背景介绍
从系统设计角度看,一个系统从设计搭建到数据逐步增长,SQL 执行效率可能会出现劣化,为继续支撑业务发展,我们需要对慢 SQL 进行分析和优化,严峻的情况下甚至需要对整个系统进行重构。所以我们往往需要在系统设计前对业务进行充分调研、遵守系统设计规范,在系统运行时定期结合当前业务发展情况进行系统瓶颈的分析。
从数据库角度看,每个 SQL 执行都需要消耗一定 I/O 资源,SQL 执行的快慢,决定了资源被占用时间的长短。假如有一条慢 SQL 占用了 30%的资源共计 1 分钟。那么在这 1 分钟时间内,其他 SQL 能够分配的资源总量就是 70%,如此循环,当资源分配完的时候,所有新的 SQL 执行将会排队等待。所以往往一条慢 SQL 会影响到整个业务。
本文仅讨论 MySQL-InnoDB 的情况。
优化方式
SQL 语句执行效率的主要因素
-
数据量
-
SQL 执行后返回给客户端的数据量的大小;
-
数据量越大需要扫描的 I/O 次数越多,数据库服务器的 IO 更容易成为瓶颈。
-
-
取数据的方式
-
数据在缓存中还是在磁盘上;
-
是否能够通过全局索引快速寻址;
-
是否结合谓词条件命中全局索引加速扫描。
-
-
数据加工的方式
-
排序、子查询、聚合、关联等,一般需要先把数据取到临时表中,再对数据进行加工;
-
对于数据量比较多的计算,会消耗大量计算节点的 CPU 资源,让数据加工变得更加缓慢;
-
是否选择了合适的 join 方式
-
优化思路
-
减少数据扫描(减少磁盘访问)
-
尽量在查询中加入一些可以提前过滤数据的谓词条件,比如按照时间过滤数据等,可以减少数据的扫描量,对查询更友好;
-
在扫描大表数据时是否可以命中索引,减少回表代价,避免全表扫描。
-
-
返回更少数据(减少网络传输或磁盘访问)
-
减少交互次数(减少网络传输)
-
将数据存放在更快的地方
-
某条查询涉及到大表,无法进一步优化,如果返回的数据量不大且变化频率不高但访问频率很高,此时应该考虑将返回的数据放在应用端的缓存当中或者 Redis 这样的缓存当中,以提高存取速度。
-
-
减少服务器 CPU 开销(减少 CPU 及内存开销)
-
避免大事务操作
-
利用更多资源(增加资源)
优化案例
数据分页优化
select * from table_demo where type = ? limit ?,?;
优化方式一:偏移 id
lastId = 0 or min(id) do { select * from table_demo where type = ? and id >{#lastId} limit ?; lastId = max(id) } while (isNotEmpty)
优化方式二:分段查询
该方式较方式一的优点在于可并行查询,每个分段查询互不依赖;较方式一的缺点在于较依赖数据的连续性,若数据过于分散,代价较高。
minId = min(id) maxId = max(id) for(int i = minId; i<= maxId; i+=pageSize){ select * from table_demo where type = ? and id between i and i+ pageSize; }
优化 GROUP BY
提高 GROUP BY 语句的效率, 可以通过将不需要的记录在 GROUP BY 之前过滤掉.下面两个查询返回相同结果但第二个明显就快了许多。
低效:
select job , avg(sal) from t