数据库的多表大数据查询应如何优化？

1.应尽量避免在 where 子句中对字段进行 null 值判断，否则将导致引擎放弃使用索引而进行全表扫描，如：\x0d\x0aselect id from t where num is null\x0d\x0a可以在num上设置默认值0，确保表中num列没有null值，然后这样查询：\x0d\x0aselect id from t where num=0\x0d\x0a2.应尽量避免在 where 子句中使用!=或 *** 作符，否则将引擎放弃使用索引而进行全表扫描。优化器将无法通过索引来确定将要命中的行数,因此需要搜索该表的所有行。\x0d\x0a3.应尽量避免在 where 子句中使用 or 来连接条件，否则将导致引擎放弃使用索引而进行全表扫描，如：\x0d\x0aselect id from t where num=10 or num=20\x0d\x0a可以这样查询：\x0d\x0aselect id from t where num=10\x0d\x0aunion all\x0d\x0aselect id from t where num=20\x0d\x0a4.in 和 not in 也要慎用，因为IN会使系统无法使用索引,而只能直接搜索表中的数据。如：\x0d\x0aselect id from t where num in(1,2,3)\x0d\x0a对于连续的数值，能用 between 就不要用 in 了：\x0d\x0aselect id from t where num between 1 and 3\x0d\x0a5.尽量避免在索引过的字符数据中，使用非打头字母搜索。这也使得引擎无法利用索引。 \x0d\x0a见如下例子： \x0d\x0aSELECT * FROM T1 WHERE NAME LIKE ‘%L%’ \x0d\x0aSELECT * FROM T1 WHERE SUBSTING(NAME,2,1)=’L’ \x0d\x0aSELECT * FROM T1 WHERE NAME LIKE ‘L%’ \x0d\x0a即使NAME字段建有索引，前两个查询依然无法利用索引完成加快 *** 作，引擎不得不对全表所有数据逐条 *** 作来完成任务。而第三个查询能够使用索引来加快 *** 作。\x0d\x0a6.必要时强制查询优化器使用某个索引，如在 where 子句中使用参数，也会导致全表扫描。因为SQL只有在运行时才会解析局部变量，但优化程序不能将访问计划的选择推迟到运行时；它必须在编译时进行选择。然而，如果在编译时建立访问计划，变量的值还是未知的，因而无法作为索引选择的输入项。如下面语句将进行全表扫描：\x0d\x0aselect id from t where num=@num\x0d\x0a可以改为强制查询使用索引：\x0d\x0aselect id from t with(index(索引名)) where num=@num\x0d\x0a7.应尽量避免在 where 子句中对字段进行表达式 *** 作，这将导致引擎放弃使用索引而进行全表扫描。如：\x0d\x0aSELECT * FROM T1 WHERE F1/2=100 \x0d\x0a应改为: \x0d\x0aSELECT * FROM T1 WHERE F1=100*2\x0d\x0aSELECT * FROM RECORD WHERE SUBSTRING(CARD_NO,1,4)=’5378’ \x0d\x0a应改为: \x0d\x0aSELECT * FROM RECORD WHERE CARD_NO LIKE ‘5378%’\x0d\x0aSELECT member_number, first_name, last_name FROM members \x0d\x0aWHERE DATEDIFF(yy,datofbirth,GETDATE()) >21 \x0d\x0a应改为: \x0d\x0aSELECT member_number, first_name, last_name FROM members \x0d\x0aWHERE dateofbirth ='2005-11-30' and createdate0) \x0d\x0aSELECT SUM(T1.C1) FROM T1WHERE EXISTS( \x0d\x0aSELECT * FROM T2 WHERE T2.C2=T1.C2) \x0d\x0a两者产生相同的结果，但是后者的效率显然要高于前者。因为后者不会产生大量锁定的表扫描或是索引扫描。

当前有两种查询渠道可以查询清楚一个人所有的网贷记录。

想要查询自己的网贷记录，可以分别从央行征信与网贷数据进行查询，这样数据较为全面。

1、央行征信报回告。需要本答人携带身份z件前往当地的央行网点即可查询，征信报告中会显示出用户过去5年的借贷平台，借贷金额，借贷期限，负面信息等数据内容。

2、查完征信报告后，需要查询网贷数据库。

如果是查询网贷数据报告的话，查询起来较为简单。

只需要打开微信，搜索：齐天快查 。点击查询，输入信息即可查询到自己的百行征信数据，该数据源自全国2000多家网贷平台和银联中心，用户可以查询到自身的大数据与信用情况，可以获取各类指标，查询到自己的个人信用情况，网黑指数分，黑名单情况，网贷申请记录，申请平台类型，是否逾期，逾期金额，xyk与网贷授信预估额度等重要数据信息等。

相比央行的个人征信报告，个人信用记录的氛围更加广泛，出具的机构也更加多元，像齐天快查、芝麻信用分等，都属于个人信用记录的一部分，整体而言更类似于网上说的大数据征信，是传统个人征信报告的有益补充。

目前，国家正在构建一张全方位无死角的“信用大网”，联通社会，信息共享，无论是征信报告还是个人信用记录，都是其中的重要组成部分。保护好自己的信用，对每个人来说，信用才是最大的资产与财富。

现在有很多人有资金需求时就会选择在网上借款，网络贷款虽然门槛较低，手续简单，但利息较高，一不小心还可能产生很多“后遗症”，有不少人就是因为在网络贷款平台借款逾期而上了网贷黑名单，大家都知道，一旦成了黑名单用户，以后再想申请贷款就非常困难，那么怎么可以查询自己是否有上网贷黑名单？如果不小心上了网贷黑名单多久能消除呢？

目前网贷黑名单查询方法主要又以下三种：

1、央行查询

可以直接到中国人民银行的征信大厅进行查询，或者是通过中国人民银行网上的个人征信系统进行查询，虽然目前很多网贷平台还未接入央行征信，但在网贷平台在审核用户的个人资料时，也会参考央行的个人征信报告。

2、网络征信机构查询

例如芝麻信用、中诚信征信、腾讯征信、鹏元征信等具有个人征信牌照的第三方征信机构查询，很多网贷平台虽然没是央行征信，但都是有接入网络征信的。

无论是央行征信系统、还是网络征信系统，目前对不良记录的保存时间都是5年，所以一旦借款用户逾期上了网贷黑名单，那么不良记录信息会在用户还款日起的5年以后自动消除。

不过，如果借款用户在逾期后可以积极还款，那么网上黑名单信息也不是一定要等到5年后才可以消除的。

如果用户发现自己上了网贷黑名单，那么建议可以到网贷平台查询自己的借款详细记录，先确认逾期行为是否是自己造成的，如果是被不不法分子冒名贷款的，那么可以报警，然后跟网贷平台说明情况后即可消除黑名单记录。

如果是自己逾期发生的欠款，那么在第一时间将欠款还清，然后主动联系网贷平台进行协商，看平台是否可以将负面记录清除。

首先你要明确你要查什么样的数据，只有明确了目标，你才能通过各种渠道得到你想要的结果。

大数据分很多种，例如媒体传播的数据、微博互动的数据、微信互动的数据、ZF公开的数据、居民消费数据、监控视频数据……这些都属于大数据的范畴。每一种数据的获取方式及途径都不一样。

有的数据是公开透明的，你只需要进入特定的网站，进行查询就行了。例如百度、谷歌、还有现在的头条，你想要某些方面的信息，通过关键词就可以在他们的数据库进行查询，并且得到部分的结果。还有 一些是有一些特定的机构或部分公开的数据，例如一些研究报告，ZF公开数据，这些需要到特定的网站进行查询。

有的数据是属于商业数据，你就要购买相应的软件和服务进行查询和采集。例如舆情监测系统，是可以将全媒体数据进行实时采集，进行分类，语义分析，调性判断，危机预警等功能于一体的系统。也是基于关键词对特定的网站进行深度采集。这样的服务就需要你付费使用了。

---