Sql server 计算SQL Server数据库中字符串的哈希值-值得付出努力吗？

假设我的SQL Server 2005数据库中有一个百万行表[mytable]，其中有列：

• 身份证
• 某地
• 另一个领域
• 网址

本系统中一个非常常见的查询是：

从[mytable]中选择*其中url=''

哪一个会给我带来更好的性能：

a） 向Url列添加索引

或

b） 添加一个额外的“url\U哈希”列，该列包含与url对应的数字哈希，然后计算该哈希以在my where子句中使用，例如：

从[mytable]中选择*，其中url_hash=一些计算出的哈希，url=''

（b）值得额外的复杂性吗？我需要在insert和select上计算哈希值

更新03-30-2009

ID是主键

此外，上面的查询不应该有“*”。相反，选择列表应该是表中的所有字段

“*”只是一个简写，很抱歉给你带来了困惑

更新03-31-2009

---

此外，忘了提及，url_散列字段上会有一个索引。

如果您只选择所需的列（与“*”相反），并且您在“url”和所选列上创建一个覆盖非聚集索引，您将获得非常高效的查找。

即使您为URL计算哈希代码，除非为哈希代码列添加索引，否则您也不会获得非常好的性能，因此最好只在URL列上添加索引。

简单地说，字符串越长，两个字符串越相似，比较它们所需的时间越长（考虑一个1000个字符长的字符串，其中唯一的差异是最后一个字符，您可以看到例程发现差异所需的时间）

但是，让我们对比一下比较长字符串的成本和在磁盘上定位它们的成本

索引存储在B+树中，B+树是具有可变节点数的平衡树，每个节点彼此链接（a->B->c）。这为我们提供了两种功能：通过遍历树快速查找，然后以树顺序快速访问其他节点（一旦找到“a”，很容易找到“b”，然后找到“c”，等等）

索引以磁盘页的形式排列，通常，索引页中可以填充的节点越多，索引B+树的总体高度就越低。树的高度越低，找到特定行的速度就越快，因为通常会遍历树的高度（因为它是平衡的）以到达任何一个叶节点

高度越低，磁盘点击次数就越少。若你们有一个4高的树，那个么到达任意一个随机节点需要在RAM中加载4个索引页，也就是4个磁盘点击。因此，一棵4高的树的效率是一棵8高的树的两倍

此外，在索引页中输入的内容越多，如果开始沿着节点进行迭代，所需的点击次数就越少。如果您的节点拥有10个键值，加载100行将花费您10次索引页点击，而如果每个节点只拥有5次，您将获得索引磁盘点击的两倍

请注意，根据需要向树添加新层的记录数，可以获得几何级数。（即，5键节点和10键节点之间的差异不是记录的两倍。）

所以，这就是索引树中有很多扇形键的值

记住，使用散列，您仍然必须执行“where hash=and url=”…”

但老实说，这实际上取决于您的数据访问模式。数据库有多忙，进行什么样的查询，缓存索引页需要多少RAM，等等

用来定位初始行的索引可能甚至不在查询时间的雷达上

---

关键在于记录的数量并不重要，但索引树的扇出却很重要。例如，如果您有一个1K索引节点和一个4字节索引（long int），那么每个索引可以有250个节点（这里非常简单），而一个3层树可以在一个3深的树中获得16M行——3个磁盘命中中的16M行中的任意一行。

这是在描述实际应用程序中使用实际表时遇到的实际问题吗，或者你正在寻找一个你不知道是否需要的优化

---

如果不是#1，那么我建议您为url编制索引，并处理应用程序的其余部分，直到出现问题为止（这不太可能）。

因此，您似乎在说So有一个合理的问题，因为他们的关键字字段很长，所以应该花时间研究此策略，因为它可能会缩短查询时间？换句话说，你是在鼓励这种设计吗？我只是指出他的决定的后果。我认为他应该尝试两种方法，看看一种方法是否比另一种方法更有效，从而获得更多的数据。和其他所有东西一样，“视情况而定”。这可能需要半个小时来构建和测试。