DB2索引问题有哪些？

DB2索引问题有哪些？

前段时间作项目，被数据库的查询效率所困扰，使用的数据库是DB2 8.2 。具体是这样：

表A(a_id, a_title, a_addr, .....) 该表大概50多个字段，200多万条记录，2G大小左右
表B(lib_id, b_id) 记录了b_id所对应的a_id记录集合，每个lib_id大概对应5万左右的A表记录，目前lib_id9个，总共记录数50万左右，以后可能会增长到50个lib_id，记录数达到250万

业务中经常要做表A和B的连接查询，比如下面的语句：( b.lib_id=361对应的记录大概4万条)

(1) select count(*) from A, B where A.a_id = B.b_id and b.lib_id=361
(2) select count(*) from A, B where A.a_id = B.b_id and A.a_addr = '中国' and b.lib_id=361
(3) select count(*) from A, B where A.a_id = B.b_id and A.a_addr like '%宁波%' and b.lib_id=361
(4) select count(*) from A, B where A.a_id = B.b_id and A.a_addr like '宁波%' and b.lib_id=361

分别给A,建立了三个索引a_id, a_title, a_addr，给表B建立了复合索引(b_id, a_id)，结果：

(1) 速度很快 <1s
(2), (3), (4) 速度很慢，超过90s

百思不得其解，就给机器增加了一个硬盘，将表A所在的表空间平均分布到到两个硬盘上，希望能够并行处理。
不过效果不佳，也许是加的硬盘太老的原因(几年前的老硬盘)。如果两个都是SCSI硬盘，应该能够提高些性能。
根据DB2的索引设计程序，建议使用MDC表。同学建议我使用分区表(DB2 9.0 和ORCAL都有)。

不过，昨天这个问题基本解决了，没有使用MDC表，也没有使用分区表。也证明了不是服务器的性能问题。
其实解决办法很简单：就是给表A建立几个复合索引，分别是(a_title, a_id), (a_addr, a_id)。然后进行测试

测试命令：db2batch -d dbname -a username/password -f sqlfilename

(1) select count(*) from A, B where A.a_id = B.b_id 结果集40万 1.14s
(2) select count(*) from A, B where A.a_id = B.b_id and b.lib_id=361 结果集4万 0.72s
(3) select count(*) from A, B where A.a_id = B.b_id and a.addr like '宁波%' and b.lib_id=361 结果集2万 7.63s
(4) select count(*) from A, B where A.a_id = B.b_id and a.addr like '%宁波%' and b.lib_id=361 结果集2万 1.6s
(5) select count(*) from A, B where A.a_id = B.b_id and a.addr like '宁波%' 结果集24.8万 7.7s
(6) select count(*) from A, B where A.a_id = B.b_id and a.addr like '%宁波%' 结果集24.8万 1.86s

对比(3),(4)和(5),(6) 两组数据，发现like '%宁波%' 的速度比 like '宁波%'居然还要快出几倍！

经过研究，又给B表增加了一个索引 lib_id，结果(3)的执行时间减少到0.67s，(4)的时间1.55s.但是又如何来解释语句(5)和(6)之间的巨大差异呢？而且DB2给出的执行计划中(5)的成本只是(6)的20%左右！

经过反复实验，发现可能的原因是 like '宁波%'的结果集过大，因为在其它的查询例如 like '浙江%' 结果集在4k左右，确实比 like '%浙江%'效率高很多。

联想到之前，当我们的表只有20多万条记录时，没有建索引也飞快，可以总结以下经验：

1. 大表的索引很重要，服务器的配置对百万级数据库的性能影响不大。
2. 对于连接查询，应该建立复合索引。
3. 当结果集很大时，like '% .. %' 的效率可能比 like '.. %'高很多。(待理论验证)