SQL Server 注意事项总结

2018 年 11 月 19 日 数据库开发

(给数据分析与开发加星标,提升数据技能


来源:kiba518

www.cnblogs.com/kiba/p/9351119.html


想成为一个高级程序员,数据库的使用是必须要会的。而数据库的使用纯熟程度,也侧面反映了一个开发的水平。


下面介绍SqlServer在使用和设计的过程中需要注意的事项。


SQL Server 注意事项


Sql事务启动语句


  • 开始事务:BEGIN TRANSACTION

  • 提交事务:COMMIT TRANSACTION

  • 回滚事务:ROLLBACK TRANSACTION


相关注意事项


保持事务简短,事务越短,越不可能造成阻塞。


在事务中尽量避免使用循环while和游标,以及避免采用访问大量行的语句。

事务中不要要求用户输入。


在启动事务前完成所有的计算和查询等操作。


避免同一事务中交错读取和更新。可以使用表变量预先存储数据。即存储过程中查询与更新使用两个事务实现。


超时会让事务不执行回滚,超时后如果客户端关闭连接sqlserver自动回滚事务。如果不关闭,将造成数据丢失,而其他事务将在这个未关闭的连接上执行,造成资源锁定,甚至服务器停止响应。


避免超时后还可打开事务 SET XACT_ABORT ON统计信息可以优化查询速度,统计信息准确可以避免查询扫描,直接进行索引查找。


sp_updatestats可以更新统计信息到最新。


低内存会导致未被客户端连接的查询计划被清除。


修改表结构,修改索引后,查询计划会被清除,可以再修改后运行几遍查询。


DDL DML交错和查询内部SET选项将重新编译查询计划。


order by 影响查询速度。


where中使用函数则会调用筛选器进行扫描,扫描表要尽量避免。


updlock和holdlock同时使用可以在早期锁定后面需要更新的资源,维护资源完整性,避免冲突。


如果不需要使用临时表的统计信息来进行大数据查询,表变量是更好的选择。


事务使用注意事项


设置事务隔离级别(未提交读,读脏),相当于(NOLOCK) 的语句:

SET TRANSACTION ISOLATION LEVEL READ UNCOMMITTED


隔离级别描述如下:


1、READ UNCOMMITTED


READ UNCOMMITTED:未提交读,读脏数据。


默认的读操作:需要请求共享锁,允许其他事物读锁定的数据但不允许修改。


READ UNCOMMITTED:读操作不申请锁,允许读取未提交的修改,也就是允许读脏数据,读操作不会影响写操作请求排他锁。


2、READ COMMITTED


READ COMMITTED(已提交读)是SQL SERVER默认的隔离级别,可以避免读取未提交的数据,隔离级别比READ UNCOMMITTED未提交读的级别更高;


该隔离级别读操作之前首先申请并获得共享锁,允许其他读操作读取该锁定的数据,但是写操作必须等待锁释放,一般读操作读取完就会立刻释放共享锁。


3、REPEATABLE READ


REPEATABLE READ(可重复读):保证在一个事务中的两个读操作之间,其他的事务不能修改当前事务读取的数据,该级别事务获取数据前必须先获得共享锁同时获得的共享锁不立即释放一直保持共享锁至事务完成,所以此隔离级别查询完并提交事务很重要。


4、SERIALIZABLE


SERIALIZABLE(可序列化),对于前面的REPEATABLE READ能保证事务可重复读,但是事务只锁定查询第一次运行时获取的数据资源(数据行),而不能锁定查询结果之外的行,就是原本不存在于数据表中的数据。因此在一个事务中当第一个查询和第二个查询过程之间,有其他事务执行插入操作且插入数据满足第一次查询读取过滤的条件时,那么在第二次查询的结果中就会存在这些新插入的数据,使两次查询结果不一致,这种读操作称之为幻读。


为了避免幻读需要将隔离级别设置为SERIALIZABLE


5、SNAPSHOT


SNAPSHOT快照:SNAPSHOT和READ COMMITTED SNAPSHOT两种隔离(可以把事务已经提交的行的上一版本保存在TEMPDB数据库中)


SNAPSHOT隔离级别在逻辑上与SERIALIZABLE类似


READ COMMITTED SNAPSHOT隔离级别在逻辑上与 READ COMMITTED类似
不过在快照隔离级别下读操作不需要申请获得共享锁,所以即便是数据已经存在排他锁也不影响读操作。而且仍然可以得到和SERIALIZABLE与READ COMMITTED隔离级别类似的一致性;如果目前版本与预期的版本不一致,读操作可以从TEMPDB中获取预期的版本。


如果启用任何一种基于快照的隔离级别,DELETE和UPDATE语句在做出修改前都会把行的当前版本复制到TEMPDB中,而INSERT语句不需要在TEMPDB中进行版本控制,因为此时还没有行的旧数据


无论启用哪种基于快照的隔离级别都会对更新和删除操作产生性能的负面影响,但是有利于提高读操作的性能因为读操作不需要获取共享锁;


5.1 SNAPSHOT


SNAPSHOT 在SNAPSHOT隔离级别下,当读取数据时可以保证操作读取的行是事务开始时可用的最后提交版本


同时SNAPSHOT隔离级别也满足前面的已提交读,可重复读,不幻读;该隔离级别实用的不是共享锁,而是行版本控制


使用SNAPSHOT隔离级别首先需要在数据库级别上设置相关选项


5.2 READ COMMITTED SNAPSHOT


READ COMMITTED SNAPSHOT也是基于行版本控制,但是READ COMMITTED SNAPSHOT的隔离级别是读操作之前的最后已提交版本,而不是事务前的已提交版本,有点类似前面的READ COMMITTED能保证已提交读,但是不能保证可重复读,不能避免幻读,但是又比 READ COMMITTED隔离级别多出了不需要获取共享锁就可以读取数据


SQL Server【锁】注意事项


一、页锁实例


T1: select * from table (paglock)
T2: update table set column1='hello' where id>10


说明


T1执行时,会先对第一页加锁,读完第一页后,释放锁,再对第二页加锁,依此类推。假设前10行记录恰好是一页(当然,一般不可能一页只有10行记录),那么T1执行到第一页查询时,并不会阻塞T2的更新。


----------------------


二、行锁实例


T1:select * from table (rowlock)
T2:update table set column1='hello' where id=10


说明

T1执行时,对每行加共享锁,读取,然后释放,再对下一行加锁;T2执行时,会对id=10的那一行试图加锁,只要该行没有被T1加上行锁,T2就可以顺利执行update操作。


------------------


三、整表锁实例


T1:select * from table (tablock)
T2:update table set column1='hello' where id = 10


说明


T1执行,对整个表加共享锁。 T1必须完全查询完,T2才可以允许加锁,并开始更新。



推荐阅读

(点击标题可跳转阅读)

常用 SQL Server 规范集锦

如何解决 SQL Server 占 CPU 100%


看完本文有收获?请转发分享给更多人

关注「数据分析与开发」加星标,提升数据技能

登录查看更多
2

相关内容

Microsoft SQL Server 是由美国微软公司所推出的关系数据库解决方案,最新的版本是SQL Server 2012,已经在2012年3月6日发布。
【2020新书】实战R语言4,323页pdf
专知会员服务
100+阅读 · 2020年7月1日
【实用书】学习用Python编写代码进行数据分析,103页pdf
专知会员服务
194+阅读 · 2020年6月29日
【实用书】Python爬虫Web抓取数据,第二版,306页pdf
专知会员服务
117+阅读 · 2020年5月10日
【实用书】流数据处理,Streaming Data,219页pdf
专知会员服务
76+阅读 · 2020年4月24日
【资源】100+本免费数据科学书
专知会员服务
107+阅读 · 2020年3月17日
【2020新书】Kafka实战:Kafka in Action,209页pdf
专知会员服务
67+阅读 · 2020年3月9日
【干货】大数据入门指南:Hadoop、Hive、Spark、 Storm等
专知会员服务
95+阅读 · 2019年12月4日
知识图谱本体结构构建论文合集
专知会员服务
106+阅读 · 2019年10月9日
在K8S上运行Kafka合适吗?会遇到哪些陷阱?
DBAplus社群
9+阅读 · 2019年9月4日
携程用ClickHouse轻松玩转每天十亿级数据更新
DBAplus社群
11+阅读 · 2019年8月6日
专访阿里亚顿:Serverless与BFF与前端
前端之巅
45+阅读 · 2019年5月8日
浅谈 Kubernetes 在生产环境中的架构
DevOps时代
11+阅读 · 2019年5月8日
支持多标签页的Windows终端:Fluent 终端
Python程序员
7+阅读 · 2019年4月15日
抖音爬虫
专知
3+阅读 · 2019年2月11日
超级!超级!超级好用的视频标注工具
极市平台
8+阅读 · 2018年12月27日
为什么分布式一定要有消息队列?
互联网架构师
4+阅读 · 2018年7月5日
基于 Storm 的实时数据处理方案
开源中国
4+阅读 · 2018年3月15日
大数据流处理平台的技术选型参考
架构文摘
4+阅读 · 2018年3月14日
Arxiv
8+阅读 · 2019年5月20日
Arxiv
12+阅读 · 2018年9月5日
Bidirectional Attention for SQL Generation
Arxiv
4+阅读 · 2018年6月21日
VIP会员
相关VIP内容
【2020新书】实战R语言4,323页pdf
专知会员服务
100+阅读 · 2020年7月1日
【实用书】学习用Python编写代码进行数据分析,103页pdf
专知会员服务
194+阅读 · 2020年6月29日
【实用书】Python爬虫Web抓取数据,第二版,306页pdf
专知会员服务
117+阅读 · 2020年5月10日
【实用书】流数据处理,Streaming Data,219页pdf
专知会员服务
76+阅读 · 2020年4月24日
【资源】100+本免费数据科学书
专知会员服务
107+阅读 · 2020年3月17日
【2020新书】Kafka实战:Kafka in Action,209页pdf
专知会员服务
67+阅读 · 2020年3月9日
【干货】大数据入门指南:Hadoop、Hive、Spark、 Storm等
专知会员服务
95+阅读 · 2019年12月4日
知识图谱本体结构构建论文合集
专知会员服务
106+阅读 · 2019年10月9日
相关资讯
在K8S上运行Kafka合适吗?会遇到哪些陷阱?
DBAplus社群
9+阅读 · 2019年9月4日
携程用ClickHouse轻松玩转每天十亿级数据更新
DBAplus社群
11+阅读 · 2019年8月6日
专访阿里亚顿:Serverless与BFF与前端
前端之巅
45+阅读 · 2019年5月8日
浅谈 Kubernetes 在生产环境中的架构
DevOps时代
11+阅读 · 2019年5月8日
支持多标签页的Windows终端:Fluent 终端
Python程序员
7+阅读 · 2019年4月15日
抖音爬虫
专知
3+阅读 · 2019年2月11日
超级!超级!超级好用的视频标注工具
极市平台
8+阅读 · 2018年12月27日
为什么分布式一定要有消息队列?
互联网架构师
4+阅读 · 2018年7月5日
基于 Storm 的实时数据处理方案
开源中国
4+阅读 · 2018年3月15日
大数据流处理平台的技术选型参考
架构文摘
4+阅读 · 2018年3月14日
Top
微信扫码咨询专知VIP会员