三、 建立索引的策略
索引是关系数据库中重要的数据结构，它的根本目的就是为了提高查询效率。现在大多数的数据库产品都采用ISAM索引结构。在OLTP应用中，事务处理在很大程度上依赖于索引。如果查询结果仅为一行或很少几行时（高选择性high selectivity），利用索引进行查询会大大提高效率。相比之下，如果没有索引，查询则只能顺序扫描整个表。只有在表很小时，才会顺序扫描表，顺序扫描表会使系统性能受到严重影响。DSS环境中的应用经常会查询出大量数据（低选择性 low selecviity），甚至整张表，顺序扫描对于这样的查询更为适合，因为此时顺序扫描可以利用light scan。
1、索引的类型
（1）、分离索引（detached）或基于表达式的索引分片（expression based fragmented）。分离索引和分片索引可以使得索引的extent内页连续，因而能提高性能。而对于不分片的表来说，附加索引（attached）在建立索引时，索引页和数据页交叉存放在一起，因而会增加磁头寻找时间。对于中、小型表应该建立分离索引。对于经常访问的大表应考虑建立基于表达式的分片索引，以减少索引页的数量和提高检索速度。索引分片不宜太多，以免表达式计算开销过大。根据索引的大小，一般可以分为4片。
◆分离式索引与数据页分�

3、索引策略的优化与原则
（1）、避免高度重复率字段建立索引
高度重复字段的索引会降低性能。如果觉得有必要在包含高度重复值的列上建立索引，最好与包含唯一值（或近似唯一的其它列）建立一个复合索引，服务器仍可以使用该索引来访问重复列值，而该索引得处理效率更高。
（2）、对同一表不要建立过多的索引
太多的索引与不充分、不正确的索引对性能都无益，在表上建立的每个索引都会增加存储开销，索引对于插入、删除、更新操作也会增加处理开支。
（3）、建索引的字段的大小尽量小，复合索引尽量少用。
（4）、复合（compound）索引。
◆ 在一个有唯一值的字段和有重复值的字段上共同建一个复合索引，有助于多重复值的字段的insert操作（增加唯一性）。
◆ 在join相关的多个字段上建复合索引。
◆ 在Where条件相关的多个字段上建复合索引。
（5）、建聚类（cluster）索引，减少索引文件碎片，以加快检索速度。
聚类索引对相对稳定的表较为有用，能加快查询。
◆ 聚类和生聚类都需花费大量磁盘空间和时间
◆ 数据录入时就是有序的，则无需聚类。
（6）、使用FILLFACTOR（填充因子）控制索引页中的空间
填充因子决定了在建立索引时每一索引页的填充度。该参数是可以改变的。参数FILLFACTOR缺省值为90。如果只是改变某个索引的设置，请使用CREATE INDEX的FILLFACTOR子句。例如：下列语句在建立索引时将FILLFACTOR设为70。
CREATE INDEX index_a ON TABLE table_name(colA) in idxdbs FILLFACTOR 70;
设置较大的填充因子可以使索引更紧凑、使缓冲区更有效同时也可以减少检索记录时读取的页数。
◆ 对于只读表可将FILLFACTOR设置为100。
◆ 对于只执行读和删除操作的表，如果将FILLFACTOR设置为100,在删除记录时可以减少合并索引节点、整理索引树的可能性。
◆ 对于有大量插入和更新操作的表，可将FILLFACTOR设置为50到70。由于填充因子较小，在插入和更新操作时将延迟索引节点（页面）的分裂，从而提高系统性能。
（7）、在经常进行连接，但是没有指定为外键的字段上建立索引，而不经常连接的字段则由优化器自动生成索引。
（8）、Where条件子句经常用到的字段上加索引。
（9）、在频繁进行排序或分组（即进行group by或order by操作）的字段上建立索引。
（10）、限制在频繁update的表上建索引的数目。
（11）、对大批量update操作（如load数据）,首先drop index,再update；然后再建索引, 能提高性能。
（12）、数据量小的表是否建索引影响不大，一般不要对记录数小于200的小表建立索引，因为从使用索引得到的速度不能抵消在表上打开和检索索引文件所需的时间。
（13）、用永久索引代替自动索引。
（14）、建primary key。
四、 查询语句（SELECT）的优化
程序设计中的一个著名定律是20％的代码用去了80％的时间，在数据库应用程序中也同样如此。数据库应用程序的优化通常可分为两个方面：源代码的优化和SQL语句的优化。源代码的优化在时间成本和风险上代价很高；另一方面，源代码的优化对数据库系统性能的提升收效有限。
许多程序员认为查询优化是DBMS（数据库管理系统）的任务，与程序员所编写的SQL语句关系不大，这是错误的。一个好的查询计划往往可以使程序性能提高数十倍。查询计划是用户所提交的SQL语句的集合，查询规划是经过优化处理之后所产生的语句集合。DBMS处理查询计划的过程是这样的：在做完查询语句的词法、语法检查之后，将语句提交给DBMS的查询优化器，优化器做完代数优化和存取路径的优化之后，由预编译模块对语句进行处理并生成查询规划，然后在合适的时间提交给系统处理执行，最后将执行结果返回给用户。虽然现在的数据库产品在查询优化方面已经做得越来越好，但由用户提交的SQL语句是系统优化的基础，很难设想一个原本糟糕的查询计划经过系统的优化之后会变得高效，因此用户所写语句的优劣至关重要。
1、对查询语句进行优化的理由
下列几方面的原因是我们进行SQL语句优化的理由：
◆ SQL语句是对数据库(数据)进行操作的惟一途径；
◆ SQL语句消耗了70%~100%的数据库资源；
◆ SQL语句独立于程序设计逻辑，相对于对程序源代码的优化，对SQL语句的优化在时间成本和风险上的代价都很低；
◆ SQL语句可以有不同的写法；
◆ SQL语句易学，难精通。
从大多数数据库应用系统的实例来看，查询操作在各种数据库操作中所占据的比重最大，而查询操作所基于的SELECT语句在SQL语句中又是代价最大的语句。
2、查询语句（SELECT）的优化建议
（1）、合理使用索引：where子句中变量顺序应与索引字键顺序相同。
如：create index test_idx on test(bdh, rq, xz)
   　　 索引字键顺序：首先是保单号bdh，其次是日期rq，最后是险种xz，所以where子句变量顺序应是where bdh<=“P1234”and rq=“06/06/1999”and xz=“DAA”,不应是where  xz=“DAA” and rq=“06/06/1999” and bdh <=“P1234”这样的不按索引字键顺序写法。
（2）、将最具有限制性的条件放在前面，大值在前，小值在后。
　 　如：where colA<=10000  AND  colA>=1　效率高
    　　 where colA>=1  AND  colA<=10000  效率低
（3）、避免采用MATCHES和LIKE通配符匹配查询
通配符匹配查询特别耗费时间。即使在条件字段上建立了索引，在这种情况下也还是采用顺序扫描的方式。
例如语句：SELECT ＊ FROM customer  WHERE zipcode  MATCHES  “524*”
可以考虑将它改为SELECT ＊ FROM customer WHERE  ZipCode<=“524999” AND ZipCode >=“524000”，则在执行查询时就会利用索引来查询，显然会大大提高速度。
（4）、避免非开始的子串
例如语句：SELECT ＊ FROM customer WHERE zipcode[2，3] >“24”，在where子句中采用了非开始子串，因而这个语句也不会使用索引。
（5）、避免相关子查询
一个字段的标签同时在主查询和where子句中的查询中出现，那么很可能当主查询中的字段值改变之后，子查询必须重新查询一次。查询嵌套层次越多，效率越低，因此应当尽量避免子查询。如果子查询不可避免，那么要在子查询中过滤掉尽可能多的行。
例如：将下面的语句
select bdh,bf from TabA
where item IN (select item form TabB where TabB.num=50)
改为：select bdh,bf from TabA, TabB
    where TabA.item=TabB.item AND TabB.num=50
（6）、避免或简化排序
    应当简化或避免对大型表进行重复的排序。当能够利用索引自动以适当的次序产生输出时，优化器就避免了排序的步骤。以下是一些影响因素：
◆ 索引中不包括一个或几个待排序的字段；
◆ group by或order by子句中字段的次序与索引的次序不一样；
◆ 排序的字段来自不同的表。
    为了避免不必要的排序，就要正确地增建索引，合理地合并数据库表（尽管有时可能影响表的规范化，但相对于效率的提高是值得的）。如果排序不可避免，那么应当试图简化它，如缩小排序的字段的范围等。
（7）、消除对大型表行数据的顺序存取
    在嵌套查询中，对表的顺序存取对查询效率可能产生致命的影响。比如采用顺序存取策略，一个嵌套3层的查询，如果每层都查询1000行，那么这个查询就要查询10亿行数据。避免这种情况的主要方法就是对连接的字段进行索引。例如，两个表：学生表（学号、姓名、年龄……）和选课表（学号、课程号、成绩）。如果两个表要做连接，就要在“学号”这个连接字段上建立索引。
    还可以使用并集来避免顺序存取。尽管在所有的检查列上都有索引，但某些形式的where子句强迫优化器使用顺序存取。下面的查询将强迫对orders表执行顺序操作：
    SELECT ＊ FROM orders WHERE (cust_num=126  AND order_num>1001) OR     order_num=1008
    虽然在cust_num和order_num上建有索引，但是在上面的语句中优化器还是使用顺序存取路径扫描整个表。因为这个语句要检索的是分离的行的集合，所以应该改为如下语句：
    SELECT ＊ FROM orders WHERE cust_num=126  AND order_num>1001
    UNION
    SELECT ＊ FROM orders WHERE order_num=1008
    这样就能利用索引路径处理查询。
（8）、对于大数据量的求和应避免使用单一的sum命令处理，可采用group by方式与其结合，有时其效率可提高几倍甚至百倍。
（9）、避免会引起磁盘读写的rowid操作。在where子句中或select语句中，用rowid要产生磁盘读写，是一个物理过程，会影响性能。
（10）、使用临时表加速查询
    把表的一个子集进行排序并创建临时表，有时能加速查询。它有助于避免多重排序操作，而且在其他方面还能简化优化器的工作。
    但要注意：临时表创建后不会反映主表的修改。在主表中数据频繁修改的情况下，注意不要丢失数据。
五、 其他措施
    如何优化一套数据库应用程序，除了以上所述的措施外，还有一些分析并提高效率的措施在实际工作中亦应注意使用。
（1）、利用set explain on语句来分析数据库查找策略。
当发现某一部分INFORMIX语句运行特别慢又找不到原因时，可在程序中的查询语句之前加入“set explain  on”语句，当程序运行时，在程序运行的当前目录下产生一个“sqexplain.out”文件，记录了INFORMIX数据库服务器采用何种优化策略来查找数据库。在该文件中可以发现查找中有无使用索引条件，估计的查找代价等信息。
（2）、数据库在做dbimport后应运行update statistics语句。
当数据库系统用dbimport实用程序完成数据库装载后，应运行update  statistics数据库语句保证系统表中统计信息准确，否则将影响数据库优化器的策略和系统运行性能。
例如：select ＊ from test where bdh matches “PC2002＊”
    test表在bdh字段上建立了索引，但在数据库运行update statistics前，数据库优化查找策略是按顺序查找而不是按索引查找，严重影响了查找速度。
（3）、经常插入和删除的大表应定期运行update statistics high语句。
　  对经常插入和删除的大表应定期运行update  statistics语句保证系统表中统计信息准确，保证数据库优化器作出正确的优化策略提高系统运行性能。
（4）、对大文件采用load命令装载入库前可先去掉原有的日志方式和去掉索引，等load装载完成后再重建索引和日志，能大幅提高装载效率，避免出错产生。
◆ 去掉原有的日志方式：ontape －S －N dbname
◆ 删除索引：delete index indexname
◆ 用load 装入数据：load from filename insert into tabname
◆ 重建索引：create index to indexname on tabname(colA,colB,……)
◆ 重建日志：ontape －C －B dbname
（5）、针对ESQL/C编程，还应注意程序中的进程的使用
◆INFORMIX数据库中一个事务处理不要跨多个进程。例如：
      　　begin work;
      　　……
      　　if(fork()==0){    /*子进程处理*/
      　　……
      　　conmit work;    /*(或rollback work;)*/
      　　……
      　　}
      这种方式，将引起数据库运行效率很低或处理异常。
◆在应用上引入多进程并发处理，充分利用系统资源，能大大提高处理效率。
六、 结束语
应用程序的优化是提高数据库应用系统性能的最佳手段，对应用程序的改善在某些情况下，会给性能带来成倍的提高。而对系统参数的调节不会达到这种地步。系统性能的不足最终是通过增加系统硬件设备来解决的。此文只是为INFORMIX数据库维护人员和程序设计人员提供一些性能优化的思路和参考，真正的性能优化还要在具体项目中具体考虑。在性能优化的过程中没有一定之规，这是一个仁者见仁、智者见智的事情。