❶ 如何提高sql查询速度
索引对数据库检索优化时很重要的一个概念聚集索引在SQL中是唯一的也就是说聚集索引时一个很宝贵的资源但是SQL SERVER在自动分配索引的时候默认总是将ID主键分配为聚集索引其实是很浪费的通常情况下你可以通过语句创建聚集索引到你使用率最高的条件字段上面去，当然你必须先分配聚集索引然后再去分配主键，否则主键创建时就会自动占用聚集索引然后非聚集索引不能设置过滥，设置过滥会导致目录增多最后反而导致查询缓慢优化不是纯粹理论上的东西，理论教会你怎么去使用尝试才能获取经验
❷ 如何提高SQL语言的查询效率
由于SQL是面向结果而不是面向过程的查询语言，所以一般支持SQL语言的大型关系型数据库都使用一个基于查询成本的优化器，为即时查询提供一个最佳的执行策略。对于优化器，输入是一条查询语句，输出是一个执行策略。
一条SQL查询语句可以有多种执行策略，优化器将估计出全部执行方法中所需时间最少的所谓成本最低的那一种方法。所有优化都是基于用记所使用的查询语句中的where子句，优化器对where子句中的优化主要用搜索参数(Serach Argument)。
搜索参数的核心思想就是数据库使用表中字段的索引来查询数据，而不必直接查询记录中的数据。
带有 =、<、<=、>、>= 等操作符的条件语句可以直接使用索引，如下列是搜索参数：
emp_id = "10001" 或 salary > 3000 或 a =1 and c = 7
而下列则不是搜索参数：
salary = emp_salary 或 dep_id != 10 或 salary * 12 >= 3000 或 a=1 or c=7
应当尽可能提供一些冗余的搜索参数，使优化器有更多的选择余地。请看以下3种方法：
第一种方法：
select employee.emp_name,department.dep_name from department,employee where (employee.dep_id = department.dep_id) and (department.dep_code='01') and (employee.dep_code='01');
它的搜索分析结果如下：
Estimate 2 I/O operations
Scan department using primary key
for rows where dep_code equals '01'
Estimate getting here 1 times
Scan employee sequentially
Estimate getting here 5 times
第二种方法：
select employee.emp_name,department.dep_name from department,employee where (employee.dep_id = department.dep_id) and (department.dep_code='01');
它的搜索分析结果如下：
Estimate 2 I/O operations
Scan department using primary key
for rows where dep_code equals '01'
Estimate getting here 1 times
Scan employee sequentially
Estimate getting here 5 times
第一种方法与第二种运行效率相同，但第一种方法最好，因为它为优化器提供了更多的选择机会。
第三种方法：
select employee.emp_name,department.dep_name from department,employee where (employee.dep_id = department.dep_id) and (employee.dep_code='01');
这种方法最不好，因为它无法使用索引，也就是无法优化……
使用SQL语句时应注意以下几点：
1、避免使用不兼容的数据类型。例如，Float和Integer，Char和Varchar，Binary和Long Binary不兼容的。数据类型的不兼容可能使优化器无法执行一些本可以进行的优化操作。例如：
select emp_name form employee where salary > 3000;
在此语句中若salary是Float类型的，则优化器很难对其进行优化，因为3000是个整数，我们应在编程时使用3000.0而不要等运行时让DBMS进行转化。
2、尽量不要使用表达式，因它在编绎时是无法得到的，所以SQL只能使用其平均密度来估计将要命中的记录数。
3、避免对搜索参数使用其他的数学操作符。如：
select emp_name from employee where salary * 12 > 3000;
应改为：
select emp_name from employee where salary > 250;
4、避免使用 != 或 <> 等这样的操作符，因为它会使系统无法使用索引，而只能直接搜索表中的数据。
目前,几乎所有的应用程序都要和数据库打交道。通过查询数据库可很容易地获得想要的数据。但是,令人不满意的是:某些查询时间长,响应速度慢。究其原因,一是硬件设备(如CPU、磁盘)的存取速度跟不上,内存容量不够大,这需要计算机制造商的努力;另一方面是没有进行查询优化
❸ 如何提高SQL语句的查询效率
1.对查询进行优化，应尽量避免全表扫描，首先应考虑在 where 及 order by 涉及的列上建立索引。
2.应尽量避免在 where 子句中对字段进行 null 值判断，否则将导致引擎放弃使用索引而进行全表扫描，如：
select id from t where num is null
可以在num上设置默认值0，确保表中num列没有null值，然后这样查询：
select id from t where num=0
3.应尽量避免在 where 子句中使用!=或<>操作符，否则将引擎放弃使用索引而进行全表扫描。
4.应尽量避免在 where 子句中使用 or 来连接条件，否则将导致引擎放弃使用索引而进行全表扫描，如：
select id from t where num=10 or num=20
可以这样查询：
select id from t where num=10
union all
select id from t where num=20
5.in 和 not in 也要慎用，否则会导致全表扫描，如：
select id from t where num in(1,2,3)
对于连续的数值，能用 between 就不要用 in 了：
select id from t where num between 1 and 3
6.下面的查询也将导致全表扫描：
select id from t where name like '%abc%'
若要提高效率，可以考虑全文检索。
7.如果在 where 子句中使用参数，也会导致全表扫描。因为SQL只有在运行时才会解析局部变量，但优化程序不能将访问计划的选择推迟到运行时；它必须在编译时进行选择。然而，如果在编译时建立访问计划，变量的值还是未知的，因而无法作为索引选择的输入项。如下面语句将进行全表扫描：
select id from t where num=@num
可以改为强制查询使用索引：
select id from t with(index(索引名)) where num=@num
8.应尽量避免在 where 子句中对字段进行表达式操作，这将导致引擎放弃使用索引而进行全表扫描。如：
select id from t where num/2=100
应改为:
select id from t where num=100*2
9.应尽量避免在where子句中对字段进行函数操作，这将导致引擎放弃使用索引而进行全表扫描。如：
select id from t where substring(name,1,3)='abc' // oracle总有的是substr函数。
select id from t where datediff(day,createdate,'2005-11-30')=0 //查过了确实没有datediff函数。
应改为:
select id from t where name like 'abc%'
select id from t where createdate>='2005-11-30' and createdate<'2005-12-1' //
oracle 中时间应该把char 转换成 date 如： createdate >= to_date('2005-11-30','yyyy-mm-dd')
10.不要在 where 子句中的“=”左边进行函数、算术运算或其他表达式运算，否则系统将可能无法正确使用索引。
11.在使用索引字段作为条件时，如果该索引是复合索引，那么必须使用到该索引中的第一个字段作为条件时才能保证系统使用该索引，否则该索引将不会被使用，并且应尽可能的让字段顺序与索引顺序相一致。
12.不要写一些没有意义的查询，如需要生成一个空表结构：
select col1,col2 into #t from t where 1=0
这类代码不会返回任何结果集，但是会消耗系统资源的，应改成这样：
create table #t(...)
13.很多时候用 exists 代替 in 是一个好的选择：
select num from a where num in(select num from b)
用下面的语句替换：
select num from a where exists(select 1 from b where num=a.num)
14.并不是所有索引对查询都有效，SQL是根据表中数据来进行查询优化的，当索引列有大量数据重复时，SQL查询可能不会去利用索引，如一表中有字段sex，male、female几乎各一半，那么即使在sex上建了索引也对查询效率起不了作用。
15.索引并不是越多越好，索引固然可以提高相应的 select 的效率，但同时也降低了 insert 及 update 的效率，因为 insert 或 update 时有可能会重建索引，所以怎样建索引需要慎重考虑，视具体情况而定。一个表的索引数最好不要超过6个，若太多则应考虑一些不常使用到的列上建的索引是否有必要。
16.应尽可能的避免更新 clustered 索引数据列，因为 clustered 索引数据列的顺序就是表记录的物理存储顺序，一旦该列值改变将导致整个表记录的顺序的调整，会耗费相当大的资源。若应用系统需要频繁更新 clustered 索引数据列，那么需要考虑是否应将该索引建为 clustered 索引。
17.尽量使用数字型字段，若只含数值信息的字段尽量不要设计为字符型，这会降低查询和连接的性能，并会增加存储开销。这是因为引擎在处理查询和连接时会逐个比较字符串中每一个字符，而对于数字型而言只需要比较一次就够了。
18.尽可能的使用 varchar/nvarchar 代替 char/nchar ，因为首先变长字段存储空间小，可以节省存储空间，其次对于查询来说，在一个相对较小的字段内搜索效率显然要高些。
19.任何地方都不要使用 select * from t ，用具体的字段列表代替“*”，不要返回用不到的任何字段。
20.尽量使用表变量来代替临时表。如果表变量包含大量数据，请注意索引非常有限（只有主键索引）。
21.避免频繁创建和删除临时表，以减少系统表资源的消耗。
22.临时表并不是不可使用，适当地使用它们可以使某些例程更有效，例如，当需要重复引用大型表或常用表中的某个数据集时。但是，对于一次性事件，最好使用导出表。
23.在新建临时表时，如果一次性插入数据量很大，那么可以使用 select into 代替 create table，避免造成大量 log ，以提高速度；如果数据量不大，为了缓和系统表的资源，应先create table，然后insert。
24.如果使用到了临时表，在存储过程的最后务必将所有的临时表显式删除，先 truncate table ，然后 drop table ，这样可以避免系统表的较长时间锁定。
25.尽量避免使用游标，因为游标的效率较差，如果游标操作的数据超过1万行，那么就应该考虑改写。
26.使用基于游标的方法或临时表方法之前，应先寻找基于集的解决方案来解决问题，基于集的方法通常更有效。
27.与临时表一样，游标并不是不可使用。对小型数据集使用 FAST_FORWARD 游标通常要优于其他逐行处理方法，尤其是在必须引用几个表才能获得所需的数据时。在结果集中包括“合计”的例程通常要比使用游标执行的速度快。如果开发时间允许，基于游标的方法和基于集的方法都可以尝试一下，看哪一种方法的效果更好。
28.在所有的存储过程和触发器的开始处设置 SET NOCOUNT ON ，在结束时设置 SET NOCOUNT OFF 。无需在执行存储过程和触发器的每个语句后向客户端发送 DONE_IN_PROC 消息。
29.尽量避免大事务操作，提高系统并发能力。
30.尽量避免向客户端返回大数据量，若数据量过大，应该考虑相应需求是否合理。
❹ 以下哪种方法执行SQL语句最有效率
优化sql语句执行效率的方法：
1)尽量选择较小的列
2)将where中用的比较频繁的字段建立索引
3)select子句中避免使用‘*’
4)避免在索引列上使用计算、not in 和<>等操作
5)当只需要一行数据的时候使用limit 1
6)保证单表数据不超过200W，适时分割表。
针对查询较慢的语句，可以使用explain 来分析该语句具体的执行情况。
❺ 这两个sql查询语句哪个更快
A快。
我觉得不该从联合查询的角度考虑。B，C都是进行了两次搜表查询，select id from TableA where name like '%b%'，再从所得的结果中select value。
等于对数据搜了两遍。也就是对第一遍选中的数据，再一次读取并与第二次的条件比较，而A方法只对同一数据进行了一次比较。如果数据量大的话效率会比较低。
❻ 多表连接查询和多次单表查询哪个效率高为什么
如果数据量小的表，这样的设计意义不大，而且当然是单表速度快。若在大数据量情况下，设计非常有意义。在多表连接中注意数据的条目和外健，避免出行大量冗余数据导致性能下降。下面我以Oracle讲讲数据查询的整个过程技术。
由于数据分布到数据块，在大量数据设计中可以将数据存储于多个数据块，在高并发进程的随机访问的情况下，能有效减少块冲突 同样的数据需要更多的数据块来存储，由于数据块的块头元信息大小固定，所以需要更多的空间来存储块头元信息。行长度过大容易导致行连接，从而导致Oracle获取数据块的效率降低 ，在行长度固定的前提下，单块能够存储更多的数据行，也就意味着Oracle一次I/O能读取更多的数据行。适合连续顺序读或者存放大对象数据（如LOB数据） 由于大数据块可以存放更多的索引叶节点信息，容易引起争用，所以大数据块不适合存放索引叶节点信息。
大量数据表的数据库参数设置DB_FILE_MULTIBLOCK_READ_COUNT表示Oracle一次顺序I/O读操作最多能读取的数据块块数。该参数的默认值随操作系统的不同而不同。在全表扫描或者索引快速扫描比较多的系统中（如DSS系统），建议将该值设置得较大。但是DB_FILE_MULTIBLOCK_READ_COUNT参数受操作最大单次I/O大小的限制，大多数操作系统单次读操作的大小不能超过1MB，这也就意味着在8KB数据块大小的情况下，该参数最大值为128。值得一提的是，该参数的大小还会影响Oracle CBO对执行计划的评估，如果设成较大值，Oracle的执行计划倾向于全表扫描。当该参数设置为0或者保持默认时，CBO假设全表扫描时最多能连续读取8个数据块。从Oracle 11R2开始，DB_FILE_MULTIBLOCK_READ_COUNT的取值算法如下：
db_file_multiblock_read_count = min(1048576/db_block_size , db_cache_size/
(sessions * db_block_size))
注意数据库参数BLOCK_SIZE在设定之后，在数据库生命周期内不可更改。
当执行SELECT语句时，如果在内存里找不到相应的数据，就会从磁盘读取进而缓存至LRU末端（冷端），这个过程就叫物理读。当相应数据已在内存，就会逻辑读。我物理读是磁盘读，逻辑读是内存读；内存读的速度远比磁盘读来得快。
下面将本人大数据分区设计截图，为大家参考学习。
先贴俩图镇镇场。
引言
对于内连接，使用单个查询是有意义的，因为你只获得匹配的行。
对于左连接，多个查询要好得多。
看看下面的基准测试:
5个连接的单个查询
一行5个查询
注意，我们在两种情况下得到了 相同的结果 (6 x 50 x 7 x 12 x 90 = 2268000)
对于冗余数据，左连接使用更多的内存。
如果只执行两个表的连接，那么内存限制可能没有那么糟糕，但通常是三个或更多的表，因此值得进行不同的查询。
用过Laravel吗？还记得 Eloquent ORM模型吗？
不知道有没有注意到，debug所打印出来的多表联合查询，
都是拆分为“单个表查询”，然后使用PHP处理的。
Happy coding :-)
是做表连接查询还是做分解查询要具体情况具体分析。
如果数据库的结构合理，索引设计得当，表连接的效率要高于分解查询。比如，在有外键的时候，数据库可以为外键建表并建立索引从而提升多个表连接查询的效率。另外，多表连接查询不需要把数据传输到应用程序中，直接在数据库端执行，这在很大程度上提升了效率。
但是多表连接也有一些缺点。多表连接对表结构的依存度很高，只要表结构出现变更就会同时对数据库检索和应用处理两个部分产生较大影响。另外，多表连接的兼容性不好，数据库不同SQL文也多少有些差异。而且采用分散数据库的时候，实现多表连接即麻烦又没有什么好处。因此，一些大型系统或者是支持多种类数据库的系统一般不会使用多表连接，而倾向于采用分解查询。
这个得看情况，一般数据不大的情况下多表连接查询和多次单表查询的效率差不多。如果数据量足够大，那肯定是多次单表查询的效率更高。在很多大的公司里面，都会禁用多表连接查询，原因就是一旦数据量足够大的时候多表连接查询效率会很慢，而且不利于分库分表的查询优化。那么看一下下面这个例子。
两种查询方式的比较我这里有一个数据库，我们拿里面的客户表和地区表做两种查询的对比。用户表数据是31万条，地区表3511条。
1. 使用连表查询成都市的客户总数
2.使用多次单表查询客户总数
可以看到，查询出来的结果都是一样，但是第一种的连表查询用了0.67秒中，而第二种多次单表查询一共用时0.14秒。这个对比已经是很明显了吧。
虽然这只是一个很简单的例子，但是对比结果是非常明显的。在实际应用中可能会更复杂、数据更多，如果还使用连表查询时非常慢的，而且还消耗服务器资源。
所以现在在很多大了公司明确要求禁止使用join查询，比如阿里、腾讯就明确规定禁用三表以上的join查询。
总结一下，单表查询的优点1. 多次单表查询，让缓存的效率更高。
许多应用程序可以方便地缓存单表查询对应的结果对象。另外对于MySQL的查询缓存来说，如果关联中的某个表发生了变化，那么就无法使用查询缓存了，而拆分后，如果某个表很少改变，那么基于该表的查询就可以重复利用查询缓存结果了。
2. 将查询分解后，执行单个查询可以减少锁的竞争。
3. 在应用层做关联，更容易对数据库进行拆分，更容易做到高性能和可扩展。
4. 查询本身效率也可能会有所提升。
5. 可以减少冗余记录的查询。
6. 在应用中实现了哈希关联，而不是使用MySQL的嵌套环关联，某些场景哈希关联的效率更高很多。
7. 单表查询有利于后期数据量大了分库分表，如果联合查询的话，一旦分库，原来的sql都需要改动。
8. 很多大公司明确规定禁用join，因为数据量大的时候查询确实很慢
所以在数据量不大的情况下，两种方式的查询都没什么明显的差别，使用多表连接查询更方便。但是在数据量足够大几十万、几百万甚至上亿的数据，或者在一些高并发、高性能的应用中，一般建议使用单表查询。
如果觉得笨猫的回答对你有用，点个关注，非常感谢。
做java的，在orm框架下，分解查询是最符合面向对象操作的，挺支持分解查询的（拙见）
先说结论：不一定。
多表查询效率低的时候，可以考虑拆解sql成多个小的sql，至于效率是否一定会提高，这个还不一定，具体问题具体问题。当多表查询效率低的时候，拆解成单个小sql，这只是一个可能的思路，起不起作用，不一定。
sql是一个很复杂的东西，sql引擎会分析执行计划，并可能按照他认为最优的执行计划执行sql，但他认为的也不一定是正确的。不同的sql执行计划不一样，所以很难断定sql拆解或者合并的效率。
说了这么多，那到底是多表联合查询还是拆解呢？有没有一个原则？ 有！如果你确定你的单个sql的执行效率比较快，当然可以写多个单个sql。当然了，具备这个能力需要你对数据库足够了解，比如什么时候走索引，什么时候nested loop等等。如果你现在的多表联合查询比较慢，你需要找出来慢的原因，并分析拆解后的sql的执行计划，看是否避免了多表联合查询的效率问题。
总之吧。这个问题，只能给你一个大体的思路，因为牵扯到很多基础问题，我觉得最起码sql执行计划应该需要了解，一个sql可能的执行计划有几十中，复杂sql的执行计划又是这几十种的组合。哪种效率低，哪种效率高应该有个大体了解。
多表查询可以很快，也可以很慢。主要看执行计划。
单次肯定是多表连接查询的效率高，但多次单表查询的吞吐量高，而且容易优化，例如分库分表，使用缓存减少DB访问次数等等，所以在大数据量高并发场景通常使用多次单表查询的方式。另外，不管是单表还是多表连接查询，SQL的执行时间和数据量、并发量都有很大关系，和扫描的数据行数也很有关系。如果一条SQL，平时执行一次要2秒，10个并发时，系统可能一点问题都没有，1000个并发时，数据库可能就被拖死了。我们组之前碰到过好几次这种问题，一张只有几万条数据的表，因为忘记加索引，平时执行只有几百毫秒，高峰期直接飙到几十秒，DB差点被拖垮。
单纯从效率来讲，join的表不太多时，join效率比较高。但是占用的主要是数据库服务器的资源。数据库资源又是个瓶颈，不易横向扩展。所以在数据量大的时候，我们会采用单表查询，把循环和匹配等大量工作移到应用服务器上。应用服务器容易扩展，对并发支持更好。
当数据量大到千万级以上，就建议尽可能减少join，鼓励使用单表查询。查询优化比较容易。这时候使用join的一个大型查询就可能花很久，对其他查询造成阻塞，导致服务不可用。
当考虑单表查询后，就会衍生一系列的策略，比如冷热数据分离，将热数据和 历史 数据分离，大幅降低数据量级以提高热数据查询性能，并可以使用内存缓存。这样又促使你考虑引入微服务架构。
总结，数据量小，查询并发少，那么使用join的性能是可控的，开发成本低。当数量级上升到千万级且不断增加，尽早考虑向单表查询切换，否则可能有性能下降会导致系统奔溃。而且性能下降不是线性的，会陡降。
❼ 如何加快sql数据库查询速度
第1条语句：建议把子查询（SELECT gsid, max(dateandtime)as dt from info group by gsid ) i2 on i1.gsid = i2.gsid and i1.dateandtime = i2.dt)创建成一个视图VIEW，看看能不能加快查询，你可以试试，我这里没有你的数据无法测试，经验之谈，希望对你有帮助
其他的优化方法你可以考虑根据你的表情况从索引和jsp页面缓存的角度改善这个问题，具体的可以HI我，我们详谈。
❽ 在sql语句查询时，自联接查询的快还是子查询快最好给出具体的分析。
这要看
子查询
的类型，如果是相关子查询的话，
时间复杂度
和
自连接
是同一级别的，如果是非相关子查询，那一般情况下是非相关子查询快，详细可联系我。