MySQL优化
慢查询
在MySQL中,什么是慢查询?
通常由聚合查询、多表查询、表数据量过大查询、深度分页查询导致的页面加载过慢、接口压测响应时间过长(超过1秒)
如何定位慢查询?
方案一:开源工具
调试工具:Arthas
运维工具:Prometheus、Skywalking
这里就展示Skywalking的使用,如图所示,右边这个slow Endpoints会展示每个接口的调用的时间,并且从多到少进行排序。
点击追踪后,可以查看这个接口,在什么阶段,耗时了多久,都展示出来了,非常的方便好用。
方案二:MySQL自带慢日志
简单的来说就是MySQL会把执行慢的sql记录到慢查询日志中。
慢查询日志记录了所有执行时间超过指定参数(long_query_time,单位:秒,默认10秒)的所有SQL语句的日志。
但是是默认不开启的,如果要开启慢查询日志,需要在MySQL的配置文件(/etc/my.cnf)中配置如下信息:
# 开启MySQL慢日志查询开关
slow_query_log=1
# 设置慢日志的时间为2秒,SQL语句执行时间超过2秒,就会视为慢查询,记录慢查询日志
long_query_time=2
配置完毕之后,通过以下指令重新启动MySQL服务器进行测试,查看慢日志文件中记录的信息
/var/lib/mysql/localhost-slow.log
其中,Time:SQL执行时的时间日期;Query_time:SQL执行所耗时;最下面有整句SQL语句。能够方便的定位代码中写的SQL语句。
分析慢查询的原因
可以采用EXPLAIN或者DESC命令获取MySQL如何执行SELECT语句的信息
语法:直接在select语句之前加上关键字explain/desc
EXPLAIN SELECT 字段列表 FROM 表名 WHERE 条件;
这里查询出来的就是sql语句查询到的数据了,而是这条SQL执行的情况。
重点字段分别是:
- possible_key 当前SQL可能会使用到的索引
- key 当前sql实际命中的索引
- key_len 索引占用的大小
- Extra 额外的优化建议
- type 这条sql的连接的类型,性能由好到差为NULL、system、const、eq_ref、ref、range、index、all
Extra
Extra有时候会给出建议,以下是建议的含义
Using where;Using Index;含义:查找使用了索引,需要的数据都在索引列中能找到,不需要回表查询。
Using index condition 含义:查找使用了索引,但是需要回表查询数据
关于回表查询,下文讲到索引的时候会讲解。
type
type中的类型分别的意思为:
NULL:没有使用到表,是效率最快的。
system:查询系统中的表
const:根据主键查询
eq_ref:主键索引查询或唯一索引查询
ref:索引查询
range:范围查询
index:索引树扫描
all:全盘扫描
在我们的sql中,最低也要是range,如果是index或all,就需要优化了。
索引概念及索引底层数据结构
索引(index)是帮助MySQL高效获取数据的数据结构(有序)。在数据之外,数据库系统还维护着满足特定查找算法的数据结构(B+树),这些数据结构以某种方式引用(指向)数据,这样就可以在这些数据结构上实现高级查找算法,这种数据结构就是索引。
数据结构对比
MySQL默认使用的索引底层数据结构是B+树。在聊B+树之前,我们先聊聊二叉树和B树
二叉树
这是正常的二叉树,遵循着左边小右边大的原理;
这是最坏情况的二叉树,是因为插入的数据一个比一个小,所以一直往左边插入,导致形成了最坏情况的二叉树,已经退化成了链表了;
红黑树
红黑树,是一种可以保持平衡的二叉树,不会出现最坏二叉树的情况。但是为什么MySQL不适用呢?
因为当数据达到一定数量的时候,查找的效率就变得很慢。
B-Tree
B-Tree,B树是一种多叉路平衡查找树,相对于二叉树,B树每个节点可以有多个分支,即多叉。
以一颗最大度数(max-degree)为5(5阶)的b-tree为例,那这个B树每个节点最多存储4个key
B+Tree
B+Tree是在BTree基础上的一种优化,使其更适合实现外存储索引结构,InnoDB存储引擎就是用的B+Tree实现其索引结构
B树与B+树对比:
①:磁盘读写代价B+树更低;②:查询效率B+树更加稳定;③:B+树便于扫库和区间查询
总结一下:
什么是索引?
- 索引是帮助MySQL高效获取数据的数据结构
- 提高数据检索的效率,降低数据库的IO成本
- 通过索引列对数据进行排序,降低数据排序的成本,降低了CPU的消耗
索引的底层数据结构是什么?有什么优点?
MySQL的InnoDB引擎采用的B+树的数据结构来存储索引
优点:
- 阶数更多,路径更短
- 磁盘读写代价B+树更低,非叶子节点只存储指针,叶子节点存储数据
- B+树便于扫库和区间查询,叶子节点是一个双向链表
聚簇索引和非聚簇索引、回表查询
聚集索引(clustered Index)也称聚簇索引:将数据存储于索引放到一块,索引结构的叶子结点保存了行数据,特点:必须有,而且只有一个
二级索引(secondary Index)也称非聚簇索引:将数据与索引分开存储,索引结构的叶子节点关联的是对应的主键,特点:可以存在多个
聚集索引选取规则:
- 如果存在主键,主键索引就是聚集索引。
- 如果不存在主键,将使用第一个唯一(UNIQUE)索引作为聚集索引。
- 如果表没有主键,或没有合适的唯一索引,则InnoDB会自动生成一个rowid作为隐藏的聚集索引。
回表查询
概念:先是通过二级索引找到了索引,然后通过聚集索引找到了行数据,就称为回表查询。
例子:
以上图片中,有一条SQL语句,select * from user where name = 'Arm', 这条SQL语句,会先通过二级索引,一层一层的往下找Arm,找到后拿到了,id为10的索引,再用这个id为10通过聚集索引查找id为10的行数据,这个过程称之为回表查询。
小总结:
什么是聚簇索引,什么是非聚簇索引?
- 聚簇索引(聚集索引):数据与索引放到一块,B+树的叶子节点保存了整行数据,有且只有一个
- 非聚簇索引(二级索引):数据与索引分开存储,B+树的叶子节点保存对应的主键,可以有多个
什么是回表查询?
通过二级索引找到对应的主键值,到聚集索引中查找整行数据,这个过程就是回表
覆盖索引
概念:
覆盖索引是指查询使用了索引,并且需要返回的列,在该索引中已经全部能够找到。
- 使用id查询,直接走聚集索引查询,一次索引扫描,直接返回数据,性能高。
- 如果返回的列中没有创建索引,有可能会触发回表查询,尽量避免使用 select *
MySQL超大分页处理
在数据量比较大时,如果进行limit分页查询,在查询时,越往后,分页查询效率越低。
我们一起来看看执行limit分页查询耗时对比:
因为,当在进行分页查询时,如果执行limit 9000000,10;此时需要MySQL排序前9000010记录,仅仅返回9000000-9000010的记录,其他记录丢弃,查询排序的代价非常大。
优化思路:
一般分页查询时,通过创建覆盖索引能够比较好地提高性能,可以通过覆盖索引加子查询形式进行优化
例如:
select *
from tb_sku t,
(select id from tb_sku order by id limit 9000000,10) a
where t.id=a.id;
测试了三次的结果分别都快了4秒左右
索引创建的原则
- 针对于数据量较大,且查询比较频繁的表建立索引。(单表超过10万数据)
- 针对于常作为查询条件(WHERE)、排序(order by)、分组(group by)操作的字段建立索引。
- 尽量选择区分度高的列作为索引,尽量建立唯一索引,区分度越高,使用索引的效率越高。
- 如果是字符串类型的字段,字段的长度较长,可以针对于字段的特点,建立前缀索引。
- 尽量使用联合索引,减少单例索引,查询时,联合索引很多时候可以覆盖索引,节省存储空间,避免回表,提高查询效率。
- 要控制索引的数量,索引并不是多多益善,索引越多,维护索引结构的代价就越大,会影响增删改的效率。
- 如果索引列不能存储NULL值,请在创建表时使用NOT NULL约束它。当优化器知道每列是否包含NULL值时,它可以更好地确定哪个索引最有效地用于查询。
索引失效的情况
1)违反最左前缀法则
如果索引了多列(联合索引),要遵守最左前缀法则。指的是查询从索引的最左列开始,并且不跳过索引中的列。匹配最左前缀法则,走索引:
这边创建了一个联合索引:name、status、address
然后我们使用Explain关键字来查看我们的语句是否导致索引失效
可以看到,当我们遵循最左前缀法则时,索引并不会失效。
我们再来看看违反了最左前缀法则,索引失效的情况:
以上两种情况都是跳过了name,都导致了索引失效的情况。
还有一种情况,就是跳过了中间的索引:
可以看到,key中显示的是我们联合索引的名字,但是key_len的长度是只有name的,也就是说,在这条查询语句中,只有name = '小米科技' 走的索引,后面的地址并没有走索引。
2)范围查询右边的列,不能使用索引。
还是使用刚刚创建的联合索引tb_seller_index:
可以看到,第二条查询语句中,由于status使用了">",导致key_len只有309,也就是说,只命中了name和status,二status右边的address失效了。
3)不要在索引列上进行运算操作,索引将失效
在这条语句中,可以看到,这是对name这个字段做了一个截取,在使用了explain关键字查看后,发现key和key_len为NULL,也就是说索引失效了。
4)字符串不加单引号,造成索引失效。
可以看到,我们第一条语句中status的条件是加了单引号的,查出来的key_len是309,是命中了两个索引的。
但是第二条语句中status的条件没有加单引号,查出来的key_len是303,只命中了一个索引,就是name索引,所以字符串的索引字段,使用时,没有添加单引号,就会造成索引失效。
原理是,在查询时,没有对字符串加单引号,MySQL的查询优化器,会自动的进行类型转换,造成索引失效。
5)以%开头的Like模糊查询,索引失效。如果仅仅是尾部模糊匹配,索引不会失效。如果是头部模糊匹配,索引就会失效。
小伙伴们可以自己去试试第五条失效的情况!