海量数据库的查询优化及分页算法方案2

《海量数据库的查询优化及分页算法方案2》由会员分享，可在线阅读，更多相关《海量数据库的查询优化及分页算法方案2（28页珍藏版）》请在装配图网上搜索。

1、海量数据库的查询优化及分页算法方案随着“金盾工程”建设的逐步深入和公安信息化的高速发展，公安计算机应用系统被广泛应用在各警种、各部门。与此同时，应用系统体系的核心、系统数据的存放地数据库也随着实际应用而急剧膨胀，一些大规模的系统，如人口系统的数据甚至超过了1000万条，可谓海量。那么，如何实现快速地从这些超大容量的数据库中提取数据（查询）、分析、统计以及提取数据后进行数据分页已成为各地系统管理员和数据库管理员亟待解决的难题。 在以下的文章中，我将以“办公自动化”系统为例，探讨如何在有着1000万条数据的MS SQL SERVER数据库中实现快速的数据提取和数据分页。以下代码说明了我们实例中数据

2、库的“红头文件”一表的部分数据结构： CREATE TABLE dbo.TGongwen ( -TGongwen是红头文件表名 Gid int IDENTITY (1, 1) NOT NULL ,-本表的id号，也是主键 title varchar (80) COLLATE Chinese_PRC_CI_AS NULL , -红头文件的标题 fariqi datetime NULL ,-发布日期 neibuYonghu varchar (70) COLLATE Chinese_PRC_CI_AS NULL ,-发布用户 reader varchar (900) COLLATE Chinese_

3、PRC_CI_AS NULL ,-需要浏览的用户。每个用户中间用分隔符“,”分开) ON PRIMARY TEXTIMAGE_ON PRIMARYGO下面，我们来往数据库中添加1000万条数据： declare i intset i=1while i=250000begin insert into Tgongwen(fariqi,neibuyonghu,reader,title) values(2004-2-5,通信科,通信科,办公室,王局长,刘局长,张局长,admin,刑侦支队,特勤支队,交巡警支队,经侦支队,户政科,治安支队,外事科,这是最先的25万条记录) set i=i+1endGOd

4、eclare i intset i=1while i=250000begin insert into Tgongwen(fariqi,neibuyonghu,reader,title) values(2004-9-16,办公室,办公室,通信科,王局长,刘局长,张局长,admin,刑侦支队,特勤支队,交巡警支队,经侦支队,户政科,外事科,这是中间的25万条记录) set i=i+1endGOdeclare h intset h=1while h=100begindeclare i intset i=2002while i=2003begindeclare j int set j=0 while

5、j50 begindeclare k int set k=0 while k50 begin insert into Tgongwen(fariqi,neibuyonghu,reader,title) values(cast(i as varchar(4)+-8-15 3:+cast(j as varchar(2)+:+cast(j as varchar(2),通信科,办公室,通信科,王局长,刘局长,张局长,admin,刑侦支队,特勤支队,交巡警支队,经侦支队,户政科,外事科,这是最后的50万条记录) set k=k+1 endset j=j+1 endset i=i+1endset h=h+

6、1endGOdeclare i intset i=1while i dateadd(day,-90,getdate()用时：53763毫秒（54秒） （3）将聚合索引建立在日期列（fariqi）上： select gid,fariqi,neibuyonghu,title from Tgongwenwhere fariqi dateadd(day,-90,getdate()用时：2423毫秒（2秒） 虽然每条语句提取出来的都是25万条数据，各种情况的差异却是巨大的，特别是将聚集索引建立在日期列时的差异。事实上，如果您的数据库真的有1000万容量的话，把主键建立在ID列上，就像以上的第1、2种情况

7、，在网页上的表现就是超时，根本就无法显示。这也是我摒弃ID列作为聚集索引的一个最重要的因素。 得出以上速度的方法是：在各个select语句前加： declare d datetimeset d=getdate()并在select语句后加： select 语句执行花费时间(毫秒)=datediff(ms,d,getdate()2、只要建立索引就能显著提高查询速度 事实上，我们可以发现上面的例子中，第2、3条语句完全相同，且建立索引的字段也相同；不同的仅是前者在fariqi字段上建立的是非聚合索引，后者在此字段上建立的是聚合索引，但查询速度却有着天壤之别。所以，并非是在任何字段上简单地建立索引就能

8、提高查询速度。 从建表的语句中，我们可以看到这个有着1000万数据的表中fariqi字段有5003个不同记录。在此字段上建立聚合索引是再合适不过了。在现实中，我们每天都会发几个文件，这几个文件的发文日期就相同，这完全符合建立聚集索引要求的：“既不能绝大多数都相同，又不能只有极少数相同”的规则。由此看来，我们建立“适当”的聚合索引对于我们提高查询速度是非常重要的。 3、把所有需要提高查询速度的字段都加进聚集索引，以提高查询速度 上面已经谈到：在进行数据查询时都离不开字段的是“日期”还有用户本身的“用户名”。既然这两个字段都是如此的重要，我们可以把他们合并起来，建立一个复合索引（compound

9、index）。 很多人认为只要把任何字段加进聚集索引，就能提高查询速度，也有人感到迷惑：如果把复合的聚集索引字段分开查询，那么查询速度会减慢吗？带着这个问题，我们来看一下以下的查询速度（结果集都是25万条数据）：（日期列fariqi首先排在复合聚集索引的起始列，用户名neibuyonghu排在后列） （1） select gid,fariqi,neibuyonghu,title from Tgongwen where fariqi2004-5-5查询速度：2513毫秒 （2） select gid,fariqi,neibuyonghu,title from Tgongwen where far

10、iqi2004-5-5 and neibuyonghu=办公室查询速度：2516毫秒 （3） select gid,fariqi,neibuyonghu,title from Tgongwen where neibuyonghu=办公室查询速度：60280毫秒 从以上试验中，我们可以看到如果仅用聚集索引的起始列作为查询条件和同时用到复合聚集索引的全部列的查询速度是几乎一样的，甚至比用上全部的复合索引列还要略快（在查询结果集数目一样的情况下）；而如果仅用复合聚集索引的非起始列作为查询条件的话，这个索引是不起任何作用的。当然，语句1、2的查询速度一样是因为查询的条目数一样，如果复合索引的所有列都用

11、上，而且查询结果少的话，这样就会形成“索引覆盖”，因而性能可以达到最优。同时，请记住：无论您是否经常使用聚合索引的其他列，但其前导列一定要是使用最频繁的列。 （四）其他书上没有的索引使用经验总结 1、用聚合索引比用不是聚合索引的主键速度快 下面是实例语句：（都是提取25万条数据） select gid,fariqi,neibuyonghu,reader,title from Tgongwen where fariqi=2004-9-16使用时间：3326毫秒 select gid,fariqi,neibuyonghu,reader,title from Tgongwen where gid20

12、04-1-1用时：6343毫秒（提取100万条） select gid,fariqi,neibuyonghu,reader,title from Tgongwen where fariqi2004-6-6用时：3170毫秒（提取50万条） select gid,fariqi,neibuyonghu,reader,title from Tgongwen where fariqi=2004-9-16用时：3326毫秒（和上句的结果一模一样。如果采集的数量一样，那么用大于号和等于号是一样的） select gid,fariqi,neibuyonghu,reader,title from Tgongw

13、en where fariqi2004-1-1 and fariqi2004-1-1 order by fariqi用时：6390毫秒 select gid,fariqi,neibuyonghu,reader,title from Tgongwen where fariqi 10000和执行: select * from table1 where tID 10000 and name=zhangsan一些人不知道以上两条语句的执行效率是否一样，因为如果简单的从语句先后上看，这两个语句的确是不一样，如果tID是一个聚合索引，那么后一句仅仅从表的10000条以后的记录中查找就行了；而前一句则要先从

14、全表中查找看有几个name=zhangsan的，而后再根据限制条件条件tID10000来提出查询结果。 事实上，这样的担心是不必要的。SQL SERVER中有一个“查询分析优化器”，它可以计算出where子句中的搜索条件并确定哪个索引能缩小表扫描的搜索空间，也就是说，它能实现自动优化。 虽然查询优化器可以根据where子句自动的进行查询优化，但大家仍然有必要了解一下“查询优化器”的工作原理，如非这样，有时查询优化器就会不按照您的本意进行快速查询。 在查询分析阶段，查询优化器查看查询的每个阶段并决定限制需要扫描的数据量是否有用。如果一个阶段可以被用作一个扫描参数（SARG），那么就称之为可优化的

15、，并且可以利用索引快速获得所需数据。SARG的定义：用于限制搜索的一个操作，因为它通常是指一个特定的匹配，一个值得范围内的匹配或者两个以上条件的AND连接。形式如下： 列名 操作符 或 操作符列名列名可以出现在操作符的一边，而常数或变量出现在操作符的另一边。如： Name=张三价格500050005000如果一个表达式不能满足SARG的形式，那它就无法限制搜索的范围了，也就是SQL SERVER必须对每一行都判断它是否满足WHERE子句中的所有条件。所以一个索引对于不满足SARG形式的表达式来说是无用的。 介绍完SARG后，我们来总结一下使用SARG以及在实践中遇到的和某些资料上结论不同的经验

16、： 1、Like语句是否属于SARG取决于所使用的通配符的类型 如： name like 张%这就属于SARG 而： name like %张就不属于SARG。 原因是通配符%在字符串的开通使得索引无法使用。 2、or 会引起全表扫描 Name=张三 and 价格5000 符号SARG，而：Name=张三 or 价格5000 则不符合SARG。使用or会引起全表扫描。 3、非操作符、函数引起的不满足SARG形式的语句 不满足SARG形式的语句最典型的情况就是包括非操作符的语句，如：NOT、!=、!、NOT EXISTS、NOT IN、NOT LIKE等，另外还有函数。下面就是几个不满足SARG

17、形式的例子： ABS(价格)5000SQL SERVER也会认为是SARG，SQL SERVER会将此式转化为： WHERE 价格2500/2 但我们不推荐这样使用，因为有时SQL SERVER不能保证这种转化与原始表达式是完全等价的。 4、IN 的作用相当与OR 语句： Select * from table1 where tid in (2,3)和 Select * from table1 where tid=2 or tid=3是一样的，都会引起全表扫描，如果tid上有索引，其索引也会失效。 5、尽量少用NOT 6、exists 和 in 的执行效率是一样的 很多资料上都显示说，exis

18、ts要比in的执行效率要高，同时应尽可能的用not exists来代替not in。但事实上，我试验了一下，发现二者无论是前面带不带not，二者之间的执行效率都是一样的。因为涉及子查询，我们试验这次用SQL SERVER自带的pubs数据库。运行前我们可以把SQL SERVER的statistics I/O状态打开。 （1） select title,price from titles where title_id in (select title_id from sales where qty30)该句的执行结果为： 表 sales。扫描计数 18，逻辑读 56 次，物理读 0 次，预读 0

19、 次。表 titles。扫描计数 1，逻辑读 2 次，物理读 0 次，预读 0 次。（2） select title,price from titles where exists (select * from sales where sales.title_id=titles.title_id and qty30)第二句的执行结果为： 表 sales。扫描计数 18，逻辑读 56 次，物理读 0 次，预读 0 次。表 titles。扫描计数 1，逻辑读 2 次，物理读 0 次，预读 0 次。我们从此可以看到用exists和用in的执行效率是一样的。 7、用函数charindex()和前面加通配

20、符%的LIKE执行效率一样 前面，我们谈到，如果在LIKE前面加上通配符%，那么将会引起全表扫描，所以其执行效率是低下的。但有的资料介绍说，用函数charindex()来代替LIKE速度会有大的提升，经我试验，发现这种说明也是错误的： select gid,title,fariqi,reader from tgongwen where charindex(刑侦支队,reader)0 and fariqi2004-5-5用时：7秒，另外：扫描计数 4，逻辑读 7155 次，物理读 0 次，预读 0 次。 select gid,title,fariqi,reader from tgongwen w

21、here reader like % + 刑侦支队 + % and fariqi2004-5-5用时：7秒，另外：扫描计数 4，逻辑读 7155 次，物理读 0 次，预读 0 次。 8、union并不绝对比or的执行效率高 我们前面已经谈到了在where子句中使用or会引起全表扫描，一般的，我所见过的资料都是推荐这里用union来代替or。事实证明，这种说法对于大部分都是适用的。 select gid,fariqi,neibuyonghu,reader,title from Tgongwen where fariqi=2004-9-16 or gid9990000用时：68秒。扫描计数 1，逻

22、辑读 404008 次，物理读 283 次，预读 392163 次。 select gid,fariqi,neibuyonghu,reader,title from Tgongwen where fariqi=2004-9-16 unionselect gid,fariqi,neibuyonghu,reader,title from Tgongwen where gid9990000用时：9秒。扫描计数 8，逻辑读 67489 次，物理读 216 次，预读 7499 次。 看来，用union在通常情况下比用or的效率要高的多。 但经过试验，笔者发现如果or两边的查询列是一样的话，那么用unio

23、n则反倒和用or的执行速度差很多，虽然这里union扫描的是索引，而or扫描的是全表。 select gid,fariqi,neibuyonghu,reader,title from Tgongwen where fariqi=2004-9-16 or fariqi=2004-2-5用时：6423毫秒。扫描计数 2，逻辑读 14726 次，物理读 1 次，预读 7176 次。 select gid,fariqi,neibuyonghu,reader,title from Tgongwen where fariqi=2004-9-16 unionselect gid,fariqi,neibuyo

24、nghu,reader,title from Tgongwen where fariqi=2004-2-5用时：11640毫秒。扫描计数 8，逻辑读 14806 次，物理读 108 次，预读 1144 次。 9、字段提取要按照“需多少、提多少”的原则，避免“select *” 我们来做一个试验： select top 10000 gid,fariqi,reader,title from tgongwen order by gid desc用时：4673毫秒 select top 10000 gid,fariqi,title from tgongwen order by gid desc用时：1

25、376毫秒 select top 10000 gid,fariqi from tgongwen order by gid desc用时：80毫秒 由此看来，我们每少提取一个字段，数据的提取速度就会有相应的提升。提升的速度还要看您舍弃的字段的大小来判断。 10、count(*)不比count(字段)慢 某些资料上说：用*会统计所有列，显然要比一个世界的列名效率低。这种说法其实是没有根据的。我们来看： select count(*) from Tgongwen用时：1500毫秒 select count(gid) from Tgongwen用时：1483毫秒 select count(fariqi

26、) from Tgongwen用时：3140毫秒 select count(title) from Tgongwen用时：52050毫秒 从以上可以看出，如果用count(*)和用count(主键)的速度是相当的，而count(*)却比其他任何除主键以外的字段汇总速度要快，而且字段越长，汇总的速度就越慢。我想，如果用count(*)， SQL SERVER可能会自动查找最小字段来汇总的。当然，如果您直接写count(主键)将会来的更直接些。 11、order by按聚集索引列排序效率最高 我们来看：（gid是主键，fariqi是聚合索引列） select top 10000 gid,fariq

27、i,reader,title from tgongwen用时：196 毫秒。 扫描计数 1，逻辑读 289 次，物理读 1 次，预读 1527 次。 select top 10000 gid,fariqi,reader,title from tgongwen order by gid asc用时：4720毫秒。 扫描计数 1，逻辑读 41956 次，物理读 0 次，预读 1287 次。 select top 10000 gid,fariqi,reader,title from tgongwen order by gid desc用时：4736毫秒。 扫描计数 1，逻辑读 55350 次，物理读

28、 10 次，预读 775 次。 select top 10000 gid,fariqi,reader,title from tgongwen order by fariqi asc用时：173毫秒。 扫描计数 1，逻辑读 290 次，物理读 0 次，预读 0 次。 select top 10000 gid,fariqi,reader,title from tgongwen order by fariqi desc用时：156毫秒。 扫描计数 1，逻辑读 289 次，物理读 0 次，预读 0 次。 从以上我们可以看出，不排序的速度以及逻辑读次数都是和“order by 聚集索引列” 的速度是相当

29、的，但这些都比“order by 非聚集索引列”的查询速度是快得多的。 同时，按照某个字段进行排序的时候，无论是正序还是倒序，速度是基本相当的。 12、高效的TOP 事实上，在查询和提取超大容量的数据集时，影响数据库响应时间的最大因素不是数据查找，而是物理的I/0操作。如： select top 10 * from (select top 10000 gid,fariqi,title from tgongwenwhere neibuyonghu=办公室order by gid desc) as aorder by gid asc这条语句，从理论上讲，整条语句的执行时间应该比子句的执行时间长，但

30、事实相反。因为，子句执行后返回的是10000条记录，而整条语句仅返回10条语句，所以影响数据库响应时间最大的因素是物理I/O操作。而限制物理I/O操作此处的最有效方法之一就是使用TOP关键词了。TOP关键词是SQL SERVER中经过系统优化过的一个用来提取前几条或前几个百分比数据的词。经笔者在实践中的应用，发现TOP确实很好用，效率也很高。但这个词在另外一个大型数据库ORACLE中却没有，这不能说不是一个遗憾，虽然在ORACLE中可以用其他方法（如：rownumber）来解决。在以后的关于“实现千万级数据的分页显示存储过程”的讨论中，我们就将用到TOP这个关键词。 到此为止，我们上面讨论了如

31、何实现从大容量的数据库中快速地查询出您所需要的数据方法。当然，我们介绍的这些方法都是“软”方法，在实践中，我们还要考虑各种“硬”因素，如：网络性能、服务器的性能、操作系统的性能，甚至网卡、交换机等。 三、实现小数据量和海量数据的通用分页显示存储过程 建立一个web 应用，分页浏览功能必不可少。这个问题是数据库处理中十分常见的问题。经典的数据分页方法是:ADO 纪录集分页法，也就是利用ADO自带的分页功能（利用游标）来实现分页。但这种分页方法仅适用于较小数据量的情形，因为游标本身有缺点：游标是存放在内存中，很费内存。游标一建立，就将相关的记录锁住，直到取消游标。游标提供了对特定集合中逐行扫描的手

32、段，一般使用游标来逐行遍历数据，根据取出数据条件的不同进行不同的操作。而对于多表和大表中定义的游标（大的数据集合）循环很容易使程序进入一个漫长的等待甚至死机。 更重要的是，对于非常大的数据模型而言，分页检索时，如果按照传统的每次都加载整个数据源的方法是非常浪费资源的。现在流行的分页方法一般是检索页面大小的块区的数据，而非检索所有的数据，然后单步执行当前行。 最早较好地实现这种根据页面大小和页码来提取数据的方法大概就是“俄罗斯存储过程”。这个存储过程用了游标，由于游标的局限性，所以这个方法并没有得到大家的普遍认可。 后来，网上有人改造了此存储过程，下面的存储过程就是结合我们的办公自动化实例写的分

33、页存储过程： CREATE procedure pagination1(pagesize int, -页面大小，如每页存储20条记录pageindex int -当前页码)asset nocount onbegindeclare indextable table(id int identity(1,1),nid int) -定义表变量declare PageLowerBound int -定义此页的底码declare PageUpperBound int -定义此页的顶码set PageLowerBound=(pageindex-1)*pagesizeset PageUpperBound=Pa

34、geLowerBound+pagesizeset rowcount PageUpperBoundinsert into indextable(nid) select gid from TGongwen where fariqi dateadd(day,-365,getdate() order by fariqi descselect O.gid,O.mid,O.title,O.fadanwei,O.fariqi from TGongwen O,indextable t endset nocount off以上存储过程运用了SQL SERVER的最新技术表变量。应该说这个存储过程也是一个非常优秀

35、的分页存储过程。当然，在这个过程中，您也可以把其中的表变量写成临时表：CREATE TABLE #Temp。但很明显，在SQL SERVER中，用临时表是没有用表变量快的。所以笔者刚开始使用这个存储过程时，感觉非常的不错，速度也比原来的ADO的好。但后来，我又发现了比此方法更好的方法。 笔者曾在网上看到了一篇小短文从数据表中取出第n条到第m条的记录的方法，全文如下： 从publish 表中取出第 n 条到第 m 条的记录： SELECT TOP m-n+1 * FROM publish WHERE (id NOT IN (SELECT TOP n-1 id FROM publish)id 为p

36、ublish 表的关键字 我当时看到这篇文章的时候，真的是精神为之一振，觉得思路非常得好。等到后来，我在作办公自动化系统（ASP.NET+ C#SQL SERVER）的时候，忽然想起了这篇文章，我想如果把这个语句改造一下，这就可能是一个非常好的分页存储过程。于是我就满网上找这篇文章，没想到，文章还没找到，却找到了一篇根据此语句写的一个分页存储过程，这个存储过程也是目前较为流行的一种分页存储过程，我很后悔没有争先把这段文字改造成存储过程： CREATE PROCEDURE pagination2( SQL nVARCHAR(4000), -不带排序语句的SQL语句 Page int, -页码 R

37、ecsPerPage int, -每页容纳的记录数 ID VARCHAR(255), -需要排序的不重复的ID号 Sort VARCHAR(255) -排序字段及规则)ASDECLARE Str nVARCHAR(4000)SET Str=SELECT TOP +CAST(RecsPerPage AS VARCHAR(20)+ * FROM (+SQL+) T WHERE T.+ID+NOT IN (SELECT TOP +CAST(RecsPerPage*(Page-1) AS VARCHAR(20)+ +ID+ FROM (+SQL+) T9 ORDER BY +Sort+) ORDER

38、BY +SortPRINT StrEXEC sp_ExecuteSql StrGO其实，以上语句可以简化为： SELECT TOP 页大小 *FROM Table1WHERE (ID NOT IN (SELECT TOP 页大小*页数 id FROM 表 ORDER BY id)ORDER BY ID但这个存储过程有一个致命的缺点，就是它含有NOT IN字样。虽然我可以把它改造为： SELECT TOP 页大小 *FROM Table1WHERE not exists(select * from (select top (页大小*页数) * from table1 order by id) b

39、 where b.id=a.id )order by id即，用not exists来代替not in，但我们前面已经谈过了，二者的执行效率实际上是没有区别的。 既便如此，用TOP 结合NOT IN的这个方法还是比用游标要来得快一些。 虽然用not exists并不能挽救上个存储过程的效率，但使用SQL SERVER中的TOP关键字却是一个非常明智的选择。因为分页优化的最终目的就是避免产生过大的记录集，而我们在前面也已经提到了TOP的优势，通过TOP 即可实现对数据量的控制。 在分页算法中，影响我们查询速度的关键因素有两点：TOP和NOT IN。TOP可以提高我们的查询速度，而NOT IN会减

40、慢我们的查询速度，所以要提高我们整个分页算法的速度，就要彻底改造NOT IN，同其他方法来替代它。 我们知道，几乎任何字段，我们都可以通过max(字段)或min(字段)来提取某个字段中的最大或最小值，所以如果这个字段不重复，那么就可以利用这些不重复的字段的max或min作为分水岭，使其成为分页算法中分开每页的参照物。在这里，我们可以用操作符“”或“200于是就有了如下分页方案： select top 页大小 *from table1 where id (select max (id) from (select top (页码-1)*页大小) id from table1 order by id

41、) as T ) order by id在选择即不重复值，又容易分辨大小的列时，我们通常会选择主键。下表列出了笔者用有着1000万数据的办公自动化系统中的表，在以GID（GID是主键，但并不是聚集索引。）为排序列、提取gid,fariqi,title字段，分别以第1、10、100、500、1000、1万、10万、25万、50万页为例，测试以上三种分页方案的执行速度：（单位：毫秒） 页码 方案1 方案2 方案3 1 60 30 76 10 46 16 63 100 1076 720 130 500 540 12943 831000 17110 470 250 1万 24796 4500 1401

42、0万 38326 42283 155325万 28140 128720 233050万 121686 127946 7168从上表中，我们可以看出，三种存储过程在执行100页以下的分页命令时，都是可以信任的，速度都很好。但第一种方案在执行分页1000页以上后，速度就降了下来。第二种方案大约是在执行分页1万页以上后速度开始降了下来。而第三种方案却始终没有大的降势，后劲仍然很足。 在确定了第三种分页方案后，我们可以据此写一个存储过程。大家知道SQL SERVER的存储过程是事先编译好的SQL语句，它的执行效率要比通过WEB页面传来的SQL语句的执行效率要高。下面的存储过程不仅含有分页方案，还会根据

43、页面传来的参数来确定是否进行数据总数统计。 - 获取指定页的数据CREATE PROCEDURE pagination3tblName varchar(255), - 表名strGetFields varchar(1000) = *, - 需要返回的列 fldName varchar(255)=, - 排序的字段名PageSize int = 10, - 页尺寸PageIndex int = 1, - 页码doCount bit = 0, - 返回记录总数, 非 0 值则返回OrderType bit = 0, - 设置排序类型, 非 0 值则降序strWhere varchar(1500)

44、= - 查询条件 (注意: 不要加 where)ASdeclare strSQL varchar(5000) - 主语句declare strTmp varchar(110) - 临时变量declare strOrder varchar(400) - 排序类型if doCount != 0 begin if strWhere != set strSQL = select count(*) as Total from + tblName + where +strWhere else set strSQL = select count(*) as Total from + tblName + end -以上代码的意思是如果doCount传递过来的不是0，就执行总数统计。以下的所有代码都是doCount为0的情况elsebeginif OrderType != 0begin set strTmp = (select