SQL2000数据库，如何提高对一个庞大的表的查询速度

你经常查询的，经常分组的，经常判断的

字段

，必须加

索引

，增加索引后，查询速度会大幅度提高，但是插入，更新，删除速度会变慢，总而言之，总有一个慢，你权衡是数据插入，更新，删除多还是查询多，决定是否增加索引，非经常查询字段就不要增加索引了，以免浪费

数据空间

和增加插入，更新，删除的时间

另外，如果数据按时间增长，由于你使用的是SQL2000，建议将

大表

拆开每日保存一张

日表

，缩小单张表的大小，在表内查询就会快很多（因为读进

内存

的数据小多了），实现分区的功能；如果使用SQL2005，则数据库可以直接支持分区

这样就

没有问题

了，我们这处理的数据每天4000

万行

，保存了50天数据，查询起来也只要5分钟

你的数据库是什么数据库？如果是ACCESS，建议你导入到MySQL中去，MySQL据说是世界上执行速度最快的数据库了，如果是MSSQL，请使用存储过程执行查询，可以大提高数据库的运行速度。你的问题我曾经碰到过，当时我使用的是ACCESS数据库，数据库中的数据达到20万条记录了，查询起来速度特慢，后来改用MSSQL的存储过程，速度提高了很多，你试试吧，祝你成功！

添加索引或者使用工具，比如Apache Spark

先安装 Apache Spark，查询数据库的速度可以提升10倍。

在已有的 MySQL 服务器之上使用 Apache Spark （无需将数据导出到 Spark 或者 Hadoop 平台上），这样至少可以提升 10 倍的查询性能。使用多个 MySQL 服务器（复制或者 Percona XtraDB Cluster）可以让我们在某些查询上得到额外的性能提升。你也可以使用 Spark 的缓存功能来缓存整个 MySQL 查询结果表。

思路很简单：Spark 可以通过 JDBC 读取 MySQL 上的数据，也可以执行 SQL 查询，因此我们可以直接连接到 MySQL 并执行查询。那么为什么速度会快呢？对一些需要运行很长时间的查询（如报表或者BI），由于 Spark 是一个大规模并行系统，因此查询会非常的快。MySQL 只能为每一个查询分配一个 CPU 核来处理，而 Spark 可以使用所有集群节点的所有核。在下面的例子中，我们会在 Spark 中执行 MySQL 查询，这个查询速度比直接在 MySQL 上执行速度要快 5 到 10 倍。

另外，Spark 可以增加“集群”级别的并行机制，在使用 MySQL 复制或者 Percona XtraDB Cluster 的情况下，Spark 可以把查询变成一组更小的查询（有点像使用了分区表时可以在每个分区都执行一个查询），然后在多个 Percona XtraDB Cluster 节点的多个从服务器上并行的执行这些小查询。最后它会使用map/reduce 方式将每个节点返回的结果聚合在一起形成完整的结果。

查询分析的执行速度快于应用程序，主要原因在于应用程序查询的时候，需要调用对应的数据库接口驱动程序，如odbc，jdbc等，使得应用程序能够与数据库本身能够交互，这一块一般无法进行优化，可以优化的地方一般是在建立数据库的时候，数据库的逻辑结构和物理结构的优劣直接影响一个系统的性能如何。

以上就是关于SQL2000数据库，如何提高对一个庞大的表的查询速度全部的内容，包括:SQL2000数据库，如何提高对一个庞大的表的查询速度、数据库记录太多，有什么办法可以提高查询速度、假如mysql数据库单表有100W行记录，都有哪些方式加快查询速度等相关内容解答，如果想了解更多相关内容，可以关注我们，你们的支持是我们更新的动力！