SQL Server误区30日谈-Day23-有关锁升级的误区

最新推荐文章于 2024-07-31 17:06:19 发布
最新推荐文章于 2024-07-31 17:06:19 发布
阅读量98 收藏
点赞数
本文探讨了SQL Server中锁升级机制的误解，并介绍了不同版本中如何通过跟踪标志及表设置来控制锁升级行为。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

    本系列文章是我在sqlskill.com的PAUL的博客看到的，很多误区都比较具有典型性和代表性，原文来自T-SQL Tuesday #11: Misconceptions about.... EVERYTHING!!,经过我们团队的翻译和整理发布在AgileSharp上。希望对大家有所帮助。

 

误区 #23: 锁升级的过程是由行锁升级到页锁，再由页锁升级到表锁

错误

    实际不是，在SQL Server 2005和之前的版本，锁升级会直接升到表锁。

    在SQL Server 2005或SQL Server 2008，你可以通过如下跟踪标志改变锁升级的行为:

  •     标志1211-完全禁止锁升级，但锁使用的内存会被限制在动态分配内存的60%,当超过这个值时，更多的锁将会伴随着内存溢出错误而失败。
  •     标志1224-禁止锁升级，但内存使用超过40%时，会自动开启锁升级

    如果标志1211和1224跟踪标志同时被设置了，只有标志1211会生效。更详细的内容请看Books Online。

 

    在SQL Server 2008中，还可以以表为单位进行锁行为的设置，可以通过ALTER TABLE blah SET (LOCK_ESCALATION = XXX)，在这个命令中XXX所代表的是下面几项中的一项:

  • TABLE: 直接从行锁升级到表锁。

  • AUTO:如果存在表分区，则升级为分区锁，但不会进一步升级。

  • DISABLE:禁用锁升级，这并不意味着禁用表锁，就像BOL(Books Online entry)中所说，在序列化隔离等级的条件下进行表扫描等操作时还需要表锁。

 

    在2008年1月的时候，我写了一篇包含分区锁例子的博文，请看：SQL Server 2008: Partition-level lock escalation details and examples。

    或许你会想为什么LOCK_ESCALATION = XXX设置中AUTO不是默认值，这时因为早期测试中某些人发现这个选项更容易引起死锁。就像对于上述两个有关锁的跟踪标记一样，对于这个选项设置为AUTO也同样需要谨慎。

9、SQL 查询性能隐藏陷阱揭秘
bert9linguist的博客
06-14 17
本文深入探讨了SQL查询中的几个常见性能陷阱，包括索引查找的误区、残余条件的影响以及溢出问题。通过具体示例和案例分析，揭示了这些问题的成因和影响，并提供了相应的解决方案。文章还介绍了如何检测和处理溢出，优化连接操作以及调整TempDB配置，旨在帮助开发者和数据库管理员提升SQL查询效率，打造高性能的数据库应用。
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
goustzhu地盘
08-23 3559
<br />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 [
SQL Server表分区
Henry_Wu001的专栏
09-07 289
refs: http://www.cnblogs.com/zhijianliutang/archive/2012/10/28/2743722.html http://www.cnblogs.com/knowledgesea/p/3696912.html 图文 http://blog.youkuaiyun.com/gulijiang2008/article/details/47658711
【原】Sql Server性能优化——Partition（创建分区）
weixin_30414305的博客
02-23 244
和压缩（Compression）相比，数据库分区（Partition）的操作更为复杂繁琐。而且与Compression一次操作，终身保持不同，分区是一项需要长期维护周期变更的操作。 分区的意义在于将大数据从物理上切割为几个相互独立的小部分，从而在查询时只取出其中一个或几个分区，减少影响的数据；另外对于置于不同文件组的分区，并行查询的性能也要高于对整个表的查询性能。 事实上，在SQL Serve...
T-SQL查询进阶--理解SQL SERVER中的分区表
weixin_34082177的博客
12-30 273
简介     分区表是在SQL SERVER2005之后的版本引入的特性。这个特性允许把逻辑上的一个表在物理上分为很多部分。而对于SQL SERVER2005之前版本，所谓的分区表仅仅是分布式视图,也就是多个表做union操作.     分区表在逻辑上是一个表，而物理上是多个表.这意味着从用户的角度来看，分区表和普通表是一样的。这个概念可以简单如下图所示：          而对于...
SQL Server-- CREATE PARTITION FUNCTION
FANET
03-22 2768
<br />CREATE PARTITION FUNCTION (Transact-SQL)<br /><br /><br />在当前数据库中创建一个函数，该函数可根据指定列的值将表或索引的各行映射到分区。使用 CREATE PARTITION FUNCTION 是创建已分区表或索引的第一步。<br /><br /> Transact-SQL 语法约定<br /> 语法 <br />CREATE PARTITION FUNCTION partition_function_name ( input_param
sql server 2005 T-SQL $PARTITION (Transact-SQL)
曹振华
12-20 563
为任何指定的分区函数返回分区号，一组分区列值将映射到该分区号中。 Transact-SQL 语法约定 语法 [ database_name. ] $PARTITION.partition_function_name(expression) 参数 database_name 包含分区函数的数据库的名称。 p
SQLServer海量数据处理 - 1 索引
宁静致远
12-22 2918
最近开发一套大数据系统，用的是SQLServer数据库，大概每天能产生一百多万数据，表数据是按月存储的，就是说每个月产生一个表。运行过程中，每月前几天的时候速度都还是可以的，但到下半月后，系统每天都要卡死在那。20号，用count(*)一查，九百多万数据，但关查数量这语句就花了4分钟时间，My GOD，这样的系统还卖的出去吗？
SQL语句-入门到精通
gqren003
07-31 2121
SQL，Structured Query Language，中文结构化查询语言，是一种对关系数据库 数据定义和操作语言。sql_mode是对SQL语法控制和效验的一套规则having用途having子句常用在group by子句过滤后，再进行判断筛选。having子句实践#1.统计中国每个省的城市个数，并把超过10个城市个数的输出#使用聚合函数,GROUP_CONCAT(NAME)#生产经验：having子句不走索引，效率低，尽量减少使用，除非结果集很少，如果结果集大，且非要用，可以从库做。
【函数使用误区纠正】：正确理解SQL函数输入输出的正确方式
[【函数使用误区纠正】：正确理解SQL函数输入输出的正确方式](https://cdn.educba.com/academy/wp-content/uploads/2019/04/SQL-String-Functions.jpg) # 1. SQL函数的基本概念和作用 SQL（Structured Query ...
优化SQLServer——表和分区索引(二)
weixin_34148340的博客
12-01 323
简介     之前一篇简单的介绍了语法和一些基本的概念，隔了一段时间，觉得有必要细致的通过实例来总结一下这部分内容。如之前所说，分区就是讲大型的对象（表）分成更小的块来管理，基本单位是行。这也就产生了很大优势， 比如在数据库维护备份还原操作的时候，比如在大量用户访问能导致死锁的时候等等。 接下来我们通过大量实例从分区到展示分区的效果以及一些实际案例来提高对这部分知识的理解。 ...
SQL Server表分区案例
weixin_30254435的博客
09-16 108
--学习创建表分区脚本/*SQL SERVER 2005中以上版本，终于引入了表分区，就是说，当一个表里的数据很多时，可以将其分拆到多个的表里，大大提高了性能。下面举例子说明之*/ -------------------------------------------------------------/*比如，在D盘下建立如下几个目录D:\DataDB\PrimaryD:\Da...
详解SQL Server中创建数据仓库已分区表
peizhiinfo
08-25 151
在本练习中，您将创建一个分区数据仓库事实数据表。非常大的表经常需要跨几个磁盘卷存储数据。ServerSecurity/Database/'&gt;SQLServer表无法放置在特定文件中。但是，文件组可以放置在文件中，而表可以分配给文件组。这样您就可以控制ServerSecurity/Database/'&gt;SQLServer中非常大的表中的数据的存储。而且，如果表跨几个文件组，定义哪些数...
sqlserver巧用row_number和partition by分组取top数据
weixin_30814319的博客
08-22 95
From:http://www.jb51.net/article/29162.htm --1.创建测试表 create table #score ( name varchar(20), subject varchar(20), score int ) --2.插入测试数据 insert into #score(name,subject,score) v...
基于SSM的一线式酒店管理系统-su0v7503【附万字论文+PPT+包部署+录制讲解视频】.zip
最新发布
08-15
基于SSM的一线式酒店管理系统-su0v7503【附万字论文+PPT+包部署+录制讲解视频】.zip
STM32F4高级定时器定时器应用示例代码
08-15
STM32F4高级定时器定时器应用示例代码
【python毕业设计】基于数据挖掘的音乐推荐系统(django)（完整项目源码+mysql+说明文档）.zip
08-15
基于数据挖掘的音乐推荐系统设计与实现 需要一个代码说明，不需要论文 采用python语言，django框架，mysql数据库开发 编程环境：pycharm，mysql8.0 系统分为前台+后台模式开发 网站前台： 用户注册， 登录 搜索音乐，音乐欣赏（可以在线进行播放） 用户登陆时选择相关感兴趣的音乐风格 音乐收藏 音乐推荐算法：（重点） 本课题需要大量用户行为（如播放记录、收藏列表）、音乐特征（如音频特征、歌曲元数据）等数据 （1）根据用户之间相似性或关联性，给一个用户推荐与其相似或有关联的其他用户所感兴趣的音乐； （2）根据音乐之间的相似性或关联性，给一个用户推荐与其感兴趣的音乐相似或有关联的其他音乐。 基于用户的推荐和基于物品的推荐 其中基于用户的推荐是基于用户的相似度找出相似相似用户，然后向目标用户推荐其相似用户喜欢的东西（和你类似的人也喜欢**东西）； 而基于物品的推荐是基于物品的相似度找出相似的物品做推荐（喜欢该音乐的人还喜欢了**音乐）； 管理员 管理员信息管理 注册用户管理，审核 音乐爬虫（爬虫方式爬取网站音乐数据） 音乐信息管理（上传歌曲MP3，以便前台播放） 音乐收藏管理 用户 用户资料修改 我的音乐收藏 完整前后端源码，部署后可正常运行！ 环境说明 开发语言：python后端 python版本：3.7 数据库：mysql 5.7+ 数据库工具：Navicat11+ 开发软件：pycharm
SELECT COUNT(DISTINCT faaexplain) FROM mz_loginrecord WHERE createtime >= (CURDATE() - INTERVAL 7 DAY)详细解释一下DISTINCT的作用
03-12
<think>好的，我现在需要解释用户提供的SQL查询中的DISTINCT的作用。首先，用户给出的查询是： SELECT COUNT(DISTINCT faaexplain) FROM mz_loginrecord WHERE createtime >= (CURDATE() - INTERVAL 7 DAY) 我的任务是详细解释DISTINCT在这里的作用。用户可能已经了解基本的SQL语法，但需要更深入的理解DISTINCT在COUNT中的使用，以及它在具体查询中的意义。 首先，我需要确认这个查询的结构。SELECT COUNT(DISTINCT faaexplain)表示统计faaexplain列中不同值的数量。FROM mz_loginrecord指定了数据来源的表，而WHERE子句限定了createtime在最近7天内的记录。 接下来，我需要分解DISTINCT的作用。DISTINCT关键字用于消除重复值，确保在统计时每个唯一值只被计算一次。例如，如果faaexplain列中有多个相同的值，使用DISTINCT后，这些重复的值只会被算作一个。 然后，我应该考虑用户可能的疑问点。比如，为什么不直接用COUNT(faaexplain)？这时候需要解释两者的区别：COUNT(column)会统计该列非NULL值的数量，包括重复值，而COUNT(DISTINCT column)则统计唯一非NULL值的数量。 此外，用户可能想知道这个查询的实际应用场景。例如，如果faaexplain记录的是登录失败的原因，那么使用DISTINCT可以帮助确定最近一周内出现了多少种不同的失败原因类型，而不是总共有多少次失败登录。 还需要注意，DISTINCT在性能上的影响。当处理大量数据时，使用DISTINCT可能会增加查询时间，因为数据库需要对数据进行排序和去重。但在这个例子中，由于时间范围限制在7天内，可能数据量不会太大，影响较小。 另外，应该提到DISTINCT可以用于多个列的组合，但在这个查询中仅涉及单列。如果有多个列需要统计唯一组合，可以使用COUNT(DISTINCT col1, col2)，不过具体语法可能因数据库系统而异，需注意兼容性。 可能存在的误区是，用户认为DISTINCT会影响WHERE子句的条件过滤，但实际上DISTINCT仅作用于SELECT的结果集，即在进行计数前先对faaexplain的去重处理，之后再进行统计。 最后，总结DISTINCT在COUNT中的作用，强调其用于获取唯一值的数量，以及在实际应用中如何帮助用户分析数据的多样性而非总数。</think>以下是对该SQL查询及`DISTINCT`关键字的详细解释： --- ### **1. 查询语句解析** ```sql SELECT COUNT(DISTINCT faaexplain) FROM mz_loginrecord WHERE createtime >= (CURDATE() - INTERVAL 7 DAY) ``` - **目标**：统计最近7天内表`mz_loginrecord`中字段`faaexplain`的**唯一值数量**。 - **执行流程**： 1. **过滤数据**：先通过`WHERE`条件筛选出`createtime`在最近7天的记录。 2. **去重统计**：对筛选后的`faaexplain`字段进行去重，计算唯一值的总数。 --- ### **2. `DISTINCT`的作用** `DISTINCT`是SQL中用于**消除重复值**的关键字，在`COUNT`函数中使用时，具体作用如下： #### **（1）去重逻辑** - **无`DISTINCT`时**：`COUNT(faaexplain)`会统计所有**非NULL值**，包括重复值。 - 示例：若`faaexplain`值为`A, A, B`，结果为3。 - **有`DISTINCT`时**：`COUNT(DISTINCT faaexplain)`仅统计**唯一非NULL值**。 - 示例：若`faaexplain`值为`A, A, B`，结果为2（唯一值`A`和`B`）。 #### **（2）适用场景** - **分析数据多样性**：例如统计用户登录使用的不同设备类型、不同错误原因类型等。 - **避免重复干扰**：当字段存在大量重复值时，需明确唯一值的实际数量。 --- ### **3. 查询的实际意义** 结合表名`mz_loginrecord`（可能为“登录记录表”）和字段`faaexplain`（可能记录登录失败原因或其他说明）： - **查询目的**：统计最近7天内，**不同类型的登录事件说明**（如“密码错误”“账号锁定”）出现的**种类数**。 - **示例结果**： - 若7天内出现3种错误类型（如`A, B, C`），但`A`重复了10次，结果为3（唯一值数量）。 --- ### **4. 扩展对比** #### **（1）`COUNT(*)` vs `COUNT(列名)` vs `COUNT(DISTINCT 列名)`** | 表达式 | 行为 | |-------------------------|----------------------------------------------------------------------| | `COUNT(*)` | 统计所有行的数量（包括NULL值）。 | | `COUNT(faaexplain)` | 统计`faaexplain`列中**非NULL值**的数量（含重复值）。 | | `COUNT(DISTINCT faaexplain)` | 统计`faaexplain`列中**唯一非NULL值**的数量。 | #### **（2）性能注意** - `DISTINCT`可能增加计算开销，尤其在数据量大的列中，需权衡去重需求与查询效率。 - 可通过索引优化字段`faaexplain`以加速去重操作。 --- ### **5. 总结** - **核心作用**：`COUNT(DISTINCT column)`用于精确统计字段中**唯一值的数量**，避免重复值干扰。 - **实际应用**：在分析数据多样性（如用户行为分类、错误类型统计）时至关重要。 - **注意事项**：需结合字段实际含义使用，并关注查询性能优化。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值