SQL基础优化
1 查询SQL尽量不要使用select *,而是具体字段
-
字段多时,大表能达到100多个字段甚至达200多个字段
-
只取需要的字段,节省资源、减少网络开销
-
select * 进行查询时,很可能不会用到索引,就会造成全表扫描
2 避免在where子句中使用or来连接条件
-
解决 : # 使用union all 或 # 分开两条sql写
-
使用or可能会使索引失效,从而全表扫描
-
对于or没有索引的salary这种情况,假设它走了id的索引,但是走到salary查询条件时,它还得全表扫描。也就是说整个过程需要三步:全表扫描+索引扫描+合并。如果它一开始就走全表扫描,直接一遍扫描就搞定。虽然mysql是有优化器的,处于效率与成本考虑,遇到or条件,索引还是可能失效的
3 使用varchar代替char
-
varchar变长字段按数据内容实际长度存储,存储空间小,可以节省存储空间
-
char按声明大小存储,不足补空格
-
其次对于查询来说,在一个相对较小的字段内搜索,效率更高
4 尽量使用数值替代字符串类型
- 例如: 支付方式(payment):1-现金、2-微信、3-支付宝、4-信用卡、5-银行卡
5 查询尽量避免返回大量数据
- 如果查询返回数据量很大,就会造成查询时间过长,网络传输时间过长。大量数据返回也可能没有实际意义,用户也看不过来,通常采用分页,一页习惯10/20/50/100条。
6 使用explain分析你SQL执行计划
EXPLAIN
SELECT * FROM student WHERE id=1
type:
-
ALL 全表扫描,没有优化,最慢的方式
-
index 索引全扫描
-
range 索引范围扫描,常用语<,<=,>=,between等操作
-
ref 使用非唯一索引扫描或唯一索引前缀扫描,返回单条记录,常出现在关联查询中
-
eq_ref 类似ref,区别在于使用的是唯一索引,使用主键的关联查询
-
const/system 单条记录,系统会把匹配行中的其他列作为常数处理,如主键或唯一索引查询
-
null MySQL不访问任何表或索引,直接返回结果
possible_keys:显示可能应用在这张表中的索引
key: 真正使用的索引方式
7 创建字段的索引
ALTER TABLE student ADD INDEX index_name (NAME)
8 优化like语句
正例:
EXPLAIN
SELECT id,NAME FROM student WHERE NAME LIKE '1%'
9 搜索类型匹配 字符串现象
#未使用索引
EXPLAIN
SELECT * FROM student WHERE NAME=123
正例:
#使用索引
EXPLAIN
SELECT * FROM student WHERE NAME='123'
- 不加单引号时,是字符串跟数字的比较,它们类型不匹配,MySQL会做隐式的类型转换,把它们转换为数值类型再做比较
10 索引不宜太多,一般5个以内
-
索引并不是越多越好,虽其提高了查询的效率,但却会降低插入和更新的效率
-
索引可以理解为一个就是一张表,其可以存储数据,其数据就要占空间
-
再者,索引表的一个特点,其数据是排序的,那排序要不要花时间呢?肯定要
-
insert或update时有可能会重建索引,如果数据量巨大,重建将进行记录的重新排序,所以建索引需要慎重考虑,视具体情况来定
-
索引列有大量重复数据,Mysql查询优化器推算发现不走索引的成本更低,很可能就放弃索引了。
11 where限定查询的数据
- 需要什么数据,就去查什么数据,避免返回不必要的数据,节省开销
12 避免在索引列上使用内置函数
业务需求:查询最近七天内新生儿(用学生表替代下)
给birthday字段创建索引:
ALTER TABLE student ADD INDEX idx_birthday (birthday)
当前时间加7天:
SELECT NOW()
SELECT DATE_ADD(NOW(), INTERVAL 7 DAY)
反例:
EXPLAIN
SELECT * FROM student
WHERE DATE_ADD(birthday,INTERVAL 7 DAY) >=NOW();
正例:
EXPLAIN
SELECT * FROM student
WHERE birthday >= DATE_ADD(NOW(),INTERVAL 7 DAY);
13 避免在where中对字段进行表达式操作
反例:
EXPLAIN
SELECT * FROM student WHERE id+1-1=+1
正例:
EXPLAIN
SELECT * FROM student WHERE id=+1-1+1
EXPLAIN
SELECT * FROM student WHERE id=1
理由: SQL解析时,如果字段相关的是表达式就进行全表扫描
14 避免在where子句中使用!=或<>操作符
- 使用!=和<>很可能会让索引失效
15 去重distinct过滤字段要少
- #索引失效 SELECT DISTINCT * FROM student
- 带distinct的语句占用cpu时间高于不带distinct的语句。因为当查询很多字段时,如果使用distinct,数据库引擎就会对数据进行比较,过滤掉重复数据,然而这个比较、过滤的过程会占用系统资源,如cpu时间
16 where中使用默认值代替null
- 并不是说使用了is null 或者 is not null 就会不走索引了,这个跟mysql版本以及查询成本都有关
- 如果mysql优化器发现,走索引比不走索引成本还要高,就会放弃索引,这些条件 !=,<>,is null,is not null经常被认为让索引失效,其实是因为一般情况下,查询的成本高,优化器自动放弃索引的
- 如果把null值,换成默认值,很多时候让走索引成为可能,同时,表达意思也相对清晰一点
SQL高级优化
1 批量插入性能提升
- 默认新增SQL有事务控制,导致每条都需要事务开启和事务提交;而批量处理是一次事务开启和提交。自然速度飞升
2 批量删除优化
- 一次性删除太多数据,可能造成锁表,会有lock wait timeout exceed的错误,所以建议分批操作
3 伪删除设计
商品状态(state):1-上架、2-下架、3-删除
理由:
- 这里的删除只是一个标识,并没有从数据库表中真正删除,可以作为历史记录备查
- 同时,一个大型系统中,表关系是非常复杂的,如电商系统中,商品作废了,但如果直接删除商品,其它商品详情,物流信息中可能都有其引用。
- 通过where state=1或者where state=2过滤掉数据,这样伪删除的数据用户就看不到了,从而不影响用户的使用
- 操作速度快,特别数据量很大情况下
4 提高group by语句的效率
-
执行分组语句前过滤不需要记录, 先过滤,后分组
- select job,avg(salary) from employee where job ='president' or job = 'managent' group by job;
5 复合索引最左特性
- 复合索引也称为联合索引
- 当我们创建一个联合索引的时候,如(k1,k2,k3),相当于创建了(k1)、(k1,k2)和(k1,k2,k3)三个索引,这就是最左匹配原则
- 联合索引不满足最左原则,索引一般会失效,但是这个还跟Mysql优化器有关的
6 排序字段创建索引
- where和order by中常出现的字段就创建索引。
7 删除冗余和重复的索引
8 不要有超过5个以上的表连接
- 关联的表个数越多,编译的时间和开销也就越大
- 每次关联内存中都生成一个临时表
- 应该把连接表拆开成较小的几个执行,可读性更高
- 如果一定需要连接很多表才能得到数据,那么意味着这是个糟糕的设计了
- 阿里规范中,建议多表联查三张表以下
9 inner join 、left join、right join,优先使用inner join
三种连接如果结果相同,优先使用inner join,如果使用left join左边表尽量小
- inner join 内连接,只保留两张表中完全匹配的结果集
- left join会返回左表所有的行,即使在右表中没有匹配的记录
- right join会返回右表所有的行,即使在左表中没有匹配的记录
理由:
- 如果inner join是等值连接,返回的行数比较少,所以性能相对会好一点
- 同理,使用了左连接,左边表数据结果尽量小,条件尽量放到左边处理,意味着返回的行数可能比较少。这是mysql优化原则,就是小表驱动大表,小的数据集驱动大的数据集,从而让性能更优
10 in子查询的优化
- 数据库最费劲的就是程序链接的释放。假设链接了两次,每次做上百万次的数据集查询,查完就结束,这样就只做了两次;相反建立了上百万次链接,申请链接释放反复重复,就会额外花费很多实际,这样系统就受不了了,慢,卡顿
11 尽量使用union all替代union
- union和union all的区别是,union会自动去掉多个结果集合中的重复结果,而union all则将所有的结果全部显示出来,不管是不是重复
- union:all对两个结果集进行并集操作,不包括重复行,同时进行默认规则的排序
- union在进行表链接后会筛选掉重复的记录,所以在表链接后会对所产生的结果集进行排序运算,删除重复的记录再返回结果。实际大部分应用中是不会产生重复的记录,最常见的是过程表与历史表UNION