SQL Server-聚焦ROW_NUMBER VS TOP N性能

前言

抱歉各位，从八月份开始一直在着手写EntityFramework 6.x和EntityFramework Core 2.0的书籍写作，所以最近一直遗漏了对博客的管理，后面会着手于写SQL Server、EntityFramework Core和.NET Core方面的博客。我们知道如果需要查询前N行数据，除了可以利用TOP N进行查询外，同样也可以利用ROW_NUMBER来达到同样的效果，那么二者使用哪个性能会更好呢？下面我们来比较下。

ROW_NUMBER VS TOP N

我们利用AdventureWorks2012示例库中的Production.Product表来进行演示，如下：

 DROPCLEANBUFFERS() FREEPROCCACHE()GOROW_NUMBER QUERY ProductID (     RN     Production.Product    )  T100GO TOP N QUERYSELECT      ProductID Production.Product ProductIDGO

如上图所知，对于这两个查询计划的成本是一样的，都为50%。 如果我们要检查在两个聚集索引扫描操作符中读取的估计行数，那么我们会注意到两者都显示相同的值，即100。可以说聚集索引扫描的估计和实际行数是相同的都是100，如下。

 

是不是就以此说明二者性能是一样的呢？稍等片刻，接下来我们将查询基数再设置大一点看看，比如1000而不再是100，如下：

 DROPCLEANBUFFERS() FREEPROCCACHE()GOONONROW_NUMBER QUERY ProductID (     RN     Production.Product    )  T1000GO TOP N QUERYSELECT      ProductID Production.Product ProductIDGO

从如上截图可以看出，使用ROW_NUMBER进行查询的速度要明显快于TOP N，即29%和71%。 但是，我们还需要在等一下，因为我们在这里看到的成本只是估计成本。 如果操作的估算不准确，那么查询计划估算成本也将不准确。 接下来我们检查两个计划中的聚集索引扫描的属性：

 

我们可以看到，使用ROW_NUMBER查询的估计行数为100，而实际数量为504，查询计划的估计成本是基于估计的行数所计算得来，即100。我们还是不能够相信估计的计划成本。 我们再来看看统计数据：

经过上面的统计，我们可以根据统计数据而做出最终决定，而不是比较执行计划的估计成本。TOP N的查询性能优于ROW_NUMBER。