SQL SERVER中关于OR会导致索引扫描或全表扫描的浅析

在SQL SERVER的查询语句中使用OR是否会导致不走索引查找（Index Seek）或索引失效（堆表走全表扫描 （Table Scan）、聚集索引表走聚集索引扫描（Clustered Index Scan））呢？是否所有情况都是如此？又该如何优化呢？ 下面我们通过一些简单的例子来分析理解这些现象。下面的实验环境为SQL SERVER 2008，如果在不同版本有所区别，欢迎指正。

 

堆表单索引

首先我们构建我们测试需要实验环境，具体情况如下所示：

DROP TABLE TEST

CREATE TABLE TEST (OBJECT_ID  INT, NAME VARCHAR(32));

CREATE INDEX PK_TEST ON TEST(OBJECT_ID)

DECLARE @Index INT =0;

WHILE @Index < 500000
BEGIN
    INSERT INTO TEST
    SELECT @Index, 'kerry'+CAST(@Index AS VARCHAR(6));

    SET @Index = @Index +1;
END


UPDATE STATISTICS TEST WITH FULLSCAN

 

场景1：如下所示，并不是所有的OR条件都会导致SQL走全表扫描。具体情况具体分析，不要套用教条。

SELECT * FROM TEST WHERE (OBJECT_ID =5 OR OBJECT_ID = 105)

 

场景2：加了条件1=1后，执行计划从索引查找（Index Seek）变为全表扫描（Table Scan），为什么会如此呢？个人理解为优化器将OR运算拆分为两个子集处理，由于一些原因，1=1这个条件导致优化器认定需要全表扫描才能完成1=1条件子集的计算处理（为了理解这个，煞费苦心，鉴于理论薄弱，如有错误或不足，敬请指出）。所以优化器在权衡代价后生成的执行计划最终选择了全表扫描（Table Scan）

SELECT * FROM TEST WHERE (1=1 OR OBJECT_ID =105);

 

场景3: 下面场景比较好理解，因为下面需要从500000条记录中取出499700条记录，而全表扫描（Table Scan）肯定是最优的选择，代价（Cost）最低。

SELECT * FROM TEST WHERE (OBJECT_ID >300 OR OBJECT_ID =105);

 

场景4：这种场景跟场景2的情况本质是一样的。所以在此略过。其实类似这种写法也是实际情况中最常出现的情况，还在迷糊的同学，赶紧抛弃这种写法吧

DECLARE @OBJECT_ID INT =150;

SELECT * FROM TEST WHERE (@OBJECT_ID IS NULL OR OBJECT_ID =@OBJECT_ID);

 

聚集索引表单索引

在聚集索引表中，我们也依葫芦画瓢，准备实验测试的数据环境。

DROP TABLE TEST

CREATE TABLE TEST (OBJECT_ID  INT, NAME VARCHAR(32));

CREATE CLUSTERED INDEX PK_TEST ON TEST(OBJECT_ID)

DECLARE @Index INT =0;

WHILE @Index < 500000
BEGIN
    INSERT INTO TEST
    SELECT @Index, 'kerry'+CAST(@Index AS VARCHAR(6));

    SET @Index = @Index +1;
END


UPDATE STATISTICS TEST WITH FULLSCAN

 

场景1 ：索引查找（Index Seek）

 

SELECT * FROM TEST WHERE (OBJECT_ID =5 OR OBJECT_ID = 105)

 

场景2：聚集索引扫描（Clustered Index Scan）

 

场景3：似乎与堆表有所不同。聚集索引表居然还是走聚集索引查找。

 

场景4：OR导致聚集索引扫描

 

如果堆表或聚集索引表上建立有联合索引,情况也大致如此，在此不做过多案例讲解。下面仅仅讲述一两个案例场景。

DROP TABLE test1;

CREATE TABLE test1
  (
     a INT,
     b INT,
     c INT,
     d INT,
     e INT
  )

DECLARE @Index INT =0;

WHILE @Index < 10000
  BEGIN
      INSERT INTO test1
      SELECT @Index,
             @Index,
             @Index,
             @Index,
             @Index

      SET @Index = @Index + 1;
  END

CREATE INDEX idx_test_n1
  ON test1(a, b, c, d)

UPDATE STATISTICS test1 WITH fullscan;

SELECT * FROM TEST1 WHERE A=12 OR B> 500 OR C >100000

 

因为结果集是几个条件的并集，最多只能在查找A=12的数据时用索引，其它几个条件都需要表扫描，那优化器就会选择直接走一遍表扫描，以最低的代价COST完成，所以索引就失效了。

 

那么如何优化查询语句含有的OR的SQL语句呢？方法无外乎有三种：

1：通过索引覆盖，使包含OR的SQL走索引查找（Index Seek）。但是这个只能满足部分场景，并不能解决所有这类SQL。这个Solution具有一定的局限性。

SELECT * FROM TEST1 WHERE A=12 OR B=500

如果我们通过索引覆盖，在字段B上面也建立索引，那么下面OR查询也会走索引查找。

CREATE INDEX IDX_TEST1_B ON TEST1(B);

SELECT * FROM TEST1 WHERE A=12 OR B=500

 

2：使用IN替换OR。 但是这个Solution也有很多局限性。在此不做过多阐述。

 

3：一般将OR的字句分解成多个查询，并且通过UNION ALL 或UNION连接起来。在联合索引或有索引覆盖的场景下。大部分情况下，UNION ALL的效率更高。但是并不是所有的UNION ALL都会比OR的SQL的代价（COST），特殊的情况或特殊的数据分布也会出现UNION ALL比OR代价要高的情况。例如，上面特殊的要求，从全表中取两条记录，如下所示

SELECT * FROM TEST1 WHERE A=12

UNION ALL

SELECT * FROM TEST1 WHERE B=500

 

UNON ALL语句的代价（Cost）要高与OR是因为它做了两次索引查找（Index Seek），而OR语句只做一次索引查找（Index Seek）就完成了。开销明显小一些，但是实际情况这类特殊情况比较少，实际情况的取数条件、数据都比这个简单案例要复杂得多。所以在大部分情况下，拆分为UNION ALL语句的效率要高于OR语句

另外一个案例，就是最上面实验的堆表TEST， 在字段OBJECT_ID上建有索引

SELECT * FROM TEST WHERE (OBJECT_ID >300 OR OBJECT_ID =105);

SELECT * FROM TEST WHERE OBJECT_ID >300

UNION ALL

SELECT * FROM TEST WHERE OBJECT_ID =105;

可以从下面看出两者开销不同的地方在于IO方面，两者开销之所以有区别，是因为第二个SQL多了一次扫描（索引查找）

 

总结：

    在实际开发环境中，OR这种写法确实会带来很多不确定性，尽量使用UNION 或IN替换OR。我们需要遵循一些规则，但是也不能认为它就是一成不变的，永为真理。具体场景、具体环境具体分析。要知其然知其所以然。在微软亚太区数据库技术支持组的官方博客中就有一个案例SQL Server性能问题案例解析 （3）也是OR引起的性能案例。 博客中有个观点，我觉得挺赞的：”需要注意的是，对于OR或UNION，并没有确定的孰优孰劣，使用时要进行测试才能确定。“ 。