2006年08月27日

转载—-虽然 99 年在奥美广告公司上班的时候就听说过 zope 这个产品,但是我真正开始学习使用 zope 却是去年夏天的事了。
现在回忆我在奥美的经历,可能这是我最大的收获。现在我还记得当时奥美的 CTO (挪威人) 给我演示 zope 的强大功能时,我所表现的兴奋。
Zope 到底是个什么东西呢? 简单的说,zope 是个强大的网络服务器产品。不同于 apache ,它提供了更多的东西。
它的主要特点如下:
1: Zope 是一个完全免费的产品,你甚至可以重新打包 zope 卖并销售它,python 和 Zope 在所有开发源码项目中,发布规定是最宽松的了。
2: Zope 中集成了 web server, ftp server。
3: Zope 内置了 CMS (Content Manage System) ,现在大多数网络软件都不提供 CMS ,对于一个大网站来说,比如新浪,tom ,没有CMS ,简直就是无法想象的。 比起很多公司花费上百万购买一些不成熟的 CMS ,zope 真是太棒了。 php ,jsp ,asp 的网站解决方案都没有提供 cms ,都需要另外购买或者使用第三方的软件。需要解释的是, zope 的 cms 是面向程序员的,但是你只要稍微编写一些程序就可以提供用户级别的 CMS.
4: zope 和 python 开发语言是紧密集成在一起的, python 也是免费的,开放源码的,而且这两个开发小组已经合并在一家公司,你可以非常确保 zope 将稳定的发展下去。 python 创始人说过一句话:“zope 是 python 最强大的杀手程序,python 是 zope 的秘密武器”。
5: zope 本身就是一个面向对象数据库,其实你并不需要使用第三方数据库,但是如果想用其他数据库,你可以免费获得所有的数据库 adaptor , Oracle , ODBC, Sybase 是用 zope 公司直接提供, interbase, informix, mysql, postsql 等其他数据库的 adaptor 都免费提供。zope 本身还内置一个小数据库—gadfly, 性能和 access 类似。
6: 可以和 Microsoft IIS 和 apache 等流行web服务器集成。
7: 支持大多数流行协议, ftp, webdav, http put 操作,内置 version 控制,使得多人同使用 zope 编辑相同的文件而不会覆盖对方的修改,使用过 word 修订功能的人一定比较熟悉这些操作。
8: 通过浏览器编写网页,也可以使用各种工具编写网页然后上传到 zope ftp server 。
9: 对于 presentation 层和 logic 层分别提供了脚本工具,dhtml 用于编写网页模板,python 用于开发后台组件。这样可以让不同的人从事不同的网站编写工作而不会影响到对方。
10:undo 功能可以恢复先前的误操作。
11:特有的协作环境可以使得上千人通过浏览器同时编写网站。 www.zope.org 本身就是由上千人同时工作的一个网站。
11: 内置搜索引擎,搜索本站内容不需要编写程序。
12: 安全性,远比 IIS 强大的安全性,支持多种加密方法。内置的安全策略使得你不需要编程就可以享受所有这一切安全特性。
13: 可伸缩性,通过 zeo 技术,你可以安装多个 zope server 分担网络请求。
14: 支持最新的网络服务 web service .
15: 免费提供大多数平台的 zope 版本(binary 和 source 版本),你可以直接从 www.zope.org 下载 sun,linux,windows 版本(大小只有 5MB),其他平台提供源码版本,理论上只要这个平台提供 gcc 和 python,你就可以使用 zope .
16: 开放标准的支持,SQL, ODBC, XML, DOM, FTP, HTTP, FastCGI, XML-RPC, SOAP 等等。
17: 可扩展性好,免费的扩展下载(都是用 python 开发的),你可以从 www.zope.org 上下载别人为 zope 开发的扩展, 在 zope 被称为 product (产品)
等等。
看到这一切,你也许会吃惊,所有网络产品的优点似乎都集成在 zope 中,当然学习 zope 并不容易,现在国内没有什么人翻译这些 zope 资料,不过如果你只是靠看中文资料才能学习技术,那么你就别学习它了。我喜欢它的另外一个原因是—–它是一个开放源码项目,跨平台。大多数喜欢自由的人都喜欢开放源码项目,谁愿意把所有一切都交给 MS 提供的产品呢?

想在互联网取得成功,先听听互联网四大流派八大高手的成功秘诀:

四大流派八大高手:
流氓派 周鸿袆李彦宏 马化腾
忽悠派 马云 齐向东
做秀派 张朝阳
实干派 陈天桥 丁磊

1 流氓派之周鸿袆
想插谁就插谁
周鸿袆是流氓插件的鼻祖
想买谁就买谁
借助IDG,红杉等VC撑腰,其在投资领域更是十足的霸王,不OK就投资你的竞争对手是他的惯用伎俩
2 流氓派之李彦宏
想毙谁就毙谁
回复理由只有一个:有作弊嫌疑。和“蒋委员长”的“宁可错杀一千,不可放过一个”政策如出一辙;
想开谁就开谁
吵的沸沸扬扬的“百度闪电裁员”,更是个不折不扣的流氓行为
3 流氓派之马化腾
恶意弹窗,QQ尾巴等流氓行为已经见怪不怪了,其流氓的重点在于毒害青少年:QQ已成为中国最大的网络赌博组织,是色情的温床……这方面“纯情老男人”在其BLOG“历数腾讯10踪罪,五马分尸马化腾”上写的清楚不过了
4 忽悠派之马云
如果说周鸿袆是流氓插件的鼻祖,那马云就是忽悠派的祖师爷,他的忽悠之能大家都有耳闻,本人也写过一篇“几十万淘宝卖家被马云忽悠了!"的文章,有兴趣的朋友可以看看
5 忽悠派之齐向东
与周鸿袆可谓“臭味相投”,流氓肯定有他的份,但竟然恬不知耻的推出“只杀恶意软件(插件)和代码,而不会增加任何插件”的“360安全卫士”,看看他的论调吧:“奇虎只是一个小网站。任何企业要成就大事业,就必须让人踏踏实实做几件实事,承担一定社会责任。流氓软件害人太深,帮网民就是帮自己。网民知道好东西是奇虎提供的,偶尔会来访问下,我们就很满足了。”一副“荡妇从良’的姿态,其实是”做妓女还要立牌坊“的典范。
6 做秀派之张朝阳
看看下面的文章和他的论调就知道,他是做秀的行家了:张朝阳认为“作秀是一种生活哲学”,人应该“生命不息作秀不止” ,宣称“搜狐将继续作秀”,因为“作秀可以节约广告费 ”。
7 实干派之陈天桥
靠游戏起家的他也“毒害”了不少青少年,但是他拼命,执着的精神,不由得我们不敬佩这个互联网业内为数不多的“真男人”。
8 实干派之丁磊
很少见过关于丁磊的报道,没有“流氓插件风波”,没有“裁员事件”,也没机会去“三亚作秀”,马云和马化腾吵了一架,李彦宏又和张朝阳打起来了,今年的互联网可谓热闹,但好象这些都和这位曾经的中国首富无关。
你会耍流氓吗?你会忽悠吗?会作秀吗?如果你的答案是“不会”,那通往成功的互联网之路只剩一条了,加油,朋友们!

2006年08月21日

 

CREATE TABLE [dbo].[TGongwen] (    –TGongwen是红头文件表名

   [Gid] [int] IDENTITY (1, 1) NOT NULL ,
本表的id号,也是主键

   [title] [varchar] (80) COLLATE Chinese_PRC_CI_AS NULL , 
红头文件的标题

   [fariqi] [datetime] NULL ,
发布日期

   [neibuYonghu] [varchar] (70) COLLATE Chinese_PRC_CI_AS NULL ,
发布用户

   [reader] [varchar] (900) COLLATE Chinese_PRC_CI_AS NULL ,

需要浏览的用户。每个用户中间用分隔符“,”分开

) ON [PRIMARY] TEXTIMAGE_ON [PRIMARY]

GO

 

下面,我们来往数据库中添加1000万条数据:

declare @i int

set @i=1

while @i<=250000

begin

    insert into Tgongwen(fariqi,neibuyonghu,reader,title) values(‘2004-2-5‘,’通信科‘,’通信科,办公室,王局长,刘局长,张局长,admin,刑侦支队,特勤支队,交巡警支队,经侦支队,户政科,治安支队,外事科‘,’这是最先的25万条记录‘)

    set @i=@i+1

end

GO

 

declare @i int

set @i=1

while @i<=250000

begin

    insert into Tgongwen(fariqi,neibuyonghu,reader,title) values(‘2004-9-16‘,’办公室‘,’办公室,通信科,王局长,刘局长,张局长,admin,刑侦支队,特勤支队,交巡警支队,经侦支队,户政科,外事科‘,’这是中间的25万条记录‘)

    set @i=@i+1

end

GO

 

declare @h int

set @h=1

while @h<=100

begin

declare @i int

set @i=2002

while @i<=2003

begin

declare @j int

        set @j=0

        while @j<50

            begin

declare @k int

            set @k=0

            while @k<50

            begin

    insert into Tgongwen(fariqi,neibuyonghu,reader,title) values(cast(@i as varchar(4))+’-8-15 3:’+cast(@j as varchar(2))+’:'+cast(@j as varchar(2)),’通信科‘,’办公室,通信科,王局长,刘局长,张局长,admin,刑侦支队,特勤支队,交巡警支队,经侦支队,户政科,外事科‘,’这是最后的50万条记录‘)

            set @k=@k+1

            end

set @j=@j+1

        end

set @i=@i+1

end

set @h=@h+1

end

GO

 

declare @i int

set @i=1

while @i<=9000000

begin

    insert into Tgongwen(fariqi,neibuyonghu,reader,title) values(‘2004-5-5‘,’通信科‘,’通信科,办公室,王局长,刘局长,张局长,admin,刑侦支队,特勤支队,交巡警支队,经侦支队,户政科,治安支队,外事科‘,’这是最后添加的900万条记录‘)

    set @i=@i+1000000

end

GO

通过以上语句,我们创建了25万条由通信科于200425发布的记录,25万条由办公室于200496发布的记录,2002年和2003年各1002500条相同日期、不同分秒的由通信科发布的记录(共50万条),还有由通信科于200455发布的900万条记录,合计1000万条。

 

一、因情制宜,建立“适当”的索引

建立“适当”的索引是实现查询优化的首要前提。

索引(index)是除表之外另一重要的、用户定义的存储在物理介质上的数据结构。当根据索引码的值搜索数据时,索引提供了对数据的快速访问。事实上,没有索引,数据库也能根据SELECT语句成功地检索到结果,但随着表变得越来越大,使用“适当”的索引的效果就越来越明显。注意,在这句话中,我们用了“适当”这个词,这是因为,如果使用索引时不认真考虑其实现过程,索引既可以提高也会破坏数据库的工作性能。

(一)深入浅出理解索引结构

实际上,您可以把索引理解为一种特殊的目录。微软的SQL SERVER提供了两种索引:聚集索引(clustered index,也称聚类索引、簇集索引)和非聚集索引(nonclustered index,也称非聚类索引、非簇集索引)。下面,我们举例来说明一下聚集索引和非聚集索引的区别:

其实,我们的汉语字典的正文本身就是一个聚集索引。比如,我们要查“安”字,就会很自然地翻开字典的前几页,因为“安”的拼音是“an”,而按照拼音排序汉字的字典是以英文字母“a”开头并以“z”结尾的,那么“安”字就自然地排在字典的前部。如果您翻完了所有以“a”开头的部分仍然找不到这个字,那么就说明您的字典中没有这个字;同样的,如果查“张”字,那您也会将您的字典翻到最后部分,因为“张”的拼音是“zhang”。也就是说,字典的正文部分本身就是一个目录,您不需要再去查其他目录来找到您需要找的内容。

我们把这种正文内容本身就是一种按照一定规则排列的目录称为“聚集索引”。

如果您认识某个字,您可以快速地从自动中查到这个字。但您也可能会遇到您不认识的字,不知道它的发音,这时候,您就不能按照刚才的方法找到您要查的字,而需要去根据“偏旁部首”查到您要找的字,然后根据这个字后的页码直接翻到某页来找到您要找的字。但您结合“部首目录”和“检字表”而查到的字的排序并不是真正的正文的排序方法,比如您查“张”字,我们可以看到在查部首之后的检字表中“张”的页码是672页,检字表中“张”的上面是“驰”字,但页码却是63页,“张”的下面是“弩”字,页面是390页。很显然,这些字并不是真正的分别位于“张”字的上下方,现在您看到的连续的“驰、张、弩”三字实际上就是他们在非聚集索引中的排序,是字典正文中的字在非聚集索引中的映射。我们可以通过这种方式来找到您所需要的字,但它需要两个过程,先找到目录中的结果,然后再翻到您所需要的页码。

我们把这种目录纯粹是目录,正文纯粹是正文的排序方式称为“非聚集索引”。

通过以上例子,我们可以理解到什么是“聚集索引”和“非聚集索引”。

进一步引申一下,我们可以很容易的理解:每个表只能有一个聚集索引,因为目录只能按照一种方法进行排序。

(二)何时使用聚集索引或非聚集索引

下面的表总结了何时使用聚集索引或非聚集索引(很重要)。

动作描述

使用聚集索引

使用非聚集索引

列经常被分组排序

返回某范围内的数据

不应

一个或极少不同值

不应

不应

小数目的不同值

不应

大数目的不同值

不应

频繁更新的列

不应

外键列

主键列

频繁修改索引列

不应

事实上,我们可以通过前面聚集索引和非聚集索引的定义的例子来理解上表。如:返回某范围内的数据一项。比如您的某个表有一个时间列,恰好您把聚合索引建立在了该列,这时您查询2004112004101之间的全部数据时,这个速度就将是很快的,因为您的这本字典正文是按日期进行排序的,聚类索引只需要找到要检索的所有数据中的开头和结尾数据即可;而不像非聚集索引,必须先查到目录中查到每一项数据对应的页码,然后再根据页码查到具体内容。

(三)结合实际,谈索引使用的误区

理论的目的是应用。虽然我们刚才列出了何时应使用聚集索引或非聚集索引,但在实践中以上规则却很容易被忽视或不能根据实际情况进行综合分析。下面我们将根据在实践中遇到的实际问题来谈一下索引使用的误区,以便于大家掌握索引建立的方法。

1、主键就是聚集索引

这种想法笔者认为是极端错误的,是对聚集索引的一种浪费。虽然SQL SERVER默认是在主键上建立聚集索引的。

通常,我们会在每个表中都建立一个ID列,以区分每条数据,并且这个ID列是自动增大的,步长一般为1。我们的这个办公自动化的实例中的列Gid就是如此。此时,如果我们将这个列设为主键,SQL SERVER会将此列默认为聚集索引。这样做有好处,就是可以让您的数据在数据库中按照ID进行物理排序,但笔者认为这样做意义不大。

显而易见,聚集索引的优势是很明显的,而每个表中只能有一个聚集索引的规则,这使得聚集索引变得更加珍贵。

从我们前面谈到的聚集索引的定义我们可以看出,使用聚集索引的最大好处就是能够根据查询要求,迅速缩小查询范围,避免全表扫描。在实际应用中,因为ID号是自动生成的,我们并不知道每条记录的ID号,所以我们很难在实践中用ID号来进行查询。这就使让ID号这个主键作为聚集索引成为一种资源浪费。其次,让每个ID号都不同的字段作为聚集索引也不符合“大数目的不同值情况下不应建立聚合索引”规则;当然,这种情况只是针对用户经常修改记录内容,特别是索引项的时候会负作用,但对于查询速度并没有影响。

在办公自动化系统中,无论是系统首页显示的需要用户签收的文件、会议还是用户进行文件查询等任何情况下进行数据查询都离不开字段的是“日期”还有用户本身的“用户名”。

通常,办公自动化的首页会显示每个用户尚未签收的文件或会议。虽然我们的where语句可以仅仅限制当前用户尚未签收的情况,但如果您的系统已建立了很长时间,并且数据量很大,那么,每次每个用户打开首页的时候都进行一次全表扫描,这样做意义是不大的,绝大多数的用户1个月前的文件都已经浏览过了,这样做只能徒增数据库的开销而已。事实上,我们完全可以让用户打开系统首页时,数据库仅仅查询这个用户近3个月来未阅览的文件,通过“日期”这个字段来限制表扫描,提高查询速度。如果您的办公自动化系统已经建立的2年,那么您的首页显示速度理论上将是原来速度8倍,甚至更快。

在这里之所以提到“理论上”三字,是因为如果您的聚集索引还是盲目地建在ID这个主键上时,您的查询速度是没有这么高的,即使您在“日期”这个字段上建立的索引(非聚合索引)。下面我们就来看一下在1000万条数据量的情况下各种查询的速度表现(3个月内的数据为25万条):

1)仅在主键上建立聚集索引,并且不划分时间段:

Select gid,fariqi,neibuyonghu,title from tgongwen

用时:128470毫秒(即:128秒)

2)在主键上建立聚集索引,在fariq上建立非聚集索引:

select gid,fariqi,neibuyonghu,title from Tgongwen

where fariqi> dateadd(day,-90,getdate())

用时:53763毫秒(54秒)

3)将聚合索引建立在日期列(fariqi)上:

select gid,fariqi,neibuyonghu,title from Tgongwen

where fariqi> dateadd(day,-90,getdate())

用时:2423毫秒(2秒)

虽然每条语句提取出来的都是25万条数据,各种情况的差异却是巨大的,特别是将聚集索引建立在日期列时的差异。事实上,如果您的数据库真的有1000万容量的话,把主键建立在ID列上,就像以上的第12种情况,在网页上的表现就是超时,根本就无法显示。这也是我摒弃ID列作为聚集索引的一个最重要的因素。

得出以上速度的方法是:在各个select语句前加:declare @d datetime

set @d=getdate()

并在select语句后加:

select [语句执行花费时间(毫秒)]=datediff(ms,@d,getdate())

2、只要建立索引就能显著提高查询速度

事实上,我们可以发现上面的例子中,第23条语句完全相同,且建立索引的字段也相同;不同的仅是前者在fariqi字段上建立的是非聚合索引,后者在此字段上建立的是聚合索引,但查询速度却有着天壤之别。所以,并非是在任何字段上简单地建立索引就能提高查询速度。

从建表的语句中,我们可以看到这个有着1000万数据的表中fariqi字段有5003个不同记录。在此字段上建立聚合索引是再合适不过了。在现实中,我们每天都会发几个文件,这几个文件的发文日期就相同,这完全符合建立聚集索引要求的:“既不能绝大多数都相同,又不能只有极少数相同”的规则。由此看来,我们建立“适当”的聚合索引对于我们提高查询速度是非常重要的。

3、把所有需要提高查询速度的字段都加进聚集索引,以提高查询速度

上面已经谈到:在进行数据查询时都离不开字段的是“日期”还有用户本身的“用户名”。既然这两个字段都是如此的重要,我们可以把他们合并起来,建立一个复合索引(compound index)。

很多人认为只要把任何字段加进聚集索引,就能提高查询速度,也有人感到迷惑:如果把复合的聚集索引字段分开查询,那么查询速度会减慢吗?带着这个问题,我们来看一下以下的查询速度(结果集都是25万条数据):(日期列fariqi首先排在复合聚集索引的起始列,用户名neibuyonghu排在后列)

1select gid,fariqi,neibuyonghu,title from Tgongwen where fariqi>’2004-5-5

查询速度:2513毫秒

2select gid,fariqi,neibuyonghu,title from Tgongwen where fariqi>’2004-5-5‘ and neibuyonghu=’办公室

查询速度:2516毫秒

3select gid,fariqi,neibuyonghu,title from Tgongwen where neibuyonghu=’办公室

查询速度:60280毫秒

从以上试验中,我们可以看到如果仅用聚集索引的起始列作为查询条件和同时用到复合聚集索引的全部列的查询速度是几乎一样的,甚至比用上全部的复合索引列还要略快(在查询结果集数目一样的情况下);而如果仅用复合聚集索引的非起始列作为查询条件的话,这个索引是不起任何作用的。当然,语句12的查询速度一样是因为查询的条目数一样,如果复合索引的所有列都用上,而且查询结果少的话,这样就会形成“索引覆盖”,因而性能可以达到最优。同时,请记住:无论您是否经常使用聚合索引的其他列,但其前导列一定要是使用最频繁的列。

(四)其他书上没有的索引使用经验总结

1、用聚合索引比用不是聚合索引的主键速度快

下面是实例语句:(都是提取25万条数据)

select gid,fariqi,neibuyonghu,reader,title from Tgongwen where fariqi=’2004-9-16

使用时间:3326毫秒

select gid,fariqi,neibuyonghu,reader,title from Tgongwen where gid<=250000

使用时间:4470毫秒

这里,用聚合索引比用不是聚合索引的主键速度快了近1/4

2、用聚合索引比用一般的主键作order by时速度快,特别是在小数据量情况下

select gid,fariqi,neibuyonghu,reader,title from Tgongwen order by fariqi

用时:12936

select gid,fariqi,neibuyonghu,reader,title from Tgongwen order by gid

用时:18843

这里,用聚合索引比用一般的主键作order by时,速度快了3/10。事实上,如果数据量很小的话,用聚集索引作为排序列要比使用非聚集索引速度快得明显的多;而数据量如果很大的话,如10万以上,则二者的速度差别不明显。

3、使用聚合索引内的时间段,搜索时间会按数据占整个数据表的百分比成比例减少,而无论聚合索引使用了多少个

select gid,fariqi,neibuyonghu,reader,title from Tgongwen where fariqi>’2004-1-1

用时:6343毫秒(提取100万条)

select gid,fariqi,neibuyonghu,reader,title from Tgongwen where fariqi>’2004-6-6

用时:3170毫秒(提取50万条)

select gid,fariqi,neibuyonghu,reader,title from Tgongwen where fariqi=’2004-9-16

用时:3326毫秒(和上句的结果一模一样。如果采集的数量一样,那么用大于号和等于号是一样的)

select gid,fariqi,neibuyonghu,reader,title from Tgongwen where fariqi>’2004-1-1‘ and fariqi<’2004-6-6

用时:3280毫秒

4 、日期列不会因为有分秒的输入而减慢查询速度

下面的例子中,共有100万条数据,200411以后的数据有50万条,但只有两个不同的日期,日期精确到日;之前有数据50万条,有5000个不同的日期,日期精确到秒。

select gid,fariqi,neibuyonghu,reader,title from Tgongwen where fariqi>’2004-1-1‘ order by fariqi

用时:6390毫秒

select gid,fariqi,neibuyonghu,reader,title from Tgongwen where fariqi<’2004-1-1‘ order by fariqi

用时:6453毫秒

(五)其他注意事项

“水可载舟,亦可覆舟”,索引也一样。索引有助于提高检索性能,但过多或不当的索引也会导致系统低效。因为用户在表中每加进一个索引,数据库就要做更多的工作。过多的索引甚至会导致索引碎片。

所以说,我们要建立一个“适当”的索引体系,特别是对聚合索引的创建,更应精益求精,以使您的数据库能得到高性能的发挥。

当然,在实践中,作为一个尽职的数据库管理员,您还要多测试一些方案,找出哪种方案效率最高、最为有效。

 

二、改善SQL语句

很多人不知道SQL语句在SQL SERVER中是如何执行的,他们担心自己所写的SQL语句会被SQL SERVER误解。比如:

select * from table1 where name=’zhangsan’ and tID > 10000

和执行:

select * from table1 where tID > 10000 and name=’zhangsan’

一些人不知道以上两条语句的执行效率是否一样,因为如果简单的从语句先后上看,这两个语句的确是不一样,如果tID是一个聚合索引,那么后一句仅仅从表的10000条以后的记录中查找就行了;而前一句则要先从全表中查找看有几个name=’zhangsan’的,而后再根据限制条件条件tID>10000来提出查询结果。

事实上,这样的担心是不必要的。SQL SERVER中有一个“查询分析优化器”,它可以计算出where子句中的搜索条件并确定哪个索引能缩小表扫描的搜索空间,也就是说,它能实现自动优化。

虽然查询优化器可以根据where子句自动的进行查询优化,但大家仍然有必要了解一下“查询优化器”的工作原理,如非这样,有时查询优化器就会不按照您的本意进行快速查询。

在查询分析阶段,查询优化器查看查询的每个阶段并决定限制需要扫描的数据量是否有用。如果一个阶段可以被用作一个扫描参数(SARG),那么就称之为可优化的,并且可以利用索引快速获得所需数据。

SARG的定义:用于限制搜索的一个操作,因为它通常是指一个特定的匹配,一个值得范围内的匹配或者两个以上条件的AND连接。形式如下:

列名 操作符 <常数 或 变量>

<常数 或 变量> 操作符列名

列名可以出现在操作符的一边,而常数或变量出现在操作符的另一边。如:

Name=张三

价格>5000

5000<价格

Name=张三 and 价格>5000

如果一个表达式不能满足SARG的形式,那它就无法限制搜索的范围了,也就是SQL SERVER必须对每一行都判断它是否满足WHERE子句中的所有条件。所以一个索引对于不满足SARG形式的表达式来说是无用的。

介绍完SARG后,我们来总结一下使用SARG以及在实践中遇到的和某些资料上结论不同的经验:

1Like语句是否属于SARG取决于所使用的通配符的类型

如:name like % ,这就属于SARG

而:name like % ,就不属于SARG

原因是通配符%在字符串的开通使得索引无法使用。

2or 会引起全表扫描

Name=张三 and 价格>5000 符号SARG,而:Name=张三 or 价格>5000 则不符合SARG。使用or会引起全表扫描。

3、非操作符、函数引起的不满足SARG形式的语句

不满足SARG形式的语句最典型的情况就是包括非操作符的语句,如:NOT!=<>!<!>NOT EXISTSNOT INNOT LIKE等,另外还有函数。下面就是几个不满足SARG形式的例子:

ABS(价格)<5000

Name like %

有些表达式,如:

WHERE 价格*2>5000

SQL SERVER也会认为是SARGSQL SERVER会将此式转化为:

WHERE 价格>2500/2

但我们不推荐这样使用,因为有时SQL SERVER不能保证这种转化与原始表达式是完全等价的。

4IN 的作用相当与OR

语句:

Select * from table1 where tid in (2,3)

Select * from table1 where tid=2 or tid=3

是一样的,都会引起全表扫描,如果tid上有索引,其索引也会失效。

5、尽量少用NOT

6exists in 的执行效率是一样的

很多资料上都显示说,exists要比in的执行效率要高,同时应尽可能的用not exists来代替not in。但事实上,我试验了一下,发现二者无论是前面带不带not,二者之间的执行效率都是一样的。因为涉及子查询,我们试验这次用SQL SERVER自带的pubs数据库。运行前我们可以把SQL SERVERstatistics I/O状态打开。

1select title,price from titles where title_id in (select title_id from sales where qty>30)

该句的执行结果为:

’sales’。扫描计数 18,逻辑读 56 次,物理读 0 次,预读 0 次。

‘titles’。扫描计数 1,逻辑读 2 次,物理读 0 次,预读 0 次。

   

2select title,price from titles where exists (select * from sales where sales.title_id=titles.title_id and qty>30)

第二句的执行结果为:

’sales’。扫描计数 18,逻辑读 56 次,物理读 0 次,预读 0 次。

‘titles’。扫描计数 1,逻辑读 2 次,物理读 0 次,预读 0 次。

我们从此可以看到用exists和用in的执行效率是一样的。

7、用函数charindex()和前面加通配符%LIKE执行效率一样

前面,我们谈到,如果在LIKE前面加上通配符%,那么将会引起全表扫描,所以其执行效率是低下的。但有的资料介绍说,用函数charindex()来代替LIKE速度会有大的提升,经我试验,发现这种说明也是错误的:

select gid,title,fariqi,reader from tgongwen where charindex(‘刑侦支队‘,reader)>0 and fariqi>’2004-5-5

用时:7秒,另外:扫描计数 4,逻辑读 7155 次,物理读 0 次,预读 0 次。

select gid,title,fariqi,reader from tgongwen where reader like ‘%’ + ‘刑侦支队‘ + ‘%’ and fariqi>’2004-5-5

用时:7秒,另外:扫描计数 4,逻辑读 7155 次,物理读 0 次,预读 0 次。

8union并不绝对比or的执行效率高

我们前面已经谈到了在where子句中使用or会引起全表扫描,一般的,我所见过的资料都是推荐这里用union来代替or。事实证明,这种说法对于大部分都是适用的。

select gid,fariqi,neibuyonghu,reader,title from Tgongwen where fariqi=’2004-9-16‘ or gid>9990000

用时:68秒。扫描计数 1,逻辑读 404008 次,物理读 283 次,预读 392163 次。

select gid,fariqi,neibuyonghu,reader,title from Tgongwen where fariqi=’2004-9-16

union

select gid,fariqi,neibuyonghu,reader,title from Tgongwen where gid>9990000

用时:9秒。扫描计数 8,逻辑读 67489 次,物理读 216 次,预读 7499 次。

看来,用union在通常情况下比用or的效率要高的多。

但经过试验,笔者发现如果or两边的查询列是一样的话,那么用union则反倒和用or的执行速度差很多,虽然这里union扫描的是索引,而or扫描的是全表。

select gid,fariqi,neibuyonghu,reader,title from Tgongwen where fariqi=’2004-9-16‘ or fariqi=’2004-2-5

用时:6423毫秒。扫描计数 2,逻辑读 14726 次,物理读 1 次,预读 7176 次。

select gid,fariqi,neibuyonghu,reader,title from Tgongwen where fariqi=’2004-9-16

union

select gid,fariqi,neibuyonghu,reader,title from Tgongwen where  fariqi=’2004-2-5

用时:11640毫秒。扫描计数 8,逻辑读 14806 次,物理读 108 次,预读 1144 次。

9、字段提取要按照“需多少、提多少”的原则,避免“select *

我们来做一个试验:

select top 10000 gid,fariqi,reader,title from tgongwen order by gid desc

用时:4673毫秒

select top 10000 gid,fariqi,title from tgongwen order by gid desc

用时:1376毫秒

select top 10000 gid,fariqi from tgongwen order by gid desc

用时:80毫秒

由此看来,我们每少提取一个字段,数据的提取速度就会有相应的提升。提升的速度还要看您舍弃的字段的大小来判断。

10count(*)不比count(字段)

某些资料上说:用*会统计所有列,显然要比一个世界的列名效率低。这种说法其实是没有根据的。我们来看:

select count(*) from Tgongwen

用时:1500毫秒

select count(gid) from Tgongwen

用时:1483毫秒

select count(fariqi) from Tgongwen

用时:3140毫秒

select count(title) from Tgongwen

用时:52050毫秒

从以上可以看出,如果用count(*)和用count(主键)的速度是相当的,而count(*)却比其他任何除主键以外的字段汇总速度要快,而且字段越长,汇总的速度就越慢。我想,如果用count(*) SQL SERVER可能会自动查找最小字段来汇总的。当然,如果您直接写count(主键)将会来的更直接些。

11order by按聚集索引列排序效率最高

我们来看:(gid是主键,fariqi是聚合索引列)

select top 10000 gid,fariqi,reader,title from tgongwen

用时:196 毫秒。 扫描计数 1,逻辑读 289 次,物理读 1 次,预读 1527 次。

select top 10000 gid,fariqi,reader,title from tgongwen order by gid asc

用时:4720毫秒。 扫描计数 1,逻辑读 41956 次,物理读 0 次,预读 1287 次。

select top 10000 gid,fariqi,reader,title from tgongwen order by gid desc

用时:4736毫秒。 扫描计数 1,逻辑读 55350 次,物理读 10 次,预读 775 次。

select top 10000 gid,fariqi,reader,title from tgongwen order by fariqi asc

用时:173毫秒。 扫描计数 1,逻辑读 290 次,物理读 0 次,预读 0 次。

select top 10000 gid,fariqi,reader,title from tgongwen order by fariqi desc

用时:156毫秒。 扫描计数 1,逻辑读 289 次,物理读 0 次,预读 0 次。

从以上我们可以看出,不排序的速度以及逻辑读次数都是和“order by 聚集索引列” 的速度是相当的,但这些都比“order by 非聚集索引列”的查询速度是快得多的。

同时,按照某个字段进行排序的时候,无论是正序还是倒序,速度是基本相当的。

12、高效的TOP

事实上,在查询和提取超大容量的数据集时,影响数据库响应时间的最大因素不是数据查找,而是物理的I/0操作。如:

select top 10 * from (

select top 10000 gid,fariqi,title from tgongwen

where neibuyonghu=’办公室

order by gid desc) as a

order by gid asc

这条语句,从理论上讲,整条语句的执行时间应该比子句的执行时间长,但事实相反。因为,子句执行后返回的是10000条记录,而整条语句仅返回10条语句,所以影响数据库响应时间最大的因素是物理I/O操作。而限制物理I/O操作此处的最有效方法之一就是使用TOP关键词了。TOP关键词是SQL SERVER中经过系统优化过的一个用来提取前几条或前几个百分比数据的词。经笔者在实践中的应用,发现TOP确实很好用,效率也很高。但这个词在另外一个大型数据库ORACLE中却没有,这不能说不是一个遗憾,虽然在ORACLE中可以用其他方法(如:rownumber)来解决。在以后的关于“实现千万级数据的分页显示存储过程”的讨论中,我们就将用到TOP这个关键词。

 

到此为止,我们上面讨论了如何实现从大容量的数据库中快速地查询出您所需要的数据方法。当然,我们介绍的这些方法都是“软”方法,在实践中,我们还要考虑各种“硬”因素,如:网络性能、服务器的性能、操作系统的性能,甚至网卡、交换机等。

 

三、实现小数据量和海量数据的通用分页显示存储过程

建立一个web 应用,分页浏览功能必不可少。这个问题是数据库处理中十分常见的问题。经典的数据分页方法是:ADO 纪录集分页法,也就是利用ADO自带的分页功能(利用游标)来实现分页。但这种分页方法仅适用于较小数据量的情形,因为游标本身有缺点:游标是存放在内存中,很费内存。游标一建立,就将相关的记录锁住,直到取消游标。游标提供了对特定集合中逐行扫描的手段,一般使用游标来逐行遍历数据,根据取出数据条件的不同进行不同的操作。而对于多表和大表中定义的游标(大的数据集合)循环很容易使程序进入一个漫长的等待甚至死机。

更重要的是,对于非常大的数据模型而言,分页检索时,如果按照传统的每次都加载整个数据源的方法是非常浪费资源的。现在流行的分页方法一般是检索页面大小的块区的数据,而非检索所有的数据,然后单步执行当前行。

    最早较好地实现这种根据页面大小和页码来提取数据的方法大概就是“俄罗斯存储过程”。这个存储过程用了游标,由于游标的局限性,所以这个方法并没有得到大家的普遍认可。

后来,网上有人改造了此存储过程,下面的存储过程就是结合我们的办公自动化实例写的分页存储过程:

CREATE procedure pagination1

(@pagesize int,  页面大小,如每页存储20条记录

@pageindex int   当前页码

)

as

set nocount on

begin

declare @indextable table(id int identity(1,1),nid int)  定义表变量

declare @PageLowerBound int  定义此页的底码

declare @PageUpperBound int  定义此页的顶码

set @PageLowerBound=(@pageindex-1)*@pagesize

set @PageUpperBound=@PageLowerBound+@pagesize

set rowcount @PageUpperBound

insert into @indextable(nid) select gid from TGongwen where fariqi >dateadd(day,-365,getdate()) order by fariqi desc

select O.gid,O.mid,O.title,O.fadanwei,O.fariqi from TGongwen O,@indextable t where O.gid=t.nid

and t.id>@PageLowerBound and t.id<=@PageUpperBound order by t.id

end

set nocount off

以上存储过程运用了SQL SERVER的最新技术――表变量。应该说这个存储过程也是一个非常优秀的分页存储过程。当然,在这个过程中,您也可以把其中的表变量写成临时表:CREATE TABLE #Temp。但很明显,在SQL SERVER中,用临时表是没有用表变量快的。所以笔者刚开始使用这个存储过程时,感觉非常的不错,速度也比原来的ADO的好。但后来,我又发现了比此方法更好的方法。

笔者曾在网上看到了一篇小短文《从数据表中取出第n条到第m条的记录的方法》,全文如下:

publish 表中取出第 n 条到第 m 条的记录:
SELECT TOP m-n+1 *
FROM publish
WHERE (id NOT IN
    
(SELECT TOP n-1 id
     FROM publish))

id publish 表的关键字

我当时看到这篇文章的时候,真的是精神为之一振,觉得思路非常得好。等到后来,我在作办公自动化系统(ASP.NET+ C#SQL SERVER)的时候,忽然想起了这篇文章,我想如果把这个语句改造一下,这就可能是一个非常好的分页存储过程。于是我就满网上找这篇文章,没想到,文章还没找到,却找到了一篇根据此语句写的一个分页存储过程,这个存储过程也是目前较为流行的一种分页存储过程,我很后悔没有争先把这段文字改造成存储过程:

CREATE PROCEDURE pagination2
(
 @SQL nVARCHAR(4000),    不带排序语句的SQL语句
 @Page int,              页码
 @RecsPerPage int,       每页容纳的记录数
 @ID VARCHAR(255),       需要排序的不重复的ID
 @Sort VARCHAR(255)      排序字段及规则
)
AS

DECLARE @Str nVARCHAR(4000)

SET @Str=’SELECT   TOP ‘+CAST(@RecsPerPage AS VARCHAR(20))+’ * FROM (‘+@SQL+’) T WHERE T.’+@ID+’NOT IN
(SELECT
   TOP ‘+CAST((@RecsPerPage*(@Page-1)) AS VARCHAR(20))+’ ‘+@ID+’ FROM (‘+@SQL+’) T9 ORDER BY ‘+@Sort+’) ORDER BY ‘+@Sort

PRINT @Str

EXEC sp_ExecuteSql @Str
GO

其实,以上语句可以简化为:

SELECT TOP 页大小 *

FROM Table1

WHERE (ID NOT IN

          (SELECT TOP 页大小*页数 id

         FROM

         ORDER BY id))

ORDER BY ID

但这个存储过程有一个致命的缺点,就是它含有NOT IN字样。虽然我可以把它改造为:

SELECT TOP 页大小 *

FROM Table1

WHERE not exists

(select * from (select top (页大小*页数) * from table1 order by id) b where b.id=a.id )

order by id

即,用not exists来代替not in,但我们前面已经谈过了,二者的执行效率实际上是没有区别的。

既便如此,用TOP 结合NOT IN的这个方法还是比用游标要来得快一些。

虽然用not exists并不能挽救上个存储过程的效率,但使用SQL SERVER中的TOP关键字却是一个非常明智的选择。因为分页优化的最终目的就是避免产生过大的记录集,而我们在前面也已经提到了TOP的优势,通过TOP 即可实现对数据量的控制。

在分页算法中,影响我们查询速度的关键因素有两点:TOPNOT INTOP可以提高我们的查询速度,而NOT IN会减慢我们的查询速度,所以要提高我们整个分页算法的速度,就要彻底改造NOT IN,同其他方法来替代它。

我们知道,几乎任何字段,我们都可以通过max(字段)min(字段)来提取某个字段中的最大或最小值,所以如果这个字段不重复,那么就可以利用这些不重复的字段的maxmin作为分水岭,使其成为分页算法中分开每页的参照物。在这里,我们可以用操作符“>”或“<”号来完成这个使命,使查询语句符合SARG形式。如:

Select top 10 * from table1 where id>200

于是就有了如下分页方案:

select top 页大小 *

from table1

where id>

      (select max (id) from

      (select top ((页码-1)*页大小) id from table1 order by id) as T

       )    

  order by id

在选择即不重复值,又容易分辨大小的列时,我们通常会选择主键。下表列出了笔者用有着1000万数据的办公自动化系统中的表,在以GIDGID是主键,但并不是聚集索引。)为排序列、提取gid,fariqi,title字段,分别以第11010050010001万、10万、25万、50万页为例,测试以上三种分页方案的执行速度:(单位:毫秒)

 

方案1

方案2

方案3

1

60

30

76

10

46

16

63

100

1076

720

130

500

540

12943

83

1000

17110

470

250

1

24796

4500

140

10

38326

42283

1553

25

28140

128720

2330

50

121686

127846

7168

从上表中,我们可以看出,三种存储过程在执行100页以下的分页命令时,都是可以信任的,速度都很好。但第一种方案在执行分页1000页以上后,速度就降了下来。第二种方案大约是在执行分页1万页以上后速度开始降了下来。而第三种方案却始终没有大的降势,后劲仍然很足。

在确定了第三种分页方案后,我们可以据此写一个存储过程。大家知道SQL SERVER的存储过程是事先编译好的SQL语句,它的执行效率要比通过WEB页面传来的SQL语句的执行效率要高。下面的存储过程不仅含有分页方案,还会根据页面传来的参数来确定是否进行数据总数统计。

获取指定页的数据

CREATE PROCEDURE pagination3

@tblName   varchar(255),       表名

@strGetFields varchar(1000) = ‘*’,  需要返回的列

@fldName varchar(255)=”,      排序的字段名

@PageSize   int = 10,          页尺寸

@PageIndex  int = 1,           页码

@doCount  bit = 0,   返回记录总数, 0 值则返回

@OrderType bit = 0,  设置排序类型, 0 值则降序

@strWhere  varchar(1500) = ”  查询条件 (注意: 不要加 where)

AS

declare @strSQL   varchar(5000)       主语句

declare @strTmp   varchar(110)        临时变量

declare @strOrder varchar(400)        排序类型

 

if @doCount != 0

  begin

    if @strWhere !=”

    set @strSQL = "select count(*) as Total from [" + @tblName + "] where "+@strWhere

    else

    set @strSQL = "select count(*) as Total from [" + @tblName + "]"

end 

以上代码的意思是如果@doCount传递过来的不是0,就执行总数统计。以下的所有代码都是@doCount0的情况

else

begin

 

if @OrderType != 0

begin

    set @strTmp = "<(select min"

set @strOrder = " order by [" + @fldName +"] desc"

如果@OrderType不是0,就执行降序,这句很重要!

end

else

begin

    set @strTmp = ">(select max"

    set @strOrder = " order by [" + @fldName +"] asc"

end

 

if @PageIndex = 1

begin

    if @strWhere != ”  

    set @strSQL = "select top " + str(@PageSize) +" "+@strGetFields+ "  from [" + @tblName + "] where " + @strWhere + " " + @strOrder

     else

     set @strSQL = "select top " + str(@PageSize) +" "+@strGetFields+ "  from ["+ @tblName + "] "+ @strOrder

如果是第一页就执行以上代码,这样会加快执行速度

end

else

begin

以下代码赋予了@strSQL以真正执行的SQL代码

set @strSQL = "select top " + str(@PageSize) +" "+@strGetFields+ "  from ["

    + @tblName + "] where [" + @fldName + "]" + @strTmp + "(["+ @fldName + "]) from (select top " + str((@PageIndex-1)*@PageSize) + " ["+ @fldName + "] from [" + @tblName + "]" + @strOrder + ") as tblTmp)"+ @strOrder

 

if @strWhere != ”

    set @strSQL = "select top " + str(@PageSize) +" "+@strGetFields+ "  from ["

        + @tblName + "] where [" + @fldName + "]" + @strTmp + "(["

        + @fldName + "]) from (select top " + str((@PageIndex-1)*@PageSize) + " ["

        + @fldName + "] from [" + @tblName + "] where " + @strWhere + " "

        + @strOrder + ") as tblTmp) and " + @strWhere + " " + @strOrder

end

end  

exec (@strSQL)

GO

上面的这个存储过程是一个通用的存储过程,其注释已写在其中了。

在大数据量的情况下,特别是在查询最后几页的时候,查询时间一般不会超过9秒;而用其他存储过程,在实践中就会导致超时,所以这个存储过程非常适用于大容量数据库的查询。

笔者希望能够通过对以上存储过程的解析,能给大家带来一定的启示,并给工作带来一定的效率提升,同时希望同行提出更优秀的实时数据分页算法。

 

四、聚集索引的重要性和如何选择聚集索引

在上一节的标题中,笔者写的是:实现小数据量和海量数据的通用分页显示存储过程。这是因为在将本存储过程应用于“办公自动化”系统的实践中时,笔者发现这第三种存储过程在小数据量的情况下,有如下现象:

1、分页速度一般维持在1秒和3秒之间。

2、在查询最后一页时,速度一般为5秒至8秒,哪怕分页总数只有3页或30万页。

虽然在超大容量情况下,这个分页的实现过程是很快的,但在分前几页时,这个13秒的速度比起第一种甚至没有经过优化的分页方法速度还要慢,借用户的话说就是“还没有ACCESS数据库速度快”,这个认识足以导致用户放弃使用您开发的系统。

笔者就此分析了一下,原来产生这种现象的症结是如此的简单,但又如此的重要:排序的字段不是聚集索引!

本篇文章的题目是:“查询优化及分页算法方案”。笔者只所以把“查询优化”和“分页算法”这两个联系不是很大的论题放在一起,就是因为二者都需要一个非常重要的东西――聚集索引。

在前面的讨论中我们已经提到了,聚集索引有两个最大的优势:

1、以最快的速度缩小查询范围。

2、以最快的速度进行字段排序。

1条多用在查询优化时,而第2条多用在进行分页时的数据排序。

而聚集索引在每个表内又只能建立一个,这使得聚集索引显得更加的重要。聚集索引的挑选可以说是实现“查询优化”和“高效分页”的最关键因素。

但要既使聚集索引列既符合查询列的需要,又符合排序列的需要,这通常是一个矛盾。

笔者前面“索引”的讨论中,将fariqi,即用户发文日期作为了聚集索引的起始列,日期的精确度为“日”。这种作法的优点,前面已经提到了,在进行划时间段的快速查询中,比用ID主键列有很大的优势。

但在分页时,由于这个聚集索引列存在着重复记录,所以无法使用maxmin来最为分页的参照物,进而无法实现更为高效的排序。而如果将ID主键列作为聚集索引,那么聚集索引除了用以排序之外,没有任何用处,实际上是浪费了聚集索引这个宝贵的资源。

为解决这个矛盾,笔者后来又添加了一个日期列,其默认值为getdate()。用户在写入记录时,这个列自动写入当时的时间,时间精确到毫秒。即使这样,为了避免可能性很小的重合,还要在此列上创建UNIQUE约束。将此日期列作为聚集索引列。

有了这个时间型聚集索引列之后,用户就既可以用这个列查找用户在插入数据时的某个时间段的查询,又可以作为唯一列来实现maxmin,成为分页算法的参照物。

经过这样的优化,笔者发现,无论是大数据量的情况下还是小数据量的情况下,分页速度一般都是几十毫秒,甚至0毫秒。而用日期段缩小范围的查询速度比原来也没有任何迟钝。

聚集索引是如此的重要和珍贵,所以笔者总结了一下,一定要将聚集索引建立在:

1、您最频繁使用的、用以缩小查询范围的字段上;

2、您最频繁使用的、需要排序的字段上。

2006年08月18日

分类信息网站之所以突然火起来,是因为大家忽然发现Craigslist在美国居然如此火爆。Google一下“分类信息”,可以找到1.94亿个结果;百度一下,可以找到2000多万个结果。所有做分类信息的,都误以为,搞不好自己就成了中国的Craigslist。不过,大家似乎都忘了一个简单的事实,即Craigslist已经做了整整11年。

你可以把Craigslist看作一个分类信息网站,但我还是更愿意把它看作一个社区。Craigslist从最初一个简单的邮件列表,发展到覆盖整个湾区的生活社区,再逐渐向其他城市扩展,这才成就了今天的Craigslist。社区氛围和社区文化,是Craigslist的灵魂,后来衍生出的所有其他商业价值,无不依托于这个灵魂。如果Craigslist不是一个社区,用户没有每天在上面泡一泡的习惯,那么它的招聘、房地产信息,就无法成为一种收入来源。

一个社区和一个纯分类网站的区别在于,社区的任务是让用户交流,纯分类网站的任务是挣钱。Craigslist创始人Newmark说:“我们的首要任务不是挣钱,服务社区是我们的首要任务。我们不会上市,不会引入风险投资,不会在网站上刊登广告,不会收取会员费,大部分人的帖子将是免费的。”

麦田把Craigslist的成功,归结为美国的“后院文化”,这个结论有点奇怪。实际上,Craigslist最初只是Craig用来发布一些旧金山文化和艺术活动消息的,但需求者众多,以至于一个邮件列表根本无法承受巨大的发送任务,这才有了网站。你可以发现,Craigslist从一开始,就是为某个地域的居民的日常信息交换而存在的。之所以起源于旧金山,是因为这个区域是美国高科技公司最集中的地区,这里的居民更习惯通过互联网进行交流,获取信息。这跟“后院”毫无关系,倒是跟这里的居民对电子信息交换的需求有很大关系。

反观国内的分类网站,几乎都是为分类而分类,直来直去,其结果,只有信息发布者,没有信息接收者。麦田也承认,国内的分类信息网站无法产生“黏性”,因此他认为,“中文分类网站,就是‘一锤子’买卖,非常类似你在火车站向外地客人兜售商品——流量是王!别的都是扯淡。”问题是,一个压根不值得泡的网站,流量从哪儿来?

麦田一口咬定,社区模式的分类信息网站在中国不可能成功。我想,主要原因还在于,经营一个成功的生活或垂直社区,需要太长的时间,而做分类信息的这些公司,根本等不起,所以他们必须走捷径。其实,倒是一些生活类社区和垂直社区,要比纯分类信息网站更有价值。比如招聘程序员,最好的地方肯定不是那些纯分类网站,而是像CSDN这样的程序员垂直社区,尽管他们在这方面做得并不好。

没有社区依托的分类网站,更大的问题还在于,它自身将面临越来越严重的虚假信息的威胁。一个运转良好的社区,社区成员之间比较容易建立信任关系,这种信任让虚假信息更容易辨别,从而很难达到骗人的目的。一锤子买卖的分类网站,不但会让自己面临陷入法律纠纷的巨大风险,而且基本上不可能建立品牌。没有品牌的分类网站,大概只能是大家都长不大,永远在低水平竞争,永远处在产业链的最底端。

2006年08月16日

seo职业化早已经不是新闻了,但需要关注的seo未来的发展,搜索引擎优化道路会往何方?因为从现在关注的国外的 搜索引擎优化的动向来看,搜索引擎优化已经发展到一个涵盖各个网络层次范围的一个特殊的职业。现在对于我们而言,国内的seo处于刚起步不久但发展速度异常迅速的阶段,虽然日渐成熟,但整体上还不能说与国际上接轨,那么我给出一些想法和建议,希望大家都能参与这样的讨论。

搜索引擎优化未来研究的走向主要分成策略化和技术全面化。

策略化的走向是:

研究搜索引擎未来的走向和市场的划分
研究搜索引擎与用户之间的联系,包括搜索者的心理和背景等相关因素
搜索引擎优化在不同性质站点中的实际运用方式
网络营销策略在搜索引擎营销中的体现形式
研究利用搜索引擎如何在网络中创立和推广品牌
研究企业级用户和网站级用户的实际需求和战略规划
研究付费推广与本体站点搜索引擎优化之间的联系
技术全面化的走向是:

研究与分析搜索引擎中一些基本的算法和可能的因素
研究不同站点框架的优势和页面布局因素在搜索引擎优化中的影响
研究主机域名等非主流因素影响力度
研究地图与网页结构的影响
研究keywords以及内容的排列方式

以前很多人都刻意的去追求google或者baidu的排名,并由此衍生了针对各个搜索引擎不同的搜索引擎优化策略, 这样做法就是在单一的搜索引擎中排名良好却牺牲了其他搜索引擎的排名。但这个我认为错误的想法正在得到逐步的更正,越来越多的客户在选择的时候都会选择在各个搜索引擎中获得良好的排名,因为这样可以为他们带来更多的利益。现在中国市场主流的搜索引擎包括:google、baidu、yahoo!和MSN。想要同时在这四大搜索引擎都排列前茅绝对不是容易的事情。

那么把握住各个搜索引擎的共同点和差异化是非常研究此问题的关键要素。点石小鹏将自己的一点想法拿出来给大家探讨,希望能够听到大家的想法并以此交流。

首先我们来了解下其过程,每个搜索引擎都有自己独特的算法和索引方式:google的Googlebot,baidu的baiduspider,yahoo!的Slurp以及msn的msnbot,但他们的共同点只有一个:搜集到信息。过程都是发现文件资料和文件然后出现在其搜索结果中,而蜘蛛(机器人、爬虫)也经常会由某一个网页,然后深入挖掘其他内部文件,发现变化,从而索引到更多的信息,这就是我们常说的搜索引擎的更新。从这一点上从索引上来说,最快的是msn以及baidu,第二是yahoo,最后是google(这句话是个人的看法)。

从这里开始,我们可以开始的seo的工作是:建立一个良好的网站的框架以及建立一个有效的链接策略。使的各类的搜索引擎机器人更有利于阅读和索引。在这一点上我认为在建站初期的目标已经确定,剩下的就是所使用的方法和技术手段。如果是需要获得更好的索引,那么良好的地图和的内链以及高质量的外部链接是非常重要的。

现在我们来看一步,当机器人将数据反馈到搜索引擎,就该是引擎对其排名,那么这又是如何体现的呢?是根据自身的排名算法和网站分类排名文件。就是我们通常说的搜索引擎对其内容的审查和评价。这是排名非常关键的过程。通过研究其可能要素,分别为:网页的地址、网页的结构、网页之间的相互联系、网页的出现时间和方式、网页的主题。搜索引擎都会有不同的几种算法来发现网页内容的主题和网页内容要素以及网页全局要素。对网页内的可能内部要素可细分为:title、mate标签、文本和结构等。对网页外部的可能要素可细分为:外部链接、内部链接、整站的整体素质、搜索的用户数量级、该主题在其网页搜索中竞争环境。

如果将其主流搜索引擎排名的可能的主要因素以特征方式体现,如下:

google:标签、外链、结构、html代码、内容、更新强度、关键字词密度、网页url地址、原来在google中该网站的历史文件的对比。

baidu:标签、外链、结构、html代码、内容、更新强度、关键字词密度、网页url地址。

yahoo!:标签、结构、html代码、内容、更新强度、原来在google中该网站的历史文件的对比、其它网页对比。

msn:标签、结构、html代码、内容、更新强度。

以上特征基本上体现了在主流搜索引擎排名的可能要素,其中标签、结构、html代码、网页url地址并不太困难,难点在内容创新、更新的频率、关键字词的把握上,这需要些经验来作为seo的辅助。

在这里,我觉得最重要的是内容创新这点,因为像一个新的网站在始终在向搜索引擎集中的表达最基本的内容和结构的基础上,搜索引擎随着时间的推移已经将站内旧的信息全部的索引,那么只有新鲜的内容才会使的他们有足够的兴趣,保持好的内容创新是各个搜索引擎常光顾和获得良好排名的主要因素。

最后,我的观点是,一个好的seo策略是建立在整体的营销思路上的,而不是片面的去追求某个单纯的因素。只有这样的seo策略才会受到各个搜索引擎的喜爱,从而在各搜索引擎都名列前茅。

什么是keywords密度?

keywords密度是指keywords出现的次数和keywords关联字词出现的次数与整个网页文本之比,keywords在文本中出现的次数越多,那么keywords密度越高,反之就越低。

各搜索引擎keywords密度比例不同?

是的,现在主流搜索引擎中,google、baidu、yahoo!、MSN、sogou、iask等都将keywords密度做为其排名算法考虑因素之一,每个搜索引擎都有不同的算法计算密度比例从而获得排名位置,当然,容忍的关键字词密度容量是不一样的,我的观察是容忍从大到小排列依次是google,MSN,然后是baidu,sogou ,iask,yahoo!最低。

有一个准确的公式或者比例总数来限定其密度吗?

很遗憾的告诉你,没有一个准确的公式。现在有SEO站点中提到的是2%~8%以内,但根据最新国外和我自己的研究表明:如果需要在各个搜索引擎中都有很好的表现,请控制keywords密度在5%左右。当然,并不能排除在一个页面中出现keywords密度很高的情况,这个如果是实际需要的,还是可以保留,毕竟网站是给客户看的,尽量提供最有价值的信息给访客才是最重要的考虑点之一,不过需要澄清的是,那样的页面有可能会被搜索引擎自动的过滤掉。

keywords允许出现的位置在哪儿?

由于keywords密度是相对于整个网页的文本之比,那么对于出现的位置来说,可以出现keyword的地方可以是title,元标签,文本正文或者其他地方。有人使用网页中的alt属性来做为keywords密度加强,这个属性在搜索引擎中的权值已经被降低,但不是说没有用,点石小鹏给出的建议是:结合alt属性中的锚文本和主页中的其他元素告诉搜索引擎该网页的主题。这样的做法不会受到惩罚,而且会对搜索引擎优化有一定的好处。

keywords密度中keyword出现的最好地方在哪儿?

其实这个早已是公开的秘密,对于网页中出现keyword的地方是tite元素。点石小鹏给出的建议是在这里最多出现2次的关键字词加强,不要超过3次,否则有可能造成keywords密度过大而被搜索引擎过滤和抛弃。

keyword可以有哪些出现的形式?

对此有不同的理解和看法,理想的做法是将keyword整合到一句话中,当然还有复合的keyword词组,使用特别的排列方式,最好的做法是,研究搜索者可能的搜索行为和意识,将此做为参考的有力依据,那么整个的keywords密度会比较合适。从而达到比较好的效果。

什么是增加keywords密度的最好方式

毫无疑问,最佳选择的是通过网站本身的内容来做为有效支撑!要知道所有的技巧和方法都是为了增加你网站的浏览者,是给他们看的,而不是做给搜索引擎看的,浏览者有可能变成给你带来利益的群体。我建议大家看看点石zac“网站内容是搜索引擎优化的第一要素 ”。希望大家能重新回归到建设网站的内容之中去。

1、web2.0提了也白提
web2.0这是一个概念,打着web2.0的概念,只是说技术如何如何2.0,战略如何2.0,其实意 义真的不大。投资人需要的是一个网民能够接受,并且很有特点的网站,能够满足网民的某个需求,或者能够引导网民的某个需求。你的网站提供的服务只要是有市 场潜力的,有发展空间的,真的不用冠上某个新鲜的概念。
2、不要和投资人谈什么大战略
你一上来就是网站建设大而全,这些那些统统都有,栏目100个,功能1000个,网民来了就一站搞定,根 本不用去其他地方了。投资人一般认为这是不可能的。一个栏目都建设不好,谈什么所有的栏目都建设的好呢?而且,耗资巨大,建设时间动不动就是一年一年半, 等到建设好了,黄花菜都凉了。见过一个人提了个虚拟城市的计划,几乎连政府部门都搬进来了,投资人会说:你说的是对的,但是谁敢给你投资做这个看着很美妙 却是一个海市蜃楼的东西?
3、先有第一批用户是至关重要的
不要指望着网站大了,功能全了,用户就来了,一个网站做起来,第一批用户的作用是至关重要的。如果告诉 我第一批用户就是网站宣传出来的,我肯定会只给打20分。你必须有一个非常有粘性的吸引网民能够来注册的特点。我们谈的是一个战役,战役开始攻占第一个山 头是决定成败的,而不是和我描述整个战役是否能够成功,那是纸上谈兵,诸葛亮都有过这个点上的投资错误,结果是斩了马谡。所以投资人的在这个方面的教训远 比你想的更深刻。
4、不要抓大而放小
别小看一个网站中很小的一个功能或者服务,你的这个小服务,很可能就是桥头堡,很可能形成一个网站内的环境,一上来 就是视频战略如何如何,内容战略如何,某项宏大的市场活动如何。其实投资人要听的只是你第一步的特点,网民没有时间来听你谈战略,他们进来可不是来关心你 还没有实现的这些战略的,他们要的是吸引他们的东西,哪怕只是一个会员视频认证或提供更漂亮的模板,或者让他们看到你网站上面全都是穿三点的会员。
5、无线应用绝对不是盈利模式的全部
没有盈利模式,就拿无线来凑,可是一个新网站,能不能得到特服号不说,如何和其他SP竞争也是一个问题。别人凭什么要来订阅你的服务,或者给你拨打声讯电话?首先你的盈利模式不需要无线就能存在,再拉上无线,这样才有说服力。
6、不是有激情就可以
你没有什么管理经验或者运营经验,你提的点子再好,但我怎么相信你就能把一个团队管理好?搞企业可不是几个好朋友过家家,宣传推广也是烧钱就一定有效果。你都没有失败过,怎么知道你这样做就一定成功?
7、别指望网民给你提供内容
你作为机构,自己都不能生产出合适的内容,而指望网民来提供内容,那几乎太高估我们的网民的综合实力了,美国80%网民的人还都不知道BLOG是何物。就算是你的原则就是不生产,只要也要有整合某些内容的能力或者引导内容生产的能力。
8、不要吹嘘合作伙伴是什么顶尖团队
一说就是技术人员是负责以前某个项目的,结果一问是做旅店的视频监控的,却非要说他能够负责整个网站的技术实现。这个技术跨度让人感觉很可怕。你还不如实话实说,他做视频监控也一定有技术特点或者优势的,没必要包装成大而全的技术专家。
9、毕业三年最好自己做,不要想着能找到投资
才毕业三年,自己以前都没有自己的网站,就要召集几个和你一样的年轻人找别人要投资。太浮 躁了吧。的确有一毕业就创业成功的,但是你也要知道别人在上学的时候干的事情你根本没有勇气去尝试。老是拿者别人的成功来掩饰自己的缺点,或者来证明自己 也有成功的可能性,是很幼稚的。
10、不要以为你的想法没有人想过
真的不要在没有了解清楚之前,就为自己的某几个想法激动的睡不着觉,好像是投资人眼界还没有你高,没 有理解你的伟大的思路,不能理解你的独创性。还给人冠上不是伯乐的帽子。实际上你自己去好好的搜索一下,你这个想法在好几年前就有了,而且有人已经做出来 了。所以在谈话和计划书上不要吹嘘什么自己是独创性的,前无古人后无来者,会让人发笑。
11、不要以为投资人是傻冒
投资人是要靠投资来赚钱的,当然会比较慎重,如果碰到特别好的项目,投资人一定会仔细的考虑,并且会给你一些更多的帮助。因为投资人也知道帮你成功了,他们也就发财了。所以不要以为投资人是傻冒,摆着的钱都不赚。实际上投资人比你要聪明的多。
12、你的网站至少是已经开发完成80%以上了,才有和投资人争论的资本
网站只开发了不到50%,模样都还看不出来,就想获得投资,这 几乎是不可能的。可能你的点子真的很好,但是既然是好的点子,那就应该全部完成了以后,再找投资人谈谈,让他看看现成的成果。50%的网站就非要给人看, 你自己不怕别人把你的东西都学去吗?现在就和投资人争论只是没有完全开发出来,所以你还看不出来,实际上是如何如何的,这都是没有什么意义的。
13、要知道自己的网站以后的拓展方向在哪里
如果你能让投资人相信你能走好第一步,那么你就应该详细的说明下一步你们网站还能扩大些什 么具体业务,可以包容什么样的人群,不要一上来就是说我的业务对象和人群就是15-30岁的年轻人。这些人群如何聚集起来,是要一步步的来的,也和你自己 的平台本身的拓展性有很大的关系。这是一个分步骤的计划,也是对自己网站的延展性的描述。一定要重视。投资人的投资,是希望你的网站能够不断扩大业务种类 和用户范围,而不是做出来什么样,就是什么样。
14、成本要算的清楚
我看过一个计划,15个人月薪总支出就是20多万,而一年的人工成本是多少,硬件设备,带宽成本都没有算,这钱花 着也太容易了吧。又不是你饿了就随手能够采到果子吃,基本生存的成本都算的不清楚,以后的钱要支出的方面更多,难道给投资人一笔糊涂账就OK了?所以,你 应该字仔细的把成本都考虑清楚,如果你连加班要用的牙刷牙膏的成本都想到了,投资人会很欣慰的。
15、团队一定要性格互补,并有合作的经验
拉着几个人,谈了两三天,刚好几个人都没工作或者不满现状,就宣布团队成立了。这样的团队怎 么让人放心,一到利益冲突的时候,亲兄弟都可能翻脸,何况是你们几个重来没有合作过的人组成的团队。到时候闹得不可开交,投资人的投资怎么办?我看投资人 真投了,那才会天天睡不好觉,怕你们闹矛盾。所以,如果是团队作战,千万不要生拉硬拽,临时拼凑,这样就算得到了第一笔投资,后面的资金支持将会随着你们 的分崩离析而荡然无踪。
16、有自己的独特的资源,并能够在网站上应用
你个人或者团队的资源整合能力和运营能力,是投资人相当重视的。如果你有好的资源,希望 你能够利用到你的网站中去,不要另辟新径,因为新的途径你自己都不太了解。比如你以前做某个传统行业,那就不要做的网站和这个行业一点关系都没有;又比如 你以前一直做某个互联网领域的运营或开发,就不要抛弃掉自己这方面的经验而去做什么所谓的热门概念。
17、什么都没有,只有一腔热情,还是先打打工吧
真的,如果你什么都没有,只有想法思路和一腔创业热情,也肯吃苦肯受罪,最好也不要期 待投资人会给你投资。你这种人是最危险的,天使也怕你这样好高骛远的。所以,还是先冷静一下,把时间多用来先向一些公司学习工作经验吧。如果就是不甘心, 就自己给自己做一个网站,并拼命把网站做好,做到一定的人气,我相信投资人会对你亲眼有加的。
18、不要固执,要能够听进别人的建议
投资人很害怕固执的人,最害怕根本听不进别人的建议的人和团队。这个在很多技术人员那里是个通病,所以,在你自己都找不到一个能够说服自己的伙伴和你配合之前,不要找投资人谈什么东西。你和投资人的洽谈只是让投资人后悔在你身上花了时间,下次再不愿意找你谈。
19、如果你是一个高管,并且让公司的某个项目成功,那么恭喜你,你得到投资至少有了基础
这个高管可不是一个项目开发主管,而是从策划到开发再到运营你都在参与和管理。为什么有这么多公司的高管出来创业,能够得到投资人的追捧,是因为他们身上有投资人需要的优良条件:有成功经验,有思路,有领导能力,有资源,有团队,有伙伴。
20、自己做出来的优秀网站,绝对不会埋没
如果你自己的网站正在良性发展,并且比较稳定,不要把主要精力用在投资的身上,你只要坚持把 自己的网站逐渐的做好,投资人一定会发现的,不要因为暂时吃饭有困难就到处找钱,既然你已经没钱吃饭这么长时间了,再坚持几个月,努力再让自己的网站访问 量提升一些,真的不用担心投资人不会关注到你。有时候救命稻草就在自己即将要淹死的那一刻。
我不是专业做投资的.所以此文仅供大家参考.
如果有真正的投资人看到这篇文章,不对之处万望批评指正.
希望能够认识更多的网络投资界的朋友.

网易科技最近做了个国内web2.0网站的评比。网易的这个评选,收集了一大串的海选名单,范围还是很广的。从中也可以看出,web2.0在中国还是有很旺盛的生命力的,民间基础不错。

网易科技有奖评选:最受欢迎的Web2.0网站 结果出炉
分类 第一名/票数 第二名/票数 第三名/票数
一.人脉交友类 赛我网/1112票 uuzone/908票 中国交友中心/627票
二.博客服务类 和讯博客/1380票 新浪博客/759票 博易/691票
三.播客服务类 土豆网/1052票 中国播客网/1024票 波普播客/638票
四.本地资源交流类 口碑网/905票 kijiji/824票 大众点评网/791票
五.RSS聚合类 周博通/1499票 狗狗/1199票 看天下/1009票
六.照片分享类 网易相册/2578票 flickr/695票 fotolog/565票
七.社会网络类 mop猫扑/1082票 MYspace/265票 yahoo!360/180票
八.RSS Google reader/520票 狗狗/396票 feedsky/321票
九.购物搜索类 乐铺/469票 特价王/432票 丫丫比较购物/379票
十.移动博客类 WAP天下/533票 风吹的日子/483票 易秀网/448票
十一.招聘搜索类 淘职网/864票 英才网联/550票 淘人网/546票
十二.图书搜索类 当当网/1204票 豆瓣网/462票 空娱门户/409票
十三.电子杂志类 电子杂志网/774票 Xplus/444票 读客网/315票
十四.评论类 评评网/744票 大众点评网/671票 中国博客评论/297票
---以上为网友投票结果---点这里查询详细结果---投票页面---

博客产品最新动态

进入2006年夏天,百度空间、新浪3.O、live space上线,网易和搜狐也加紧了新版博客的测试。这些新博客产品主要的特点有:

·页面的排版多样化。新推出的百度空间、网易和搜狐测试版,比较像博易的个人主页,让用户自己选择页面的版式布局。

·加强了用户的自定义,让用户自定义功能列表。用户可以对任何一个功能列表用鼠标拖动,选择摆放的位置。

·页面的风格样式多样化,博客越来越重视“美容化妆”了。很多BSP都提供了可让用户自定义背景图片、自动义区域颜色、自动义页面字体等等细节。

·操作管理更方便。博客的管理上,今年新上线的博客产品都倾向于采用“编辑模式”和“预览模式”的互换。这种博客管理模式比较直观,即使是傻瓜用户也容易上手。

·在博客的平台上,融合了日志、相册、视频(音频)、交友(圈子)的功能。博客的外延不断拓展,从过去单一的日志发布,逐渐演变成新的社会化网络平台。

页面顶部加
startime=timer()
尾部加
endtime=timer()
response.write "页面执行时间:"&FormatNumber((endtime-startime)*1000,3)&"毫秒"