套循環(huán)連接。

　　Tom想知道是否有索引碎片，因為所有索引配置都是正確的，通過TSQL他知道了有兩個索引都產生了碎片，很快他重組了這兩個索引，于是表掃描消失了，現在執(zhí)行存儲過程的時間減少到25秒了。

　　為了消除嵌套循環(huán)連接，他又在表上創(chuàng)建了覆蓋索引，時間進一步減少到23秒。

　　實施最佳實踐

　　Tom發(fā)現有個UDF有問題，代碼如下：　

　　在計算訂單總金額時看起來代碼很程序化，Tom決定在UDF的SQL中使用內聯SQL。

　　dbo.ufnGetLineTotal(SalesOrderDetailID) Total -- 舊代碼

　　(CurrentProductRate-CurrentDiscount)*OrderQty Total -- 新代碼

　　執(zhí)行時間一下子減少到14秒了。

　　在select查詢清單中放棄不必要的Text列

　　為了進一步提升性能，Tom決定檢查一下select查詢清單中使用的列，很快他發(fā)現有一個Products.DetailedDescription列是Text類型，通過對應用程序代碼的走查，Tom發(fā)現其實這一列的數據并不會立即用到，于是他將這一列從select查詢清單中取消掉，時間一下子從14秒減少到6秒，于是Tom決定使用一個存儲過程應用延遲加載策略加載這個Text列。

　　最后Tom還是不死心，認為6秒也無法接受，于是他再次仔細檢查了SQL代碼，他發(fā)現了一個like子句，經過反復研究他認為這個like搜索完全可以用全文搜索替換，最后他用全文搜索替換了like搜索，時間一下子降低到1秒，至此Tom認為調優(yōu)應該暫時結束了。

　　小結

　　看起來我們介紹了好多種優(yōu)化數據訪問的技巧，但大家要知道優(yōu)化數據訪問是一個無止境的過程，同樣大家要相信一個信念，無論你的系統(tǒng)多么龐大，多么復雜，只要靈活運用我們所介紹的這些技巧，你一樣可以馴服它們。下一篇將介紹高級索引和反范式化。

　　經過索引優(yōu)化，重構TSQL后你的數據庫還存在性能問題嗎?完全有可能，這時必須得找另外的方法才行。SQL Server在索引方面還提供了某些高級特性，可能你還從未使用過，利用高級索引會顯著地改善系統(tǒng)性能，本文將從高級索引技術談起，另外還將介紹反范式化技術。

　　第六步：應用高級索引

　　實施計算列并在這些列上創(chuàng)建索引

　　你可能曾經寫過從數據庫查詢一個結果集的應用程序代碼，對結果集中每一行進行計算生成最終顯示輸出的信息。例如，你可能有一個查詢從數據庫檢索訂單信息，在應用程序代碼中你可能已經通過對產品和銷售量執(zhí)行算術操作計算出了總的訂單價格，但為什么你不在數據庫中執(zhí)行這些操作呢?

　　請看下面這張圖，你可以通過指定一個公式將一個數據庫表列作為計算列，你的TSQL在查詢清單中包括這個計算列，SQL引擎將會應用這個公式計算出這一列的值，在執(zhí)行查詢時，數據庫引擎將會計算訂單總價，并為計算列返回結果。

　　圖 1 計算列

　　使用計算列你可以將計算工作全部交給后端執(zhí)行，但如果表的行數太多可能計算性能也不高，如果計算列出現在Select查詢的where子句中情況會更糟，在這種情況下，為了匹配where子句指定的值，數據庫引擎不得不計算表中所有行中計算列的值，這是一個低效的過程，因為它總是需要全表掃描或全聚集索引掃描。

　　因此問題就來了，如何提高計算列的性能呢?解決辦法是在計算列上創(chuàng)建索引，當計算列上有索引后，SQL Server會提前計算結果，然后在結果之上構建索引。此外，當對應列(計算列依賴的列)的值更新時，計算列上的索引值也會更新。因此，在執(zhí)行查詢時，數據庫引擎不會為結果集中的每一行都執(zhí)行一次計算公式，相反，通過索引可直接獲得計算列預先計算出的值，因此在計算列上創(chuàng)建一個索引將會加快查詢速度。

　　提示：如果你想在計算列上創(chuàng)建索引，必須確保計算列上的公式不能包括任何“非確定的”函數，例如getdate()就是一個非確定的函數，因為每次調用它，它返回的值都是不一樣的。

　　創(chuàng)建索引視圖

　　你是否知道可以在視圖上創(chuàng)建索引?OK，不知道沒關系，看了我的介紹你就明白了。

　　為什么要使用視圖?

　　大家都知道，視圖本身不存儲任何數據，只是一條編譯的select語句。數據庫會為視圖生成一個執(zhí)行計劃，視圖是可以重復使用的，因為執(zhí)行計劃也可以重復使用。

　　視圖本身不會帶來性能的提升，我曾經以為它會“記住”查詢結果，但后來我才知道它除了是一個編譯了的查詢外，其它什么都不是，視圖根本記不住查詢結果，我敢打賭好多剛接觸SQL的人都會有這個錯誤的想法。

　　但是現在我要告訴你一個方法讓視圖記住查詢結果，其實非常簡單，就是在視圖上創(chuàng)建索引就可以了。

　　如果你在視圖上應用了索引，視圖就成為索引視圖，對于一個索引視圖，數據庫引擎處理SQL，并在數據文件中存儲結果，和聚集表類似，當基礎表中的數據發(fā)生變化時，SQL Server會自動維護索引，因此當你在索引視圖上查詢時，數據庫引擎簡單地從索引中查找值，速度當然就很快了，因此在視圖上創(chuàng)建索引可以明顯加快查詢速度。

　　但請注意，天下沒有免費的午餐，創(chuàng)建索引視圖可以提升性能，當基礎表中的數據發(fā)生變化時，數據庫引擎也會更新索引，因此，當視圖要處理很多行，且要求和，當數據和基礎表不經常發(fā)生變化時，就應該考慮創(chuàng)建索引視圖。

　　如何創(chuàng)建索引視圖?

　　1)創(chuàng)建/修改視圖時指定SCHEMABINDING選項：

　　2)在視圖上創(chuàng)建一個唯一的聚集索引;

　　3)視需要在視圖上創(chuàng)建一個非聚集索引。

　　不是所有視圖上都可以創(chuàng)建索引，在視圖上創(chuàng)建索引存在以下限制：

　　1)創(chuàng)建視圖時使用了SCHEMABINDING選項，這種情況下，數據庫引擎不允許你改變表的基礎結構;

　　2)視圖不能包含任何非確定性函數，DISTINCT子句和子查詢;

　　3)視圖中的底層表必須由聚集索引(主鍵)。

　　如果你發(fā)現你的應用程序中使用的TSQL是用視圖實現的，但存在性能問題，那此時給視圖加上索引可能會帶來性能的提升。

　　為用戶定義函數(UDF)創(chuàng)建索引

　　在用戶定義函數上也可以創(chuàng)建索引，但不能直接在它上面創(chuàng)建索引，需要創(chuàng)建一個輔助的計算列，公式就使用用戶定義函數，然后在這個計算列字段上創(chuàng)建索引。具體步驟如下：

　　1)首先創(chuàng)建一個確定性的函數(如果不存在的話)，在函數定義中添加SCHEMABINDING選項，如：

　　2)在目標表上增加一個計算列，使用前面定義的函數作為該列的計算公式，如圖2所示。

　　3)在計算列上創(chuàng)建索引

　　當你的查詢中包括UDF時，如果在該UDF上創(chuàng)建了以計算列為基礎的索引，特別是兩個表或視圖的連接條件中使用了UDF，性能都會有明顯的改善。

　　在XML列上創(chuàng)建索引

　　在SQL Server(2005和后續(xù)版本)中，XML列是以二進制大對象(BLOB)形式存儲的，可以使用XQuery進行查詢，但如果沒有索引，每次查詢XML數據類型時都非常耗時，特別是大型XML實例，因為SQL Server在運行時需要分隔二進制大對象評估查詢。為了提升XML數據類型上的查詢性能，XML列可以索引，XML索引分為兩類。

　　主XML索引

　　創(chuàng)建XML列上的主索引時，SQL Server會切碎XML內容，創(chuàng)建多個數據行，包括元素，屬性名，路徑，節(jié)點類型和值等，創(chuàng)建主索引讓SQL Server更輕松地支持XQuery請求。下面是創(chuàng)建一個主XML索引的示例語法?！?/P>

　　次要XML索引

　　雖然XML數據已經被切條，但SQL Server仍然要掃描所有切條的數據才能找到想要的結果，為了進一步提升性能，還需要在主XML索引之上創(chuàng)建次要XML索引。有三種次要XML索引。

　　1)“路徑”(Path)次要XML索引：使用.exist()方法確定一個特定的路徑是否存在時它很有用;

　　2)“值”(Value)次要XML索引：用于執(zhí)行基于值的查詢，但不知道完整的路徑或路徑包括通配符時;

　　3)“屬性”(Secondary)次要XML索引：知道路徑時檢索屬性的值。

　　下面是一個創(chuàng)建次要XML索引的示例：

　　請注意，上面講的原則是基礎，如果盲目地在表上創(chuàng)建索引，不一定會提升性能，因為有時在某些表的某些列上創(chuàng)建索引時，可能會致使插入和更新操作變慢，當這個表上有一個低選中性列時更是如此，同樣，當表中的記錄很少(如<500)時，如果在這樣的表上創(chuàng)建索引反倒會使數據檢索性能降低，因為對于小表而言，全表掃描反而會更快，因此在創(chuàng)建索引時應放聰明一點。

　　第七步：應用反范式化，使用歷史表和預計算列

　　反范式化

　　如果你正在為一個OLTA(在線事務分析)系統(tǒng)設計數據庫，主要指為只讀查詢優(yōu)化過的數據倉庫，你可以(和應該)在你的數據庫中應用反范式化和索引，也就是說，某些數據可以跨多個表存儲，但報告和數據分析查詢在這種數據庫上可能會更快。

　　但如果你正在為一個OLTP(聯機事務處理)系統(tǒng)設計數據庫，這樣的數據庫主要執(zhí)行數據更新操作(包括插入/更新/刪除)，我建議你至少實施第一、二、三范式，這樣數據冗余可以降到最低，數據存儲也可以達到最小化，可管理性也會好一點。

　　無論我們在OLTP系統(tǒng)上是否應用范式，在數據庫上總有大量的讀操作(即select查詢)，當應用了所有優(yōu)化技術后，如果發(fā)現數據檢索操作仍然效率低下，此時，你可能需要考慮應用反范式設計了，但問題是如何應用反范式化，以及為什么應用反范式化會提升性能?讓我們來看一個簡單的例子，答案就在例子中。

　　假設我們有兩個表OrderDetails(ID,ProductID,OrderQty) 和 Products(ID,ProductName)分別存儲訂單詳細信息和產品信息，現在要查詢某個客戶訂購的產品名稱和它們的數量，查詢SQL語句如下：

　　如果這兩個都是大表，當你應用了所有優(yōu)化技巧后，查詢速度仍然很慢，這時可以考慮以下反范式化設計：

　　1)在OrderDetails表上添加一列ProductName，并填充好數據;

　　2)重寫上面的SQL語句

　　注意在OrderDetails表上應用了反范式化后，不再需要連接Products表，因此在執(zhí)行SQL時，SQL引擎不會執(zhí)行兩個表的連接操作，查詢速度當然會快一些。

　　為了提高select操作性能，我們不得不做出一些犧牲，需要在兩個地方(OrderDetails 和 Products表)存儲相同的數據(ProductName)，當我們插入或更新Products 表中的ProductName字段時，不得不同步更新OrderDetails表中的ProductName字段，此外，應用這種反范式化設計時會增加存儲資源消耗。

　　因此在實施反范式化設計時，我們必須在數據冗余和查詢操作性能之間進行權衡，同時在應用反范式化后，我們不得不重構某些插入和更新操作代碼。有一個重要的原則需要遵守，那就是只有當你應用了所有其它優(yōu)化技術都還不能將性能提升到理想情況時才使用反范式化。同時還需注意不能使用太多的反范式化設計，那樣會使原本清晰的表結構設計變得越來模糊。

　　歷史表

　　如果你的應用程序中有定期運行的數據檢索操作(如報表)，如果涉及到大表的檢索，可以考慮定期將事務型規(guī)范化表中的數據復制到反范式化的單一的歷史表中，如利用數據庫的Job來完成這個任務，并對這個歷史表建立合適的索引，那么周期性執(zhí)行的數據檢索操作可以遷移到這個歷史表上，對單個歷史表的查詢性能肯定比連接多個事務表的查詢速度要快得多。

　　例如，假設有一個連鎖商店的月度報表需要3個小時才能執(zhí)行完畢，你被派去優(yōu)化這個報表，目的只有一個：最小化執(zhí)行時間。那么你除了應用其它優(yōu)化技巧外，還可以采取以下手段：

　　1)使用反范式化結構創(chuàng)建一個歷史表，并對銷售數據建立合適的索引;

　　2)在SQL Server上創(chuàng)建一個定期執(zhí)行的操作，每隔24小時運行一次，在半夜往歷史表中填充數據;

　　3)修改報表代碼，從歷史表獲取數據。

　　創(chuàng)建定期執(zhí)行的操作

　　按照下面的步驟在SQL Server中創(chuàng)建一個定期執(zhí)行的操作，定期從事務表中提取數據填充到歷史表中。

　　1)首先確保SQL Server代理服務處于運行狀態(tài);

　　2)在SQL Server配置管理器中展開SQL Server代理節(jié)點，在“作業(yè)”節(jié)點上創(chuàng)建一個新作業(yè)，在“常規(guī)”標簽頁中，輸入作業(yè)名稱和描述文字;

　　3)在“步驟”標簽頁中，點擊“新建”按鈕創(chuàng)建一個新的作業(yè)步驟，輸入名字和TSQL代碼，最后保存;

　　4)切換到“調度”標簽頁，點擊“新建”按鈕創(chuàng)建一個新調度計劃;

　　5)最后保存調度計劃。

　　在數據插入和更新中提前執(zhí)行耗時的計算，簡化查詢

　　大多數情況下，你會看到你的應用程序是一個接一個地執(zhí)行數據插入或更新操作，一次只涉及到一條記錄，但數據檢索操作可能同時涉及到多條記錄。

　　如果你的查詢中包括一個復雜的計算操作，毫無疑問這將導致整體的查詢性能下降，你可以考慮下面的解決辦法：

　　1)在表中創(chuàng)建額外的一列，包含計算的值;

　　2)為插入和更新事件創(chuàng)建一個觸發(fā)器，使用相同的計算邏輯計算值，計算完成后更新到新建的列;

　　3)使用新創(chuàng)建的列替換查詢中的計算邏輯。

　　實施完上述步驟后，插入和更新操作可能會更慢一點，因為每次插入和更新時觸發(fā)器都會執(zhí)行一下，但數據檢索操作會比之前快得多，因為執(zhí)行查詢時，數據庫引擎不會執(zhí)行計算操作了。

　　小結

　　至此，我們已經應用了索引，重構TSQL，應用高級索引，反范式化，以及歷史表加速數據檢索速度，但性能優(yōu)化是一個永無終點的過程，最下一篇文章中我們將會介紹如何診斷數據庫性能問題。

　　診斷數據庫性能問題就象醫(yī)生診斷病人病情一樣，既要結合自己積累的經驗，又要依靠科學的診斷報告，才能準確地判斷問題的根源在哪里。前面三篇文章我們介紹了許多優(yōu)化數據庫性能的方法，固然掌握優(yōu)化技巧很重要，但診斷數據庫性能問題是優(yōu)化的前提，本文就介紹一下如何診斷數據庫性能問題。

　　第八步：使用SQL事件探查器和性能監(jiān)控工具有效地診斷性能問題

　　在SQL Server應用領域SQL事件探查器可能是最著名的性能故障排除工具，大多數情況下，當得到一個性能問題報告后，一般首先啟動它進行診斷。

　　你可能已經知道，SQL事件探查器是一個跟蹤和監(jiān)控SQL Server實例的圖形化工具，主要用于分析和衡量在數據庫服務器上執(zhí)行的TSQL性能，你可以捕捉服務器實例上的每個事件，將其保存到文件或表中供以后分析。例如，如果生產數據庫速度很慢，你可以使用SQL事件探查器查看哪些存儲過程執(zhí)行時耗時過多。

　　SQL事件探查器的基本用法

　　你可能已經知道如何使用它，那么你可以跳過這一小節(jié)，但我還是要重復一下，也許有許多新手閱讀本文。

　　1)啟動SQL事件探查器，連接到目標數據庫實例，創(chuàng)建一個新跟蹤，指定一個跟蹤模板(跟蹤模板預置了一些事件和用于跟蹤的列)，如圖1所示;

　　圖 1 選擇跟蹤模板

　　2)作為可選的一步，你還可以選擇特定事件和列

　　圖 2 選擇跟蹤過程要捕捉的事件

　　3)另外你還可以點擊“組織列”按鈕，在彈出的窗口中指定列的顯示順序，點擊“列過濾器”按鈕，在彈出的窗口中設置過濾器，例如，通過設置數據庫的名稱(在like文本框中)，只跟蹤特定的數據庫，如果不設置過濾器，SQL事件探查器會捕捉所有的事件，跟蹤的信息會非常多，要找出有用的關鍵信息就如大海撈針。

　　圖 3 過濾器設置

　　4)運行事件探查器，等待捕捉事件

　　圖 4 運行事件探查器

　　5)跟蹤了足夠的信息后，停掉事件探查器，將跟蹤信息保存到一個文件中，或者保存到一個數據表中，如果保存到表中，需要指定表名，SQL Server會自動創(chuàng)建表中的字段。

　　圖 5 將探查器跟蹤數據保存到表中

　　6)執(zhí)行下面的SQL查詢語句找出執(zhí)行代價較高的TSQL

　　圖 6 查找成本最高的TSQL/存儲過程

　　有效利用SQL事件探查器排除與性能相關的問題

　　SQL事件探查器除了可以用于找出執(zhí)行成本最高的那些TSQL或存儲過程外，還可以利用它許多強大的功能診斷和解決其它不同類型的問題。當你收到一個性能問題報告后，或者想提前診斷潛在的性能問題時都可以使用SQL事件探查器。下面是一些SQL事件探查器使用技巧，或許對你有幫助。

　　1)使用現有的模板，但需要時應創(chuàng)建你自己的模板

　　大多數時候現有的模板能夠滿足你的需求，但當診斷一個特殊類型的數據庫性能問題時(如數據庫發(fā)生死鎖)，你可能需要創(chuàng)建自己的模板，在這種情況下，你可以點擊“文件”*“模板”*“新建模板”創(chuàng)建一個新模板，需要指定模板名、事件和列。當然也可以從現有的模板修改而來。

　　圖 7 創(chuàng)建一個新模板

　　圖 8 為新模板指定事件和列

　　2)捕捉表掃描(TableScan)和死鎖(DeadLock)事件

　　沒錯，你可以使用SQL事件探查器監(jiān)聽這兩個有趣的事件。

　　先假設一種情況，假設你已經在你的測試庫上創(chuàng)建了合適的索引，經過測試后，現在你已經將索引應用到生產服務器上了，但由于某些不明原因，生產數據庫的性能一直沒達到預期的那樣好，你推測執(zhí)行查詢時發(fā)生了表掃描，你希望有一種方法能夠檢測出是否真的發(fā)生了表掃描。

　　再假設另一種情況，假設你已經設置好了將錯誤郵件發(fā)送到一個指定的郵件地址，這樣開發(fā)團隊可以第一時間獲得通知，并有足夠的信息進行問題診斷。某一天，你突然收到一封郵件說數據庫發(fā)生了死鎖，并在郵件中包含了數據庫級別的錯誤代碼，你需要找出是哪個TSQL創(chuàng)造了死鎖。

　　這時你可以打開SQL事件探查器，修改一個現有模板，使其可以捕捉表掃描和死鎖事件，修改好后，啟動事件探查器，運行你的應用程序，當再次發(fā)生表掃描和死鎖事件時，事件探查器就可以捕捉到，利用跟蹤信息就可以找出執(zhí)行代價最高的TSQL。

　　注意：從SQL Server日志文件中可能也可以找到死鎖事件記錄，在某些時候，你可能需要結合SQL Server日志和跟蹤信息才能找出引起數據庫死鎖的數據庫對象和TSQL。

　　圖 9 檢測表掃描

　　圖 10 檢測死鎖

　　3)創(chuàng)建重放跟蹤

　　某些時候，為了解決生產數據庫的性能問題，你需要在測試服務器上模擬一個生產環(huán)境，這樣可以重演性能問題。使用SQL事件探查器的TSQL_Replay模板捕捉生產庫上的事件，并將跟蹤信息保存為一個.trace文件，然后在測試服務器上播放跟蹤文件就可以重現性能問題是如何出現的了。

　　圖 11 創(chuàng)建重放跟蹤

　　4)創(chuàng)建優(yōu)化跟蹤

　　數據庫調優(yōu)顧問是一個偉大的工具，它可以給你提供很好的調優(yōu)建議，但要真正從它那獲得有用的建議，你需要模擬出與生產庫一樣的負載，也就是說，你需要在測試服務器上執(zhí)行相同的TSQL，打開相同數量的并發(fā)連接，然后運行調優(yōu)顧問。SQL事件探查器的Tuning模板可以捕捉到這類事件和列，使用Tuning模板運行事件探查器，捕捉跟蹤信息并保存，通過調優(yōu)顧問使用跟蹤文件在測試服務器上創(chuàng)建相同的負載。

　　圖 12 創(chuàng)建Tuning事件探查器跟蹤

　　5)捕捉ShowPlan在事件探查器中包括SQL執(zhí)行計劃

　　有時相同的查詢在測試服務器和生產服務器上的性能完全不一樣，假設你遇到這種問題，你應該仔細查看一下生產數據庫上TSQL的執(zhí)行計劃。但問題是現在不能在生產庫上執(zhí)行這個TSQL，因為它已經有嚴重的性能問題。這時SQL事件探查器可以派上用場，在跟蹤屬性中選中ShowPlan或ShowPlan XML，這樣可以捕捉到SQL執(zhí)行計劃和TSQL文本，然后在測試服務器上執(zhí)行相同的TSQL，并比較兩者的執(zhí)行計劃。

　　圖 13 指定捕捉執(zhí)行計劃

　　圖 14 在事件探查器跟蹤中的執(zhí)行計劃

　　使用性能監(jiān)視工具(PerfMon)診斷性能問題

　　當你的數據庫遇到性能問題時，大多數時候使用SQL事件探查器就能夠診斷和找出引起性能問題的背后原因了，但有時SQL事件探查器并不是萬能的。

　　例如，在生產庫上使用SQL事件探查器分析查詢執(zhí)行時間時，對應的TSQL執(zhí)行很慢(假設需要10秒)，但同樣的TSQL在測試服務器上執(zhí)行時間卻只要200毫秒，通過分析執(zhí)行計劃和數據列，發(fā)現它們都沒有太大的差異，因此在生產庫上肯定有其它問題，那該如何揪出這些問題呢?

　　此時性能監(jiān)視工具(著名的PerfMon)可以幫你一把，它可以定期收集硬件和軟件相關的統(tǒng)計數據，還有它是內置于Windows操作系統(tǒng)的一個免費的工具。

　　當你向SQL Server數據庫發(fā)送一條TSQL語句，會產生許多相關的執(zhí)行參與者，包括TSQL執(zhí)行引擎，服務器緩存，SQL優(yōu)化器，輸出隊列，CPU，磁盤I/O等，只要這些參與者任何一環(huán)執(zhí)行節(jié)奏沒有跟上，最終的查詢執(zhí)行時間就會變長，使用性能監(jiān)視工具可以對這些參與者進行觀察，以找出根本原因。

　　使用性能監(jiān)視工具可以創(chuàng)建多個不同的性能計數器，通過圖形界面分析計數器日志，此外還可以將性能計數器日志和SQL事件探查器跟蹤信息結合起來分析。

　　性能監(jiān)視器基本用法介紹

　　Windows內置了許多性能監(jiān)視計數器，安裝SQL Server時會添加一個SQL Server性能計數器，下面是創(chuàng)建一個性能計數器日志的過程。

　　1)在SQL事件探查器中啟動性能監(jiān)視工具(“工具”*“性能監(jiān)視器”);

　　圖 15 啟動性能監(jiān)視工具

　　2)點擊“計數器日志”*“新建日志設置”創(chuàng)建一個新的性能計數器日志

　　圖 16 創(chuàng)建一個性能計數器日志

　　指定日志文件名，點擊“確定”。

　　圖 17 為性能計數器日志指定名字

　　3)點擊“添加計數器”按鈕，選擇一個需要的計數器

　　圖 18 為性能計數器日志指定計數器

　　4)從列表中選擇要監(jiān)視的對象和對應的計數器，點擊“關閉”

　　圖 19 指定對象和對應的計數器

　　5)選擇的計數器應顯示在窗體中

　　圖 20 指定計數器

　　6)點擊“日志文件”標簽，再點擊“配置”按鈕，指定日志文件保存位置，如果需要現在還可以修改日志文件名

　　圖 21 指定性能計數器日志文件保存位置

　　7)點擊“調度”標簽，指定一個時間讀取計數器性能，寫入日志文件，也可以選擇“手動”啟動和停止計數器日志。

　　圖 22 指定性能計數器日志運行時間

　　8)點擊“常規(guī)”標簽，指定收集計數器數據的間隔時間

　　圖 23 設置計數器間隔采樣時間

　　9)點擊“確定”，選擇剛剛創(chuàng)建的計數器日志，點擊右鍵啟動它。

　　圖 24 啟動性能計數器日志

　　10)為了查看日志數據，再次打開性能監(jiān)視工具，點擊查看日志圖標(紅色)，在“源”標簽上選中“日志文件”單選按鈕，點擊“添加”按鈕添加一個日志文件。

　　圖 25 查看性能計數器日志

　　11)默認情況下，在日志輸出中只有三個計數器被選中，點擊“數據”標簽可以追加其它計數器。

　　圖 26 查看日志數據時追加計數器

　　12)點擊“確定”，返回圖形化的性能計數器日志輸出界面

　　圖 27 查看性能計數器日志

　　關聯性能計數器日志和SQL事件探查器跟蹤信息進行深入的分析

　　通過SQL事件探查器可以找出哪些SQL執(zhí)行時間過長，但它卻不能給出導致執(zhí)行時間過長的上下文信息，但性能監(jiān)視工具可以提供獨立組件的性能統(tǒng)計數據(即上下文信息)，它們正好互補。

　　如果相同的查詢在生產庫和測試庫上的執(zhí)行時間差別過大，那說明測試服務器的負載，環(huán)境和查詢執(zhí)行上下文都和生產服務器不一樣，因此需要一種方法來模擬生產服務器上的查詢執(zhí)行上下文，這時就需要結合SQL事件探查器的跟蹤信息和性能監(jiān)視工具的性能計數器日志。

　　將二者結合起來分析可以更容易找出性能問題的根本原因，例如，你可能發(fā)現在生產服務器上每次查詢都需要10秒，CPU利用率達到了100%，這時就應該放下SQL調優(yōu)，先調查一下為什么CPU利用率會上升到100%。

　　關聯SQL事件探查器跟蹤信息和性能計數器日志的步驟如下：

　　1)創(chuàng)建性能計數器日志，包括下列常見的性能計數器，指定“手動”方式啟動和停止計數器日志：

　　--網絡接口\輸出隊列長度

　　--處理器\%處理器時間

　　--SQL Server：緩沖管理器\緩沖區(qū)緩存命中率

　　--SQL Server：緩沖管理器\頁面生命周期

　　--SQL Server：SQL統(tǒng)計\批量請求數/秒

　　--SQL Server：SQL統(tǒng)計\SQL 編譯

　　--SQL Server：SQL統(tǒng)計\SQL 重新編譯/秒

　　創(chuàng)建好性能計數器日志，但不啟動它。

　　2)使用SQL事件探查器TSQL Duration模板創(chuàng)建一個跟蹤，添加“開始時間”和“結束時間”列跟蹤，同時啟動事件探查器跟蹤和前一步創(chuàng)建的性能計數器日志;

　　3)跟蹤到足夠信息后，同時停掉SQL事件探查器跟蹤和性能計數器日志，將SQL事件探查器跟蹤信息保存為一個.trc文件;

　　4)關閉SQL事件探查器跟蹤窗口，再使用事件探查器打開.trc文件，點擊“文件”*“導入性能數據”關聯性能計數器日志，此時會打開一個文件瀏覽器窗口，選擇剛剛保存的性能計數器日志文件進行關聯;

　　5)在打開的窗口中選擇所有計數器，點擊“確定”，你將會看到下圖所示的界面，它同時顯示SQL事件探查器的跟蹤信息和性能計數器日志;

　　圖 28 關聯SQL事件探查器和性能監(jiān)視工具輸出

　　6)在事件探查器跟蹤信息輸出中選擇一條TSQL，你將會看到一個紅色豎條，這代表這條TSQL執(zhí)行時相關計數器的統(tǒng)計數據位置，同樣，點擊性能計數器日志輸出曲線中高于正常值的點，你會看到對應的TSQL在SQL事件探查器輸出中也是突出顯示的。

　　我相信你學會如何關聯這兩個工具的輸出數據后，一定會覺得非常方便和有趣。

　　小結

　　診斷SQL Server性能問題的工具和技術有很多，例如查看SQL Server日志文件，利用調優(yōu)顧問(DTA)獲得調優(yōu)建議，無論使用哪種工具，你都需要深入了解內部的細節(jié)原因，只有找出最根本的原因之后，解決性能問題才會得心應手。

　　本系列最后一篇將介紹如何優(yōu)化數據文件和應用分區(qū)。

　　優(yōu)化技巧主要是面向DBA的，但我認為即使是開發(fā)人員也應該掌握這些技巧，因為不是每個開發(fā)團隊都配有專門的DBA的。

　　第九步：合理組織數據庫文件組和文件

　　創(chuàng)建SQL Server數據庫時，數據庫服務器會自動在文件系統(tǒng)上創(chuàng)建一系列的文件，之后創(chuàng)建的每一個數據庫對象實際上都是存儲在這些文件中的。SQL Server有下面三種文件：

　　1).mdf文件

　　這是最主要的數據文件，每個數據庫只能有一個主數據文件，所有系統(tǒng)對象都存儲在主數據文件中，如果不創(chuàng)建次要數據文件，所有用戶對象(用戶創(chuàng)建的數據庫對象)也都存儲在主數據文件中。

　　2).ndf文件

　　這些都是次要數據文件，它們是可選的，它們存儲的都是用戶創(chuàng)建的對象。

　　3).ldf文件

　　這些是事務日志文件，數量從一到幾個不等，它里面存儲的是事務日志。

　　默認情況下，創(chuàng)建SQL Server數據庫時會自動創(chuàng)建主數據文件和事務日志文件，當然也可以修改這兩個文件的屬性，如保存路徑。

　　文件組

　　為了便于管理和獲得更好的性能，數據文件通常都進行了合理的分組，創(chuàng)建一個新的SQL Server數據庫時，會自動創(chuàng)建主文件組，主數據文件就包含在主文件組中，主文件組也被設為默認組，因此所有新創(chuàng)建的用戶對象都自動存儲在主文件組中(具體說就是存儲在主數據文件中)。

　　如果你想將你的用戶對象(表、視圖、存儲過程和函數等)存儲在次要數據文件中，那需要：

　　1)創(chuàng)建一個新的文件組，并將其設為默認文件組;

　　2)創(chuàng)建一個新的數據文件(.ndf)，將其歸于第一步創(chuàng)建的新文件組中。

　　以后創(chuàng)建的對象就會全部存儲在次要文件組中了。

　　注意：事務日志文件不屬于任何文件組。

　　文件/文件組組織最佳實踐

　　如果你的數據庫不大，那么默認的文件/文件組應該就能滿足你的需要，但如果你的數據庫變得很大時(假設有1000MB)，你可以(應該)對文件/文件組進行調整以獲得更好的性能，調整文件/文件組的最佳實踐內容如下：

　　1)主文件組必須完全獨立，它里面應該只存儲系統(tǒng)對象，所有的用戶對象都不應該放在主文件組中。主文件組也不應該設為默認組，將系統(tǒng)對象和用戶對象分開可以獲得更好的性能;

　　2)如果有多塊硬盤，可以將每個文件組中的每個文件分配到每塊硬盤上，這樣可以實現分布式磁盤I/O，大大提高數據讀寫速度;

　　3)將訪問頻繁的表及其索引放到一個單獨的文件組中，這樣讀取表數據和索引都會更快;

　　4)將訪問頻繁的包含Text和Image數據類型的列的表放到一個單獨的文件組中，最好將其中的Text和Image列數據放在一個獨立的硬盤中，這樣檢索該表的非Text和Image列時速度就不會受Text和Image列的影響;

　　5)將事務日志文件放在一個獨立的硬盤上，千萬不要和數據文件共用一塊硬盤，日志操作屬于寫密集型操作，因此保證日志寫入具有良好的I/O性能非常重要;

　　6)將“只讀”表單獨放到一個獨立的文件組中，同樣，將“只寫”表單獨放到一個文件組中，這樣只讀表的檢索速度會更快，只寫表的更新速度也會更快;

　　7)不要過度使用SQL Server的“自動增長”特性，因為自動增長的成本其實是很高的，設置“自動增長”值為一個合適的值，如一周，同樣，也不要過度頻繁地使用“自動收縮”特性，最好禁用掉自動收縮，改為手工收縮數據庫大小，或使用調度操作，設置一個合理的時間間隔，如一個月。

　　第十步：在大表上應用分區(qū)

　　什么是表分區(qū)?

　　表分區(qū)就是將大表拆分成多個小表，以免檢索數據時掃描的數據太多，這個思想參考了“分而治之”的理論。

　　當你的數據庫中有一個大表(假設有上百萬行記錄)，如果其它優(yōu)化技巧都用上了，但查詢速度仍然非常慢時，你就應該考慮對這個表進行分區(qū)了。首先來看一下分區(qū)的類型：

　　水平分區(qū)：假設有一個表包括千萬行記錄，為了便于理解，假設表有一個自動增長的主鍵字段(如id)，我們可以將表拆分成10個獨立的分區(qū)表，每個分區(qū)包含100萬行記錄，分區(qū)就要依據id字段的值實施，即第一個分區(qū)包含id值從1-1000000的記錄，第二個分區(qū)包含1000001-2000000的記錄，以此類推。這種以水平方向分割表的方式就叫做水平分區(qū)。

　　垂直分區(qū)：假設有一個表的列數和行數都非常多，其中某些列被經常訪問，其余的列不是經常訪問。由于表非常大，所有檢索操作都很慢，因此需要基于頻繁訪問的列進行分區(qū)，這樣我們可以將這個大表拆分成多個小表，每個小表由大表的一部分列組成，這種垂直拆分表的方法就叫做垂直分區(qū)。

　　另一個垂直分區(qū)的原則是按有索引的列無索引列進行拆分，但這種分區(qū)法需要小心，因為如果任何查詢都涉及到檢索這兩個分區(qū)，SQL引擎不得不連接這兩個分區(qū)，那樣的話性能反而會低。

　　本文主要對水平分區(qū)做一介紹。

　　分區(qū)最佳實踐

　　1)將大表分區(qū)后，將每個分區(qū)放在一個獨立的文件中，并將這個文件存放在獨立的硬盤上，這樣數據庫引擎可以同時并行檢索多塊硬盤上的不同數據文件，提高并發(fā)讀寫速度;

　　2)對于歷史數據，可以考慮基于歷史數據的“年齡”進行分區(qū)，例如，假設表中存儲的是訂單數據，可以使用訂單日期列作為分區(qū)的依據，如將每年的訂單數據做成一個分區(qū)。

　　如何分區(qū)?

　　假設Order表中包含了四年(1999-2002)的訂單數據，有上百萬的記錄，那如果要對這個表進行分區(qū)，采取的步驟如下：

　　1)添加文件組

　　使用下面的命令創(chuàng)建一個文件組:

　　ALTER DATABASE OrderDB ADD FILEGROUP [1999]

　　ALTER DATABASE OrderDB ADD FILE (NAME = N'1999', FILENAME

　　= N'C:\OrderDB\1999.ndf', SIZE = 5MB, MAXSIZE = 100MB, FILEGROWTH = 5MB) TO

　　FILEGROUP [1999]

　　通過上面的語句我們添加了一個文件組1999，然后增加了一個次要數據文件“C:\OrderDB\1999.ndf”到這個文件組中。

　　使用上面的命令再創(chuàng)建三個文件組2000，2001和2002，每個文件組存儲一年的銷售數據。

　　2)創(chuàng)建分區(qū)函數

　　分區(qū)函數是定義分界點的一個對象，使用下面的命令創(chuàng)建分區(qū)函數：

　　CREATE PARTITION FUNCTION FNOrderDateRange (DateTime) AS

　　RANGE LEFT FOR VALUES ('19991231', '20001231', '20011231')

　　上面的分區(qū)函數指定：

　　DateTime<=1999/12/31的記錄進入第一個分區(qū);

　　DateTime > 1999/12/31 且 <= 2000/12/31的記錄進入第二個分區(qū);

　　DateTime > 2000/12/31 且 <= 2001/12/31的記錄進入第三個分區(qū);

　　DateTime > 2001/12/31的記錄進入第四個分區(qū)。

　　RANGE LEFT指定應該進入左邊分區(qū)的邊界值，例如小于或等于1999/12/31的值都應該進入第一個分區(qū)，下一個值就應該進入第二個分區(qū)了。如果使用RANGE RIGHT，邊界值以及大于邊界值的值都應該進入右邊的分區(qū)，因此在這個例子中，邊界值2000/12/31就應該進入第二個分區(qū)，小于這個邊界值的值就應該進入第一個分區(qū)。

　　3)創(chuàng)建分區(qū)方案

　　通過分區(qū)方案在表/索引的分區(qū)和存儲它們的文件組之間建立映射關系。創(chuàng)建分區(qū)方案的命令如下：

　　CREATE PARTITION SCHEME OrderDatePScheme AS PARTITION FNOrderDateRange

　　TO ([1999], [2000], [2001], [2002])

　　在上面的命令中，我們指定了：

　　第一個分區(qū)應該進入1999文件組;

　　第二個分區(qū)就進入2000文件組;

　　第三個分區(qū)進入2001文件組;

　　第四個分區(qū)進入2002文件組。

　　4)在表上應用分區(qū)

　　至此，我們定義了必要的分區(qū)原則，現在需要做的就是給表分區(qū)了。首先使用DROP INDEX命令刪除表上現有的聚集索引，通常主鍵上有聚集索引，如果是刪除主鍵上的索引，還可以通過DROP CONSTRAINT刪除主鍵來間接刪除主鍵上的索引，如下面的命令刪除PK_Orders主鍵：

　　ALTER TABLE Orders DROP CONSTRAINT PK_Orders;

　　在分區(qū)方案上重新創(chuàng)建聚集索引，命令如下：

　　CREATE UNIQUE CLUSTERED INDEX PK_Orders ON Orders(OrderDate) ON

　　OrderDatePScheme (OrderDate)

　　假設OrderDate列的數據在表中是唯一的，表將基于分區(qū)方案OrderDatePScheme被分區(qū)，最終被分成四個小的部分，存放在四個文件組中。如果你對如何分區(qū)還有不清楚的地方，建議你去看看微軟的官方文章“SQL Server 2005中的分區(qū)表和索引”(地址：http://msdn.microsoft.com/en-us/library/ms345146%28SQL.90%29.aspx)。

　　第十一步：使用TSQL模板更好地管理DBMS對象(額外的一步)

　　為了更好地管理DBMS對象(存儲過程，函數，視圖，觸發(fā)器等)，需要遵循一致的結構，但由于某些原因(主要是時間限制)，我們未能維護一個一致的結構，因此后來遇到性能問題或其它原因需要重新調試這些代碼時，那感覺就像是做噩夢。

　　為了幫助大家更好地管理DBMS對象，我創(chuàng)建了一些TSQL模板，利用這些模板你可以快速地開發(fā)出結構一致的DBMS對象。

　　如果你的團隊有人專門負責檢查團隊成員編寫的TSQL代碼，在這些模板中專門有一個“審查”段落用來描寫審查意見。

　　我提交幾個常見的DBMS對象模板，它們是：

　　 Template_StoredProcedure.txt：存儲過程模板(http://www.codeproject.com/KB/database/OrganizeFilesAndPartition/Template_StoredProcedure.txt)

　　 Template_View.txt：視圖模板(http://www.codeproject.com/KB/database/OrganizeFilesAndPartition/Template_Trigger.txt)

　　 Template_Trigger.txt：觸發(fā)器模板(http://www.codeproject.com/KB/database/OrganizeFilesAndPartition/Template_ScalarFunction.txt)

　　 Template_ScalarFunction.txt：標量函數模板(http://www.codeproject.com/KB/database/OrganizeFilesAndPartition/Template_TableValuedFunction.txt)

　　 emplate_TableValuedFunction.txt：表值函數模板(http://www.codeproject.com/KB/database/OrganizeFilesAndPartition/Template_View.txt)

　　1)如何創(chuàng)建模板?

　　 首先下載前面給出的模板代碼，然打開SQL Server管理控制臺，點擊“查看”*“模板瀏覽器”;

　　 點擊“存儲過程”節(jié)點，點擊右鍵，在彈出的菜單中選擇“新建”*“模板”，為模板取一個易懂的名字;

　　 在新創(chuàng)建的模板上點擊右鍵，選擇“編輯”，在彈出的窗口中輸入身份驗證信息，點擊“連接”;

　　 連接成功后，在編輯器中打開下載的Template_StoredProcedure.txt，拷貝文件中的內容粘貼到新建的模板中，然后點擊“保存”。

　　上面是創(chuàng)建一個存儲過程模板的過程，創(chuàng)建其它DBMS對象過程類似。

　　2)如何使用模板?

　　創(chuàng)建好模板后，下面就演示如何使用模板了。

　　 首先在模板瀏覽器中，雙擊剛剛創(chuàng)建的存儲過程模板，彈出身份驗證對話框，輸入對應的身份信息，點擊“連接”;

　　 連接成功后，模板將會在編輯器中打開，變量將會賦上適當的值;

　　 按Ctrl+Shift+M為模板指定值，如下圖所示;

　　圖 1 為模板參數指定值

　　 點擊“OK”，然后在SQL Server管理控制臺中選擇目標數據庫，然后點擊“執(zhí)行”按鈕;

　　如果一切順利，存儲過程就創(chuàng)建成功了。你可以根據上面的步驟創(chuàng)建其它DBMS對象。

　　小結

　　優(yōu)化講究的是一種“心態(tài)”，在優(yōu)化數據庫性能時，首先要相信性能問題總是可以解決的，然后就是結合經驗和最佳實踐努力進行優(yōu)化，最重要的是要盡量預防性能問題的發(fā)生，在開發(fā)和部署期間，要利用一切可利用的技術和經驗進行提前評估，千萬不要等問題出現了才去想辦法解決，在開發(fā)期間多花一個小時實施最佳實踐，最后可能會給你節(jié)約上百小時的故障診斷和排除時間，要學會聰明地工作，而不是辛苦地工作!

 

該文章在 2011/3/15 0:25:33 編輯過