Szybkość SQL SELECT int vs varchar

Jestem w trakcie tworzenia stołu i zastanawiałem się.

Jeśli przechowuję, powiedzmy, samochody, które mają markę (np. BMW, Audi itp.), Czy zapiszę markę jako int lub varchar, wpłynie to na szybkość zapytania.

Więc jest

SELECT * FROM table WHERE make = 5 AND ...;

Szybciej / wolniej niż

SELECT * FROM table WHERE make = 'audi' AND ...;

czy prędkość będzie mniej więcej taka sama?

Porównania int są szybsze niż porównania varchar z prostego faktu, że ints zajmują znacznie mniej miejsca niż varchar.

Dotyczy to zarówno dostępu niezindeksowanego, jak i indeksowanego. Najszybszym sposobem jest indeksowana kolumna typu int.

Jak widzę, oznaczyłeś pytanie postgreql, możesz być zainteresowany wykorzystaniem przestrzeni dla różnych typów dat:

• intpola zajmują od 2 do 8 bajtów , przy czym 4 to zwykle więcej niż wystarczająco (od -2147483648 do +2147483647)
• typy znaków zajmują 4 bajty plus rzeczywiste ciągi .

Niektóre przybliżone testy porównawcze:

4 miliony rekordów w Postgres 9.x

Table A = base table with some columns
Table B = Table A + extra column id of type bigint with random numbers
Table C = Table A + extra column id of type text with random 16-char ASCII strings

Wyniki na laptopie 8 GB RAM, i7, SSD:

Size on disk:                A=261MB        B=292MB        C=322MB
Non-indexed by id: select count(*), select by id: 450ms same on all tables
Insert* one row per TX:       B=9ms/record        C=9ms/record
Bulk insert* in single TX:    B=140usec/record    C=180usec/record
Indexed by id, select by id:  B=about 200us       C=about 200us

* inserts to the table already containing 4M records

więc wygląda na to, że w tej konfiguracji, o ile twoje indeksy mieszczą się w pamięci RAM, tekst bigint vs 16-znakowy nie ma znaczenia w szybkości.

Będzie trochę szybciej używając int zamiast varchar. Ważniejsze dla szybkości jest posiadanie indeksu w polu, którego kwerenda może użyć do znalezienia rekordów.

Jest jeszcze jeden powód, dla którego warto używać int, a jest nim normalizacja bazy danych. Zamiast przechowywać tekst „Mercedes-Benz” tysiące razy w tabeli, należy przechowywać jego identyfikator i raz przechowywać nazwę marki w osobnej tabeli.

Rozbijając się na rzeczywistą wydajność porównywania ciągów w porównaniu z wartościami zmiennoprzecinkowymi, w tym przypadku dowolny rozmiar bez znaku i ze znakiem nie ma znaczenia. Rozmiar jest właściwie prawdziwą różnicą w wydajności. Czy to 1 bajt + (do 126 bajtów), czy porównanie 1, 2, 4 lub 8 bajtów ... oczywiście nie-zmiennoprzecinkowe są mniejsze niż łańcuchy i zmiennoprzecinkowe, a zatem są bardziej przyjazne dla procesora w montażu.

Porównanie ciągów znaków we wszystkich językach jest wolniejsze niż coś, co może zostać porównane w jednej instrukcji przez procesor. Nawet porównanie 8 bajtów (64 bity) na 32-bitowym procesorze jest nadal szybsze niż VARCHAR (2) lub większe. * Ponownie, spójrz na utworzony zestaw (nawet ręcznie), aby porównać znaki po znaku, potrzeba więcej instrukcji niż numeryczny procesor CPU o wielkości od 1 do 8 bajtów.

O ile szybciej? zależy również od ilości danych. Jeśli po prostu porównujesz 5 do „audi” - i to wszystko, co ma twój DB, wynikowa różnica jest tak minimalna, że ​​nigdy byś jej nie zauważył. W zależności od procesora, implementacji (klient / serwer, sieć / skrypt itp.) Prawdopodobnie nie zobaczysz tego, dopóki nie trafisz kilkuset porównań na serwerze DB (może nawet kilka tysięcy porównań, zanim będzie to zauważalne).

• Aby unieważnić nieprawidłowy spór dotyczący porównań skrótów. Większość samych algorytmów haszujących jest powolna, więc nie korzystasz z rzeczy takich jak CRC64 i mniejsze. Od ponad 12 lat opracowuję algorytmy wyszukiwania dla wyszukiwarek wielopowiatowych i 7 lat dla biur informacji kredytowej. Wszystko, co możesz zapisać w liczbach, tym szybciej ... na przykład numery telefonów, kody pocztowe, a nawet waluta * 1000 (przechowywanie) waluta div 1000 (pobieranie) jest szybsze niż DECIMAL dla porównań.

Ozz

Indeksuj czy nie, int jest dużo szybsze (im dłuższy varchar, tym wolniej).

Kolejny powód: indeks na polu varchar będzie znacznie większy niż na int. W przypadku większych tabel może to oznaczać setki megabajtów (i tysiące stron). To znacznie pogarsza wydajność, ponieważ odczyt samego indeksu wymaga wielu odczytów dysku.

Ogólnie int będzie szybszy. Im dłuższy jest varchar, tym wolniej się robi

Wskazówka: Jeśli możliwe wartości dla pola marki będzie nigdy (lub rzadko) zmiany, można użyć ENUM jako kompromis. Łączy dobrą szybkość z dobrą czytelnością.

Jeśli włączysz indeksowanie któregokolwiek z pól, będzie to szybsze. Jeśli chodzi o twoje pytanie, myślę, że intjest szybsze niż varchar.

Nieco względne. Tak, INT będą szybsze, ale pytanie brzmi, czy jest to zauważalne w Twojej sytuacji. Czy VARCHAR to tylko małe słowa czy dłuższe teksty? a ile wierszy jest w tabeli? Jeśli jest tylko kilka wierszy, najprawdopodobniej będzie on całkowicie buforowany w pamięci (gdy jest często żądany), w takim przypadku nie zauważysz dużej różnicy. Oczywiście jest też indeksowanie, które staje się ważniejsze, gdy tabela rośnie. Korzystanie z dysków SSD może być szybsze niż dysków HD ze zoptymalizowanymi zapytaniami. Dobre kontrolery dysków czasami przyspieszają zapytania> 10x. Może to zostawić miejsce na zwykłe używanie VARCHAR, co ułatwia czytanie i pisanie zapytań (nie ma potrzeby pisania złożonych złączeń) i przyspiesza rozwój. Puryści jednak się nie zgodzą i zawsze wszystko znormalizują.