sql 查询重复数据大于2条以上的_「干货」关于SQL书写建议 &索引优化的总结，你值得拥有...

前言
平时写sql写的比较多，一直没把优化相关的知识整理记录下来，本文章记录对SQL优化的一些技巧；

我将结合demo(一个百万级数据表)，去实践验证这些优化技巧。

测试用例
接下来，我们创建一个测试表并生成100w条测试数据，有助演示或验证接下来的知识

-- 创建一个测试表CREATE TABLE `users` (  `id` int(11) NOT NULL AUTO_INCREMENT,  `a` varchar(255) DEFAULT NULL,  `b` varchar(255) DEFAULT NULL,  `c` varchar(11) DEFAULT NULL,  `d` int(2) DEFAULT NULL,  PRIMARY KEY (`id`),  KEY `index_name` (`a`,`b`,`c`) USING BTREE,  KEY `d` (`d`),  KEY `b` (`b`)) ENGINE=InnoDB AUTO_INCREMENT=10 DEFAULT CHARSET=utf8;-- ------------------------------ Records of users-- ----------------------------INSERT INTO `users` VALUES ('1', 'a', 'b', 'c', '1');INSERT INTO `users` VALUES ('2', 'asd', '785qwe', '2', '2');INSERT INTO `users` VALUES ('3', 'wer', '123', '1', '3');INSERT INTO `users` VALUES ('4', '左先生', '123', '1', '4');INSERT INTO `users` VALUES ('5', 'qwe1', 'wq12', '2', '5');INSERT INTO `users` VALUES ('6', 'qwe', '123', '2', null);INSERT INTO `users` VALUES ('7', '1', '1', '1', null);INSERT INTO `users` VALUES ('8', 'w', '1', '1', null);INSERT INTO `users` VALUES ('9', 'aa', '1', null, null);
-- 创建生成随机数据的存储过程DROP PROCEDURE IF EXISTS `create_test_data`;DELIMITER ;;CREATE  PROCEDURE `create_test_data`(n INT)    COMMENT '生成若干随机数据'BEGIN DECLARE i INT DEFAULT 1;    WHILE i < n DO                INSERT INTO `test`.`users` (`a`, `b`, `c`) VALUES                            (                                get_rand_str (10),                                get_rand_str (10),                                get_rand_str (10)                            );        SET i = i + 1;    END WHILE;END;;
-- 返回随机字符串的函数DROP FUNCTION IF EXISTS `get_rand_str`;DELIMITER ;;CREATE  FUNCTION `get_rand_str`(n INT) RETURNS varchar(100)    COMMENT '返回随机数'BEGIN   DECLARE char_str varchar(100) DEFAULT 'abcdefghijklmnopqrstuvwxyzABCDEFGHIJKLMNOPQRSTUVWXYZ0123456789';    DECLARE return_str varchar(255) DEFAULT '';    DECLARE i INT DEFAULT 0;    WHILE i < n DO        SET return_str = concat(return_str, substring(char_str, FLOOR(1 + RAND()*62), 1));        SET i = i+1;    END WHILE;    RETURN return_str;END;;
-- 生成100w条随机数据-- 预计花费半小时或更久，其实也可以生成1w条。主要是数据多一点，更能反映出索引的重要性call create_test_data(100*10000);
Explain
Explain是确定一个SQL是否走索引最简单的办法，我们用此方法可以对SQL进行调优，本文章只需关注以下项目，关于Exolain的具体说明可查阅具体说明

type( 从最好到最差依次是 const > eq_ref > ref > range > index > all )const 表示通过索引一次就找到了，const用于比较primary key 或者 unique索引eq_ref 多表连接中使用primary key或者 unique key作为关联条件ref 非唯一性索引扫描，返回匹配某个单独值得所有行，本质上也是一种索引访问，它返回所有匹配某个单独值得行，然而它可能会找到多个符合条件的行，所以他应该属于查找和扫描的混合体range 只检索给定范围的行，一般就是where语句中出现了between,in等范围的查询。这种范围扫描索引扫描比全表扫描要好index 遍历全表，ALL区别为index类型只遍历索引树 ( select索引列或order by 主键 两种情况，但是where没用到索引 )all 遍历全表以找到匹配的行一般保证查询至少达到range级别，最好能达到ref。
key 本次查询最终用到哪个索引
key_len 索引使用的前缀长度或整个长度
row 扫描过的记录行数
-- 测试一下,其中b字段有索引，c字段没有索引SELECT * from users where b='随便啦，测试而已'; -- 花费0.001sSELECT * from users where c='随便啦，测试而已'; -- 花费0.306s

SQL优化建议
少用select *
老生常谈，大家都懂。

合理使用limit 1
如果知道查询结果只有一条或者只要一条记录，建议用limit 1，当然，如果已存在唯一索引就没必要用。

合理使用join
Inner join 内连接，在两张表进行连接查询时，只保留两张表中完全匹配的结果集

left join 在两张表进行连接查询时，会返回左表所有的行，即使在右表中没有匹配的记录

right join 在两张表进行连接查询时，会返回右表所有的行，即使在左表中没有匹配的记录

都满足SQL需求的前提下，推荐优先使用Inner join(内连接)，如果要使用left join，左边表数据结果尽量小，如果有条件的尽量放到左边处理。

批量插入数据
数量不大的情况下，一条一条插入问题不大。如果数据量两，使用批量插入语句效率更高

for(){  INSERT INTO`test`.`users`(`a`,`b`,`c`) VALUES ('hLQK51GcL6','1DXIzvIS3t','4LsQGKva6U')}
更优：

INSERT INTO `test`.`users` (`a`, `b`, `c`)VALUES-- 此处可自行拼接语句，如使用mybatis等    (        'hLQK51GcL6',        '1DXIzvIS3t',        '4LsQGKva6U'    ),    (        'hLQK51GcL6',        '1DXIzvIS3t',        '4LsQGKva6U'    )
尽量用union all替换 union
如果使用union，不管检索结果有没有重复，都会尝试进行合并，然后在输出最终结果前进行排序。如果已知检索结果没有重复记录，使用union all 代替union，这样会提高效率。

-- 执行时间0.06sSELECT    *FROM    usersLIMIT 0, 10000UNION ALLSELECT    *FROM    usersLIMIT 10000,20000-- 执行时间0.2sSELECT    *FROM    usersLIMIT 0, 10000UNIONSELECT    *FROM    usersLIMIT 10000,20000
会使索引失效的几种情况
where条件中没有匹配字段类型
where中使用NOT、!=、IN ("IN" Mysql5.6及以上支持索引)
where中使用OR连接没有索引的字段
where中使用in (mysql5.6及以上支持索引)
like '%关键字%'
where中对字段进行运算或使用函数
使用复合索引但没有使用"引导列"
我们知道测试表中b字段是有索引，c没有索引，接下来逐一测试一下

where条件中没有匹配字段类型

-- b是字符串类型,where且写了整数，虽然可以正常执行sql，但是不会走索引EXPLAIN SELECT * from users where b=1;
** NOT、!=**

-- 均会使索引失效EXPLAIN SELECT * from users where b not in('a');EXPLAIN SELECT * from users where b is not null; EXPLAIN SELECT * from users where b !='a'
OR

-- 用or连接没有索引的字段这种情况，假设它走了b的索引，但是走到c查询条件时，它还得全表扫描-- 也就是需要三步过程：全表扫描+索引扫描+合并。所以OR会导致索引失效-- 注意，测试表中c是没索引的，如果c也有索引，用or其实是OK的EXPLAIN SELECT * from users where b='a' or c='a'-- 优化方式1.改用 inSELECT * from users where b in ('b','bbb')2.UNION -- 对于or，我们可以这样优化我们的sql,虽然第二条没有走索引,但是第一条sql就走了索引啦SELECT * from users where b = 'b'     UNION SELECT * from users where c = 'c' 
LIKE

-- %关键字% 会让索引失效SELECT * from users where a like '%abc%'-- 正例,"关键字%"是可以使用索引提高查询效率,类似前缀索引SELECT * from users where a like 'abc%'
where中对字段进行运算或使用函数

-- 均会使索引失效EXPLAIN SELECT * from users where YEAR(ctime) = '2020';EXPLAIN SELECT * from users where d+1=2;
大于号与小于号

-- 在mysql中大于号小于号是个神奇的东西，使用它有时候会走索引有时候不走，据说是和结果的数量有关的，当数量较少(网上查到是有一个比例)时时使用索引的-- 建议能用BETWEEN就不要用>'2020-03-30 19:45:30'
使用复合索引但没有使用"引导列"

-- 可知表中有复合索引idx_abc(a,b,c),还有一个idx_b索引，我们先把idx_b删除-- 以下sql 没有用到"引导列"所以不会走idx_abc索引，"引导列"只指复合索引的第一个字段EXPLAIN SELECT * from users where c='c' and b='b'  ;-- 正例 只要出现a即可EXPLAIN SELECT * from users where a='a' and b='b'  ;EXPLAIN SELECT * from users where a='a' and c='c'  ;
limit分页优化
我们日常做分页需求时，一般会用 limit 实现

-- 常用做法SELECT * from users LIMIT 1000000,10
当偏移量最大的时候，查询效率就会越低，因为Mysql并非是跳过偏移量直接去取后面的数据，而是先把偏移量+要取的条数，然后再把前面偏移量这一段的数据抛弃掉再返回的。

优化分页是需要跟业务结合，这里提供几种解决方案，没有最好只有最合适

where加上时间筛选

比如只获取最近一年的数据、只获取今年的数据 where createtime>'2020-01-01'

放弃选页，即只有上一页下一页

第一页直接查
获得第一页max(id)，如123，一般是最后一条数据，
然后查询带上索引，这样每次只要扫描10条数据 where id>123 limit 10
限制页数

如只允许获取前100页

索引优化
建立索引
mysql中索引一共分为主键索引、唯一索引、普通索引、全文索引。常用的都是前三种，第一种跟随主键，无需手动创建，而第四种全文索引用于全文搜索。只有InnoDB和 MyISAM存储引擎支持 FULLTEXT索引和仅适用于 CHAR， VARCHAR和 TEXT列，一般比较少用，因为像大文本的检索都会采用一些全文检索框架如elasticsearch，而不是在数据库里检索。

-- 单列索引CREATE INDEX index_name ON users (`name`);-- 多列索引CREATE INDEX index_name ON users (`name`,age);-- 唯一索引，单列索引CREATE UNIQUE INDEX index_name ON users (`name`);-- 唯一索引，多列索引CREATE UNIQUE INDEX index_name ON users (`name`,age);
优化
索引与字段选择性
如下两个字段，邮箱、用户名这种选择性较高的字符串是比较适合做索引，而性别这种比较单一的字段，建索引效率并不会提高太多，但如果存在男极多女极少的情况下，也可以考虑建索引。另外如果有一个CHAR(255)的列，如果在前10个或20个字符内，多数值是唯一的，这种情况也属于选择性较低的字段，不适合做索引

| email | age | username || asdasda@qq.com | 男 | 小明 || 123basb1@163.com | 女 | 小红 |

联合索引的顺序问题
建立联合索引的时候往往也需要考虑索引的顺序，以email与age为例，选择性高的字段应该排在age前面，如email。

-- 正确CREATE INDEX index_name ON users (email,age);-- 反例CREATE INDEX index_name ON users (age,email);
联合索引能为前缀单列，复列提供帮助

-- 联合索引idx_1(a,b,c)-- 有效where a=? where a=? and b=? where a=? and c=? (mysql5.6及以上才支持)where a=? and b=? and c=?where c=? and b=? and a=?(只要三者都出现,顺序打乱都没问题，mysql会自动给你排成上一句的顺序)-- 无效where b=? and c=? where b=? 
根据上面的规律，其实可以发现如果where里面如果没有a，那么都不会走索引。这里引入一个概念叫“ 引导列 ”，在联合索引中，排在第一位的就叫引导列，只有where条件中包含引导列，该查询才会走索引。

为了理解，其实当我们创建一个联合索引的时候，如(idx1,idx2,idx3)，相当于创建了(idx1)、(idx1,idx2)和(idx1,idx2,idx3)三个索引，当然实际过程中不应该建3个索引，减少不要要的冗余。

索引覆盖扫描
索引覆盖扫描是指根据字段A查询字段B，建立索引idx(a,b)会比单一索引idx(a)效率更高，如现实场景中,系统经常会根据用户名查询用户密码,进行登录操作,针对此操作我们对用户名在前密码在后建立联合索,会比只建立单一索引查询效率更好。

-- 根据用户名查询用户密码SELECT pwd from users where username='a';-- 更优做法,查询时不需要回表查询pwd字段，减少了IO开销idx_1(username,pwd);-- 一般的做法idx_1(username);
避免冗余的索引
重复的索引需要维护，并且优化器在优化查询的时候也需要逐个地进行考虑，这会影响性能的

反例：idx(a)idx(a,b)正例：组合索引(A，B)相当于创建了(A)和(A，B)索引idx(a,b)
另外索引并不是越多越好，索引虽然提高了查询的效率，但是也降低了插入和更新的效率 。 一个表的索引数最好不要超过5个，若太多需要考虑一些索引是否没有存在的必要

大家看完有什么不懂的可以在下方留言讨论
也可以关注.谢谢你的观看。
觉得文章对你有帮助的话记得关注我点个赞支持一下
————————————————
版权声明：本文为CSDN博主「曾笑雨」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/weixin_33213367/article/details/113319944