MySQL 分页优化中的 “ INNER JOIN方式优化分页算法 ” 到底在什么情况下会生效?

640?wx_fmt=gif&wxfrom=5&wx_lazy=1


最近无意间看到一个 MySQL 分页优化的测试案例,并没有非常具体地说明测试场景的情况下,给出了一种经典的方案。因为现实中很多情况都不是固定不变的,能总结出来通用性的做法或者说是规律,是要考虑非常多的场景的;同时,面对能够达到优化的方式要追究其原因,同样的做法,换了个场景,达不到优化效果的,还要追究其原因。


个人对此场景在不用情况表示怀疑,然后自己测试了一把,果然发现一些问题,同时也证实了一些预期的想法。


本文就 MySQL 分页优化,从最最简单的情况出发,来做一个简单的分析。


另:本文测试环境是最最低配置的云服务器,相对来说服务器硬件环境有限,不过对于不同的语句(写法)应该是“平等的”。


20170916补充:


想想用脚趾头就能明白:


  1. 如果分页排序字段是聚集索引,完全没必要对索引分页再查询数据,因为索引就是数据本身;

  2. 如果是非聚集索引,先对索引分页,然后再利用索引去查询数据,先分页索引确实可以减少扫描的范围;

  3. 如果经常按照2中的方式查询,也就是按照非聚集索引排序查询,那么为什么不在该列上建立聚集索引呢。


MySQL 经典的分页“优化”做法


MySQL 分页优化中,有一种经典的问题,在查询越“靠后”的数据越慢(取决于表上的索引类型,对于B树结构的索引,SQL Server 中也一样)。


select * from t order by id limit m,n。


也即随着M的增大,查询同样多的数据,会越来越慢。面对这一问题,于是就产生了一种经典的做法,类似于(或者变种)如下的写法:先把分页范围内的id单独找出来,然后再跟基表做关联,最后查询出来所需要的数据。


select * from t

inner join (select id from t order by id limit m,n)t1 on t1.id = t.id


这种做法是不是总是生效的,或者说是在什么情况下后者才能到达到优化的目的?有没有做了改写之后无效甚至变慢的情况? 


与此同时,绝大多数查询都是有筛选条件的,如果有筛选条件的情况,SQL 语句就变成了:


select * from t where *** order by id limit m,n


如果如法炮制,改写成类似:


select * from t

inner join (select id from t where *** order by id limit m,n )t1 on t1.id = t.id


在这种情况下,改写后的 SQL 语句还能达到优化的目的吗?


测试环境搭建


测试数据比较简单,通过存储过程循环写入测试数据,测试表的 InnoDB 引擎表。


640


这里要注意的是日志写入模式一定要修改成 innodb_flush_log_at_trx_commit = 2,否则默认情况下,500w 数据,估计一天都写不完,这个与日志写入模式有关,就不多说了。


640

 

分页查询优化的缘由


首先还是先看一下这个经典的问题,分页的时候,越“靠后”查询相应越慢的情况。


测试一:查询第1-20行的数据,0.01秒


640


同样是查询20行数据,查询相对“靠后”的数据,比如这里的从 4900001-4900020 行数据的情况,用时1.97秒。


640


从中可以看到,查询条件不变的情况下,越往后查询,查询效率越低,可以简单理解成:同样搜索20行数据,越是靠后的数据,查询代价越大。至于为什么后一种效率较低,后面会慢慢分析。


测试环境是 centos 7 ,MySQL 5.7,测试表的数据是 500W。


640?


重现经典分页“优化”,当没有筛选条件,排序列为聚集索引的时候,并不会有所改善。


这里来对比以下两种写法在聚集索引列作为排序条件时候的性能。


select * from t order by id limit m,n。

select * from t

inner join (select id from t order by id limit m,n)t1 on t1.id = t.id


第一种写法:


select * from test_table1 order by id asc limit 4900000,20;


测试结果见截图,执行时间为8.31秒。


640?


第二种改写后的写法:


select t1.* from test_table1 t1

inner join (select id from test_table1 order by id limit 4900000,20)t2 on t1.id = t2.id;


执行时间为8.43秒。


640?


这里很清楚,通过经典的改写方法改写之后,性能能毫无提升,甚至还有一点点变慢了,实际测试上表现为两者在性能上并没有明显的线性差异,这两者楼主是做了多次测试的。


我个人看到类似结论非要测一下不可的,这个东西不能靠蒙,或者靠运气什么的,能提高效率是为什么,不能提高又是为什么。


那么为什么改写之后的写法没有像传说中的那种提升性能?

是什么导致当前这个改写没有到达提升性能的目的?

后者能够提升性能的原理是什么?


首先看一下测试表的表结构,排序列上是有索引,这一点是没有问题的,关键是这个排序列上的索引是主键(聚集索引)。


640?


为什么排序列上是聚集索引的时候,相对“优化”改写之后的 SQL 并不能达到“优化”的目的?


在排序列为聚集索引列的情况下,两者都是顺序扫描表来实现查询符合条件的数据的。后者虽然是先驱动一个子查询,然后再用子查询的结果驱动主表,但是子查询并没有改变“顺序扫描表来实现查询符合条件的数据的”做法,当前情况下,甚至改写后的做法显得画蛇添足。


参考如下两者执行计划,第一个截图的执行计划的一行,与改写后的 SQL 的执行计划的第三行(id =2 的那一行),基本上一样。


640


当没有筛选条件,排序列为聚集索引时候的分页查询,所谓的分页查询优化只不过是画蛇添足。


目前来看,查询上述数据,两种方式都非常慢,那如果要查询上述的数据,该如何做?还是要看为什么慢,首先要理解B数的平衡性结构,在我自己粗略的理解来看,如下图,当查询的数据“靠后”的时候,实际上是偏离在B树索引的一个方向,如下两个截图所示的目标数据其实平衡树上的数据,没有所谓的“靠前”与“靠后”,“靠前”与“靠后”都是相对于对方来说的,或者说是从扫描的方向上来看的从一个方向上看“靠后的”数据,从一个方向看就是“靠前的”,前后不是绝对的。


如下两个截图是B树索引结构的粗略表现形式,假如目标数据的位置固定的情况下,所谓的“靠后”是相对与从左向右来说的;

640?


如果从右向左看,之前所谓靠后的数据实际上是“靠前”的。


640?


只要数据是靠前的,要高效低找到这部分数据,还是可以的。MySQL 中应该也有类似于 SQL Server 中的正向(forwarded)和反向扫描(backward)的做法。


如果对于靠后的数据,采用反向扫描,应该就可以很快找到这个部分数据,然后对找到的数据在再次排序(asc),结果应该是一样的。


首先来看效果:结果跟上面的查询一模一样,这里仅耗时0.07秒,之前的两种写法均超过了8秒,效率有上百倍的差距。


640


至于这个是为什么,我想根据上面的阐述,自己应该能够体会的到,这里附上这个SQL。


如果经常查询所谓的靠后的数据,比如说Id较大的数据,或者说是时间维度上较新的数据,可以采用倒叙扫描索引的方式来实现高效分页查询。


(这里请计算好数据所在的分页,同样的数据,正序和倒序其起始“页码”是不同的)


select* from

(

    select * from test_table1 order by id desc limit 99980,20

     

) t order by id;


当没有筛选条件,排序列为非聚集索引的时候,会有所改善。


这里对测试表 test_table1 做出如下改变:


  1. 增加一个 id_2 列;

  2. 该字段上创建一个唯一索引;

  3. 该字段用对应的主键 Id 填充;


640

  

上面的测试是按照主键索引(聚集索引)来排序的,现在来按照非聚集索引排序,也即新增的这个列 id_2 来排序,测试一开始提到的两种分页方法。


首先来看第一种写法:

select * from test_table1 order by id_2 asc limit 4900000,20;


执行时间为1分钟多一点,暂且认其为60秒。


640


第二种写法:

select t1.* from test_table1 t1

inner join (select id from test_table1 order by id_2 limit 4900000,20)t2 on t1.id = t2.id;


执行时间1.67秒。


640


从这种情况来看,也就是说排序列为非聚集索引列的时候,后一种写法确实能大幅度地提升效率。差不多有40倍的提升。


那么原因在何呢?


首先来看第一种写法的执行计划,可以简单理解为这个 SQL 的执行时做全表扫描之后,然后重新按照 id_2 排序,最后取最前20条数据。全表扫描本身就是一个非常耗时的过程,排序也是一个非常大的代价,因此表现为性能非常的低下。


640


再来看后者的执行计划,他是首先子子查询中,按照 id_2 上的索引顺序扫描,然后用符合条件的主键 Id 去表中查询数据。这样的话,避免了查询出来大量的数据然后重新排序(Using filesort)。


如果了解 SQL Server  执行计划的情况下,后者与前者相比,应该还有避免了频繁的回表(SQL Server 中叫做 key lookup 或者书签查找的过程,可以认为是子查询驱动外层表查询符合条件的20条的数据的过程是一个批量的,一次性的。


640


其实,只有在当前情况下,也就是说排序列为非聚集索引列的时候,改写后的 SQL 才能提升分页查询的效率。


即便如此,此方式“优化”过的分页语句,还是与如下写法的分页效率有比较大的差别的上面也看到了,返回同样的数据,如下的查询是0.07秒,比这里的1.67秒还是高2个数量级的。


select* from

(

    select * from test_table1 order by id desc limit 99980,20

     

) t order by id;


另外一个,想提到的问题就是,如果经常性分页查询,还要按照某种顺序,那么为什么不在这个列上建立一个聚集索引。比如语句自增 Id 的,或者时间+其他字段确保唯一性的,MySQL 会在主键上自动创建聚集索引。然后有了聚集索引,“靠前”与“靠后”仅仅是一个相对的逻辑上的概念了,如果多数时候是想得到“靠后”或者较新的数据,就可以采用上述写法。


当存在筛选条件的情况下,分页查询的优化


这一部分想了想,情况太复杂了,很难概括出来一种非常具有代表性的案例,因此就不过多地做测试了。


select * from t where *** order by id limit m,n


  1. 比如刷选条件本身就很高效,一过滤出来仅剩下很少一部分数据,那么改不改写 SQL 意义也不大,因为筛选条件本身就可以做到很高效的筛选;

  2. 比如刷选条件本身作用不大(过滤后数据量依然巨大),这种情况其实又回到了不存在筛选条件的情况,还有取决于如何排序,正序还是倒序等等;

  3. 比如筛选条件本身作用不大(过滤后数据量依然巨大),要考虑的一个很实际的问题是数据分布,数据的分布也会影响的 SQL 的执行效率(sqlserver 中的经历,MySQL 应该差别不大);

  4. 本身查询比较复杂的情况下,很难说用某种方式就可以达到高效的目的。


情况越复杂,越是难以总结出来一种通用性的规律或者说是方法,一切都要以具体情况来看待,很难下一个定论。这里对于查询加上筛选条件的情况,就不做一一分析了,不过可以肯定的是,脱离了实际场景,肯定没有一个固化的方案。


另外,对于查询当前页数据时候,利用上一页查询的最大值做筛选条件,也可以很快滴找到当前页的数据,这样当然没有问题,但这属于另外一个做法,不在本文讨论之列。


补充一个在 SQL Server 下的测试结果,如果是非聚集索引,如果查询排序的列是一个单列索引,分页方式并不能提升效率。


create table TestPaging

(

    id int identity(1,1),

    name varchar(50),

    other varchar(100)

)

declare @i int = 0

while @i<100000

begin

    insert into TestPaging values (NEWID(),NEWID())

    set @i = @i + 1

end

 

create index idx on TestPaging(name)


从执行计划可以看出,查询 Id 的子查询是一个全表扫描。


640


除非是一个符合索引,在表中数据比较大的情况下,才能提高效率(子查询进行索引扫描的代价要小于全表扫描的代价),不过话说回来,如果经常按照某个列排序分页,为什么该列上不建立成聚集索引呢?


640


总结


分页查询,越靠后越慢的情况,实则对于B树索引来说,靠前与靠后是一个逻辑上相对的概念,性能上的差异,是基于B树索引结构以及扫描方式有关的。如果加上筛选条件,情况将变得更加复杂,这个问题在 SQL Server 中的原理也是一样的,本来也在 SQL Server 中做了测试的,这里就不重复了。


当前这种情况,排序列不一定,查询条件不一定,数据分布不一定,就很难用一种特定的方法来实现“优化”,弄不好还起到画蛇添足的副作用。因此在做分页优化的时候,一定要根据具体的场景来做分析,方法也不一定只有一种,脱离实际场景的结论,都是扯犊子。唯有弄清楚这个问题的来龙去脉,才能游刃有余。


因此个人对于数据“优化”的结论,一定是具体问题具体分析,是很忌讳总结出来一套规则(规则1,2,3,4,5)给人“套用”,鉴于本人也很菜,就更不敢总结出来一些教条了。


来源:MSSQL123 ,

lujun9972.github.io/blog/2018/03/13/如何编写bash-completion-script/


转自:『ITPUB』

资源下载

关注公众号:数据和云(OraNews)回复关键字获取

‘2017DTC’,2017 DTC 大会 PPT

‘DBALIFE’,“DBA 的一天”海报

‘DBA04’,DBA 手记4 经典篇章电子书

‘RACV1’, RAC 系列课程视频及 PPT

‘122ARCH’,Oracle 12.2 体系结构图

‘2017OOW’,Oracle OpenWorld 资料

‘PRELECTION’,大讲堂讲师课程资料

640?wx_fmt=png

阅读更多
想对作者说点什么? 我来说一句

没有更多推荐了,返回首页

关闭
关闭
关闭