0)begininsertintoColumnStoreTestselect*fromColumnStoreTestunionallselect*fromColumnStoreTestset@" />

亚洲免费在线-亚洲免费在线播放-亚洲免费在线观看-亚洲免费在线观看视频-亚洲免费在线看-亚洲免费在线视频

SQL Server 2012 ColumnStore索引測試

系統 2323 0
      主要是和普通的索引進行對比:
      

/* *******************
準備數據
*****************
*/
select * into ColumnStoreTest from northwind..orders

declare @i int
set @i = 12
while ( @i > 0 )
begin
insert into ColumnStoreTest
select * from ColumnStoreTest
union all
select * from ColumnStoreTest
set @i = @i - 1
end

-- 順帶提一下,因為 into 會把 identity 也寫進去,為了方便 我就把ColumnStoreTest 的 identity 給散掉了

@i 用12 可能數據量有點多,可以自己調整

      
        /*
      
      
        *************************
        
創建columnstrore index
***********************
*/

create index idx_CustomerID on ColumnStoreTest(CustomerID,Freight)


create columnstore index csidx_CustomerID on ColumnStoreTest(CustomerID,Freight)

?

      這個是使用第一個索引測試產生的結果
    

? SQL Server 分析和編譯時間:
? CPU 時間 = 0 毫秒,占用時間 = 5 毫秒。

      (
      
        89
      
       行受影響)
      
' ColumnStoreTest ' 。掃描計數 5 ,邏輯讀取 7352 次,物理讀取 0 次,預讀 32 次,lob 邏輯讀取 0 次,lob 物理讀取 0 次,lob 預讀 0 次。

( 6 行受影響)

( 1 行受影響)

SQL Server 執行時間:
CPU 時間 = 1529 毫秒,占用時間 = 544 毫秒。

SQL Server 執行時間:
CPU 時間 = 0 毫秒,占用時間 = 0 毫秒。

SQL Server 執行時間:
CPU 時間 = 0 毫秒,占用時間 = 0 毫秒。

      執行計劃也沒什么特別的就是 普通的索引掃描
      
select CustomerID, sum (Freight) from ColumnStoreTest group by CustomerID
| -- Compute Scalar(DEFINE:([Expr1004]=CASE WHEN [globalagg1006]=(0) THEN NULL ELSE [globalagg1008] END))
| -- Stream Aggregate(GROUP BY:([Northwind].[dbo].[ColumnStoreTest].[CustomerID]) DEFINE:([globalagg1006]=SUM([partialagg1005]), [globalagg1008]=SUM([partialagg1007])))
| -- Parallelism(Gather Streams, ORDER BY:([Northwind].[dbo].[ColumnStoreTest].[CustomerID] ASC))
| -- Stream Aggregate(GROUP BY:([Northwind].[dbo].[ColumnStoreTest].[CustomerID]) DEFINE:([partialagg1005]=COUNT_BIG([Northwind].[dbo].[ColumnStoreTest].[Freight]), [partialagg1007]=SUM([Northwind].[dbo].[ColumnStoreTest].[Freight])))
| -- Index Scan(OBJECT:([Northwind].[dbo].[ColumnStoreTest].[idx_CustomerID]), ORDERED FORWARD)

?

      SQL Server 分析和編譯時間: 
      
CPU 時間 = 16 毫秒,占用時間 = 93 毫秒。

( 89 行受影響)
' ColumnStoreTest ' 。掃描計數 4 ,邏輯讀取 34 次,物理讀取 2 次,預讀 18 次,lob 邏輯讀取 0 次,lob 物理讀取 0 次,lob 預讀 0 次。
' Worktable ' 。掃描計數 0 ,邏輯讀取 0 次,物理讀取 0 次,預讀 0 次,lob 邏輯讀取 0 次,lob 物理讀取 0 次,lob 預讀 0 次。

( 7 行受影響)

( 1 行受影響)

SQL Server 執行時間:
CPU 時間 = 63 毫秒,占用時間 = 281 毫秒。

SQL Server 執行時間:
CPU 時間 = 0 毫秒,占用時間 = 0 毫秒。

SQL Server 執行時間:
CPU 時間 = 0 毫秒,占用時間 = 0 毫秒。

select CustomerID, sum (Freight) from ColumnStoreTest group by CustomerID
| -- Compute Scalar(DEFINE:([Expr1004]=CASE WHEN [globalagg1006]=(0) THEN NULL ELSE [globalagg1008] END))
| -- Stream Aggregate(GROUP BY:([Northwind].[dbo].[ColumnStoreTest].[CustomerID]) DEFINE:([globalagg1006]=SUM([partialagg1005]), [globalagg1008]=SUM([partialagg1007])))
| -- Sort(ORDER BY:([Northwind].[dbo].[ColumnStoreTest].[CustomerID] ASC))
| -- Parallelism(Gather Streams)
| -- Hash Match(Partial Aggregate, HASH:([Northwind].[dbo].[ColumnStoreTest].[CustomerID]), RESIDUAL:([Northwind].[dbo].[ColumnStoreTest].[CustomerID] = [Northwind].[dbo].[ColumnStoreTest].[CustomerID]) DEFINE:([partialagg1005]=COUNT_BIG([Northwind].[dbo].[ColumnStoreTest].[Freight]), [partialagg1007]=SUM([Northwind].[dbo].[ColumnStoreTest].[Freight])))
| -- Index Scan(OBJECT:([Northwind].[dbo].[ColumnStoreTest].[csidx_CustomerID]))

可以從這2個結果中看出,邏輯讀的數量columnstore index 明顯比 普通索引的少,這也就是 columnstore 索引的優勢

但是如果是普通的select * from where 這類語句那columnstore index 還有優勢嘛?

是不是和 oracle的bitmapindex 一樣在 or 語句中 也很有優勢呢?

      在columnstore 
      
        index
      
       狀況下的執行計劃沒有一點優勢:
      
因為大家對非聚集索引比較了解,我也就不發非聚集索引在這種狀況下的執行計劃了。
select * from ColumnStoreTest where customerid = ' VINET ' or customerid = ' TOMSP '
| -- Parallelism(Gather Streams)
| -- Table Scan(OBJECT:([Northwind].[dbo].[ColumnStoreTest]), WHERE:([Northwind].[dbo].[ColumnStoreTest].[CustomerID]=N'TOMSP' OR [Northwind].[dbo].[ColumnStoreTest].[CustomerID]=N'VINET'))
      
        都已經是表掃描了其實也沒什么好說的了。
      
    

上面的例子是再選擇性低的情況下的執行計劃。

那么如果選擇性高又會怎么樣呢?

      SQL Server 分析和編譯時間: 
      
CPU 時間 = 0 毫秒,占用時間 = 0 毫秒。
SQL Server 分析和編譯時間:
CPU 時間 = 16 毫秒,占用時間 = 28 毫秒。
SQL Server 分析和編譯時間:
CPU 時間 = 0 毫秒,占用時間 = 0 毫秒。

( 1 行受影響)
' ColumnStoreTest ' 。掃描計數 1 ,邏輯讀取 12 次,物理讀取 0 次,預讀 2 次,lob 邏輯讀取 0 次,lob 物理讀取 0 次,lob 預讀 0 次。

( 4 行受影響)

( 1 行受影響)

SQL Server 執行時間:
CPU 時間 = 0 毫秒,占用時間 = 86 毫秒。

SQL Server 執行時間:
CPU 時間 = 0 毫秒,占用時間 = 0 毫秒。

SQL Server 執行時間:
CPU 時間 = 0 毫秒,占用時間 = 0 毫秒。
SELECT * FROM [ ColumnStoreTest ] WHERE [ orderid ] = @1
| -- Nested Loops(Inner Join, OUTER REFERENCES:([Bmk1000]))
| -- Index Scan(OBJECT:([Northwind].[dbo].[ColumnStoreTest].[csidx_orderID]), WHERE:([Northwind].[dbo].[ColumnStoreTest].[OrderID]=(10248)))
| -- RID Lookup(OBJECT:([Northwind].[dbo].[ColumnStoreTest]), SEEK:([Bmk1000]=[Bmk1000]) LOOKUP ORDERED FORWARD)

SQL Server 分析和編譯時間:
CPU 時間 = 0 毫秒,占用時間 = 0 毫秒。
SQL Server 分析和編譯時間:
CPU 時間 = 0 毫秒,占用時間 = 9 毫秒。
SQL Server 分析和編譯時間:
CPU 時間 = 0 毫秒,占用時間 = 0 毫秒。

( 1 行受影響)
' ColumnStoreTest ' 。掃描計數 1 ,邏輯讀取 3 次,物理讀取 0 次,預讀 0 次,lob 邏輯讀取 0 次,lob 物理讀取 0 次,lob 預讀 0 次。

( 4 行受影響)

( 1 行受影響)

SQL Server 執行時間:
CPU 時間 = 0 毫秒,占用時間 = 92 毫秒。

SQL Server 執行時間:
CPU 時間 = 0 毫秒,占用時間 = 0 毫秒。

SQL Server 執行時間:
CPU 時間 = 0 毫秒,占用時間 = 0 毫秒。
SELECT * FROM [ ColumnStoreTest ] WHERE [ orderid ] = @1
| -- Nested Loops(Inner Join, OUTER REFERENCES:([Bmk1000]))
| -- Index Seek(OBJECT:([Northwind].[dbo].[ColumnStoreTest].[idx_orderid]), SEEK:([Northwind].[dbo].[ColumnStoreTest].[OrderID]=(10248)) ORDERED FORWARD)
| -- RID Lookup(OBJECT:([Northwind].[dbo].[ColumnStoreTest]), SEEK:([Bmk1000]=[Bmk1000]) LOOKUP ORDERED FORWARD)
      
        csidx_orderid 是columnstore index
      
    
      
        idx_orderid 是非聚集索引
      
    
      
        仔細比較邏輯讀,就能看出,在高選擇性,傳統索引是比較又優勢的。
      
    

關于or,理論上來說是columnstore index 比非聚集索引又優勢。

因為我相信,columnstore index 是和bitmap index 相同原理的。

如果對bitmap index 不太了解可以參考:《 expert oracle database architecture》中的相關章節




?

SQL Server 2012 ColumnStore索引測試


更多文章、技術交流、商務合作、聯系博主

微信掃碼或搜索:z360901061

微信掃一掃加我為好友

QQ號聯系: 360901061

您的支持是博主寫作最大的動力,如果您喜歡我的文章,感覺我的文章對您有幫助,請用微信掃描下面二維碼支持博主2元、5元、10元、20元等您想捐的金額吧,狠狠點擊下面給點支持吧,站長非常感激您!手機微信長按不能支付解決辦法:請將微信支付二維碼保存到相冊,切換到微信,然后點擊微信右上角掃一掃功能,選擇支付二維碼完成支付。

【本文對您有幫助就好】

您的支持是博主寫作最大的動力,如果您喜歡我的文章,感覺我的文章對您有幫助,請用微信掃描上面二維碼支持博主2元、5元、10元、自定義金額等您想捐的金額吧,站長會非常 感謝您的哦!!!

發表我的評論
最新評論 總共0條評論
主站蜘蛛池模板: 国产伦人伦偷精品视频 | 日本午夜色 | 国产精品午夜性视频 | 夜夜爱夜夜爽夜夜做夜夜欢 | 日本精品夜色视频一区二区 | 夜夜干天天操 | 欧美一级高清毛片aaa | 国产一区二区在线观看免费 | 免费爽视频 | 国产精品资源网站在线观看 | 久久这里只有精品9 | 99久久99久久精品免费看子 | 久久日本精品99久久久久 | 91国语精品自产拍在线观看一 | 91久久精一区二区三区大全 | 色偷偷亚洲第一成人综合网址 | 国产在线不卡一区 | 奇米影视778成人四色狠狠 | xoxo日本 | 亚洲综合激情五月色播 | 久久77| 四虎精品影视 | 久久久无码精品亚洲日韩按摩 | 91粉嫩萝控精品福利网站 | 在线亚洲精品 | 正在播放一区 | 国产成人一区二区三区在线播放 | 久久天堂视频 | 一级做a爰片久久毛片唾 | 热99re久久国超精品首页 | a级毛片视频 | 亚洲综合射 | 午夜人成| 国产成人精品综合久久久软件 | 爱爱网站在线观看免费 | 国产精品成人不卡在线观看 | 成人免费午间影院在线观看 | 欧美一级片免费看 | 四虎avtom影院| 99在线精品视频免费观里 | 久久精品国产99国产精品澳门 |