最近公司的项目准备优化一下系统的性能，希望在数据库方面看有没有提升的空间，目前压力测试发现数据库服务器压力还不够大，Web服务器压力也不是很大的情况下，前台页面访问却很慢，看有没有办法充分利用数据库服务器的性能，于是做了一个单数据库，多数据库，单实例，多实例不同情况下的数据访问效率测试。
测试环境：
- CPU:Inter Core2 Quad,Q8300,2.50GHz;
- 内存：4.00GB
- 系统：Windows 7 32位系统
- 数据库系统：SqlServer 2008，有两个实例，一个是默认实例，一个是命名实例QE2
测试数据：
67万真实的基金收益数据，将这个表的数据放到了3个数据库中，详细内容见下面的连接字符串配置：
< add name ="Ins1_DB1" connectionString ="Data Source=.;Initial Catalog=TestDB;Integrated Security=True" /> < add name ="Ins1_DB2" connectionString ="Data Source=.;Initial Catalog=LocalDB;Integrated Security=True" /> < add name ="Ins2_DB" connectionString ="Data Source=.\QE2;Initial Catalog=TestDB;Integrated Security=True" />
测试内容：
首先筛选出表中所有的基金代码，然后统计每只基金的最新收益率日期，对应的T-SQL代码如下：
declare @max_fsrq datetime declare @currJJDM varchar ( 10 ) declare @temp table (jjdm2 varchar ( 10 )) declare @useTime datetime set @useTime = GETDATE (); insert into @temp (jjdm2) select jjdm from [ FundYield ] group by jjdm order by jjdm asc while EXISTS ( select jjdm2 from @temp ) begin set @currJJDM = ( select top 1 jjdm2 from @temp ) select @max_fsrq = MAX (fsrq) from [ FundYield ] where jjdm = @currJJDM delete from @temp where jjdm2 = @currJJDM print @max_fsrq end print ' T-SQL Execute Times(ms): ' print datediff (ms, @useTime , getdate ()) 直接执行这个T-SQL脚本，在数据库表没有索引的情况下，耗费的时间是：
T-SQL Execute Times(ms):
58796
根据这个功能，写了一个.net控制台程序来测试，测试程序没有使用任何数据访问框架，直接使用ADO.NET，下面是多线程测试的代码，其它代码略：
public static void Test2( string connName1, string connName2) { System.Diagnostics.Stopwatch watch = new System.Diagnostics.Stopwatch(); watch.Start(); string allJjdmList = "" ; string connString = getConnectionString(); // SqlConnection conn = new SqlConnection(connString); // conn.Open(); string sql = " select jjdm from [FundYield] group by jjdm order by jjdm asc " ; DataSet ds = getData(connString, sql); int allCount = ds.Tables[ 0 ].Rows.Count; int p = ( int )(allCount * 0.5 ); System.Threading.Thread t1 = new System.Threading.Thread ( new System.Threading.ParameterizedThreadStart (tp1 => { for ( int i = 0 ; i < p; i ++ ) { string jjdm = ds.Tables[ 0 ].Rows[i][ 0 ].ToString(); object result = getSclar(ConfigurationManager.ConnectionStrings[connName1].ConnectionString, string .Format( " select MAX(fsrq) from [FundYield] where jjdm='{0}' " , jjdm)); if (result != DBNull.Value) { DateTime dt = Convert.ToDateTime(result); // Console.WriteLine("Thread 2 No {0} ,jjdm[{1}] last FSRQ is:{2}", i, jjdm, dt); } allJjdmList = allJjdmList + " , " + jjdm; } Console.WriteLine( " Tread 1 used all time is(ms):{0} " , watch.ElapsedMilliseconds); } )); System.Threading.Thread t2 = new System.Threading.Thread( new System.Threading.ParameterizedThreadStart(tp2 => { for ( int i = p; i < allCount; i ++ ) { string jjdm = ds.Tables[ 0 ].Rows[i][ 0 ].ToString(); // 这里不论使用default还是express，区别不大 object result = getSclar(ConfigurationManager.ConnectionStrings[connName2].ConnectionString, string .Format( " select MAX(fsrq) from [FundYield] where jjdm='{0}' " , jjdm)); if (result != DBNull.Value) { DateTime dt = Convert.ToDateTime(result); // Console.WriteLine("Thread 2 No {0} ,jjdm[{1}] last FSRQ is:{2}", i, jjdm, dt); } allJjdmList = allJjdmList + " , " + jjdm; } Console.WriteLine( " Tread 2 used all time is(ms):{0} " , watch.ElapsedMilliseconds); } )); t1.Start(); t2.Start(); t1.Join(); t2.Join(); Console.WriteLine( " ====All thread completed!======== " ); }
下面是测试结果：
第一次，数据库没有创建索引，进行全表扫描：
------单数据库，单线程测试---------
used all time is(ms):59916
------同一实例，双数据库，单线程测试---------
used all time is(ms):59150
------同一实例，双数据库，多线程测试---------
Tread 2 used all time is(ms):51223
Tread 1 used all time is(ms):58175
====All thread completed!========
------双实例，双数据库，单线程测试---------
used all time is(ms):58230
------双实例，双数据库，多线程测试---------
Tread 2 used all time is(ms):52705
Tread 1 used all time is(ms):58293
====All thread completed!========
第二次，数据库响应的字段创建索引，下面是测试结果：
------单数据库，单线程测试---------
used all time is(ms):1721
------同一实例，双数据库，单线程测试---------
used all time is(ms):1737
------同一实例，双数据库，多线程测试---------
Tread 2 used all time is(ms):1684
Tread 1 used all time is(ms):1714
====All thread completed!========
------双实例，双数据库，单线程测试---------
used all time is(ms):1874
------单数据库，单线程测试---------
used all time is(ms):1699
------同一实例，双数据库，单线程测试---------
used all time is(ms):1754
------同一实例，双数据库，多线程测试---------
Tread 1 used all time is(ms):1043
Tread 2 used all time is(ms):1103
====All thread completed!========
------双实例，双数据库，单线程测试---------
used all time is(ms):1838
------双实例，双数据库，多线程测试---------
Tread 1 used all time is(ms):1072
Tread 2 used all time is(ms):1139
====All thread completed!========
测试结论：
综合全表扫描访问和有索引方式的访问，
单线程访问：
- 在同一个数据库实例上，双数据库没有体现出优势，甚至单数据库稍微优胜于多数据库；
- 在两个数据库实例上，双实例双实例要落后于单实例单数据库；
多线程访问：
综合结论，看来不论是双数据库还是双实例，对比与单实例或者单数据库，都没有体现出优势，看来前者的优势不在于访问效率，一位朋友说，数据库实例是不同的服务，控制粒度更小，维护影响比较低。但我想，双数据库实例，双数据库，多核CPU，应该跟两台数据库服务器差不多的性能吧，怎么没有体现优势呢？也许是我的测试机器仅仅有一个磁盘，这里磁盘IO成了瓶颈。
这个测试有没有意义，或者这个结果的原因，还请大牛们多多指教！
--------------------------------------------------------------
意外发现：
1,有人说频繁的查询在完全数据库中进行效率最高，测试发现，在查询分析器上直接运行上面的那个T-SQL脚本，跟程序从数据库取出数据，再加工计算查询，效率上没有明显的区别，所以哪些支持“将复杂的业务逻辑写在存储过程中效率最高的观点是站不住脚的！” ，ADO.NET从数据库来回操作数据一样有效率，如果加上复杂的字符函数计算和大批量的循环操作，存储过程的效率不一定高。
2,在使用程序进行频繁的数据库操作的时候，使用一个连接对象还是在每个方法中使用新的连接对象，一直是很纠结的问题，心想频繁的数据操作还是用一个连接对象快吧？在本文给出的测试代码中，有下列语句：
//SqlConnection conn = new SqlConnection(connString); //conn.Open();注释掉这些语句，在被调用的方法中使用自己的连接对象，与取消注释，全部使用一个连接对象，效率上没有任何区别！
究其原因，可能是ADO.NET自动使用了连接池，实际上程序在不同的情况下，使用的都是一个连接，所以操作上效率没有区别。
后续测试
在真正的服务器上进行测试，发现测试结论又不一样，我们有服务器A，拥有16个核，32G内存，另外一台服务器B，拥有8个核，16G内存。在服务器A上有一个SqlServer实例，两个一样的数据库；在在服务器B上有一个SqlServer实例，一个数据库，下面是测试结果：
------单数据库，单线程测试---------
used all time is(ms):650
------同一实例，双数据库，单线程测试---------
used all time is(ms):418
------同一实例，双数据库，多线程测试---------
Tread 2 used all time is(ms):221
Tread 1 used all time is(ms):223
====All thread completed!========
------双实例，双数据库，单线程测试---------
used all time is(ms):1283
------双实例，双数据库，多线程测试---------
Tread 1 used all time is(ms):228
Tread 2 used all time is(ms):542
====All thread completed!========
可以看到，同一实例，多数据库，还是有明显的优势，而多线程优势更大；由于两台服务器性能差距较大，双实例测试没有显示出优势，但多线程下还是比单实例单数据库好！
为什么PC机跟服务器测试的结论不一致？也许还是跟计算能力相关，PC机的计算负载太大，已经失去了测试的意义。
本文转自深蓝医生博客园博客，原文链接：http://www.cnblogs.com/bluedoctor/archive/2011/06/28/2092113.html，如需转载请自行联系原作者