别让对Sql Server 的性能测试数据迷惑你
数据库的性能测试可以帮助你提前知道你的系统的负载能力，可以帮助你改进系统的实施或设计，可以帮助你确定一些设计和编程原则. 但是，这里面也有陷阱. 如果不小心，你会自己把自己陷进去，却最终不明白是什么原因. 这里，我拿一位先生为例，来看看他怎么自己把自己搞糊涂的.
最近, 想起在存储过程中究竟是使用临时表还是使用表变量对性能更为有利的问题. 我想这个问题的关键涉及到数据库是否对其进行transaction 管理的问题, 如果进行transaction 管理, 那么在改变表中的记录时就会使用 write-ahead transaction log 策略, 这样数据改变操作就会变慢. 所以, 如果数据库engine仅对一种类型的表进行事物管理, 那么使用不同类型的表就会体现出性能差别. 于是, 我就在网上搜了一下, 还真查出一篇特别对口的文章, Temporary Tables vs. Table Variables and Their Effect on SQL Server Performance.
总结Tsuranoff的这篇文章, 关于临时表和表变量, 理论上说, 有三点:
1. 数据库engine对临时表进行事务管理，但不对表变量进行事务管理.
2. 表变量是完全局域的，因此，不需要任何的locking.
3. 表变量相对临时表而言，比较少引起重编译
然后，Tsuranoff便展示了性能测试的结果，转录如下：
N
T1
T2
T3
V1
V2
10
0.5
0.5
5.3
0.2
0.2
100
2
1.2
6.4
61.8
2.5
1000
9.3
8.5
13.5
168
140
10000
67.4
79.2
71.3
17133
13910
100000
700
794
659
Too long!
Too long!
1000000
10556
8673
6440
Too long!
Too long!
Table 2: Using SQL Server 2005 (time in ms).
为了读者阅读方便，我这里给出上表的解释：
1. T1, T2, T3, V1, V2代表了不同的存储过程，他们的逻辑和功能完全相同，仅仅是实现手法上略有差别. T1, T2, T3对应使用临时表的存储过程，其差别在于, T1不使用索引， T2使用预先定义的索引，T3先对临时表倒入数据，在进行查询前再建索引. V1使用表变量，但不使用索引，V2使用表变量并使用索引. "N"一列的数值是试验时对这些存储过程所采用的参数.
2. 结果显示，使用表变量的存储过程的性能并不比使用临时表的存储过程性能更好，相反，当输入参数N(即处理的行数)变大时，性能完全变坏.
毫无疑问，试验数据和理论推测的结果相反. 然而作者不去追究其深层的原因，就糊里糊涂的给出一堆结论. 可想而知，连数据都是错的，那给出的结论还不误人子弟吗? 这里就不重复他的结论了.
当我看到这些数
相关文档：
SQL Server：
Select TOP N * from TABLE Order By NewID()
Select TOP N * from TABLE Order By NewID()
NewID()函数将创建一个 uniqueidentifier 类型的唯一值。上面的语句实现效果是从Table中随机读取N条记录。
Access：
Select TOP N *&n ......
Sql Server2005的一个新特性便是我等了很久的Row_Number(),以前用Oracle时用rownumber写分页存储过程很方便：）
下面是我做的一个小小的测试，测试我原来在sql server2000下所用的分页存储过程与使用Row_Number()编写的存储过程在Sql Server2005上的执行效率...
数据表：
REATE TABLE [dbo].[test](
[UserId] [int] Pri ......
原网站无法访问，故保留google快照
How things work :
SQL
Select
Statement
Introduction
:
Ever asked your self how things work inside the
SQL
Select
statement? In this article we won’t be talking about how to writeSQL
Select
statem ......
现在很多网站都提供了站内的搜索功能，有的很简单在SQL语句里加一个条件如：where names like ‘%words%’就可以实现最基本的搜索了。
我们来看看功能强大一点，复杂一点的搜索是如何实现的（在SQL ＳＥＲＶＥＲ２００／２００５通过存储过程实现搜索算法）。
我们 ......
