索引优化与查询优化_减少数据量和使用索引哪一种效率快-CSDN博客

本文链接：https://blog.csdn.net/Hai_pp/article/details/129161957

索引优化与查询优化

一、简言：
二、索引失效案例
三关联查询优化

一、简言：

都有哪些维护可以进行数据库调优

索引失效、没有充分利用到索引 — 索引建立
关联查询太多JOIN（设计缺陷或不得已的需求）— SQL优化
服务器调优及各个参数设置（缓冲、线程数等）— 调整my.cnf
数据过多 – 分库分表

关于数据库调优的知识点非常分散。不同的DBMS、不同的公司、不同的职位，不同的项目遇到的问题不尽相同。
虽然SQL查询优化的技术有很多，但是大方向上完成可以分成物理查询优化和逻辑查询优化两大块。

物理查询优化是通过索引和表连接方式等技术来进行优化，这里重点需要掌握索引的使用。
逻辑查询优化就是通过SQL等价交换提升查询效率，直白一点就是说，换一种查询写法执行效率可能更高。

二、索引失效案例

MySQL中提高性能的一个最有效的方式是对数据表设计合理的索引。索引提供了高效访问数据的方法，并且加快查询的速度，因此索引对查询的速度有着至关重要的影响。

使用索引可以快速地定位表中的某条记录，从而提高数据库查询的速度，提高数据库的性能。
如果查询时没有使用索引，查询语句就会扫描表中的所有记录。在数据量大的情况下，这样查询的速度就会很慢。

大多数情况下都（默认）采用B+树来构建索引。只是空间列类型的索引使用R-树，并且MEMORY表还支持hash索引。

其实，用不用索引，最终都是优化器说了算。优化器是基于什么的优化器？基于cost开销（CostBaseOptimizer），它不是基于规则（Rule-BasedOptimizer），也不是基于语义。怎样开销小就怎么来。另外，SQL语句是否使用索引，跟数据库版本、数据量、数据选择度都有关系。

2.1 全职匹配我最爱

索引全局匹配的话，会极大的提高查询效率。

2.2 最佳左前缀法则

在MySQL建立联合索引时会遵守最佳左前缀匹配原则，即最左优先，在检索数据时从联合索引的最左边开始匹配。

MySQL可以为多个字段创建索引，一个索引可以包括16个字段。对于多列索引，过滤条件要使用索引必须按照搜因建立的顺序，依次满足，一旦跳过某个字段，索引后面的字段都无法被使用。如果查询条件中没有使用这些字段中第1个字段时，多列（或联合）索引不会被使用。
扩展：Alibaba《Java开发手册》：索引文件具有B-Tree的最左前缀匹配特性，如果左边的值未确定，那么无法使用此索引。

2.3 主键插入顺序

对于一个使用InnoDB存储引擎的表来说，在我们没有显式的创建索引时，表中的数据实际上都是存储在聚簇索引的叶子节点的。而记录又是存储在数据页中的，数据页和记录又是按照记录主键值从小到大的顺序进行排序，所以如果我们插入的记录的主键值是依次增大的话，那我们每插满一个数据页就换到下一个数据也继续插，而如果我们插入的主键值忽大忽小的话，就比较麻烦了。
假设某个数据页存储的记录已经满了，它存储的主键值在1~100之间，如果此时再插入一条主键值为9的记录，就需要把当前页面分裂成两个页面，把本页中的一些记录移动到新创建的页中。页面分裂和记录移动意味着什么？意味着：性能损耗！所以如果我们想尽量避免这样无谓的性能损耗，最好让插入的记录的主键值依次递增，这样就不会发生这样的性能损耗了。
所以建议：让主键具有AUTO_INCREMENT，让存储引擎自己为表生成主键，而不是我们手动插入。

2.4 计算、函数、类型转换（自动或手动）导致索引失效

2.5 类型转换导致索引失效

设计实体类属性时，一定要与数据库字段类型相对应，否则，就会出现类型转换的情况。

2.6 范围条件右边的列索引失效

范围右边的列不能使用，比如：<、<=、>、>=和between等。
应用开发中范围查询，例如：金额查询，日期查询往往都是范围查询。应将查询条件放置WHERE语句最后。

2.7 不等于（!= 或者 <>）索引失效

2.8 is null可以使用索引，is not null 无法使用索引

结论：最好在设计数据表的时候就将字段设置为NOT NULL约束，比如你可以将INT类型的字段，默认值设置为0，将字符类型的默认值设置为空字符串。同理，在查询中使用not like 也无法使用索引，导致全表扫描。

2.9 like以通配符%开头索引失效

在使用like关键字进行查询的查询语句中，如果匹配字符串的第一个字符为“%”，索引就不会起作用。只有“%”不在第一个位置，索引才会器作用。

Alibaba《Java开发手册》【强制】：页面搜索严禁左模糊或者全模糊，如果需要请走搜索引擎来解决。

2.10 OR前后存在非索引的列，索引失效

在WHERE子句中，如果在OR前的条件列进行了索引，而在OR后面的条件列没有进行索引吗，那么索引会失效。也就是说，OR前后的两个条件中的列都是索引时，查询中才使用索引。
因为OR的含义就是两个只要满足一个即可，因此只有一个条件列进行了索引时没有意义的，只要有条件列没有进行索引，就会进行全表扫描，因此索引的条件列也会失效。

2.11 数据库和表的字符集统一使用utf8mb4

统一使用utf8mb4(5.5.3版本以上支持)兼容性更好，统一字符集可以避免由于字符集转换产生的乱码。不同的字符进行比较需要进行转换会造成索引失效。

2.12 一般性建议

对于单列索引，尽量选择针对当前query过滤性更好的索引。
在选择组合索引的时候，当前query中过滤性最后的字段在索引字段顺序中，位置越靠前越好。
在选择组合索引的时候，尽量选择能够包含当前query中的where子句中更多字段的索引。
在选择组合索引的时候，如果某个字段可能出现范围查询时，尽量把这个字段放在索引次序的最后面。
书写SQL语句时，尽量避免造成索引失效的情况。

三关联查询优化

3.1 左外连接以及内连接

结论：对于内连接来说，查询优化器可以决定谁作为驱动表，谁作为被驱动表出现的。如果表的连接条件中只能有一个字段有索引，则有索引的字段所在的表会被作为被驱动表。在两个表的连接条件都存在索引的情况下，会选择小表作为驱动表。“小表驱动大表”。

3.2 JOIN语句的原理

join方式连接多个表，本质就是各个表之间数据的循环匹配。MySQL5.5版本之前，MySQL只支持一种表间关联方式，就是嵌套循环（Nested Loop Join）。如果关联表的数据量很大，则join关联的执行时间会非常长。在MySQL5.5以后的版本中，MySQL通过引入的BNLJ算法来优化嵌套执行。

3.2.1 驱动表和被驱动表

驱动表就是主表，被驱动表就是从表，非驱动表。

3.2.2 Simple Nested-Loop Join（简单嵌套循环连接）

算法相当简单，从表A中取出一条数据1，遍历表B，将匹配到的数据放到result…以此类推，驱动表A中的每一条记录与被驱动表B的记录进行判断。
在这里插入图片描述
可以看到这种方式效率时非常低的。当然MySQL肯定不会这么粗暴的去进行表的连接，所以就出现了后面的两种对Nested-Loop Join优化算法。

3.3 Index Nested-Loop Join（索引嵌套循环连接）

其优化的思路主要是为了==减少内层表数据的匹配次数，==所以要求被驱动表上必须有索引才行。通过外层表匹配条件直接与内存表索引进行匹配，避免与内存表的每条记录去进行比较，这样极大的减少了对内存表的匹配次数。

驱动表中的每条记录通过被驱动表的索引进行访问，因为索引查询的成本是比较固定的，故mysql优化器都倾向于使用记录数少的表作为驱动表（外表）。
如果被驱动表加索引，效率时非常高的，但如果索引不是主键索引，还得进行一次回表查询。相比，被驱动表的索引是主键索引，效率会更高。

3.4 Block Nested-Loop Join（块嵌套循环连接）

如果存在索引，那么会使用index的方式进行join，如果join的列没有索引，被驱动表要扫描的次数太多了。每次访问被驱动表，其表中的记录都会被加载到内存中，然后再从驱动表中取一条与其匹配，匹配结束后清除内存，然后再从驱动表中加载一条记录，然后把被驱动表的记录再加载到内存匹配，这样周而复始，大大增加了IO的次数。为了减少被驱动表的IO次数，就出现了Block Nested-Loop Join的方式。

不再是逐条获取驱动表的数据，而是一块一块的获取，引入了join buffer缓冲区，将驱动表join相关的部分数据列（大小受join buffer的限制）缓存到join buffer中，然后全表扫描被驱动表，被驱动表的每一条记录一次性和join buffer中的所有驱动表记录进行匹配（内存中操作），将简单嵌套循环中的多次比较合并成一次，降低了被驱动表的访问频率。

注意：
这里缓存的不只是关联表的列，select后面的列也会缓存起来。
在一个有N个join关联的SQL中会分配N-1个Join Buffer。所以查询的时候尽量减少不必要的字段，可以让Join Buffer中可以存放更多的列。

在这里插入图片描述

3.5 Join小结

整体效率比较：INLJ > BNLJ > SNLJ
永远用小结果集驱动大结果集（其本质就是减少外层循环的数据数量）（小的度量单位指的是表行数 * 每行大小）

select t1.b,t2.* from t1 straight_join t2 on (t1.b = t2.b) where t2.id <= 100; # 推荐

select t1.b,t2.* from t2 straight_join t1 on (t1.b = t2.b) where t2.id <= 100; # 不推荐

为被驱动表匹配的条件增加索引（减少内层表的循环匹配次数）
增大join buffer size的大小（一次缓存的数据越多，那么内存包的扫表次数就越少）
减少驱动表不必要的字段查询（字段越少，join buffer锁缓存的数据就越多）

3.6 Hash Join

从MySQL的8.0.20版本开始将废弃BNLJ，开始加入了hash Join,默认都会使用Hash Join

Nested Loop：对于被链接的数据子集较小的情况，Nested Loop是个较好的选择。
Hash Join是做大数据集连接时的常用方式，优化器使用两个表中较小（相对较小）的表利用join key在内存中建立散列值，然后扫描较大的表并探测散列表，找出与Hash表匹配的行。
- 这种方式适合用于较小的表完全可以放于内存中的情况，这样总成本就是访问两个表的成本之和。
- 在表很大的情况下并不能完全放入内存，这时优化器会将它分割成若干个不同的分区，不能放入内存的部分就把该分区写入磁盘的临时表，此时要求有较大的临时段从而尽量提高I/O的性能。
- 它能很好的工作与没有索引的大表和并行查询的环境中。并提供最好的性能。Hash Join只能应用于等值连接，这是由Hash的特点决定的。

3.7 小结

保证被驱动表的JOIN字段已经创建了索引。
需要JOIN的字段，数据类型保持绝对一致。
LEFT JOIN时，选择小表作为驱动表，大表作为被驱动表。减少外层循环的次数。
INNER JOIN时，MySQL会自动将小结果集的表选为驱动表。选择相信MySQL优化策略。
能够直接多表关联的尽量直接关联，不用子查询（减少子查询的趟数）
不建议使用子查询，建议将子查询SQL拆开结合程序多次查询，或使用JOIN来代替子查询。
衍生表建立不了索引。

四子查询优化

MySQL从4.1版本开始支持子查询，使用子查询可以进行SELECT语句的嵌套查询，即一个SELECT查询的结果作为另一个SELECT语句的条件。子查询可以一次性完成很多逻辑上需要多个步骤才能完成的SQL操作。

子查询是MySQL的一项重要的功能，可以帮助我们通过一个SQL语句实现比较复杂的查询。但是子查询的执行效率不高。原因：

执行子查询时，MySQL需要为内层查询语句的查询结果建立一个临时表，然后外层查询语句从临时表中查询记录。查询完毕后，再撤销这些临时表。这样会消耗过多的CPU和IO资源，产生大量的慢查询。
子查询的结果集存储的临时表，不论是内存临时表还是磁盘临时表都不会存在索引，所以查询性能会受到一定的影响。
对于返回结果集比较大的子查询，其对查询性能的影响也就较大。

**在MySQL中，可以使用连接（JOIN）查询来替代子查询。**连接查询不需要建立临时表，其速度比子查询要快。如果查询中使用索引的话，性能就会更好。

尽量不要使用NOT IN 或者 NOT EXISTS，用LEFT JOIN xxx ON xx WHERE xx IS NULL 替代。

五排序优化

在WHERE条件字段上加索引，但是为什么在ORDER BY字段上还要加索引呢？

在MySQL中支持两种排序方式，分别是FileSort和Index排序。

Index排序中，索引可以保证数据的有序性，不需要再进行排序，效率更高。
FileSort排序则一般在内存中进行排序，占用CPU较多。如果待排结果较大，会产生临时文件I/O到磁盘进行排序的情况，效率较低。

优化建议：

SQL中，可以在WHERE子句和ORDER BY子句中使用索引，目的是在WHERE子句中避免全表扫描，在ORDER BY 子句避免使用FileSort排序。当然，某些情况下全表扫描，或者FileSort排序不一定比索引慢。但总的来说，我们还是要避免，以提高查询效率。
尽量使用Index完成Order BY 排序。如果WHERE和ORDER BY后面是相同的列就使用单例索引；如果不同就使用联合索引。
无法使用index时，需要对FileSort方式进行调优。

在这里插入图片描述
所有的排序都是在条件过滤之后才执行的。所以，如果条件过滤掉大部分数据的话，剩下几百几千条数据进行排序其实并不是很消耗性能，即使索引优化了排序，但实际提升性能很有限。

结论：

两个索引同时存在，MySQL自动选择最优的方案。但是，随着数据量的变化，选择的索引也会随之变化的。
当【范围条件】和【group by 或者 order by】的字段出现二选一时，优先观察条件字段的过滤数量，如果过滤的数据足够多，而需要排序的数据并不多时，优先把索引放在范围字段上。反之，亦然。

filesort算法：双路排序和单路排序
排序的字段如果不在索引列上，则filesort会有两种算法：双路排序和单路排序

双路排序（慢）：

MySQL 4.1 之前是使用双路排序，字面意思就是两次扫描磁盘，最终得到数据。读取行指针和order by 列，对它们进行排序，然后扫描已经排序好的列表，按照列表中的值重新从列表中读取对应的数据输出。
从磁盘取排序字段，在buffer进行排序，再从磁盘取其他字段。

取一批数据，再对磁盘进行两次扫描，众所周知，IO是很耗时的，所以在mysql4.1后，出现了第二种改进的算法，就是单路排序。
单路排序（快）
从磁盘读取查询需要的所有列，按照order by列在buffer对它们进行排序，然后扫描排序后的列表进行输出，它的效率更快一些，避免了第二次读取数据。并且把随机IO变成了顺序IO，但是它会使用跟多的空间，因为它把每一行都保存到内存中了。

结论及引申出的问题：

由于单路是后出的，总体而言好过双路。
但是用单路有问题：
- 在sort_buffer中，单路比多路要多占用很多空间，因为单路是把所有字段都取出，所有有可能取出的数据的总大小超出了sort_buffer的容量，导致每次只能取sort_buffer容量大小的数据，进行排序（创建tmp文件，多路合并），排完再取sort_buffer容量大小，再排…从而多次I/O
- 单路本来想省一次I/O操作，反而导致了大量的I/O操作，反而得不偿失。

优化策略

尝试提高sort_buffer_size：不管哪种算法，提高这个参数都会提高效率，要根据系统的能力去提高，因为这个参数是针对每个进程（connection）的1M-8M之间调整。MySQL5.7,InnoDB存储引擎默认值是1048576字节，1MB。

 SHOW VARIABLES LIKE '%sort_buffer_size%';

尝试提高max_length_for_sort_data：提高这个参数，会增加用改进算法的概率。但是如果设置的太高，数据总容量超出sort_buffer_size的概率就增大，明显症状是高的磁盘I/O活动和低的处理器使用率。如果需要返回的列的总长度大于max_length_for_sort_data，使用双路算法，否则使用单路算法。1024-8192字节之间调整。

SHOW VARIABLES LIKE '%max_length_for_sort_data%' # 默认1024字节

Order by 时 select * 是一个大忌。最好只Query需要的字段。原因：
- 当Query的字段大小总和小于max_length_for_sort_data，而且排序字段不是TEXT|BLOB类型时，会用改进后的算法—单路排序，否则用老算法—多路排序。
- 两种算法的数据都可能超出sort_buffer_size的容量，超出之后，会创建tmp文件进行合并排序，导致多次I/O，但是用单路排序算法的风险会更大一些，所以要提高sort_buffer_size。

六 GROUP BY 优化

group by 使用索引的原则几乎跟order by 一致，group by 即使没有过滤条件用到索引，也可以之间使用索引。
group by 先排序再分组，遵照索引建的最佳左前缀法则。
当无法使用索引列，增大max_length_for_sort_data和 sort_buffer_size参数的设置
where效率高于having，能写在where限定的条件就不要写在having中了。
减少使用order by，和业务沟通能不排序就不排序，或将排序放到程序端去做。order by 、group by、distinct 这些语句较为耗费CPU，数据库的CPU资源是极其宝贵的。
包含了order by ，group by，distinct这些查询的语句，where条件过滤出来的结果请保持在1000行以内，否则SQL会很慢。

七优化分页查询

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，一个常见又非常头疼的问题就是limit 2000000,10，此时需要MySQL排序前20000010记录，仅仅返回200000-2000010的记录，其他记录丢弃，查询排序的代价非常大。

EXPLAIN SELECT * FROM student LIMIT 2000000,10;

7.1 优化思路一

在索引上完成排序分页操作，最后根据主键关联回原表查询所需要的其他列内容。

EXPLAIN SELECT * FROM student t ,(SELECT id FROM student ORDER BY LIMIT 2000000,10) 
a WHERE t.id = a.id;

7.2 优化思路二

该方案使用于主键自增的表，可以把limit查询转换成某个位置的查询

EXPLAIN SELECT * FROM student WHERE id > 2000000 LIMIT 10;

八覆盖索引

8.1 什么是覆盖索引

索引是高效找行的一个方法，但是一般数据库也能使用索引找到一个列的数据，因此它不必读取整个行。毕竟索引叶子节点存储了它们索引的数据；当能通过读取索引就可以得到想要的数据，那就不需要读取行了。一个索引包含了满足查询结果的数据就叫做覆盖索引。
非聚簇复合索引的一种形式，它包括在查询里的SELECT、JOIN和WHERE子句用到的所有列（即建索引的字段正好是覆盖查询条件中所涉及的字段）。简单来说就是，索引列 + 主键包含 SELECT 到 FROM之间查询的列。

8.2 覆盖索引的利弊

优点：

避免Innodb表进行索引的二次查询（回表）： Innodb是以聚集索引的顺序来存储的，对于Innodb来说，二级索引在叶子节点中所保存的是行的主键信息，如果是用二级索引查询数据，在查找到相应的键值后，还需通过主键进行二次查询才能够获取到我们真是所需要的数据。在覆盖索引中，二级索引的键值中可以获取所需的数据，避免了对主键的二次查询，减少了IO操作，提升了查询效率。
可以把随机IO变成顺序IO加快查询效率：由于覆盖索引是按键值的顺序存储的，对于IO密集型的范围查询来说，对比随机从磁盘读取每一行的数据IO要少的多，因此利用覆盖索引在访问时也可以把磁盘的随机读取IO转变成索引查找的孙曦IO。
由于覆盖索引可以减少数的搜索次数，显著提升查询性能，所以使用覆盖索引是一个常用的性能优化

弊端：
索引字段的维护总是有代价的，因此，在建立冗余索引来支持覆盖索引时就需要权衡考虑了。这是业务DBA，或者称为业务数据架构师的工作。

九索引下推

9.1 使用前后对比

Index Condition Pushdown(ICP)是MySQL5.6中新特性，是一种在存储引擎层使用索引过滤数据的优化方式。

如果没有ICP，存储引擎会遍历索引以定位基表中的行，并将它们返回给MySQL服务器，由MySQL服务器评估WHERE后面的条件是否保留行。
启动ICP后，如果部分WHERE条件可以仅使用索引中的列进行筛选，则MySQL服务器会把这部分WHERE条件放到存储引擎筛选。然后，存储引擎通过使用索引条目来筛选数据，并且只有在满足这一条件时才从表中读取行。
- 好处：ICP可以减少存储引擎必须访问基表的次数和MySQL服务器必须访问存储引擎的次数。
- 但是，ICP的加速效果取决于在存储引擎内通过ICP筛选掉的数据的比例。

9.2 ICP的开启/关闭

默认情况下启用索引条件下推。可以通过设置系统变量optimizer_switch控制：index_condition_pushdown

#关闭索引下推
SET optimizer_switch = 'index_condition_pushdown=off';
#打开索引下推
SET optimizer_switch = 'index_condition_pushdown=on';

当使用索引条件下推时，EXPLAIN语句输出结果中Extra列内容显示为：Using index condition。

9.3 ICP的使用条件

如果表访问的类型为range、ref、eq_ref和ref_or_null可以使用ICP。
ICP可以用于InnoDB和MyISAM表，包括分区表InnoDB和MyISAM表。
对于InnoDB表，ICP仅用于二级索引。ICP的目标是减少全行读取次数，从而减少I/O操作。
当SQL使用覆盖索引时，不支持ICP。因为这种情况下使用ICP不会减少I/O。
相关子查询的条件不能使用ICP。

十其他查询优化策略

10.1 EXISTS和IN的区分

问题： 不太理解哪种情况下应该使用EXISTS，哪种情况应该用IN，选择的标准是看能否使用表的索引吗？
回答： 索引是个前提，其实选择与否还是要看表的大小。你可以将选择的标准理解为小表驱动大表。在这种方式下效率时最高的。
在这里插入图片描述

10.2 COUNT(*) 与 COUNT(具体字段)效率

问：在MySQL中统计数据表的行数，可以使用三种方式：SELECT COUNT(*)，SELECT COUNT(1)和 SELECT COUNT（具体字段），使用这三者之间的查询效率时怎样的？
答：前提，如果你要统计的某个字段是非空数据行数，则另当别论，毕竟比较执行效率的前提是结果一样才可以。

环节1：COUNT( * ) 和 COUNT(1)都是对所有结果进行COUNT，COUNT( * )和COUNT(1)本质上并没有区别（二者执行时间可能略有差别，不过你还是可以把它俩的执行效率看出是相等的）。如果有WHERE子句，则是对所有符合筛选条件的数据进行统计；如果没有WHERE子句，则是对数据表的数据行数进行统计。
环节2：如果是MyISAM存储引擎，统计数据表的行数只需要O（1）的复杂度，这是因为每张MyISAM的数据表都有一个meta信息存储了row_count值，而一致性则由表级锁来保证。如果是InnoDB存储引擎，因为InnoDB支持事务，采用行级锁和MVCC机制，所以无法像MyISAM一样，维护一个row_count变量，因此需要采用扫描全表时 O(n) 的复杂度，进行循环+计数的方式来完成统计。
**环节3：**在InnoDB引擎中，如果采用==COUNT(具体字段)==来统计数据行数，要尽量采用二级索引。因为主键采用的索引是聚簇索引，聚簇索引包含的信息多，明显会大于二级索引（非聚簇索引）。对于 Count(*)和COUNT(1) 来说，它们不需要查找具体的行，只要统计行数，系统会自动采用占用空间小的二级索引来进行统计。如果有多个二级索引，会使用key_len小的二级索引进行扫描。当没有二级索引的首，才会采用主键索引来进行统计。