海量資料儲存過程
轉自Csdn 作者: ....
建立一個web 應用，分頁瀏覽功能必不可少。這個問題是資料庫處理中十分常見的問題。經典的資料分頁方法是:ADO紀錄集分頁法，也就是利用ADO自帶的分頁功能（利用遊標）來實現分頁。但這種分頁方法僅適用於較小資料量的情形，因為遊標本身有缺點：遊標是存放在記憶體中，很費記憶體。遊標一建立，就將相關的記錄鎖住，直到取消遊標。遊標提供了對特定集合中逐行掃描的手段，一般使用遊標來逐行遍歷資料，根據取出資料條件的不同進行不同的操作。而對於多表和大表中定義的遊標（大的資料集合）迴圈很容易使程式進入一個漫長的等待甚至宕機。
更重要的是，對於非常大的資料模型而言，分頁檢索時，如果按照傳統的每次都載入整個資料來源的方法是非常浪費資源的。現在流行的分頁方法一般是檢索頁面大小的塊區的資料，而非檢索所有的資料，然後單步執行當前行。
最早較好地實現這種根據頁面大小和頁碼來提取資料的方法大概就是“俄羅斯儲存過程”。這個儲存過程用了遊標，由於遊標的侷限性，所以這個方法並沒有得到大家的普遍認可。
後來，網上有人改造了此儲存過程，下面的儲存過程就是結合我們的辦公自動化例項寫的分頁儲存過程：
CREATE procedure pagination1
(@pagesize int,--頁面大小，如每頁儲存20條記錄
@pageindex int--當前頁碼
)
as
set nocount on
begin
declare @indextable table(id int identity(1,1),nid int)--
declare @PageLowerBound int--定義此頁的底碼
declare @PageUpperBound int--定義此頁的頂碼
set @PageLowerBound=(@pageindex-1)*@pagesize
set @[email protected][email protected]
set rowcount @PageUpperBound
insert into @indextable(nid) select gid from TGongwen where fariqi >dateadd(day,-365,getdate()) order by fariqi desc
select O.gid,O.mid,O.title,O.fadanwei,O.fariqi from TGongwen O,@indextable t where O.gid=t.nid
and t.id>@PageLowerBound and t.id<[email protected] order by t.id
end
set nocount off
以上儲存過程運用了SQL SERVER的最新技術――表變數。應該說這個儲存過程也是一個非常優秀的分頁儲存過程。當然，在這個過程中，您也可以把其中的表變數寫成臨時表：CREATE TABLE #Temp。但很明顯，在SQL SERVER中，用臨時表是沒有用表變數快的。所以筆者剛開始使用這個儲存過程時，感覺非常的不錯，速度也比原來的ADO的好。但後來，我又發現了比此方法更好的方法。
筆者曾在網上看到了一篇小短文《從資料表中取出第n條到第m條的記錄的方法》，全文如下：
從publish 表中取出第 n 條到第 m 條的記錄：
SELECT TOP m-n+1 *
FROM publish
WHERE (id NOT IN
(SELECT TOP n-1 id
FROM publish))
id 為publish 表的關鍵字
我當時看到這篇文章的時候，真的是精神為之一振，覺得思路非常得好。等到後來，我在作辦公自動化系統（ASP.NET+ C#＋SQL SERVER）的時候，忽然想起了這篇文章，我想如果把這個語句改造一下，這就可能是一個非常好的分頁儲存過程。於是我就滿網上找這篇文章，沒想到，文章還沒找到，卻找到了一篇根據此語句寫的一個分頁儲存過程，這個儲存過程也是目前較為流行的一種分頁儲存過程，我很後悔沒有爭先把這段文字改造成儲存過程：
CREATE PROCEDURE pagination2
(
@SQL nVARCHAR(4000),--不帶排序語句的SQL語句@Page int,--頁碼@RecsPerPage int,--每頁容納的記錄數@ID VARCHAR(255),--需要排序的不重複的ID號@Sort VARCHAR(255)--排序欄位及規則
)
AS
DECLARE @Str nVARCHAR(4000)
SET @Str='SELECT TOP '+CAST(@RecsPerPage AS VARCHAR(20))+' * FROM ('[email protected]+') T WHERE T.'[email protected]+'NOT IN
(SELECT TOP '+CAST((@RecsPerPage*(@Page-1)) AS VARCHAR(20))+' '[email protected]+' FROM ('[email protected]+') T9 ORDER BY '[email protected]+') ORDER BY '[email protected]
PRINT @Str
EXEC sp_ExecuteSql @Str
GO
其實，以上語句可以簡化為：
SELECT TOP 頁大小 *
FROM Table1
WHERE (ID NOT IN
(SELECT TOP 頁大小*頁數 id
FROM 表
ORDER BY id))
ORDER BY ID
但這個儲存過程有一個致命的缺點，就是它含有NOT IN字樣。雖然我可以把它改造為：
SELECT TOP 頁大小 *
FROM Table1
WHERE not exists
(select * from (select top (頁大小*頁數) * from table1 order by id) b where b.id=a.id )
order by id
即，用not exists來代替not in，但我們前面已經談過了，二者的執行效率實際上是沒有區別的。
既便如此，用TOP 結合NOT IN的這個方法還是比用遊標要來得快一些。
雖然用not exists並不能挽救上個儲存過程的效率，但使用SQL SERVER中的TOP關鍵字卻是一個非常明智的選擇。因為分頁優化的最終目的就是避免產生過大的記錄集，而我們在前面也已經提到了TOP的優勢，通過TOP 即可實現對資料量的控制。
在分頁演算法中，影響我們查詢速度的關鍵因素有兩點：TOP和NOT IN。TOP可以提高我們的查詢速度，而NOT IN會減慢我們的查詢速度，所以要提高我們整個分頁演算法的速度，就要徹底改造NOT IN，同其他方法來替代它。
我們知道，幾乎任何欄位，我們都可以通過max(欄位)或min(欄位)來提取某個欄位中的最大或最小值，所以如果這個欄位不重複，那麼就可以利用這些不重複的欄位的max或min作為分水嶺，使其成為分頁演算法中分開每頁的參照物。在這裡，我們可以用操作符“>”或“<”號來完成這個使命，使查詢語句符合SARG形式。如：
Selecttop10*fromtable1whereid>200
於是就有了如下分頁方案：
select top 頁大小 *
from table1
where id>
(select max (id) from
(select top ((頁碼-1)*頁大小) id from table1 order by id) as T
)
order by id
在選擇即不重複值，又容易分辨大小的列時，我們通常會選擇主鍵。下表列出了筆者用有著1000萬資料的辦公自動化系統中的表，在以GID（GID是主鍵，但並不是聚集索引。）為排序列、提取gid,fariqi,title欄位，分別以第1、10、100、500、1000、1萬、10萬、25萬、50萬頁為例，測試以上三種分頁方案的執行速度：（單位：毫秒）
|
頁碼 |
方案1 |
方案2 |
方案3 |
|
1 |
60 |
30 |
76 |
|
10 |
46 |
16 |
63 |
|
100 |
1076 |
720 |
130 |
|
500 |
540 |
12943 |
83 |
|
1000 |
17110 |
470 |
250 |
|
1萬 |
24796 |
4500 |
140 |
|
10萬 |
38326 |
42283 |
1553 |
|
25萬 |
28140 |
128720 |
2330 |
|
50萬 |
121686 |
127846 |
7168 |
從上表中，我們可以看出，三種儲存過程在執行100頁以下的分頁命令時，都是可以信任的，速度都很好。但第一種方案在執行分頁1000頁以上後，速度就降了下來。第二種方案大約是在執行分頁1萬頁以上後速度開始降了下來。而第三種方案卻始終沒有大的降勢，後勁仍然很足。
在確定了第三種分頁方案後，我們可以據此寫一個儲存過程。大家知道SQL SERVER的儲存過程是事先編譯好的SQL語句，它的執行效率要比通過WEB頁面傳來的SQL語句的執行效率要高。下面的儲存過程不僅含有分頁方案，還會根據頁面傳來的引數來確定是否進行資料總數統計。
-- 獲取指定頁的資料
CREATE PROCEDURE pagination3
@tblNamevarchar(255),-- 表名
@strGetFields varchar(1000) = '*',-- 需要返回的列
@fldName varchar(255)='',-- 排序的欄位名
@PageSizeint = 10,-- 頁尺寸
@PageIndexint = 1,-- 頁碼
@doCountbit = 0,-- 返回記錄總數, 非 0 值則返回
@OrderType bit = 0,-- 設定排序型別, 非 0 值則降序
@strWherevarchar(1500) = ''-- 查詢條件 (注意: 不要加 where)
AS
declare @strSQLvarchar(5000)-- 主語句
declare @strTmpvarchar(110)-- 臨時變數
declare @strOrder varchar(400)-- 排序型別
if @doCount != 0
begin
if @strWhere !=''
set @strSQL = "select count(*) as Total from [" + @tblName + "] where "[email protected]
else
set @strSQL = "select count(*) as Total from [" + @tblName + "]"
end
--以上程式碼的意思是如果@doCount傳遞過來的不是0，就執行總數統計。以下的所有程式碼都是@doCount為0的情況
else
begin
if @OrderType != 0
begin
set @strTmp = "<(select min"
set @strOrder = " order by [" + @fldName +"] desc"
--如果@OrderType不是0，就執行降序，這句很重要！
end
else
begin
set @strTmp = ">(select max"
set @strOrder = " order by [" + @fldName +"] asc"
end
if @PageIndex = 1
begin
if @strWhere != ''
set @strSQL = "select top " + str(@PageSize) +" "[email protected]+ "from [" + @tblName + "] where " + @strWhere + " " + @strOrder
else
set @strSQL = "select top " + str(@PageSize) +" "[email protected]+ "from ["+ @tblName + "] "+ @strOrder
--如果是第一頁就執行以上程式碼，這樣會加快執行速度
end
else
begin
--以下程式碼賦予了@strSQL以真正執行的SQL程式碼
set @strSQL = "select top " + str(@PageSize) +" "[email protected]+ "from ["
+ @tblName + "] where [" + @fldName + "]" + @strTmp + "(["+ @fldName + "]) from (select top " + str((@PageIndex-1)*@PageSize) + " ["+ @fldName + "] from [" + @tblName + "]" + @strOrder + ") as tblTmp)"+ @strOrder
if @strWhere != ''
set @strSQL = "select top " + str(@PageSize) +" "[email protected]+ "from ["
+ @tblName + "] where [" + @fldName + "]" + @strTmp + "(["
+ @fldName + "]) from (select top " + str((@PageIndex-1)*@PageSize) + " ["
+ @fldName + "] from [" + @tblName + "] where " + @strWhere + " "
+ @strOrder + ") as tblTmp) and " + @strWhere + " " + @strOrder
end
end
exec (@strSQL)
GO
上面的這個儲存過程是一個通用的儲存過程，其註釋已寫在其中了。
在大資料量的情況下，特別是在查詢最後幾頁的時候，查詢時間一般不會超過9秒；而用其他儲存過程，在實踐中就會導致超時，所以這個儲存過程非常適用於大容量資料庫的查詢。
筆者希望能夠通過對以上儲存過程的解析，能給大家帶來一定的啟示，並給工作帶來一定的效率提升，同時希望同行提出更優秀的實時資料分頁演算法。