Question

我有一个存储城市IP地址范围的表，此表中有数百万条记录。我确信很多处理IP地址的人都有类似我的表（我在本例中简化了我的表格）：

CREATE TABLE [dbo].[IPRangeByCity]
(
    [ID] [int] IDENTITY(1,1) NOT NULL,
    [IPIntegerStart] [bigint] NOT NULL,
    [IPIntegerEnd] [bigint] NOT NULL,
    [Country] [nvarchar](150) NOT NULL,
    [City] [nvarchar](150) NULL

    CONSTRAINT [pk_IPRangeByCity] 
        PRIMARY KEY CLUSTERED([ID] ASC),
) ON [PRIMARY]
 GO

现在我不保存，更新或删除此表中的任何记录。我只读了这张桌子。当我从这个表中读取时，我获取一个IPv4地址，将其转换为整数形式，并使用IPv4地址的整数形式，我在该整数的IP地址范围之间查找该城市。

例如，假设IPv4地址为＆＃34; 187.245.227.116＆＃34;。

＆＃34; 187.245.227.116＆＃34;转换为整数3153453940.然后我运行以下select语句来查找与此IP地址关联的城市：

select * from IPRangeByCity 
where 3153453940 between IPIntegerStart and IPIntegerEnd

我的问题是，如果我只使用上面的select语句从这个表中读取，我应该如何构造索引以改善select语句的查找时间？

如果我将此表的索引设置为＆＃34; IPIntegerStart＆＃34;列，我的选择语句可能是一个很好的索引。例如：

CONSTRAINT [pk_IPRangeByCity] PRIMARY KEY CLUSTERED([IPIntegerStart] ASC)

但是，我不太确定。根据我的select语句，有人知道为我的表设置my的最佳索引是什么？它应该是聚簇索引还是非聚簇索引？它应该是多列索引（即具有IPIntegerStart和IPIntegerEnd列的索引）吗？任何帮助，将不胜感激。感谢。

编辑：我可以在我的表格中创建主键。在此示例中，我将主键设置为ID和身份密钥。但我可以将主键更改为任何列，只要我的select语句运行得很快，这就是我所关心的。

Answer 1

编辑：在了解了几个细节后，之前的回答并不值得。看来您最初的想法可能是正确的：

alter table dbo.IPRangeByCity add constraint [PK_IPRangeByCity]
primary key (IPIntegerStart);

但是，您还需要IPIntegerEnd上的非聚集索引。以下是一些解释。

首先，范围与Id列之间没有重叠是假的，您可以将主键替换为指定的主键。 PK默认是聚类的，因此它可以更快地进行搜索和扫描。

其次，正如Martin Smith在评论中正确指出的那样，使用between谓词或类似逻辑的直接查询会发生大型索引扫描。但是，我认为这不是问题，因为没有范围重叠，这意味着任何IP地址都可以属于最多1个范围。因此，搜索查询可以重写如下：

select top (1) r.*
from dbo.IPRangeByCity r
where 3153453940 between r.IPIntegerStart and r.IPIntegerEnd
order by r.IPIntegerStart desc;

这样，它应该总是足够快，因为聚集索引扫描将在找到第一个合适的行后停止，或者将被IPIntegerEnd切断。请注意，这是纯粹的推测，您应该根据与您的作品相媲美的数据量来检查它。

尽管如此，我还是不会放弃类似杰克道格拉斯的非规范化方法（但不能说我理解它）。我甚至不会放弃创建所有可能的IPv4地址的完整列表并搜索它的可能性 - 它实际上并不像听起来那么荒谬。最终，这一切都取决于细节。

Answer 2

我的测试结果的更新，可能是最终的答案。我特别希望这对@MartinSmith和@RogerWolf有好处，他给了我很多帮助。非常感谢Martin Smith和Roger Wolf！

请注意我的数据中没有IP范围重叠。此外，我的数据中有几百万行。

我使用Roger Wolf的方法测试了聚集索引，非聚簇索引等的一系列变体。对于该方法，将IPIntegerStart列设置为聚簇索引对性能的影响最大。

我也测试了其他变体，例如：

1）同时使IPIntegerStart和IPIntegerEnd成为聚簇索引。性能与仅使IPIntegerStart成为聚簇索引相当。

2）使IPIntegerStart和IPIntegerEnd成为非聚集索引，但将ID（标识）列保留为聚簇主键。性能比Roger Wolf的重写解决方案慢大约8倍，很可能是因为IPIntegerStart不是聚集索引。

3）使IPInteger启动聚簇索引和IPIntegerEnd非聚集索引。使IPIntegerEnd成为非聚集索引对性能没有显着影响。同样，重要的是IPIntegerStart被设置为聚集索引。

故事的寓意是，由于我设置了聚集和非聚集索引的不同变体，最终最重要的是将IPIntegerStart设置为聚簇索引对加快速度的影响最大。

现在按照dba.stackexchange.com/a/14896/3690（最初由杰克道格拉斯编写）的规定，提出马丁史密斯的建议：

4）杰克道格拉斯的方法的一般概念是桌子被分成不同的部分（杰克道格拉斯在他的写作中称之为“颗粒”）。我将表格拆分为4个段而不是3个。表存储的数据越多，如果要加快查找速度，就可以添加的段越多。请注意，您添加的段越多，您在select语句中执行的联合越多 - 如果您有太多段，我不确定其他联合最终是否会增加更多开销。 Jack Douglas的方法产生了最快的查找速度，比将IPIntegerStart设置为聚簇索引的基本方法快了约3到4倍。

所以，这里是3种不同方法的总结：

方法1）使用ID（身份密钥）作为聚集索引：最慢的方法

方法2）Roger Wolf将聚簇索引设置为IPIntegerStart，并将IPIntegerEnd设置为非聚集索引的方法：比方法1快约6至7倍）

方法3）Martin Smith的建议或杰克道格拉斯将表格分割成“颗粒”的方法：比方法2快3到4倍）

SQL Server：我应该如何构建索引以改善查找时间？

2 个答案: