个人学习笔记
源自B站尚硅谷讲师宋红康的MySQL课程
B站地址:https://www.bilibili.com/video/BV1iq4y1u7vj
4. 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:
① 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。
② 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。
③ 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越大。
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。
举例1:查询学生表中是班长的学生信息
- 使用子查询
#创建班级表中班长的索引
CREATE INDEX idx_monitor oN class( monitor) ;
#查询班长的信息
EXPLAIN SELECT * FROM student stu1
WHERE stu1.`stuno` IN (
SELECT monitor
FROM class c
WHERE monitor IS NOT NULL
);
- 推荐:使用多表查询
EXPLAIN SELECT stu1.* FROM student stu1 JOIN class c
ON stu1.`stuno` = c.`monitor`
WHERE c.`monitor` IS NOT NULL;
举例2:取所有不为班长的同学。
- 不推荐
EXPLAIN SELECT SQL_NO_CACHE a.*
FROM student a
WHERE a.stuno NOT IN(
SELECT monitor FROM class b
WHERE monitor IS NOT NULL);
- 推荐
EXPLAIN SELECT SQL_NO_CACHE a.*
FROM student a LEFT OUTER JOIN class b
ON a.stuno = b.monitor
WHERE b .monitor IS NULL;
子查询:没有索引
JOIN查询:没有索引
子查询:只有monitor有索引
JOIN查询:只有monitor有索引
子查询:stuno和monitor都有索引
JOIN查询:stuno和monitor都有索引
此处两个举例子 实际跑起来时子查询的效率比连表查询效率高,
可能是子查询里也有用到索引且不用回表操作,效率就也比较高,
或者是此处的SQL优化器改写了传入的子查询SQL语句;
这个需要再测试,可能数据量等的影响,还是
以结论为准
。
结论:尽量不要使用NOT IN 或者 NOT EXISTS,用LEFT JOlN xx ON x WHERE xx IS NULL替代
5. 排序优化
5.1 排序优化
问题: 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?
回答:
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索引列;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。
5.2测试
删除student表和class表中已创建的索引。
#方式1:
DROP INDEX idx_monitor ON class;
DROP INDEX idx_cid ON student;
DROP INDEX idx_age ON student;
DROP INDEX idx_name ON student ;
DROP INDEX idx_age_name_classid ON student;
DROP INDEX idx_age_classid_name ON student;
#方式2:
call proc_drop_index ( 'atguigudb2' , 'student' );
call proc_drop_index ( 'atguigudb2' , 'class' );
以下是否能使用到索引,能否去掉using filesort
过程一:
EXPLAIN SELECT SQL_NO_CACHE * FROM student ORDER BY age,classid;
EXPLAIN SELECT SQL_NO_CACHE * FROM student ORDER BY age,classid LIMIT 10;
过程二:order by时不limit,索引失效
#创建索引
CREATE INDEX idx_age_classid_name ON student (age,classid,NAME);
#不限制,索引失效,查询的*需要回表
EXPLAIN SELECT SQL_NO_CACHE * FROM student ORDER BY age,classid;
#不限制但使用了索引,这个涉及到索引覆盖,查询的字段刚好都在索引上,理解B+Tree
EXPLAIN SELECT SQL_NO_CACHE age,classid,name,id FROM student ORDER BY age,classid;
#增加limit过滤条件,使用上索引了。
#虽然查询的*,但是limit 10限制了数据量,最终使用索引固定数据量后再回表的成本就低了
EXPLAIN SELECT SQL_NO_CACHE * FROM student ORDER BY age,classid LIMIT 10;
过程三:order by时顺序错误,索引失效
#创建索引age,classid,stuno
CREATE INDEX idx_age_classid_stuno ON student (age,classid,stuno);
#失效,不符合最左匹配原则,跳过了age
EXPLAIN SELECT * FROM student ORDER BY classid LIMIT 10;
#失效,不符合最左匹配原则,跳过了age
EXPLAIN SELECT * FROM student ORDER BY classid,NAME LIMIT 10;
#生效,虽然*但是limit有限制数据量
EXPLAIN SELECT * FROM student ORDER BY age,classid,stuno LIMIT 10;
#生效,虽然*但是limit有限制数据量,优化器选择了idx_age_classid_name
EXPLAIN SELECT * FROM student ORDER BY age,classid LIMIT 10;
#生效,虽然*但是limit有限制数据量,优化器选择了idx_age_classid_name
EXPLAIN SELECT * FROM student ORDER BY age LIMIT 10;
如下:
#失效,不符合最左匹配原则,跳过了age
EXPLAIN SELECT * FROM student ORDER BY classid LIMIT 10;
#失效,不符合最左匹配原则,跳过了age
EXPLAIN SELECT * FROM student ORDER BY classid,NAME LIMIT 10;
#生效,虽然*但是limit有限制数据量
EXPLAIN SELECT * FROM student ORDER BY age,classid,stuno LIMIT 10;
#生效,虽然*但是limit有限制数据量,优化器选择了idx_age_classid_name
EXPLAIN SELECT * FROM student ORDER BY age,classid LIMIT 10;
#生效,虽然*但是limit有限制数据量,优化器选择了idx_age_classid_name
EXPLAIN SELECT * FROM student ORDER BY age LIMIT 10;
过程四:order by时规则不一致, 索引失效 (顺序错,不索引;方向反,不索引)
#失效,age字段DESC和默认的ASC冲突,最左失败
EXPLAIN SELECT * FROM student ORDER BY age DESC, classid ASC LIMIT 10;
#失效,不符合最左匹配原则,跳过了age
EXPLAIN SELECT * FROM student ORDER BY classid DESC, NAME DESC LIMIT 10;
#失效,age字段ASC,但是classid字段DESC,不符合索引里都是升序规则,导致索引没法在一个方向上排序
EXPLAIN SELECT * FROM student ORDER BY age ASC,classid DESC LIMIT 10;
#生效,虽然索引默认所有字段都是升序排列,但是此处都使用了DESC,索引只需要倒着来就可以了
EXPLAIN SELECT * FROM student ORDER BY age DESC, classid DESC LIMIT 10;
如下:
#失效,age字段DESC和默认的ASC冲突,最左失败
EXPLAIN SELECT * FROM student ORDER BY age DESC, classid ASC LIMIT 10;
#失效,不符合最左匹配原则,跳过了age
EXPLAIN SELECT * FROM student ORDER BY classid DESC, NAME DESC LIMIT 10;
#失效,age字段ASC,但是classid字段DESC,不符合索引里都是升序规则,导致索引没法在一个方向上排序
EXPLAIN SELECT * FROM student ORDER BY age ASC,classid DESC LIMIT 10;
#生效,虽然索引默认所有字段都是升序排列,但是此处都使用了DESC,索引只需要倒着来就可以了
EXPLAIN SELECT * FROM student ORDER BY age DESC, classid DESC LIMIT 10;
过程五:无过滤,不索引
#生效,使用了部分索引,where过滤后剩余数据量不大时,可能会放弃使用后面的索引,因为直接排序可能更快
EXPLAIN SELECT * FROM student WHERE age=45 ORDER BY classid;
#生效,使用了部分索引,where过滤后剩余数据量不大时,可能会放弃使用后面的索引,因为直接排序可能更快
EXPLAIN SELECT * FROM student WHERE age=45 ORDER BY classid,NAME;
#失效,没有limit限制,要全部数据,不符合最左匹配原则,跳过了age
EXPLAIN SELECT * FROM student WHERE classid=45 ORDER BY age;
#生效,全部使用,这个type类型为index,有limit限制,数据量不大了就,使用索引覆盖排序后再回表
EXPLAIN SELECT * FROM student WHERE classid=45 ORDER BY age LIMIT 10;
#使用了新创建的索引
CREATE INDEX idx_cid ON student(classid);
EXPLAIN SELECT * FROM student WHERE classid=45 ORDER BY age;
如下:
#生效,使用了部分索引,where过滤后剩余数据量不大时,可能会放弃使用后面的索引,因为直接排序可能更快
EXPLAIN SELECT * FROM student WHERE age=45 ORDER BY classid;
#生效,使用了部分索引,where过滤后剩余数据量不大时,可能会放弃使用后面的索引,因为直接排序可能更快
EXPLAIN SELECT * FROM student WHERE age=45 ORDER BY classid,NAME;
#失效,没有limit限制,要全部数据,不符合最左匹配原则,跳过了age
EXPLAIN SELECT * FROM student WHERE classid=45 ORDER BY age;
#生效,全部使用,这个type类型为index,有limit限制,数据量不大了就,使用索引覆盖排序后再回表
EXPLAIN SELECT * FROM student WHERE classid=45 ORDER BY age LIMIT 10;
#使用了新创建的索引
CREATE INDEX idx_cid ON student(classid);
EXPLAIN SELECT * FROM student WHERE classid=45 ORDER BY age;
小结:
INDEX a_b_c(a,b,c)
order by 能使用索引最左前缀
- ORDER BY a
- ORDER BY a,b
- ORDER BY a,b,c
- ORDER BY a DESC,b DESC,c DESC
如果WHERE使用索引的最左前缀定义为常量,则order by 能使用索引
- WHERE a = const ORDER BY b,c
- WHERE a = const AND b = const ORDER BY c
- WHERE a = const ORDER BY b,c
- WHERE a = const AND b > const ORDER BY b,c
不能使用索引进行排序
- ORDER BY a ASC,b DESC,c DESC /* 排序不一致 */
- WHERE g = const ORDER BY b,c /*丢失a索引*/
- WHERE a = const ORDER BY c /*丢失b索引*/
- WHERE a = const ORDER BY a,d /*d不是索引的一部分*/
- WHERE a in (...) ORDER BY b,c /*对于排序来说,多个相等条件也是范围查询*/
5.3 案例实战
ORDER BY子句,尽量使用Index方式排序,避免使用FileSort方式排序。
执行案例前先清除student上的索引,只留主键:
DROP INDEX idx_age ON student;
DROP INDEX idx_age_classid_stuno ON student;
DROP INDEX idx_age_classid_name ON student;
#或者
call proc_drop_index('atguigudb2','student');
场景:查询年龄为30岁的,且学生编号小于101000的学生,按用户名称排序
EXPLAIN SELECT SQL_NO_CACHE * FROM student WHERE age = 30 AND stuno <101000 ORDER BY NAME;
查询结果如下:
mysql> SELECT SQL_NO_CACHE * FROM student WHERE age = 30 AND stuno <101000 ORDER BY NAME;
+-----+--------+--------+------+---------+
| id | stuno | name | age | classId |
+-----+--------+--------+------+---------+
| 852 | 100852 | EKMEMY | 30 | 39 |
| 660 | 100660 | fQNtCH | 30 | 49 |
| 297 | 100297 | gyaDTH | 30 | 29 |
| 726 | 100726 | hPDxDx | 30 | 583 |
| 906 | 100906 | KgAjwD | 30 | 223 |
| 519 | 100519 | kOpiVd | 30 | 768 |
| 700 | 100700 | qVJviJ | 30 | 109 |
| 990 | 100990 | rgHQjw | 30 | 703 |
| 71 | 100071 | SlDgZA | 30 | 438 |
| 174 | 100174 | TrafxZ | 30 | 976 |
| 789 | 100789 | tzpboo | 30 | 137 |
| 658 | 100658 | VmAPza | 30 | 922 |
| 433 | 100433 | VXcrBJ | 30 | 81 |
| 853 | 100853 | wcWBRJ | 30 | 63 |
| 816 | 100816 | yBnJJe | 30 | 668 |
| 598 | 100598 | ZjZtTm | 30 | 216 |
+-----+--------+--------+------+---------+
16 rows in set, 1 warning (0.11 sec)
结论: type是ALL,即最坏的情况。Extra里还出现了Using filesort,也是最坏的情况。优化是必须的。
优化思路:
方案一:为了去掉filesort我们可以把索引建成
CREATE INDEX idx_age_name ON student(age,NAME);
EXPLAIN SELECT SQL_NO_CACHE * FROM student WHERE age = 30 AND stuno <101000 ORDER BY NAME ;
这样我们优化掉了using filesort。
查询结果如下:
mysql> SELECT SQL_NO_CACHE * FROM student WHERE age = 30 AND stuno <101000 ORDER BY NAME ;
+-----+--------+--------+------+---------+
| id | stuno | name | age | classId |
+-----+--------+--------+------+---------+
| 852 | 100852 | EKMEMY | 30 | 39 |
| 660 | 100660 | fQNtCH | 30 | 49 |
| 297 | 100297 | gyaDTH | 30 | 29 |
| 726 | 100726 | hPDxDx | 30 | 583 |
| 906 | 100906 | KgAjwD | 30 | 223 |
| 519 | 100519 | kOpiVd | 30 | 768 |
| 700 | 100700 | qVJviJ | 30 | 109 |
| 990 | 100990 | rgHQjw | 30 | 703 |
| 71 | 100071 | SlDgZA | 30 | 438 |
| 174 | 100174 | TrafxZ | 30 | 976 |
| 789 | 100789 | tzpboo | 30 | 137 |
| 658 | 100658 | VmAPza | 30 | 922 |
| 433 | 100433 | VXcrBJ | 30 | 81 |
| 853 | 100853 | wcWBRJ | 30 | 63 |
| 816 | 100816 | yBnJJe | 30 | 668 |
| 598 | 100598 | ZjZtTm | 30 | 216 |
+-----+--------+--------+------+---------+
16 rows in set, 1 warning (0.03 sec)
方案二:尽量让where的过滤条件和排序使用上索引
#建一个三个字段的组合索引
CREATE INDEX idx_age_stuno_name ON student(age,stuno,NAME);
EXPLAIN SELECT SQL_NO_CACHE * FROM student WHERE age = 30 AND stuno <101000 ORDER BY NAME ;
我们发现using filesort 依然存在,所以name并没有用到索引,而且type还是range光看字面其实并不美好。原因是,因为 stuno是一个范围过滤
,所以索引后面的字段不会再使用索引了。
运行结果:
mysql> SELECT SQL_NO_CACHE * FROM student WHERE age = 30 AND stuno <101000 ORDER BY NAME ;
+-----+--------+--------+------+---------+
| id | stuno | name | age | classId |
+-----+--------+--------+------+---------+
| 852 | 100852 | EKMEMY | 30 | 39 |
| 660 | 100660 | fQNtCH | 30 | 49 |
| 297 | 100297 | gyaDTH | 30 | 29 |
| 726 | 100726 | hPDxDx | 30 | 583 |
| 906 | 100906 | KgAjwD | 30 | 223 |
| 519 | 100519 | kOpiVd | 30 | 768 |
| 700 | 100700 | qVJviJ | 30 | 109 |
| 990 | 100990 | rgHQjw | 30 | 703 |
| 71 | 100071 | SlDgZA | 30 | 438 |
| 174 | 100174 | TrafxZ | 30 | 976 |
| 789 | 100789 | tzpboo | 30 | 137 |
| 658 | 100658 | VmAPza | 30 | 922 |
| 433 | 100433 | VXcrBJ | 30 | 81 |
| 853 | 100853 | wcWBRJ | 30 | 63 |
| 816 | 100816 | yBnJJe | 30 | 668 |
| 598 | 100598 | ZjZtTm | 30 | 216 |
+-----+--------+--------+------+---------+
16 rows in set, 1 warning (0.00 sec)
结果竟然有filesort的 sql运行速度,超过了已经优化掉 filesort的 sql
,而且快了很多,几乎一瞬间就出现了结果。
原因:
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。相对的stuno<101000这个条件,如果没有用到索引的话,要对几万条的数据进行扫描,这是非常消耗性能的,所以索引放在这个字段上性价比最高,是最优选择。
结论:
两个索引同时存在,mysql自动选择最优的方案。(对于这个例子,mysql选择idx_age_stuno_name)。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。
思考:
#删除索引
DROP INDEX idx_age_stuno_name ON student;
#创建索引
CREATE INDEX idx_age_stuno ON student(age,stuno);
#可以正常使用到索引idx_age_stuno
EXPLAIN SELECT SQL_NO_CACHE * FROM student WHERE age = 30 AND stuno <101000 ORDER BY NAME ;
5.4 filesort算法:双路排序和单路排序
排序的字段若如果不在索引列上,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
,对他们进行排序,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,要对磁盘进行两次扫描,众所周知,lO是很耗时的,所以在mysql4.1之后,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,但是它会使用更多的空间,因为它把每一行都保存在内存中了。
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,所以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l/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。
- 在sort_buffer中,单路比多路要
优化策略
1. 尝试提高sort_buffer_size
- 不管用哪种算法,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%';
mysql> SHOW VARIABLES LIKE '%sort_buffer_size%';
+-------------------------+---------+
| Variable_name | Value |
+-------------------------+---------+
| innodb_sort_buffer_size | 1048576 |
| myisam_sort_buffer_size | 8388608 |
| sort_buffer_size | 262144 |
+-------------------------+---------+
3 rows in set (0.00 sec)
2. 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。
#默认1024字节
SHOW VARIABLES LIKE '%max_length_for_sort_data%';
mysql> SHOW VARIABLES LIKE '%max_length_for_sort_data%';
+--------------------------+-------+
| Variable_name | Value |
+--------------------------+-------+
| max_length_for_sort_data | 4096 |
+--------------------------+-------+
1 row in set (0.00 sec)
- 但是如果设的太高,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
3. 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
。 - 两种算法的数据都有可能超出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
。