MySQL体系架构
- 连接层
- 最上层是一些客户端和链接服务,主要完成一些类似于连接处理,授权认证,相关的安全方案,服务器也会为安全接入的每个客户端校验它具有的操作权限
- 服务层
- 第二层架构主要完成大多数核心服务功能,如SQL接口,并完成缓存的查询,SQL的分析和优化,部分内置函数的执行,所有缓存储引擎的功能也在这一层实现,如过程,函数等
- 引擎层(不同的存储引擎,索引结构不同,MySQL默认innodb)
- 存储引擎真正的负责了MySQL中数据的存储和提取,服务通过API和存储引擎进行通信,不同的存储引擎具有不同的功能,这样我们可以根据自己的需求,来选择合适的存储引擎
- 存储层
- 主要将数据存储在文件系统上,并完成与存储引擎的交互
存储引擎
存储数据,建立索引,更新/查询数据等技术的实现方式。存储引擎是基于表的,而不是基于库的,所以存储引擎也可被称为表类型。
在创建表时,指定存储引擎
CREATE TABLE 表名 {
...
} ENGINE = INNODB
查看当前数据库支持的存储引擎
SHOW ENGINES
INNDB引擎
INNDB 是一种兼顾高可靠性和高性能的通用存储引擎,
特点:
- DML操作遵循ACID模型,支持事务
- 行级锁,提高并发访问性能
- 支持外接FOREIGN KEY 约束 保证数据的完整性和正确性
文件:
xxx.idb: xxx代表的是表名,innodb引擎的每张表都会对应这样一个表空间文件,存储该表的表结构(frm, sdi ) 数据 和 索引, 参数 innodb_file_per_table (默认开启)(MySQL8.0后 每个表都会有一个表空间文件)
MyISAM和Memory引擎
MYISAM
是MySQL做早的默认存储引擎
特点:
- 不支持事务,不支持外键
- 支持表锁,不支持行锁
- 访问速度快
文件
- xxx.sdi: 存储表结构信息
- xxx.MYD: 存储数据
- xxx.MYI: 存储引擎
Memory
Memory引擎的表数据是存储在内存中的,由于受到硬件问题,或者断电问题的影响,只能将这些表作为临时表或者缓存使用
特点:
- 内存存放
- hash索引(默认)
文件:
- xxx.sdi: 存储表结构信息
| 特点 | INNODB | MYISAM | MEMORY |
| — | — | — | — |
| 存储限制 | 64TB | 有 | 有 |
| 事务安全 | 支持 | - | - |
| 锁机制 | 行锁 | 表锁 | 表锁 |
| B+tree索引 | 支持 | 支持 | 支持 |
| Hash索引 | - | - | 支持 |
| 全文索引 | 支持(5.6版本后) | 支持 | - |
| 空间使用 | 高 | 低 | N/A |
| 内存使用 | 高 | 低 | 中等 |
| 批量插入速度 | 低 | 高 | 高 |
| 支持外接 | 支持 | - | - |
存储引擎的选择
- INNODB
- MySQL默认存储引擎,支持事务,外接,如果应用对事务的完整性有比较高的要求,在并发条件下要求数据的一致性,数据操作除了插入和查询之外,还包含很多的更新,删除和操作,那么可以选择INNODB
- MYISAM
- 如果应用是以读操作和插入操作为主,只有很少的更新和删除操作,并且对事务的完成性,并发性要求不是很高,那可以选用MYISAM
- MEMORY
- 将所有数据保存在内存中,访问速度快,通常用于临时表及缓存。MEMORY的缺陷就是对表的大小有限制,太大的表无法缓存在内存中,而且无法保证数据的安全性
索引
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,数据库系统还维护满足特点查找算法的数据结构,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。
优缺点
优势 | 劣势 |
---|---|
提高数据检索的效率,降低数据库的IO成本 | 索引列也是要占用空间的 |
通过索引列对数据进行排序,降低数据排序的成本,降低CPU的消耗 | 索引大大提高了查询效率,同时却也降低更新表的速度,如对表进行行INSERT,UPDATE, DELETE时,效率降低 |
索引结构
索引结构 | 描述 |
---|---|
B+Tree索引 | 最常见的索引类型,大部分引擎都支持B+树索引 |
Hash索引 | 底层数据结构是用哈希表实现的,只有精确匹配索引列的查询才有效,不支持范围查询 |
R-Tree(空间索引) | 空间索引是MYISAM引擎的一种特殊索引类型,主要用于地理空间数据类型,通常使用较少 |
Full-text(全文索引) | 是一种通过建立倒排索引,快速匹配文档的方式,类似于ES Solr |
特点 | INNODB | MYISAM | MEMORY |
---|---|---|---|
B+tree | 支持 | 支持 | 支持 |
Hash索引 | 不支持 | 不支持 | 支持 |
R-Tree | 不支持 | 支持 | 不支持 |
Full-text(全文索引) | 5.6之后支持 | 支持 | 不支持 |
我们平常所说的索引,如果没有特别指明,都是B+树结构组织的索引
索引结构-B+Tree
二叉树
二叉树缺点:顺序插入时,会形成一个链表, 查询性能大大降低,大数量量情况下,层级较深,检索速度慢
红黑树:大数量量情况下,层级较深,检索速度慢
B-Tree(多路平衡查找树)
以一颗最大度数为5(5阶)的b-tree为例(每个节点最多存储4个key,5个指针)
每个叶子下存放的是数据
B-Tree动画演示地址:https://www.cs.usfca.edu/~galles/visualization/Algorithms.html
B+Tree
以一颗最大度数为4(4阶,3个key,4个指针)为例子
相对于B-Tree:
- 所有的数据都会出现在叶子节点
- 叶子节点形成一个单向的链表
MySQL的B+Tree
MySQL索引数据结构对经典的B+Tree进行了优化,在原B+Tree的基础中,增加了一个指向相邻叶子节点的链表指针,就形成了带有顺序指针的B+Tree,提高了区间访问的性能
HASH索引
哈希索引就是采用一定的Hash算法,将键值换算成新的Hash值,映射到对应的槽位上,然后存储在Hash表中
如果两个(或多个)键值,映射到一个相同的槽位撒花上,他们就产生了Hash冲突,可以通过链表解决
Hash索引的特点:
- Hash索引只能用于对等比较(=, in), 不支持范围查询(between, >< > , …)
- 无法利用索引完成排序
- 查询效率高,通常只需要一遍检索就可以,效率要高于B+Tree (如果有冲突是链表结构,那就不是一遍检索)
存储引擎支持:
- 在MySQL中,支持HASH索引的是MEMORY引擎,而INNDB中具有自适应Hash功能,Hash索引是存储引擎根据B+Tree索引在指定条件下自动构建的
问题:为什么INNODB存储引擎选择使用B+Tree索引结构
- 相对于二叉树,层级更少,搜索效率高
- 对于B-Tree, 无论是叶子结点还是非叶子节点,都会保存数据,这样导致一页中存储的键值减少,指针跟着减少,要保存同样大量数据,只能增加数的高度,导致性能降低
索引的分类
分类 | 含义 | 特点 | 关键字 |
---|---|---|---|
主键索引 | 针对于表中主键创建的索引 | 默认自动创建,只能有一个 | PRIMARY |
唯一索引 | 避免同一个表中某数据列中的值重复 | 可以有多个 | UNIQUE |
普通索引 | 快递定位特定数据 | 可以有多个 | |
全文索引 | 全文索引找的是文本中的关键词,而不是比较索引中的值 | 可以有多个 | FULLTEST |
在INNODB中,根据索引的存储形式,可以分为以下两种
分类 | 含义 | 特点 |
---|---|---|
聚集索引(Clustered Index) | 将数据存储与索引放在一块,索引结构的叶子节点保存了行数据 | 必须有,而且只有一个 |
二级索引(Secondary Index)(非聚集索引) | 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组件 | 可以存在多个 |
聚集索引选取规则:
- 如果存在主键,注解索引就是聚集索引
- 如果不存在主键,将使用第一个唯一(UNIOUQ)索引作为聚集索引
- 如果没有主键,也没有唯一索引,那INNODB会自动生成一个rowId作为隐藏的聚集索引
问题:以下SQL语句,那个执行效率高? 为什么?
SELECT * FROM user WHERE id = 10;
SELECT * FROM user WHERE name = "A";
id为主键索引, name 为普通索引
答:
第一条比较快,因为id为聚集索引,可以直接根据id定位到数据
第二条name是普通索引,需要先定位到id值,在回表查询,定位到行值
问题:INNODB主键索引的B+Tree高度为多高?
答:
假设,一行数据大小为1K,一页中可以存储16行这样的数据,InnoDB的指针占用6个字节,主键及时为bigint,占用字节数为8
树高度为2:n*8+(n+1)*6 = 16 * 1024 算出n约1170 有1171个指针
1171 * 16 = 18736
高度为3:
1171 * 16 * 1171 = 21939856 (如果有2000万条数据,那么树的机构才3层)
索引的语法
创建索引
CREATE [UNIQUE | FULLTEXT]INDEX index_name ON table_name(index_col_name, ...);
查询索引
SHOW INDEX FROM table_name
删除索引
DROP INDEX index_name ON table_name;
SQL性能分析
SQL执行频率
MySQL客户端连接成功后,通过show [session | global] status 命令可以提供服务器状态信息。通过如下指令,可以查看当前数据库的INSERT UPDATE DELETE SELECT 的访问频率
SHOW GLOBAL STATUS LIKE 'com_' (_匹配一个字符)
慢查询日志
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。
MySQL的慢查询日志默认没有开启,需要在MySQL的配置文件中(/etc/my.cnf)中配置如下信息。
# 开启MySQL慢查询日志开关
slow_query_log=1
# 设置慢日志的时间为2秒,SQL语句执行超过两秒,就会视为慢查询日志,记录慢查询日志
long_query_time=2
配置完成之后,通过一下指定重新启动MySQL服务器进行测试,查看慢日志文件中记录的信息
:::info
/var/lib/mysql/localhost-slow.log
:::
SQL性能分析
profile详情
:::info
show profile能够在SQL优化时帮助我们了解时间都消耗到哪里去了。通过have_profiling参数,能都看到当前MySQL是否支持profile操作。
SELECT @@have_profiling;
:::
默认profiling是关闭的,可以通过set语句在session/global级别开启profiling
SET profiling=1;
执行一系列的业务SQL的操作,然后用过如下指令查看指令的执行耗时;
# 查看每一条SQL的耗时基本情况
show profiles;
# 查看指定query_id的SQL语句各个阶段的耗时情况
show profile for query_id;
# 查看指定query_id的SQL语句的CPU使用情况
show profile cpu for query query_id;
explain执行计划
EXPLAIN或者DESC命令获取MySQL如果执行SELECT语句的信息,包括在SELECT语句执行过程中表如何连接和连接的顺序的语法;
# 直接在select语句之前加上关键字explain/desc (常用explain)
EXPLAIN SELECT 字段列表 FROM 表名 WHERE 条件;
- id
- select查询的序列号,表示查询中执行select子句或者是操作表的顺序(id相同,执行顺序从上到下,id不同,值越大,越先执行)
- id 相同
- id不同
-
select_type
- 表示select的类型,常见的取值有SIMPLE(简单表, 既不使用表连接或者子查询),PRIMARY(主查询,即最外层的查询),UNION(UNION中的第二个或者后面的查询语句),SUBQUERY(SELECT/WHERE之后包含了子查询)等
-
type
- 连接类型,性能由好到差的连接类型为NULL,system, const,eq_ref,ref,range,index,all。
- null 不访问任何表,会出现null 如 EXPLAIN SELECT ‘A’;
- system 访问一张系统表,才会出现
- const 根据主键或者唯一索引,会出现const
- ref 使用非唯一索引
- index 用到了索引,但是会对索引进行扫描,遍历整个索引数
- all 全表扫描
- 连接类型,性能由好到差的连接类型为NULL,system, const,eq_ref,ref,range,index,all。
-
possible_key
- 显示可能应用在这张表上的索引,一个或者多个
-
key
- 实际用到的索引。如果为null 则没有用到索引
-
ken_len
- 表示索引中使用的字节数,该值为索引字段最大可能长度,并非实际使用长度,在不损失精确性的前提下,长度越短越好。
-
rows
- MySQL认为必须执行查询的行数,在INNODB的表中,是一个预估值,可能并不是准确的
-
filtered
- 表示返回结果的行数占需读取行数的百分比,filtered的值越大越好。
-
Extra
- 额外信息,前面没有展示的,在这里展示
:::info
Extra 列的含义
- 额外信息,前面没有展示的,在这里展示
-
Using where
- 含义:表示在索引扫描过程中应用了过滤条件。
- 说明:MySQL在读取索引条目时就进行了WHERE子句中的条件过滤,而不是先读取所有索引条目再过滤。
-
Using index
- 含义:表示使用了覆盖索引(即索引包含了所有需要的列)。
- 说明:查询所需的全部列都在索引中,因此不需要回表查询(即不需要访问实际的数据行)。
-
Using temporary
- 含义:表示使用了临时表。
- 说明:MySQL需要使用临时表来存储中间结果。这通常发生在需要对结果集进行排序或去重的情况下,但没有合适的索引可用。
-
Using filesort
- 含义:表示需要进行排序操作。
- 说明:MySQL需要进行额外的排序操作。这通常发生在ORDER BY或DISTINCT之后,如果没有合适的索引支持排序需求。
-
Using join buffer (Block Nested Loop)
- 含义:表示MySQL使用了Block Nested Loop算法来处理JOIN操作。
- 说明:这通常发生在没有合适的索引来支持JOIN操作时。
-
Impossible WHERE noticed after reading const tables
- 含义:表示MySQL发现WHERE子句中的条件是不可能满足的。
- 说明:查询将不会返回任何结果。
-
Select tables optimized away
- 含义:表示MySQL优化掉了查询中的某些表。
- 说明:这通常发生在查询中包含常量表时,MySQL可以直接从常量表中获取结果。
-
No matching row in const table
- 含义:表示在查询中涉及到的某个常量表中没有匹配的行。
- 说明:查询将不会返回任何结果。
-
Using index condition
- 含义:表示MySQL使用了索引条件推送(Index Condition Pushdown, ICP)。
- 说明:这是一种优化技术,允许MySQL在索引扫描期间就应用WHERE子句中的条件,从而减少需要读取的数据量。
-
NULL
- 含义:表示没有额外的操作。存在回表查询
- 说明:查询已经通过索引或其他方式得到了优化,没有需要报告的额外操作。
:::
索引的使用
全表扫描 vs 索引扫描:如果mysql认为索引的选择性不高(即有很多重复值),那么即使存在索引,MySQL也可能决定进行全表扫描,因为它认为这样做效率更高。
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,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。
如果跳跃了某一列,索引将部分失效(后面的字段索引失效)
例子:
- 索引类型
执行语句:
# 三个索引都使用到了
1. EXPLAIN SELECT * FROM system_menu WHERE parent_id = 0 AND path = '/watermark' AND `name` = 'WATERMAEK';
# parent_id 和 path 索引都使用到了
2. EXPLAIN SELECT * FROM system_menu WHERE parent_id = 0 AND path = '/watermark';
# parent_id 索引使用到 name 索引失效,因为跳过了path列。
3. EXPLAIN SELECT * FROM system_menu WHERE parent_id = 0 AND `name` = 'WATERMAEK';
# 使用到了索引
4. EXPLAIN SELECT * FROM system_menu WHERE parent_id = 0;
# 索引失效,全表扫描,因为最左边的索引不在
5. EXPLAIN SELECT * FROM system_menu WHERE path = '/watermark' AND `name` = 'WATERMAEK';
# 三个索引都使用到了,MySQL会判断三个索引列是否都存在,如果都存在于位置无关。
6. EXPLAIN SELECT * FROM system_menu WHERE path = '/watermark' AND `name` = 'WATERMAEK' AND parent_id = 0;
2和6 索引的使用与顺序无关,数据库的查询优化器会自动帮助我们优化我们的sql,看哪个执行的效率最高
索引使用情况: 从上到下
范围查询
联合索引中,出现了范围查询(>,<)范围查询右侧的列索引失效
例子:
# parent_id后面的索引全部失效
EXPLAIN SELECT * FROM system_menu WHERE parent_id > 0 AND path = '/watermark' AND `name` = 'WATERMAEK';
# 联合索引正常使用,意见: 如果在业务允许的话,尽量使用>= , <= .
EXPLAIN SELECT * FROM system_menu WHERE parent_id >= 0 AND path = '/watermark' AND `name` = 'WATERMAEK';
索引列运算
不要在索引列上进行运算操作,索引将会失效
例子:
匹配后面两个字符为EK,使用运算,变成了全表扫描
字符串不加引号
字符串类型字段使用时,不加引号,索引将失效(涉及到隐私转换)
模糊匹配
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,索引失效
or连接的条件
用or分割开的条件,如果or前的条件中的列有索引,而后面的列中没有索引,那么涉及的索引都不会被用到
数据分布影响
如果MySQL评估使用索引会比全表扫描慢,则不会使用索引。
**对索引使用is null or is not null **
对索引使用is not 和 is not null 不一定使用is not 就会使用索引,使用is not null 就索引失效,取决去当前数据库表中字段的数据分布情况,
SQL提示
SQL提示,是优化数据库的一个重要手段,简单来说,就是在SQL语句中加入一下人为的提示来达到优化操作的目的
use index: 告诉数据库使用这个索引 (建议MYSQL使用,具体是否使用,MYSQL决定)
EXPLAIN SELECT * FROM table_name use index(index_name) WHERE col = 'xxxx';
ignore index: 告诉数据库忽略这个索引
EXPLAIN SELECT * FROM table_name ignore index(index_name) WHERE col = 'xxxx';
force index: 告诉数据库强制使用这个索引
EXPLAIN SELECT * FROM table_name force index(index_name) WHERE col = 'xxxx';
覆盖索引
尽量使用覆盖索引(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),减少select * 使用
:::info
useing index condition: 查找使用了索引,但是需要回表查询数据
useing index; useing where: 查找使用索引,但是需要的数据都在索引列中能找到,所以不用回表查询
:::
问题:
一张表:有4个字段(id, username, passwrod, status)由于数据量大,需要对以下SQL语句进行优化,该如果优化方案最佳?
- SELECT id, username, password FROM tb_user WHERE username = ‘xxxx’;
- 针对于username 和 password 创建联合索引, 不需要回表查询。
前缀索引
当字段类型为字符串(varchar, text等),有时候需要索引很长的字符串,这会让索引变得很大,查询时,浪费大量的磁盘IO,影响查询速率,此时可以只将字符串的一部分前缀,建立索引,这样可以大大节约空间,从而提高索引效率。
语法:
CREATE INDEX idx_xxx ON table_name(column(n))
前缀长度:
可以根据索引的选择性来决定,而选择性是指不重复的索引值(基数)和数据库表的记录总数的比值,索引选择性越高则查询效率越高,唯一索引的选择性是1,这是最好的索引选择性,性能也是最好的。
SELECT COUNT(DISTINCT email) / COUNT(*) FROM table_user;
SELECT COUNT(DISTINCT SUBSTRING(email,1,5)) / COUNT(*) FROM table_user;
单列索引和联合索引
- 单列索引: 即一个索引包含了单个列
- 联合索引:即一个索引包含了多个列
再业务场景中,如果存在多个查询条件,考虑针对于查询字段建立索引时,建议建立联合索引,而给单列索引
多条件联合查询时,MySQL优化器会评估哪个字段的索引效率更高,会选择该索引完成本次查询。
索引设计原则
- 针对于数据量较大(上百万)且查询比较频繁的表建立索引
- 针对于常作为查询条件(WHERE)排序(ORDER BY)分组(ORDER 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,可以针对字段的特点,建立前缀索引
- 尽量使用联合索引,减少单列索引,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越大,会影响增删改的效率
- 如果索引列不能存储NULL值,请再创建表时使用NOT NULL约束它,当优化器知道每列是否包含NULL值时,它可以更好的确定哪个索引最有效地用于查询
SQL语句优化
插入数据
insert优化
- 批量插入
INSERT INTO table_name VALUES(zz,xx,yy),(zz,xx,yy); 最多500到1000条最合适
- 手动事务提交 (mysql事务自动提交,说明插入一条就提交一次事务)
START TRANSACTION;
INSERT INTO table_name VALUES(XX,TT),(NN,MM);
INSERT INTO table_name VALUES(XX,TT),(NN,MM);
INSERT INTO table_name VALUES(XX,TT),(NN,MM);
INSERT INTO table_name VALUES(XX,TT),(NN,MM);
COMMIT;
- 主键顺序插入
- 大批量插入数据
如果需要一次性插入大批量数据,使用insert语句插入性能较低,此时可以使用MySQL数据库提供的load指令进行插入,如下:
主键顺序插入性能要高于乱序插入
主键优化
- 数据组织顺序
- 在INNODB存储引擎中,表数据都是根据主键顺序组织存放的,这种存储方式的表称为索引组织表
- 页分裂
- 页可以为空,也可以填充一半,也可以填充100%,每个页包含了2-N行数据(如果一行数据多大,会行溢出)根据主键排列
主键乱序插入,50 原来应该在第一页或者第二页头部,但是现在已经都满了,那么会进行一个操作将第一页百分50的地方,移动到第三页,把新插入的放在移动后的第三页后面,
然后将第一页的指向更换到第三页,新增第三页和第二页的双向指向。
- 页合并
- 当删除一行记录时,实际上记录并没有被物理删除,只是记录被标识(flaged)为删除并且他的空间变得允许被其他记录使用
- 当页中删除的记录达到MERGE_THRESHOLD(默认为页的50%),InnoDB会开始寻找最靠近的的页(前后页)看看是否可以将两个页合并以优化空间
:::info
MERGE_THRESHOLD: 合并页的阈值,可以自己设置,再创建表或者索引时指定
:::
- 主键设计原则
- 满足业务需求的情况下,尽量降低主键的长度
- 插入数据时,尽量选择顺序插入,选择使用AUTO_INCREMENT自增主键
- 尽量不要使用UUID做主键或者是其他自然主键,如身份证
- 业务操作时,避免对主键的修改
ORDER BY 优化
- using filesort: 通过表的索引或者全表扫描,读取满足条件的数据行,然后再排序缓冲区sort buffer中完成排序操作,所有不是通过索引直接返回排序的结构都叫FileSort排序
- using index: 通过有序索引顺序扫描直接返回有序数据,这种情况为using index 不需要额外的排序,操作效率高。
因为user_id 和 user_mobile 没有索引
创建完索引后
CREATE INDEX user_id_mobile_index ON test_user(user_id, user_mobile);
Backward index scan; 因为我们是倒叙,所以这是反向扫描索引。
使用第二个字段排序,违背最左前缀法则
第一个ASC 第二个DESC
解决办法,针对这个创建索引
CREATE INDEX user_id_mobile_index ON test_user(user_id ASC, user_mobile DESC);
以上前提,都在覆盖索引的情况下使用
如果使用SELECT * , 则还是useing filesort;
总结:
- 根据排序字段建立索引,多字段排序时,也遵循最左前缀法则
- 尽量使用覆盖索引
- 多字段排序,一个升序一个降序,此时需要注意联合索引在创建时的规则(ASC, DESC)
- 如果不可避免的出现filesort,大数据量排序时,可以适当增加排序缓冲区的大小(sort_buffer_size) 默认256K(如果256K满了,会涉及到使用磁盘文件排序,效率又降低)
GROUP BY优化
using temporary: 创建临时表
创建一个联合索引,查询结果为using index
根据user_id 进行分组(用到了索引,也用到了临时表)
满足最左前缀法则,直接走索引
在WHERE里面使用最左边的索引,也会生效
limit 优化
问题:一个常见又非常头疼的问题就是limit 200000, 10,此时需要MySQL排序前200010记录,仅仅返回200000-200010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的提高性能,可以通过覆盖索引加子查询形式进行优化
EXPLAIN SELECT * FROM table_name AS a, (SELECT id ORDER BY id limit 200000, 10) AS b WHERE a.id = b.id;
count优化
- MyISAM引擎把一个表的总行数据存在了磁盘中,因此执行count(*)的时候会直接返回这个数,效率很高(前提: 没有WHERE语句)
- InnoDB引擎比较麻烦,它执行count(*)的时候,需要吧数据一行一行的从引擎读取出来,然后累积计数(有没有WHERE一样)
优化思路:自己计数
count几种用法
- count()是一个聚合函数,对于返回的结果集,一行行地判断,如果count函数的参数不是null,累计值加1,否则不加,最后返回累计值
- 用法
- count(*)
- InnoDB引擎并不会把全部字段取出来,而且专门做了优化,不取值,服务层直接按按行进行累加
- count(主键)
- InnoDB引擎会遍历整张表,把每一行的主键id都取出来,返回给服务层,服务层拿到主键后,直接按行进行累加(主键不可能为null)
- count(字段) 如果字段是空,则不会加入累计 count(null) 为0;
- 没有not null 约束,InnoDB引擎会遍历整张表把每一行的字段值都取出来,返回给服务层,服务层需要判断是否为null,不为null,计数累加
- 有not null 约束,InnoDB引擎会遍历整张表把每一行的字段值都取出来,返回给服务层,直接进行累加
- count(1)
- InnoDB引擎会遍历整张表但不取值,服务层对于返回的每一行,放一个数字(1)进去,直接按行进行累加(放进去的数字与传入的数字一致)
- count(*)
按效率排行,count() = count(1) >count(id) > count(主键) 所以尽量使用count()
UPDATE优化
InnoDB的行锁是针对于对索引加的锁,不是针对记录加的锁,并且该索引不是失效,否则会从行锁升级成表锁。