昨天写程序，有个小模块是通过分析数十万条记录，与异构的数据表进行比对，找出符合条件的信息。


在第一条查询中，需要查询所有记录的一个字段，并提取该字段中的第5至第10个字符串，要与异构数据表比较的就是这个字串。在最初的版本中，对于性能并没有做更多的考虑，先从数据表中获取所有的记录组成的数据集，作为目标数据，再从异构数据表中获取数据集作为比对数据，然后在程序中经过至少两次遍历，筛选出想要的结果。在这个版本中，效率很低。比对数据基本上固定，千把条的样子，目标数据很多，而且会越来越多。但性能的瓶颈并不是出现在程序中多次的遍历，这些都在内存中进行，这点数据量和算法，对于目前的服务器来说真的是小菜一碟。经测试，虽然只有几十万行的记录，查询时间却需要5秒以上。


我原来的思路是，因为担心SQL的性能，把从字段中截取字符串的计算由SQL移至程序中进行，但实践证明，对于返回大量记录的SQL，其效率反而更低了。于是，改变思路，还是利用SQL进行筛选，并尽量减少数据量，有了类似下面这一行简单的查询：


select distinct substring([PRodcode],5,10) pcode from [detail] order by pcode


在这段查询中，首先是利用substring函数，在sql中就返回了要想的字符串，注意这里substring函数和C#中的区别，它是从1开始索引的，而C#中则是从0开始（我在此走了弯路，如果聪明的你早就知道，请忽略）。然后是前面有个关键字distinct，用来消除重复的记录（这里存在大量的重复值）。实践证明，虽然增加了一个截取字符串的计算，但由于返回的记录大大减少，这种情况下，数据库服务器返回结果的时间提升到0秒，也就是说已经是毫秒级了，SSMS（=查询分析器）给忽略了。


众所周知，I/O对程序性能的影响相当大，在这个小小的实例中也能看出这一点。最开始，我想当然的以为把计算移到程序中去做，减轻一下数据库的负担，同时提高运算效率，却忽略了这个问题。当SQL返回了大量数据，这些数据要从一个地方移动到另一个地方，从目前的网络性能来看，耽误的时间绝对是不可以忽略的。


这个故事告诉我们，不能想当然，做程序如此，做任何事情都是如此。

PS ：最后不得不又要发个牢骚了，刚才提交的时候，差点又发生前功尽弃的事儿，正文文本框一片空白，和昨天提到的一样。也许是冥冥之中有神灵在帮我，在点提交按钮之前的那一瞬间，我打了个冷战，把这一堆文字复制到了记事本，不然现在可能已经变成了哭泣的百合。我估计的原因是，在文章发表页面花费的时间太长了。以前也给CSDN提过建议，增加一个自动保存到草稿箱的功能，但似乎没有反应。所以，还是自己以后多加个小心吧。