like not like 优化 2
表中将近有1100万数据,很多时候,我们要执行 字符串匹配,在SQL语句中,我们通常运用 like来达到我们搜索的目标。但经过实际测试发觉,like的效率与instr函数差别相当大。下面是一些测试结果:
SQL> set timing on
SQL> select count(*) from t where instr(title,’手册’)>0;
COUNT(*)
———-
65881
Elapsed: 00:00:11.04
SQL> select count(*) from t where title like ‘%手册%’;
COUNT(*)
———-
65881
Elapsed: 00:00:31.47
SQL> select count(*) from t where instr(title,’手册’)=0;
COUNT(*)
———-
11554580
Elapsed: 00:00:11.31
SQL> select count(*) from t where title not like ‘%手册%’;
COUNT(*)
———-
11554580
注:
instr(title,’手册’)>0 相当于like
instr(title,’手册’)=0 相当于not like
--------------------------------------------------------------------------------------------------------
SQL> create table test as select * from dba_objects;
表已创建。
SQL> select owner,object_name from test where owner like 'ROBINSON%';
OWNER OBJECT_NAME
------------------------------------------------------------ ------------------------------
ROBINSON TEST
ROBINSON T2
ROBINSON T1
ROBINSON T3
ROBINSON T4
ROBINSON HEX_TO_BIN
已选择6行。
SQL> create index i_owner on test(owner);
索引已创建。
SQL> update test set wner='SYSMAN' where owner!='ROBINSON';
已更新50353行。
SQL> update test set wner='SYSTEM' where object_id>1000 and object_id<1020;
已更新19行。
SQL> commit;
提交完成。
SQL> update test set wner='SCOTT' where object_id>2000 and object_id<2005;
已更新4行。
SQL> select distinct owner from test;
OWNER
------------------------------------------------------------
ROBINSON
SYSTEM
SCOTT
SYS
SQL> BEGIN
2 DBMS_STATS.GATHER_TABLE_STATS(ownname => 'ROBINSON',
3 tabname => 'TEST',
4 estimate_percent => DBMS_STATS.AUTO_SAMPLE_SIZE,
5 method_opt => 'for all columns size repeat',
6 degree => DBMS_STATS.AUTO_DEGREE,
7 cascade=>TRUE
8 );
9 END;
10 /
PL/SQL 过程已成功完成。
SQL> set autot traceonly
SQL> select owner,object_name from test where owner not like 'SYS%';
已选择10行。
执行计划
----------------------------------------------------------
Plan hash value: 1357081020
--------------------------------------------------------------------------
| Id | Operation | Name | Rows | Bytes | Cost (%CPU)| Time |
--------------------------------------------------------------------------
| 0 | SELECT STATEMENT | | 25180 | 737K| 142 (3)| 00:00:02 |
|* 1 | TABLE ACCESS FULL| TEST | 25180 | 737K| 142 (3)| 00:00:02 |
--------------------------------------------------------------------------
Predicate Information (identified by operation id):
---------------------------------------------------
1 - filter("OWNER" NOT LIKE 'SYS%')
统计信息
----------------------------------------------------------
0 recursive calls
0 db block gets
0 consistent gets
0 physical reads
0 redo size
0 bytes sent via SQL*Net to client
0 bytes received via SQL*Net from client
0 SQL*Net roundtrips to/from client
0 sorts (memory)
0 sorts (disk)
10 rows processed
从此处可以看到选择了10行,但是却走了全表扫描,现在对其加HINT提示
SQL> select /*+ INDEX (test I_OWNER) */ owner,object_name from test where owner not like 'SYS%';
已选择10行。
执行计划
----------------------------------------------------------
Plan hash value: 469605390
---------------------------------------------------------------------------------------
| Id | Operation | Name | Rows | Bytes | Cost (%CPU)| Time |
---------------------------------------------------------------------------------------
| 0 | SELECT STATEMENT | | 25180 | 737K| 490 (1)| 00:00:06 |
| 1 | TABLE ACCESS BY INDEX ROWID| TEST | 25180 | 737K| 490 (1)| 00:00:06 |
|* 2 | INDEX FULL SCAN | I_OWNER | 25180 | | 140 (3)| 00:00:02 |
---------------------------------------------------------------------------------------
Predicate Information (identified by operation id):
---------------------------------------------------
2 - filter("OWNER" NOT LIKE 'SYS%')
统计信息
----------------------------------------------------------
0 recursive calls
0 db block gets
0 consistent gets
0 physical reads
0 redo size
0 bytes sent via SQL*Net to client
0 bytes received via SQL*Net from client
0 SQL*Net roundtrips to/from client
0 sorts (memory)
0 sorts (disk)
10 rows processed
我们发现,强制加HINT提示所花的成本比全表扫描成本更高,这里要想优化这条SQL 必须改like
SQL> drop index i_owner;
索引已删除。
SQL> create index f_owner on test(instr(owner,'SYS',1,1)) ;
索引已创建。
SQL> select owner,object_name from test where instr(owner,'SYS',1,1)=0;
已选择10行。
执行计划
----------------------------------------------------------
Plan hash value: 535182827
---------------------------------------------------------------------------------------
| Id | Operation | Name | Rows | Bytes | Cost (%CPU)| Time |
---------------------------------------------------------------------------------------
| 0 | SELECT STATEMENT | | 504 | 15120 | 52 (0)| 00:00:01 |
| 1 | TABLE ACCESS BY INDEX ROWID| TEST | 504 | 15120 | 52 (0)| 00:00:01 |
|* 2 | INDEX RANGE SCAN | F_OWNER | 201 | | 49 (0)| 00:00:01 |
---------------------------------------------------------------------------------------
Predicate Information (identified by operation id):
---------------------------------------------------
2 - access(INSTR("OWNER",'SYS',1,1)=0)
统计信息
----------------------------------------------------------
0 recursive calls
0 db block gets
0 consistent gets
0 physical reads
0 redo size
0 bytes sent via SQL*Net to client
0 bytes received via SQL*Net from client
0 SQL*Net roundtrips to/from client
0 sorts (memory)
0 sorts (disk)
10 rows processed
当使用函数索引后,COST由原来的142下降到现在的52
总结:对于LIKE语句,我们可以使用instr函数来进行SQL调优
本文来自CSDN博客,转载请标明出处:http://blog.csdn.net/robinson1988/archive/2010/03/23/5408253.aspx
来自 “ ITPUB博客 ” ,链接:http://blog.itpub.net/21916216/viewspace-630315/,如需转载,请注明出处,否则将追究法律责任。
转载于:http://blog.itpub.net/21916216/viewspace-630315/
like not like 优化 2相关推荐
- 系统遇到并发瓶颈时的优化方向
1. 设计高质量代码优化Map 使用读写锁,读写锁 读多写少(存储用户连接信息) map不要太大. 2. 突破系统瓶颈 优化连接数 linux下的系统最大连接数 3. 降低对Cpu资源的使用 降低io ...
- SVN优化(一) SVN忽略maven项目的target
SVN优化(一) SVN忽略maven项目的target 一 eclipse刚开始导入的项目: 二 解决办法 方式一: 在项目代码路径,如: F:\xyx\sl 鼠标右键,"Tortoi ...
- 如何定位并优化慢查询Sql
根据慢日志定位慢查询SQL. 查询慢日志相关变量,并进行设置: 主要关注下述三个变量: long_query_time.show_query_log_file.show_query_log 慢查询sq ...
- kali2020进入单模式_蚂蚁集团技术专家山丘:性能优化的常见模式及趋势
陈显铭(山丘) 读完需要 6分钟 速读仅需 2 分钟 陈显铭,花名山丘,就职于蚂蚁集团,对分布式应用架构.服务化.性能优化等有深入的理解.参与支付宝支付链路核心系统,设计.调优应用系统关键能力, 高效 ...
- 各种优化算法公式快速回忆优化器-深度学习
本文是Deep Learning 之 最优化方法系列文章的RMSProp方法.主要参考Deep Learning 一书. 整个优化系列文章列表: Deep Learning 之 最优化方法 Deep ...
- Pytorch实现MNIST(附SGD、Adam、AdaBound不同优化器下的训练比较) adabound实现
学习工具最快的方法就是在使用的过程中学习,也就是在工作中(解决实际问题中)学习.文章结尾处附完整代码. 一.数据准备 在Pytorch中提供了MNIST的数据,因此我们只需要使用Pytorch提 ...
- 从 SGD 到 Adam —— 深度学习优化算法概览 各种优化器 重点
20210701 https://blog.51cto.com/u_15064630/2571266 [机器学习基础]优化算法详解 详细 https://blog.csdn.net/u01338501 ...
- 梯度优化算法Adam
最近读一个代码发现用了一个梯度更新方法, 刚开始还以为是什么奇奇怪怪的梯度下降法, 最后分析一下是用一阶梯度及其二次幂做的梯度更新.网上搜了一下, 果然就是称为Adam的梯度更新算法, 全称是:自适应 ...
- pytorch 优化器 机器学习 调参
torch.optim 如何使用optimizer 构建 为每个参数单独设置选项 进行单次优化 optimizer.step() optimizer.step(closure) 算法 如何调整学习率 ...
- 『PyTorch』第十一弹_torch.optim优化器 每层定制参数
一.简化前馈网络LeNet 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 im ...
最新文章
- 小米数据管理与应用实践
- 30个非常时尚的网页联系表单设计优秀示例
- 利用OpenCV的convexHull和convexityDefects做凸包(凸壳)检测及凸包(凸壳)的缺陷检测
- .net Redis缓存优化提高加载速度和服务器性能(一)
- layui-简单辅助元素 - 页面元素
- signalr收不到服务器的信息,重新连接的客户端SignalR没有收到消息 - javascript
- 外网ip有变化发送邮箱vbs版
- 一份简短又全面的数学建模技能图谱:常用模型算法总结
- SAE J1939学习笔记(一)
- IDEA2021 配置 SVN
- Unity官网注册账号绑定手机国籍更改失败
- Entry name ‘firebase-abt.properties‘ collided
- 14宽的键槽深度多少_平键和键槽标准尺寸规格表.doc
- 资金合规到底是什么个意思 ?
- 链路不通或服务器没响应,连不通服务器服务怎么办(理论篇)
- 一些心理上的优势状态和劣势状态
- SQL注入测试平台 SQLol -2.SELECT注入测试
- C语言如何实现任意数相乘
- CSharp 类型转换
- 消息称高通骁龙 895 样品性能提升可达 20%
热门文章
- 设置和获取中断向量,很清楚嗷
- 烟雨江湖小米鸿蒙,烟雨江湖小米时装怎么拿? 小米衣服获取方法详解[多图]
- Python 简单元组入门之“简易中文数字对照表”
- 关于numpy中的一维行向量、列向量的理解
- APICloud的特性
- vue使用ajax提交数据,vue中使用ajax请求 data的数据问题
- 小程序集成Three.js,使用npm安装gsap动画库
- 优衣库46万客户信息遭泄露,这些年,你的信息还被谁泄露过?
- 【视觉高级篇】23 # 如何模拟光照让3D场景更逼真?(上)
- 2021物理化学实验8:乙酸乙酯皂化反应动力学研究