这么少的数据,查询竟然2秒?
sql2000,查找树形菜单,整个表的数据才3000行,写了个函数,用于查找根节点,效率啊,极其的低下,搞的很抑郁。
表的主要结构,tb(menuid int ,menuname varchar(100),parentid int)
parentid=0表示为根节点
menuid 节点编号
menuname 名称
功能,任意传入一个节点编号,都返回它的根。
比如节点:开发语言(menuid=12)--vb(menuid=45)--基础类(menuid=25)
传入参数:45,返回12
传入参数:25,返回12
传入参数:12,返回12
我写的函数如下:在节点编号与父节点编号彼此循环
create function get_parentid( @menuid int)
Returns varchar(300)
as
begin
declare @pid int,@mid int,@out_str varchar(100)
select @pid=parentid,@mid=menuid from tb where menuid=@menuid
if @pid<>0
begin
while @menuid!=0
begin
select @mid=menuid ,@menuid=parentid from tb where menuid=@menuid
end
end
return @mid
end
==================调用,耗时2秒
select menuid,menuname,parentid,dbo.get_parentid(menuid)
from tb where dbo.get_parentid(menuid)=200
表的主要结构,tb(menuid int ,menuname varchar(100),parentid int)
parentid=0表示为根节点
menuid 节点编号
menuname 名称
功能,任意传入一个节点编号,都返回它的根。
比如节点:开发语言(menuid=12)--vb(menuid=45)--基础类(menuid=25)
传入参数:45,返回12
传入参数:25,返回12
传入参数:12,返回12
我写的函数如下:在节点编号与父节点编号彼此循环
create function get_parentid( @menuid int)
Returns varchar(300)
as
begin
declare @pid int,@mid int,@out_str varchar(100)
select @pid=parentid,@mid=menuid from tb where menuid=@menuid
if @pid<>0
begin
while @menuid!=0
begin
select @mid=menuid ,@menuid=parentid from tb where menuid=@menuid
end
end
return @mid
end
==================调用,耗时2秒
select menuid,menuname,parentid,dbo.get_parentid(menuid)
from tb where dbo.get_parentid(menuid)=200
...全文
相关推荐
数据库查询性能优化实用技巧
数据库查询性能优化实用技
百亿级数据的秒级复杂查询技术设计.pdf
百亿级数据的秒级复杂查询技术设计.pdf
SQL Server 性能调优之查询从20秒至2秒的处理方法
一、需求 需求很简单,就是需要查询一个报表,只有1个表,数据量大约60万左右,但是中间有些逻辑。 先说明一下服务器配置情况:1核CPU、2GB内存、机械硬盘、Sqlserver 2008 R2、Windows Server2008 R2 SP1和阿里云的服务器,简单说就是阿里云最差的服务器。 1、原始表结构 非常简单的一张表,这次不讨论数据冗余和表字段的设计,如是否可以把Project和Baojian提出成一个表等等,这个是原始表结构,这个目前是没有办法改变的。 2、查询的sql语句为 select *from( select *,ROW_NUMBER() OVER (ORDER BY
百亿级数据的秒级复杂查询技术设计.pptx
百亿级数据的秒级复杂查询技术设计.pptx
当Java遇上Cosmos DB:百万数据查询从5秒到0.2秒的“黑科技“实战
本文总结了优化Cosmos DB性能的4个关键操作:1)选择SQL API而非MongoDB API以获得更好的查询性能;2)正确设置分区键(如category_id)避免全分区扫描;3)自定义索引策略仅对关键字段建索引;4)使用批量写入替代循环单条插入。通过真实压测数据对比,优化后查询100万条数据从8.2秒降至0.15秒,写入10万条数据从150秒缩短至1.8秒,CPU利用率从70%降至25%。文章强调分区键选择、索引优化和批量操作的重要性,避免常见性能陷阱。


疑难问题
