Mysql索引优化实战-2

Tacy0213

已于 2023-06-21 10:18:14 修改

阅读量45

点赞数

分类专栏： mysql 文章标签：数据库 mysql

于 2023-06-19 23:00:44 首次发布

本文链接：https://blog.csdn.net/beautybug1126/article/details/131296906

版权

mysql 专栏收录该内容

8 篇文章 0 订阅

订阅专栏

示例表

CREATE TABLE `user` (
  `id` int(11) NOT NULL AUTO_INCREMENT,
  `name` varchar(32) NOT NULL DEFAULT '' COMMENT '姓名',
  `age` int(11) NOT NULL DEFAULT '0' COMMENT '年龄',
  `city` varchar(32) NOT NULL DEFAULT '' COMMENT '城市',
  `created_time` timestamp NOT NULL DEFAULT CURRENT_TIMESTAMP COMMENT '创建时间',
  PRIMARY KEY (`id`),
  KEY `idx_name_age_city` (`name`,`age`,`city`) USING BTREE
) ENGINE=InnoDB AUTO_INCREMENT=1 DEFAULT CHARSET=utf8 COMMENT='用户表';

INSERT INTO user(name,age,city,created_time) VALUES('Libai',22,'shanghai',NOW());
INSERT INTO user(name,age,city,created_time) VALUES('Dufu',22,'shaoxing',NOW());
INSERT INTO user(name,age,city,created_time) VALUES('Wanganshi',22,'shenzhen',NOW());

-- 插入示例数据
drop procedure if exists insert_emp; 
delimiter ;;
create procedure insert_emp()        
begin
  declare i int;                    
  set i=1;                          
  while(i<=100000)do                 
    insert into user(name,age,city) values(CONCAT('tacy',i),i,'hangzhou'); 
    set i=i+1;                       
  end while;
end;;
delimiter ;
call insert_emp();

分页查询优化

根据自增且连续的主键排序的分页查询

若主键自增且连续，结果是按照主键排序的

-- 优化前 type: ALL
EXPLAIN SELECT * FROM `user` limit 90000, 5;
-- 优化后 ，走索引，type: range
EXPLAIN SELECT * FROM `user` where id > 90000 limit 5;

根据非主键字段排序的分页查询

EXPLAIN SELECT * FROM `user` order by name limit 90000, 5;

在这里插入图片描述

问题：这里name虽然是索引字段，但是mysql却全表扫描：扫描整个索引并查找到没索引的行，可能要遍历多个索引树)的成本比扫描全表的成本更高，所以优化器放弃使用索引
优化对策：
关键是让排序时返回的字段尽可能少，所以可以让排序和分页操作先查出主键，然后根据主键查到对应的记录

EXPLAIN select * from user u inner join (select id from user order by name limit 90000,5) ud on u.id = ud.id;

在这里插入图片描述
优化后，文件排序优化成了索引排序

Join关联查询优化

-- 示例表：
CREATE TABLE `t1` (
  `id` int(11) NOT NULL AUTO_INCREMENT,
  `a` int(11) DEFAULT NULL,
  `b` int(11) DEFAULT NULL,
  PRIMARY KEY (`id`),
  KEY `idx_a` (`a`)
) ENGINE=InnoDB DEFAULT CHARSET=utf8;

create table t2 like t1;

-- 插入一些示例数据
-- 往t1表插入1万行记录
drop procedure if exists insert_t1; 
delimiter ;;
create procedure insert_t1()        
begin
  declare i int;                    
  set i=1;                          
  while(i<=10000)do                 
    insert into t1(a,b) values(i,i);  
    set i=i+1;                       
  end while;
end;;
delimiter ;
call insert_t1();
-- 往t2表插入100行记录
drop procedure if exists insert_t2; 
delimiter ;;
create procedure insert_t2()        
begin
  declare i int;                    
  set i=1;                          
  while(i<=100)do                 
    insert into t2(a,b) values(i,i);  
    set i=i+1;                       
  end while;
end;;
delimiter ;
call insert_t2();

mysql的表关联常见有两种算法

Nested-Loop Join 算法
Block Nested-Loop Join 算法

嵌套循环连接 Nested-Loop Join(NLJ) 算法

一次一行循环地从第一张表（称为驱动表）中读取行，在这行数据中取到关联字段，根据关联字段在另一张表（被驱动表）里取出满足条件的行，然后取出两张表的结果合集。

EXPLAIN select * from t1 inner join t2 on t1.a= t2.a;

在这里插入图片描述

驱动表是 t2，被驱动表是 t1。先执行的就是驱动表(执行计划结果的id如果一样则按从上到下顺序执行sql)；优化器一般会优先选择小表做驱动表，用where条件过滤完驱动表，然后再跟被驱动表做关联查询。所以使用 inner join 时，排在前面的表并不一定就是驱动表
驱动表的选择
- 当使用left join时，左表是驱动表，右表是被驱动表
- 当使用right join时，右表时驱动表，左表是被驱动表，
- 当使用join时，mysql会选择数据量比较小的表作为驱动表，大表作为被驱动表。
使用了 NLJ算法。一般 join 语句中，如果执行计划 Extra 中未出现 Using join buffer 则表示使用的 join 算法是 NLJ

基于块的嵌套循环连接 Block Nested-Loop Join(BNL)算法

把驱动表的数据读入到 join_buffer 中，然后扫描被驱动表，把被驱动表每一行取出来跟 join_buffer 中的数据做对比。

EXPLAIN select * from t1 inner join t2 on t1.b= t2.b;

在这里插入图片描述
Extra 中的**Using join buffer (Block Nested Loop)**说明该关联查询使用的是 BNL 算法。

被驱动表的关联字段没索引为什么要选择使用 BNL 算法而不使用 Nested-Loop Join 呢？

如果上面第二条sql使用 Nested-Loop Join，那么扫描行数为 100 * 10000 = 100万次，这个是磁盘扫描。
很显然，用BNL磁盘扫描次数少很多，相比于磁盘扫描，BNL的内存计算会快得多。
因此MySQL对于被驱动表的关联字段没索引的关联查询，一般都会使用 BNL 算法。如果有索引一般选择 NLJ 算法，有索引的情况下 NLJ 算法比 BNL算法性能更高

关联sql的优化

关联字段加索引
小表驱动大表

in和exsits优化

原则：小表驱动大表，即小的数据集驱动大的数据集
**in：**当B表的数据集小于A表的数据集时，in优于exists

select * from A where id in (select id from B)  
#等价于：
　　for(select id from B){
      select * from A where A.id = B.id
    }

**exists：**当A表的数据集小于B表的数据集时，exists优于in
　　将主查询A的数据，放到子查询B中做条件验证，根据验证结果（true或false）来决定主查询的数据是否保留

select * from A where exists (select 1 from B where B.id = A.id)
#等价于:
    for(select * from A){
      select * from B where B.id = A.id
    }
    
#A表与B表的ID字段应建立索引

count(*)查询优化

-- 临时关闭mysql查询缓存，为了查看sql多次执行的真实时间
set global query_cache_size=0;
set global query_cache_type=0;
select count(1) from user;
select count(id) from user;
select count(name) from user;
select count(*) from user;
EXPLAIN select count(1) from user;
EXPLAIN select count(id) from user;
EXPLAIN select count(name) from user;
EXPLAIN select count(*) from user;

在这里插入图片描述
四个执行计划都一样

字段有索引
- count(*)≈count(1)>count(字段)>count(主键 id)
- 字段有索引，count(字段)统计走二级索引，二级索引存储数据比主键索引少，所以count(字段)>count(主键 id)
字段无索引
- count(*)≈count(1)>count(主键 id)>count(字段)
- 字段没有索引count(字段)统计走不了索引，count(主键 id)还可以走主键索引，所以count(主键 id)>count(字段)

1、count(1)跟count(字段)执行过程类似，不过count(1)不需要取出字段统计，就用常量1做统计，count(字段)还需要取出字段，所以理论上count(1)比count(字段)会快一点。
2、count(*): mysql不取字段，而是按照行数累加，效率很高
3、**为什么对于count(id)，mysql最终选择辅助索引而不是主键聚集索引？**因为二级索引相对主键索引存储数据更少，检索性能应该更高，mysql内部做了点优化。