SQL之分页存储过程
-- =============================================
-- Author: Hys
-- Create date: 2008/0617
-- Description:
-- =============================================
ALTER PROCEDURE [dbo].[Pagination]
-- Add the parameters for the stored procedure here
@tblName varchar(255),
@selectFields varchar(1000),--Em:"ID,NAME,CREATEDATE"
@sortFild varchar(255),
@pageSize int,
@pageIndex int,
@orderType bit=0,--0 asc,1 desc
@Where varchar(1500)--Em:"ID=1 AND NAME=‘Order’"
AS
declare @strSQL varchar(5000) -- 主语句
declare @strTmp varchar(110) -- 临时变量
declare @sortType varchar(400) -- 排序类型begin
if @orderType != 0
begin
set @strTmp = '<(select min'
set @sortType = ' order by ['+ @sortFild +'] desc'
end
else
begin
set @strTmp = '>(select max'
set @sortType = ' order by [' + @sortFild +'] asc'
end
if @PageIndex = 1
begin
if @Where !=''
set @strSQL = 'select top ' + str(@pageSize) +' '+@selectFields+ '
from [' + @tblName + '] where ' + @Where + ' ' + @sortType
else
set @strSQL = 'select top ' + str(@pageSize) +' '+@selectFields+ '
from ['+ @tblName + '] '+ @sortType
end
else
begin
if @Where !=''
set @strSQL = 'select top ' + str(@pageSize) +' '+@selectFields+ ' from ['+ @tblName + ']
where [' + @sortFild + ']' + @strTmp + '(['+ @sortFild + '])
from (select top ' + str((@pageIndex-1)*@pageSize) + ' ['+ @sortFild + ']
from [' + @tblName + '] where ' + @Where + ' '+ @sortType + ') as tblTmp) and ' + @Where + ' ' + @sortType
else
set @strSQL = 'select top ' + str(@pageSize) +' '+@selectFields+ ' from [' + @tblName + ']
where [' + @sortFild + ']' + @strTmp + '(['+ @sortFild + '])
from (select top ' + str((@pageIndex-1)*@pageSize) + ' ['+ @sortFild + ']
from [' + @tblName + ']' + @sortType + ') as tblTmp)'+ @sortType
end
EXEC(@strSQL)
end
上面的这个存储过程是一个通用的存储过程,其注释已写在其中了。 在大数据量的情况下,特别是在查询最后几页的时候,查询时间一般不会超过9秒;而用其他存储过程,在实践中就会导致超时,所以这个存储过程非常适用于大容量数据库的查询。 笔者希望能够通过对以上存储过程的解析,能给大家带来一定的启示,并给工作带来一定的效率提升,同时希望同行提出更优秀的实时数据分页算法。
以上的这第三种存储过程在小数据量的情况下,有如下现象:
1、分页速度一般维持在1秒和3秒之间。
2、在查询最后一页时,速度一般为5秒至8秒,哪怕分页总数只有3页或30万页。
虽然在超大容量情况下,这个分页的实现过程是很快的,但在分前几页时,这个1-3秒的速度比起第一种甚至没有经过优化的分页方法速度还要慢,借用户的话说就是“还没有ACCESS数据库速度快”,这个认识足以导致用户放弃使用您开发的系统。
笔者就此分析了一下,原来产生这种现象的症结是如此的简单,但又如此的重要:排序的字段不是聚集索引!
笔者只所以把“查询优化”和“分页算法”这两个联系不是很大的论题放在一起,就是因为二者都需要一个非常重要的东西――聚集索引。
在前面的讨论中我们已经提到了,聚集索引有两个最大的优势:
1、以最快的速度缩小查询范围。
2、以最快的速度进行字段排序。
第1条多用在查询优化时,而第2条多用在进行分页时的数据排序。
而聚集索引在每个表内又只能建立一个,这使得聚集索引显得更加的重要。聚集索引的挑选可以说是实现“查询优化”和“高效分页”的最关键因素。
但要既使聚集索引列既符合查询列的需要,又符合排序列的需要,这通常是一个矛盾。笔者前面“索引”的讨论中,将fariqi,即用户发文日期作为了聚集索引的起始列,日期的精确度为“日”。这种作法的优点,前面已经提到了,在进行划时间段的快速查询中,比用ID主键列有很大的优势。
但在分页时,由于这个聚集索引列存在着重复记录,所以无法使用max或min来最为分页的参照物,进而无法实现更为高效的排序。而如果将ID主键列作为聚集索引,那么聚集索引除了用以排序之外,没有任何用处,实际上是浪费了聚集索引这个宝贵的资源。
为解决这个矛盾,笔者后来又添加了一个日期列,其默认值为getdate()。用户在写入记录时,这个列自动写入当时的时间,时间精确到毫秒。即使这样,为了避免可能性很小的重合,还要在此列上创建UNIQUE约束。将此日期列作为聚集索引列。
有了这个时间型聚集索引列之后,用户就既可以用这个列查找用户在插入数据时的某个时间段的查询,又可以作为唯一列来实现max或min,成为分页算法的参照物。
经过这样的优化,笔者发现,无论是大数据量的情况下还是小数据量的情况下,分页速度一般都是几十毫秒,甚至0毫秒。而用日期段缩小范围的查询速度比原来也没有任何迟钝。聚集索引是如此的重要和珍贵,所以笔者总结了一下,一定要将聚集索引建立在:
1、您最频繁使用的、用以缩小查询范围的字段上;
2、您最频繁使用的、需要排序的字段上。