Optimointi tietokannan hallintajärjestelmissä (DBMS) kattaa erilaisia tekniikoita, joiden tavoitteena on parantaa kyselyiden suorituskykyä, resurssien käyttöä ja järjestelmän yleistä tehokkuutta.

Kyselyoptimointiohjelmat

Kyselyoptimointiohjelmat tietokannan hallintajärjestelmissä (DBMS) ovat keskeisiä komponentteja, jotka vastaavat SQL-kyselyiden analysoinnista ja tehokkaiden suoritussuunnitelmien luomisesta.
Niiden tavoitteena on minimoida kyselyn vasteaika huomioimalla erilaisia tekijöitä, kuten käytettävissä olevat indeksit, tietotilastot sekä tiedon hakemiseen ja käsittelyyn käytettävät algoritmit, mikä lopulta parantaa tietokantaoperaatioiden kokonais­suorituskykyä.

Kyselyoptimointiohjelmat ovat sisäänrakennettuja tietokantajärjestelmiin ja toimivat itsenäisesti suorituskyvyn parantamiseksi.
Käyttäjät voivat kuitenkin osallistua optimointiin tarkentamalla kyselyitä ja soveltamalla sopivia indeksointistrategioita, mikä parantaa tietokannan suorituskykyä entisestään.

Kyselyiden uudelleenkirjoitustekniikat

1. Määrittele sarakkeet selkeästi: käytä sarakkeiden nimiä kyselyissä asteriskin (*) sijaan paremman suorituskyvyn, luettavuuden ja ylläpidettävyyden saavuttamiseksi;

2. Minimoi alikyselyt: vähennä alikyselyiden käyttöä kyselyiden suorituskyvyn optimoimiseksi. Harkitse vaihtoehtoja, kuten liittymiä (joins) tai johdettuja tauluja, välttääksesi monimutkaisuutta ja ylikuormitusta;

3. Vältä toistuvia IN-operaattoreita: rajoita IN-operaattorin käyttöä kyselyissä suorituskyvyn heikkenemisen estämiseksi. Käytä sen sijaan esimerkiksi JOIN- tai EXISTS-lausekkeita tehokkaampien suoritussuunnitelmien saavuttamiseksi;

4. Järjestä liittymät loogisesti: aloita SQL-liittymät päätaulusta ja liitä sen jälkeen liittyvät taulut kyselyn rakenteen ja tietokantamoottorin optimoinnin parantamiseksi;

5. Käytä rajoittavia WHERE-ehdotuksia: paranna kyselyn suorituskykyä sisällyttämällä rajoittavia ehtoja WHERE-lauseeseen rivien suodattamiseksi ja suorituksen nopeuttamiseksi;

6. Refaktoroi koodi tallennettuihin prosedyyreihin tai funktioihin: kapseloi toistuvat koodiosuudet tallennettuihin prosedyyreihin tai käyttäjän määrittelemiin funktioihin uudelleenkäytettävyyden, modulaarisuuden ja helpomman ylläpidon vuoksi. Näin voidaan vähentää redundanssia ja optimoida SQL-kyselyitä.

Datan osiointi

Datan osiointi on tietokannan optimointitekniikka, jossa suuret taulut tai indeksit jaetaan pienempiin, helpommin hallittaviin osiin eli osioihin. Jokainen osio sisältää osan datasta ja toimii itsenäisesti, mikä mahdollistaa paremman kyselysuorituskyvyn, tehokkaamman datanhallinnan ja paremman skaalautuvuuden.

Indeksointistrategiat

Indeksointi voi parantaa kyselyjen suorituskykyä mahdollistamalla nopeamman tiedon haun tietyissä tapauksissa. Indeksien harkitsematon käyttö voi kuitenkin johtaa järjestelmän ylikuormitukseen ja suorituskyvyn heikkenemiseen.

Tässä suosituksia indeksien tehokkaaseen käyttöön:

• Analysoi kyselykuviot: Tunnista usein suoritetut kyselyt ja ne, jotka käsittelevät suuria tietomääriä. Lisää indeksejä sarakkeisiin, joita käytetään usein hakuehdoissa tai liitoksissa;

• Huomioi datan jakautuminen: ymmärrä indeksoitujen sarakkeiden tietojen jakautuminen. Sarakkeissa, joissa on alhainen kardinaliteetti (esim. boolean- tai sukupuolikentät), indeksoinnista ei välttämättä ole hyötyä. Sen sijaan erittäin selektiivisissä sarakkeissa, kuten pääavaimissa tai yksilöllisissä tunnisteissa, indeksointi voi merkittävästi parantaa suorituskykyä;

• Tasaa luku- ja kirjoitusoperaatiot: käytä indeksejä usein luettavissa sarakkeissa lukutoimintojen nopeuttamiseksi. Vältä kuitenkin indeksien lisäämistä usein muutettaviin sarakkeisiin, sillä ne voivat hidastaa kirjoitusoperaatioita lisäkuormituksen vuoksi;

• Vältä yli-indeksointia: indeksien luominen jokaiseen sarakkeeseen tai taulujen liiallinen indeksointi voi kasvattaa tallennustilan tarvetta, ylläpitokuormaa ja heikentää suorituskykyä. Priorisoi indeksointi sarakkeisiin, jotka ovat olennaisia kyselyjen suorituskyvylle.

Denormalisointi

Denormalisointi on tietokannan optimointitekniikka, jonka tavoitteena on parantaa kyselyjen suorituskykyä lisäämällä harkitusti redundanssia tauluihin. Toisin kuin normalisointi, jossa pyritään poistamaan redundanssia ja varmistamaan tietojen eheys jakamalla taulut pienempiin, toisiinsa liittyviin kokonaisuuksiin, denormalisoinnissa lisätään tarkoituksella päällekkäistä tietoa. Tämä redundanssi auttaa vähentämään monimutkaisten liitosten ja kalliiden operaatioiden tarvetta kyselyissä, mikä nopeuttaa suorituskykyä erityisesti lukuvoittoisissa tehtävissä.