SQLServer2005和2008的分页技术比较
我们以前在开发大数据量的分页存储过程时,往往都为了怎么样实现高效的性能,而大伤脑筋,似乎总是想写出最佳的存储过程分页方法,我们假如建立一个学生基本信息表StudentInfo,我们看在Sql Server 2000中我们实现的存储过程:
@strWhere varchar(1500) -- 查询条件 (注意: 不要加 where)
,@PageSize int = 50 -- 页尺寸
,@PageIndex int = 1 -- 页码
AS
BEGIN
declare @strSQL varchar(5000) -- 主语句
declare @strTmp varchar(110) -- 临时变量
declare @strOrder varchar(400) -- 排序类型
set @strTmp = ‘<(select min‘
set @strOrder = ‘ order by studentinfoid desc‘
if @PageIndex = 1
begin
if @strWhere != ‘‘
set @strSQL = ‘select top ‘ + str(@PageSize) +‘ * from studentinfo where ‘ + @strWhere + ‘ ‘ + @strOrder
else
set @strSQL = ‘select top ‘ + str(@PageSize) +‘ * from studentinfo ‘+ @strOrder
--如果是第一页就执行以上代码,这样会加快执行速度
end
else
begin
--以下代码赋予了@strSQL以真正执行的SQL代码
set @strSQL = ‘select top ‘ + str(@PageSize) +‘ * from studentinfo
where studentinfoid‘ + @strTmp + ‘(studentinfoid) from (select top ‘ + str((@PageIndex-1)*@PageSize) + ‘ studentinfoid from studentinfo‘ + @strOrder + ‘) as tblTmp)‘+ @strOrder
if @strWhere != ‘‘
set @strSQL = ‘select top ‘ + str(@PageSize) +‘ * from studentinfo
where studentinfoid‘ + @strTmp + ‘(studentinfoid) from
(select top ‘ + str((@PageIndex-1)*@PageSize) + ‘ studentinfoid from studentinfo where ‘ + @strWhere + ‘ ‘
+ @strOrder + ‘) as tblTmp) and ‘ + @strWhere + ‘ ‘ + @strOrder
end
--print (@strSQL)
exec (@strSQL)
END
GO
我们在上面的存储过程中可以看到,如果执行的是第一页的记录时,我们可以看到只执行
就可以了,而如果翻页的时候,就会在条件查询中又嵌套子查询,势必性能会有所下降,而这个已经在我们Sql Server2000中算是高效的分页存储过程实现方式了,而现在如果我们换作Sql Server 2005的时候,我们是不是还是用这种方式呢?
在Sql Server 2005中,我们可以利用新增函数row_number()来更高效的实现分页存储
@PageSize INT,
@PageIndex INT,
@strWhere varchar(1500) -- 查询条件(注意: 不要加where)
As
Begin
select * from (
select row_number() over (order by StudentInfoId) row,* from StudentInfo ) StudentInfo
where row between @PageSize*(@PageIndex-1) and @PageSize*@PageIndex
End
go
依照群组显示每条记录在该群组中出现的顺序位置,在显示每条记录编号时非常有用,并且搭配OVER子句,这样就可以实现查询记录的条数了。
我们现在来比较一下它们执行的性能,StudentInfo表中现在有30多万条数据,我们分别来执行下面的存储过程:
@PageSize = 10000,
@PageIndex = 10,
@strWhere = ‘1=1‘
在Sql Server 2000中,执行的时间是接近2秒;
在Sql Server 2005中,执行的时间显示的是接近0秒。
如果数据涉及到千万级的数据时,比较上面两种方法,就可以看到一些显著的差别了。
郑重声明:本站内容如果来自互联网及其他传播媒体,其版权均属原媒体及文章作者所有。转载目的在于传递更多信息及用于网络分享,并不代表本站赞同其观点和对其真实性负责,也不构成任何其他建议。