1.查询的模糊匹配
尽量避免在一个复杂查询里面使用 LIKE '%parm1%'—— 红色标识位置的百分号会导致相关列的索引无法使用，最好不要用.
解决办法:
其实只需要对该脚本略做改进，查询速度便会提高近百倍。改进方法如下：
a、修改前台程序——把查询条件的供应商名称一栏由原来的文本输入改为下拉列表，用户模糊输入供应商名称时，直接在前台就帮忙定位到具体的供应商，这样在调用后台程序时，这列就可以直接用等于来关联了。
b、直接修改后台——根据输入条件，先查出符合条件的供应商，并把相关记录保存在一个临时表里头，然后再用临时表去做复杂关联
2.索引问题
在做性能跟踪分析过程中，经常发现有不少后台程序的性能问题是因为缺少合适索引造成的，有些表甚至一个索引都没有。这种情况往往都是因为在设计表
时，没去定义索引，而开发初期，由于表记录很少，索引创建与否，可能对性能没啥影响，开发人员因此也未多加重视。然一旦程序发布到生产环境，随着时间的推
移，表记录越来越多
这时缺少索引，对性能的影响便会越来越大了。
这个问题需要数据库设计人员和开发人员共同关注
法则：不要在建立的索引的数据列上进行下列操作: ......

from子句中写在最后的表(基础表，driving table)将被最先处理，在from子句中包含多个表的情况下，你必须选择记录条数最少的表作为基础表。
 
　　提高SQL执行效率的几点建议:
　　◆尽量不要在where中包含子查询;
　　关于时间的查询，尽量不要写成：where to_char(dif_date,'yyyy-mm-dd')=to_char('2007-07-01','yyyy-mm-dd');
　　◆在过滤条件中，可以过滤掉最大数量记录的条件必须放在where子句的末尾;
　　from子句中写在最后的表(基础表，driving table)将被最先处理，在from子句中包含多个表的情况下，你必须选择记录条数最少的表作为基础表。如果有三个以上的连接查询，那就需要选择交叉表(intersection table)作为基础表，交叉表是指那个被其他表所引用的表;
　　◆采用绑定变量
　　◆在WHERE中尽量不要使用OR
　　◆用EXISTS替代IN、用NOT EXISTS替代NOT IN;
　　◆避免在索引列上使用计算：WHERE SAL*12>25000;
　　◆用IN来替代OR： WHERE LOC_ID=10 OR LOC_ID=15 OR LOC_ID=20
　　◆避免在索引列上使用IS NULL和IS NOT NULL;
　　◆总是使用索引的第一个列;
　　◆用UNION-ALL替代UNION;
　　◆避免改变索引列的类型：SELECT...fr ......

有例表：emp
emp_no   name    age    
    001           Tom      17    
    002           Sun       14    
    003           Tom      15    
    004           Tom      16
要求：
列出所有名字重复的人的记录
(1)最直观的思路：要知道所有名字有重复人资料，首先必须知道哪个名字重复了：
select   name   from   emp       group   by   name     having   count(*)>1
所有名字重复人的记录是:
select   *&nb ......

 select  1 from ...， sql语句中的1代表什么意思？查出来是个什么结果？
        select 1 from table;与select anycol(目的表集合中的任意一行） from table;与select * from table 从作用上来说是没有差别的，都是查看是否有记录，一般是作条件查询用的。select 1 from 中的1是一常量（可以为任意数值），查到的所有行的值都是它，但从效率上来说，1>anycol>*，因为不用查字典表。
 
测试场景：（转自网络文献）
table表是一个数据表，假设表的行数为10行。
1：select  1 from table       增加临时列，每行的列值是写在select后的数，这条sql语句中是1
2：select count(1)  from table   管count(a)的a值如何变化，得出的值总是table表的行数
3：select sum(1) from table   计算临时列的和
 在SQL SERVER中用 1 测试了一下，发现结果如下：
1：测试结果，得出一个行数和table表行数一样的临时列（暂且这么叫，我也不知道该叫什么），每行的列值是1；
2：得出一个数，该数是table表的行数；
3：得出一个数，该数是table表的行数； ......

      从不同的角度，我们可以把SQL Server数据平台划分为多个组件。我们下面按照SQL Server Internal Team通常的划分原则，把SQL Server数据平台划分为如下：
SSAS: SQL Server Analysis Service。主要用来做分析用，比如Cube，可以从不同的角度审视数据。
SSIS: SQL Server Integration Service。比如Excel数据和数据库数据的互操作。
SSRS: SQL Server Reporting Service。主要用来做BI,做报表。
Engine: SQL Server Engine。数据库的引擎，非常重要，好比人的心脏一样。
MPU: SQL Server数据库的外围，比如Install,Uninstall,Upgrade,Repair等等。
      上述5大组件构成了整个SQL Server数据平台。由于SQL Server Engine 特别重要，我们又可以把它划分为如下的Components:
AM: Access Method。比较底层，主要用来存储数据。
TS: Transaction Service。事务，一切事务数据库的基础。
FS: Filestream。SQL Server 2008的新增功能，主要用来存储>2G的数据到NTFS Driver。
QE: Query Execution。主要负责SQL 语句的执行。
QP: Query Process。主要用来处理用户Issue的SQL语句，比如T-SQL语句的优化，执行计 ......

UPDATe [Sale_Goods]  SET [Catalog33_ID] = [Catalog].[ID]
from  [Sale_Goods]
LEFT OUTER JOIN [chdy222] ON [Sale_Goods].[Code] = [chdy222].[ID]
LEFT OUTER JOIN [Catalog] ON [chdy222].[ufidaname] = [Catalog].[Name] and [Catalog].[Type]=33
WHERE [Catalog].[ID] IS NOT NULL ......