查询优化以及索引优化
1、数据准备
学员表 插 50万 条, 班级表 插 1万 条
步骤1:建表
CREATE TABLE `class` ( `id` INT (11) NOT NULL AUTO_INCREMENT, `className` VARCHAR (30) DEFAULT NULL, `address` VARCHAR (40) DEFAULT NULL, `monitor` INT NULL, PRIMARY KEY (`id`) ) ENGINE = INNODB AUTO_INCREMENT = 1 DEFAULT CHARSET = utf8; CREATE TABLE `student` (`id` INT (11) NOT NULL AUTO_INCREMENT, `stuno` INT NOT NULL, `name` VARCHAR (20) DEFAULT NULL, `age` INT (3) DEFAULT NULL, `classId` INT (11) DEFAULT NULL, PRIMARY KEY (`id`) #CONSTRAINT `fk_class_id` FOREIGN KEY (`classId`) REFERENCES `t_class` (`id`) ) ENGINE=INNODB AUTO_INCREMENT=1 DEFAULT CHARSET=utf8;
步骤2:设置参数
- 命令开启:允许创建函数设置:
# 不加global只是当前窗口有效。 set global log_bin_trust_function_creators=1;
步骤3:创建函数
#随机产生字符串 DELIMITER // CREATE FUNCTION rand_string (n INT) RETURNS VARCHAR (255) BEGIN DECLARE chars_str VARCHAR (100) DEFAULT 'abcdefghijklmnopqrstuvwxyzABCDEFJHIJKLMNOPQRSTUVWXYZ'; DECLARE return_str VARCHAR (255) DEFAULT ''; DECLARE i INT DEFAULT 0; WHILE i < n DO SET return_str = CONCAT ( return_str, SUBSTRING (chars_str, FLOOR (1+ RAND () * 52), 1) ); SET i = i + 1; END WHILE; RETURN return_str; END // DELIMITER; #假如要删除 # drop function rand_string;
随机产生班级编号
#用于随机产生多少到多少的编号 DELIMITER // CREATE FUNCTION rand_num (from_num INT, to_num INT) RETURNS INT (11) BEGIN DECLARE i INT DEFAULT 0; SET i = FLOOR ( from_num + RAND () * (to_num - from_num + 1) ); RETURN i; END // DELIMITER; #假如要删除 # drop function rand_string;
步骤4:创建存储过程
#创建往stu表中插入数据的存储过程 DELIMITER // CREATE PROCEDURE insert_stu (START INT, max_num INT) BEGIN DECLARE i INT DEFAULT 0; SET autocommit = 0; REPEAT SET i = i + 1; INSERT INTO student (stuno, NAME, age, classId) VALUES ( (START + i), rand_string (6), rand_num (1, 50), rand_num (1, 1000) ); UNTIL i = max_num END REPEAT; COMMIT; END // DELIMITER; #drop PROCEDURE insert_stu;
创建往class表中插入数据的存储过程
#执行存储过程,往class表添加随机数据 DELIMITER // CREATE PROCEDURE `insert_class` (max_num INT) BEGIN DECLARE i INT DEFAULT 0; SET autocommit = 0; REPEAT SET i = i + 1; INSERT INTO class (classname, address, monitor) VALUES ( rand_string (8), rand_string (10), rand_num (1, 100000) ); UNTIL i = max_num END REPEAT; COMMIT; END // DELIMITER; #drop PROCEDURE insert_stu;
步骤5:调用存储过程
class
#执行存储过程,往class表添加1万条数据 CALL insert_class(10000);
stu
#执行存储过程,往stu表添加50万条数据 CALL insert_stu(100000,500000);
步骤6:删除某表上的索引
创建存储过程
DELIMITER // CREATE PROCEDURE `proc_drop_index` ( dbname VARCHAR (200), tablename VARCHAR (200) ) BEGIN DECLARE done INT DEFAULT 0; DECLARE ct INT DEFAULT 0; DECLARE _index VARCHAR (200) DEFAULT ''; DECLARE _cur CURSOR FOR SELECT index_name FROM information_schema.STATISTICS WHERE table_schema = dbname AND table_name = tablename AND seq_in_index = 1 AND index_name <> 'PRIMARY'; #每个游标必须使用不同的declare continue handler for not found set done=1来控制游标的结束 DECLARE CONTINUE HANDLER FOR NOT FOUND SET done = 2; #若没有数据返回,程序继续,并将变量done设为2 OPEN _cur; FETCH _cur INTO _index; WHILE _index <> '' DO SET @str = CONCAT ( "drop index ", _index, " on ", tablename ); PREPARE sql_str FROM @str; EXECUTE sql_str; DEALLOCATE PREPARE sql_str; SET _index = ''; FETCH _cur INTO _index; END WHILE; CLOSE _cur; END // DELIMITER; # 执行存储过程 CALL proc_drop_index("dbname","tablename");
2、索引失效案例
2.1 全值匹配我最爱
==where子句中出现的所有字段,都会去匹配索引。找到使用索引的最优解。==
系统中经常出现的sql语句如下:
EXPLAIN select sql_no_cache * from student where age = 30; EXPLAIN select sql_no_cache * from student where age = 30 and classId = 4; EXPLAIN select sql_no_cache * from student where age = 30 and classId = 4 and name = 'abcd';
建立索引前执行:(关注时间)
mysql> EXPLAIN select sql_no_cache * from student where age = 30 and classId = 4 and name = 'abcd'; Empty set , 1 warning(0.28 sec)
建立索引
create index idx_age on student(age); create index idx_age_classId on student(age,classId); create index idx_age_classId_name on student(age,classId,name);
可以看到,创建索引前查询时间是0.28秒,创建索引后的查询时间是0.01s,有效利用索引,可以帮我们极大的提升查询效率。
2.2 最左前缀法则
在MySQL建立联合索引时,会遵守最佳左前缀匹配原则,即最左优先匹配原则,在检索数据时,从联合索引的最左边开始匹配。
eg1:
EXPLAIN select sql_no_cache * from student where student.age=30 and student.name = 'abcd';
eg2:
EXPLAIN select sql_no_cache * from student where student.classId=1 and student.name = 'abcd';
eg3:索引idx_age_classId_name还能正常使用?
EXPLAIN select sql_no_cache * from student where classId = 4 and student.age=30 and student.name = 'abcd';
==如果索引了多列,就要遵守最左前缀原则,指的是查询从索引的最左列开始并且不跳过索引中的列。==
EXPLAIN select sql_no_cache * from student where student.age=30 and student.name = 'abcd';
虽然可以被正常使用,但是只有部分被使用到了。
EXPLAIN select sql_no_cache * from student where classId=1 and name = 'abcd';
因为缺少了联合索引的最左列,所以没有使用上索引。
结论:Mysql可以为多个字段创建索引,一个索引包括16个字段。==对于联合索引,过滤条件要使用索引必须按照索引建立时的顺序,依次满足,一旦跳过某个字段,索引后的字段都无法被使用。如果查询的条件中没有使用到这些字段中的第一个字段时,联合索引将不会被使用。==
扩展:Alibaba 《java开发手册》
索引文件具有B-tree的最左前缀匹配特性,如果左边的值未确定,那么无法使用此索引
2.3 主键插入顺序
对于一个使用innoDB存储引擎的表来说,在我们没有显示的创建索引时,表中的数据实际上都是存储在聚簇索引
的叶子节点上的。
而记录又是存储在数据页中的,数据页和记录又是按照记录主键值从小到大
的顺序进行排序,所以如果我们插入
的记录的==主键值是依次增大==的话,那么我们每插满一个数据页就换到下一个数据页继续插,而==如果我们插入的主键值忽大忽小的话,就可能出现页分裂的情况==。
如果此时再插入一条数据为9的记录,那它插入的位置就如下图所示
可能这个数据页已经满了,再插进来怎么办呢?我们需要把当前页面分裂成两个页面,把本页中的一些记录移动到新创建的这个页中。页面分裂和记录移位意味着什么?
==就意味着:性能消耗!==
==所以我们想尽量避免这样无谓的性能损耗,最好让插入的记录主键值依次递增,这样就不会发生这样的性能损耗了。==所以我们建议,让主键具有auto_increment,让存储引擎自己为表生成主键,而不是我们手动插入,比如person_info
表
CREATE TABLE person_info ( id INT UNSIGNED NOT NULL AUTO_INCREMENT, NAME VARCHAR (100) NOT NULL, birthday DATE NOT NULL, phone_number CHAR (11) NOT NULL, country VARCHAR (100) NOT NULL, PRIMARY KEY (id), KEY idx_name_birthday_phone_number (NAME (10), birthday, phone_number) );
我们自定义的主键列 id 拥有 AUTO_INCREMENT 属性,==在插入记录时存储引擎会自动为我们填入自增的主键值。这样的主键占用空间小,顺序写入,减少页分裂。==
2.4 计算、函数、类型转换(自动|手动)导致索引失效
1、这两种sql哪种写法更好
EXPLAIN SELECT SQL_NO_CACHE * FROM student WHERE student.name LIKE 'abc%'; EXPLAIN SELECT SQL_NO_CACHE * FROM student WHERE LEFT(student.name,3) = 'abc';
2、创建索引
CREATE INDEX idx_name ON student(NAME);
第一种:索引优化生效
EXPLAIN SELECT SQL_NO_CACHE * FROM student WHERE student.name LIKE 'abc%';
第二种:索引失效
EXPLAIN SELECT SQL_NO_CACHE * FROM student WHERE LEFT(student.name,3) = 'abc';
==索引列上不能使用函数==
再举例:
student表的字段stuno上设置有索引
CREATE INDEX idx_sno ON student(stuno);
EXPLAIN SELECT SQL_NO_CACHE id, stuno, NAME FROM student WHERE stuno+1 = 900001;
索引优化生效:
EXPLAIN SELECT SQL_NO_CACHE id, stuno, NAME FROM student WHERE stuno = 900000;
==索引列上不能有计算==
再举例:
student表的字段name上设置有索引
CREATE INDEX idx_name ON student(NAME);
EXPLAIN SELECT id, stuno, name FROM student WHERE SUBSTRING(name, 1,3)='abc';
EXPLAIN SELECT id, stuno, NAME FROM student WHERE NAME LIKE 'abc%';
2.5 类型转型导致索引失效
下列哪个sql可以使用到索引(假设name字段上设置有索引)
# 未使用到索引 EXPLAIN SELECT SQL_NO_CACHE * FROM student WHERE name=123;
# 使用到索引 EXPLAIN SELECT SQL_NO_CACHE * FROM student WHERE name='123';
==name=123发生类型转换,索引失效。==
2.6 范围条件右边的列索引失效
ALTER TABLE student DROP INDEX idx_name; ALTER TABLE student DROP INDEX idx_age; ALTER TABLE student DROP INDEX idx_age_classid; EXPLAIN SELECT SQL_NO_CACHE * FROM student WHERE student.age=30 AND student.classId>20 AND student.name = 'abc' ;
那么索引,idx_age_classId_name,这个索引还能正常使用么?
- 不能,范围右边的列不能使用 比如 ==(<),(<=),(>),(>=)和between等范围条件==
- 如果出现这种SQL,应该建立,将使用范围查找的字段放到最后
create index idx_age_name_classid on student(age,name,classid);
将范围查询条件放置语句最后:
EXPLAIN SELECT SQL_NO_CACHE * FROM student WHERE student.age=30 AND student.name = 'abc' AND student.classId>20 ;
应用开发中范围查询,例如,金额查询,日期查询往往都是范围查询。应该将查询条件防止where语句最后
(创建的联合索引中,务必把范围涉及到的字段写在最后)
2.7 不等于(!= | <> )索引失效
- 为name字段创建索引
create index idx_name on student(name);
- 查看索引是否失效
explain select sql_no_cache * from student where name <> 'abc'
或者
explain select sql_no_cache * from student where name != 'abc'
场景举例:用户踢出需求,将财务数据,产品利润金额不等于0的都统计出来。
2.8 is null 可以使用索引,is not null 无法使用索引
- is null:可以触发索引
explain select sql_no_cache * from student where age is null;
- is not null :不能触发索引
explain select sql_no_cache * from student where age is not null;
==结论:最好在设计表的时候就将字段设置为 not null 约束==
比如你可以将int类型的字段,默认值设置为0,将字符类型的默认值设置为空字符串('')
==扩展:同理,在查询中使用not like 也无法使用索引,导致全表扫描==
2.9 like以通配符%开头索引失效
在使用like关键字的查询语句中,如果匹配字符串的第一个字符为"%",索引就不会起作用,只有"%"不在第一个位置,索引才会起作用。
- 使用到索引
explain select sql_no_cache * from student where name like 'ab%';
- 未使用到索引
explain select sql_no_cache * from student where name like '%ab%';
扩展:Alibaba《Java手册》
【强制】页面搜索严禁左模糊或者全模糊,如果需要请走搜索引擎模块解决(一般互联网都使用ES,原理是倒排索引)
2.10 OR前后存在非索引的列,索引失效
在Where子句中,如果在OR 前的条件列进行了索引,而在OR后的条件列没有进行索引,那么索引也会失效。==也就是说,OR前后的两个条件中的列都是索引时,查询中才会使用索引。==
因为OR的含义就是两个只要满足一个条件即可,因此只有一个条件列进行了索引是没有意义的,只要有条件列没有进行索引,就会进行全表扫描,因此索引列也会失效。
查询语句使用OR关键字的情况
# 未使用到索引 explain select sql_no_cache * from student where age = 10 OR classid = 100;
因为calssid字段没有索引,所以导致上述查询语句没有使用到索引。
# 使用到索引 explain select sql_no_cache * from student where age = 10 OR name = 'Abel';
因为age字段和name字段上都有索引,所以查询中使用了索引,你能看道这里使用了index_merge
,简单来说index_merge,就是对age和name属性分部进行了扫描,然后将这两个结果集进行了合并。这样做的好处就是避免了全表扫描
。
2.11 数据库和表的字符集统一使用utf8mb4
统一使用uft8bm4(5.5版本以上才支持)兼容性更好,统一字符集可以避免由于字符集转换产生的乱码。不同的字符集进行比较前需要进行转换,导致索引失效。
2.12 总结
一般性建议:
- 对于单列索引,尽量选择针对当前query过滤性更好的字段进行索引
- 在选择组合索引的时候,当前query中过滤性最好的字段在索引字段顺序中,位置越靠前越好。
- 在选择组合索引的时候,尽量选择能够包含当前query中的where子句中更多字段的索引。(区分度越高)
- 在选择组合索引的时候,如果某个字段可能出现范围查询时,尽量把这个字段放在索引次序的最后面。
==总之,写SQL时,尽量避免造成索引失效的情况。==
3、关联查询优化
3.1 数据准备
3.2 采用左外连接
下面开始EXPLAIN分析
EXPLAIN select sql_no_cache * from type left join book on type.card = book.card; #在外连接中,左边的表 叫驱动表,右边的表叫做被驱动表
添加索引
create index idx_book_card on book(card); create index idx_type_card on book(card); # 如果类型不一致,可以去掉其中一个表得索引。
左连接特性决定:
==left join条件用于确定如何从右表搜索行,左边一定都有,所以右边是我们的关键点,一定需要建立索引
==
3.3 采用内连接
换成inner join(Mysql会自动选择驱动表)
explain select sql_no_cache * from type inner join book on type.card = book.card;
添加索引优化
create index idx_book_card on book(card); create index idx_type_card on book(card);
结论:
-
对于内连接来说,查询优化器是可以决定谁作为驱动表,谁作为被驱动表出现的。(explain的结果上面是驱动表,下面的是被驱动表)
-
对于内连接来说,连接条件中只有一个字段有索引,==则有索引的字段所在的表会被作为被驱动表==。
-
==对于内连接来说,在两个表的连接条件都存在索引的情况下,会选择小表作为驱动表。对应一个优化原则(小表驱动大表)==,小表就是扫描查询成本比较低的表
3.4 join语句原理
join方式连接多个表,本质就是各个表之间数据的循环匹配。Mysql5.5版本之前,Mysql只支持一种表间关联方式,就是嵌套循环(Nested Loop Join)。如果关联表的数据量很大,则join关联的执行时间会非常长。在Mysql5.5以后的版本中,Mysql通过引入BNLJ算法来优化嵌套执行。
1、驱动表与被驱动表
驱动表就是主表,被驱动表就是从表、非驱动表。
- 对于内连接来说
select * from A join B ON ....
A一定是驱动表吗?不一定,优化器会根据你查询语句做优化,决定先查哪张表。先查询的那张表就是驱动表,反之就是被驱动表。通过explain关键字可以查看。
- 对于外连接来说
select * from A left join B ON .... select * from B right join A ON ....
通常,==大家会认为A就是驱动表,B就是被驱动表。但也未必==。测试如下:(查询优化器会选择查询成本最小的表作为驱动表)
create table a(f1 INT, f2 INT,INDEX(f1))ENGINE=INNODB; create table b(f1 INT, f2 INT)ENGINE=INNODB; insert into a values (1,1)(2,2)(3,3)(4,4)(5,5),(6,6); insert into b values (3,3)(4,4)(5,5),(6,6)(7,7),(8,8); select * from b; //测试1 EXPLAIN select * from a left join on(a.f1 = b.f1) where (a.f2 = b.f2); //测试2 EXPLAIN select * from a left join on (a.f1 = b.f1) and (a.f2 = b.f2);
2、Simple Nested-Loop Join(简单嵌套循环连接)
算法相当简单,从表A中取出一条数据1,遍历表B,将匹配到的数据放到result....以此类推,驱动表A中的每条记录与被驱动表B的记录进行判断:
==(每次从驱动表A拿出一条数据去遍历被驱动表所有记录)==
可以看出这种效率是非常底下的,以上述表A数据100条,表B数据1000条计算(==以上条数是where条件过滤后的数据条数==),则A*B = 10w次,开销统计如下:
==表小的做驱动表,表大的做被驱动表,这就是小表驱动大表的由来。==
开销统计(A=100,B=1000) | SNLJ |
---|---|
外表扫描次数(小表A) | 1 |
内表扫描次数(大表B) | A |
读取记录数 | B*A+A |
join比较次数 | B*A |
回表读取记录次数 | 0 |
当然Mysql肯定不会这么粗暴的去进行表的连接,所以就出现了后面的两种对Nested-Loop Join 优化算法。
3、Index Nested-Loop Join(索引嵌套循环连接)
Index Nested-Loop Join其优化的思路主要是为了减少内层表数据的匹配次数
,所以要求被驱动表上必须有索引
才行。==通过外层表匹配条件直接与内层表索引进行匹配,避免和内层表的每条记录去进行比较,这样极大的减少了对内层表的匹配次数==。
==驱动表中的每条记录通过被驱动表的索引进行访问,因为索引查询的成本是比较固定的==,故mysql优化器都倾向于使用记录数少的表作为驱动表。
开销统计 | SNLJ | INLJ |
---|---|---|
外表扫描次数 | 1 | 1 |
内表扫描次数 | A | 0 |
读取记录数 | A+B*A | A+B(match) |
join比较次数 | B*A | A*Index(Height) |
回表读取记录次数 | 0 | B(match)(if possible) |
如果被驱动表加索引,效率是非常高的,但如果索引不是主键索引,所以还要进行一次回表查询。相比,被驱动表索引是主键,效率会更高。
4、Block Nested-Loop Join(块嵌套循环连接)
如果存在索引,那么会使用index的方式进行join,如果join的列没有索引,被驱动表要扫描的次数太多了。每次访问被驱动表,其表中的记录都会被加载到内存中,然后再从驱动表中取一条与其匹配,匹配结束后清除内存,然后再从驱动表中加载一条记录,然后把驱动表的记录再加载到内存匹配,这样周而复始,大大增加了IO的次数。为了减少被驱动表的IO次数,就出现了Block Nested-Loop Join的方式。
不再是逐条获取驱动表的数据,而是一块一块的获取,引入了join buffer 缓冲区
,将驱动表join相关的部分数据列(大小受join buffer的限制)缓存到join buffer中,然后全表扫描驱动表,被驱动表的每一条记录一次性和join buffer中的所有驱动表记录进行匹配(内存中操作),将简单嵌套循环中的多次比较合并成一次,降低了被驱动表的访问频率。
注意:
这里缓存的不只是关联的列,select 后面的列也会缓存起来。
在一个有N个join关联的sql中会分配 n-1个join buffer。所以查询的时候尽量减少不必要的字段,可以让join buffer中可以存放更多的列。
开销统计 | SNLJ | INLJ | BNLJ |
---|---|---|---|
外表扫描次数 | 1 | 1 | 1 |
内表扫描次数 | A | 0 | A * user_column_size/ join_buffer_size +1 |
读取记录数 | A+B*A | A+B(match) | A+B * (A * userd_column_size/join_buffer_size) |
join比较次数 | B*A | A*Index(Height) | B*A |
回表读取记录次数 | 0 | B(match)(if possible) | 0 |
参数设置
- block_nested_loop
通过show variable like '%optimizer_switch'
查看block_nested_loop
状态。默认是开启的。
- join_buffer_size
驱动表能不能一次加载完,要看join buffer 能不能存储所有的数据,默认情况下join_buffer_size = 256k
5、join小结
1、整体效率:INLJ > BNLJ > SNLJ
2、永远用小结果集驱动大结果集(本质就是减少外层循环的数据数量)(小的度量单位指的是 表行数 * 每行大小)
3、为被驱动表匹配的条件增加索引(减少内层表的循环匹配次数)
4、增大join buffer size 的大小(一次缓存的数据越多,那么内层扫描的次数就越少)
5、减少驱动表不必要的查询字段(字段越少,join buffer 所缓存的数据就越多)
6、Hash Join
从Mysql8.0.20版本引入,废弃了BNLJ
- Hash Join 是做
大量数据集
连接时的常用方式, 优化器使用两个表中较小的表利用Join Key在内存中建立散列表
,然后扫描较大的表并探测散列表,找出与Hash表匹配的行。- 这种方式适用于较小的表完全可以存放于内存中的情况,这样总成本就是访问两个表的成本之和
- 在表很大的情况下并不能完全放入内存,这时优化器会将它分割成
若干不同的分区
,不能放入内存的部分就该分区写入磁盘的临时段,此时要求有较大的临时表而尽量提高IO的性能 - 它能很好的工作于没有索引的大表和并行查询的环境中,并提供最好的性能。大多数人都说它时Join的重型升降机,Hash Join只能应用于等值连接(如Where A.code1 = B.code2),这是由于Hash的特点所决定的。
3.5 小结
- 保证被驱动表的JOIN字段已经创建了索引
- 需要JOIN 的字段,数据类型保持绝对一致
- LEFT JOIN 时,选择
小表作为驱动表
,大表作为被驱动表
。减少外层循环的次数 - INNER JOIN 时,MySQL会自动将
小结果集的表选为驱动表
。选择相信MySQL优化策略 - 能够直接多表关联的尽量直接关联,不用子查询。(减少查询的趟数)
- 不建议使用子查询,建议将子查询SQL拆开结合程序多次查询,或使用 JOIN 来代替子查询
- 衍生表建不了索引
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
。
子查询的效率不高。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
结论:尽量不要用NOT IN 或者 NOT EXISTS,用Left join xxx ON xxx where xx IS NULL 代替
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,效率很低。
优化建议:
1、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
2、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
3、无法使用 Index 时,需要对 FileSort 方式进行调优
5.2 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;
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:
SELECT SQL_NO_CACHE * FROM student WHERE age = 30 AND stuno <101000 ORDER BY NAME ;
结论:type是ALL,即最坏得情况。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
#创建新索引 CREATE INDEX idx_age_name ON student(age,NAME);
方案二:尽量让where的过滤条件和排序使用上索引
建立三个字段的联合索引
DROP INDEX idx_age_name ON student; 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 ;
mysql> SELECT SQL_NO_CACHE * FROM student WHERE age = 30 AND stuno <101000 ORDER BY NAME ;
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。
结论:
1、两个索引同时存在,mysql自动选择最优的方案。但是随着数据量的变化,选择的索引也会随之变化的。
2、当【范围查找】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。
5.4 filesort算法
排序的字段如果不在索引列上,则filesort会有两种算法:双路、单路排序
双路排序
取排序字段(扫描磁盘),再对buffer进行排序,再从磁盘取其他字段(扫描磁盘)
单路排序
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。
但是单路排序是存在问题的。
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全部取出,所以有可能取出的数据的总大小超过了 sort_buffer_size的容量,导致每次只能取sort_buffer得容量大小的数据,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I/O
单路本来想省一次IO操作,反而导致了大量的IO操作,得不偿失
优化策略
1、尝试提高sort_buffer_size
不管使用双路还是单路,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的1M-8M之间调整。Mysql5.7,innoDB存储引擎默认值是1048576字节,1MB
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
- 但是如果设置的太高,数据总容量超出sort_buffer_size的概率就增大,**明显症状就是高的磁盘IO活动,低的CPU使用率。**如果需要返回的列总长度大于max_length_for_sort_data,使用双路,否则使用单路。
*3、order by 时 select 是大忌,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,否则用老算法-多路。 - 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可能更大一些,所以要
提高sort_buffer_size
;
6、Group by优化
- group by 使用索引的原则几乎跟order by一致 ,group by 即使没有过滤条件用到索引,也可以直接使用索引
- group by 先排序再分组,遵照索引建的最佳左前缀法则
- 当无法使用索引列,增大
max_length_for_sort_data
和sort_buffer_size
参数的设置 - where效率高于having,能写在where限定的条件就不要写在having中了
- 减少使用order by,和业务沟通能不排序就不排序,或将排序放到程序端去做。Order by、group by、distinct这些语句较为耗费CPU,数据库的CPU资源是极其宝贵的
- 包含了order by、group by、distinct这些查询的语句,where条件过滤出来的结果集请保持在==1000行==以内,否则SQL会很慢
7、优化分页查询
一般分页查询时,通过创建覆盖所以能够笔记好的提高性能。一个常见又非常头疼的问题就是 limt 2000000,10此时需要排序前 2000010 条数据,但是仅仅需要返回2000000 - 2000010 的记录,其他记录丢弃,查询排序的代价非常大。
EXPLAIN select * from student limit 200000,10;
优化思路一
在索引上完成排序分页操作,最后根据主键关联回原表查询所需要的其他列内容。
EXPLAIN SELECT * FROM student t,(SELECT id FROM student ORDER BY id LIMIT 2000000,10) aWHERE t.id = a.id;
优化思路二
该方案适用于主键自增的表,可以把limit查询转换成某个位置的查询
EXPLAIN select * from student id >2000000 limit 10;
8、优先考虑覆盖索引
8.1 什么是覆盖索引?
理解方式一:索引是高效找到行的一个方法,但是一般数据库也也能使用到索引找到一个列的数据,因此它不必读取整个行,毕竟索引叶子节点存储了它们索引的数据,当能通过读取索引就可以得到想要的数据,那就不需要读取行了。==一个索引包含了满足查询结果的数据就叫做覆盖索引==。
理解方式二:非聚簇复合索引的一种形式,它包括在查询里的select 、JOIN和WHERE子句用到的所有列(==即建索引字段正好是覆盖索引查询条件中所设计的字段)==
简单说就是 ==索引列+主键== 包含了 ==select 到 from之间查询的列==。
8.2 覆盖索引的利弊
好处:
==1、避免Innodb表进行索引的二次查询(回表)==
InnoDB是以聚集索引的顺序来存储的,对于InnoDB来说,二级索引在叶子节点中所保存的行的主键信息,如果是用二级索引查询数据,在查询到相应的键值后,还需要通过主键进行二次查询才能获取我们真实所需要的数据。
在覆盖索引中,二级索引的键值中可以获取所需要的数据,避免了对主键的二次查询,减少了IO操作
,提升了查询效率。
==2、把随机IO变成顺序IO加快查询效率==
由于覆盖索引是按键值的顺序存储的,对于IO密集型的范围查找来说,对比随机从磁盘读取每一行的数据IO要少的多,因此利用覆盖索引在访问时也可以把磁盘的随机读取IO
转变成索引查找的顺序IO
由于覆盖索引可以减少树的搜索次数,显示提高查询性能,所以使用覆盖索引是一个常用的性能优化。
弊端:
索引字段的维护
总是有代价的,因此,在建立冗余索引来支持覆盖索引时就需要考虑权衡了。这是业务DBA,或业务数据架构师的工作了。
9、如何给字符串添加索引
MySQL是支持前缀索引的。默认地,如果你创建索引的语句不指定前缀长度,那么索引就会包含整个字符串。
alter table teacher add index index1(email); alter table teacher add index index2(email(6));
这两种不同的定义在数据结构和存储上有什么区别呢?下图就是这两个索引的示意图。
以及
如果使用的是index1(即email整个字符串的索引结构),执行顺序是这样的:
1、从index1索引树找到满足索引值是zhangssxyz@xxx.com的这条记录,取得ID2的值;
2、到主键上查到主键值是ID2的行,判断email的值是正确的,将这行记录加入结果集
3、取index1索引树上刚刚查到的位置的下一条记录,发现已经不满足email=' zhangssxyz@xxx.com ’的条件了,循环结束
这个过程中,只需要回主键索引取一次数据,所以系统认为只扫描了一行
如果使用的是index2(即email(6)索引结构),执行顺序是这样的:
1、从index2索引树找到满足索引值是’zhangs’的记录,找到的第一个是ID1
2、到主键上查到主键值是ID1的行,判断出email的值不是’ zhangssxyz@xxx.com ’,这行记录丢弃
3、取index2上刚刚查到的位置的下一条记录,发现仍然是’zhangs’,取出ID2,再到ID索引上取整行然后判断,这次值对了,将这行记录加入结果集
4、重复上一步,直到在idxe2上取到的值不是’zhangs’时,循环结束
==也就是说**使用前缀索引,定义好长度,就可以做到既节省空间,又不用额外增加太多的查询成本。**前面已经讲过区分度,区分度越高越好。因为区分度越高,意味着重复的键值越少==。
前缀索引对覆盖索引的影响:
结论:使用前缀索引就用不上覆盖索引对查询性能的优化了,这也是你在选择是否使用前缀索引时需要考虑的一个因素。
10、索引下推(ICP)
一般出现在联合索引的情况,第一个字段能够使用索引,第二个字段使用不上索引
不使用索引下推:导致数据经过第一个字段的筛选以后,再去将筛选后的数据去聚簇索引回表进行查询,然后在进行后续的条件筛选。
**使用索引下推:**导致数据经过第一个字段的筛选以后,先在原来的B+树上进行数据的筛选以后(减少了回表的次数,也就减少了IO次数),再去回表查询,然后在进行后续的条件筛选。
10.1 使用前后对比
Index Condition Pushdown(ICP)是Mysql5.6新特性,是一种在存储引擎层使用索引过滤数据的优化方式。
- 如果没有ICP,存储引擎会遍历索引以定位基表中的行,并将它们返回给Mysql服务器,由Mysql服务器评估
WHERE
后面条件是否保留行。 - 启用ICP后,如果部分
WHERE
条件可以仅使用索引中的列进行筛选,则Mysql服务器会把这部分WHERE
条件放到存储引擎筛选。然后。存储引擎通过使用索引条目来筛选数据,并且只有在满足这一条时才从表中读取行。- 好处:ICP可以减少存储引擎必须访问基表次数和Mysql服务器必须访问存储引擎的次数
- 但是,ICP加速效果,取决于在存储引擎内通过
ICP筛选
掉的数据比例。
10.2 ICP的开启/关闭
- 默认情况下启用索引条件下推。可以 通过设置系统变量
optimizer_swith控制
:index_condition_pushdown
# 打开索引下推 set optitmizer_switch = 'index_condition_pushdown = on'; # 关闭索引下推 set optitmizer_switch = 'index_condition_pushdown = off';
10.3 ICP使用案例
建表
插入数据
为该表定义联合索引zip_last_first(zipcode,lastname.firstname)。如果我们知道了一个人的邮编,但是不确定这个的姓氏,我们可以使用如下检索。
select * from people where zipcode = '00001' and lastname = '%张' and address = '%北京市%';
执行查看sql执行计划,Extra
中显示了Using index condition
,这表示使用了索引下推,另外,==Using where表示条件中包含需要过滤的非索引列的数据==,即address like '%北京市%'这个条件并不是索引列,需要在服务端过滤掉。
这个表中存在两个索引,分别是:
- 主键索引
- 联合索引(zip_last_first)(简图省略了叶子节点的数据页信息)
10.4 开启和关闭ICP的性能对比
往people表里面添加100w条数据
执行sql语句,打开和不打开索引下推的区别
select * from people where zipcode = '00001' and lastname like '%张%';
在数据量大的情况下,使用ICP的查询效率明显要 > 未使用的。
10.5 ICP的使用条件
1、如果表的访问类型为range、ref、er_ref和ref_or_null 可以使用ICP
2、ICP可以作用于InnoDB
和MyIsam
表。包括分区表InnoDB和MyIsam
3、对于InnoDB表,ICP仅用于二级索引
。==ICP的目标就是减少全行读取次数,从而减少I/O操作==。
4、当SQL使用覆盖索引时,不支持ICP,因为在这种情况下使用ICP不会减少I/O,影响不大。
5、相关子查询条件不能使用ICP
11、普通索引vs唯一索引
从性能的角度考虑,你选择唯一索引还是普通索引呢?选择的依据是什么呢?
假设,我们有一个主键列为ID的表,表中有字段k,并且在k上有索引,假设字段 k 上的值都不重复。这个表的建表语句是
create table test( id int primary key, k int not null, name varchar(16), index (k) )engine=InnoDB;
表中R1~R5的(ID,k)值分别为(100,1)、(200,2)、(300,3)、(500,5)和(600,6)。
11.1 查询过程
假设,执行查询的语句是 select id from test where k=5
- 对于普通索引来说,查找到满足条件的第一个记录(5,500)后,需要查找下一个记录,直到碰到第一个不满足k=5条件的记录
- 对于唯一索引来说,由于索引定义了唯一性,查找到第一个满足条件的记录后,就会停止继续检索
那么,这个不同带来的性能差距会有多少呢?答案是, ==微乎其微== 。因为两种方式加载的数据页其实都差不读的。只有I/O是特别耗时的。两种方式没有出现IO次数的太大差异。
11.2 更新过程
11.3 change buffer的使用场景
12、其他查询优化策略
12.1 EXISTS 和 IN 的区分
问题:
不太理解哪种情况下应该使用 EXISTS,哪种情况应该用 IN。选择的标准是看能否使用表的索引吗?
回答:
能否使用索引是前提,其实选择的时候还需要看表的大小。你可以选择的标准理解为小表驱动大表
。在这种方式下效率是最高的。
比如下面这样:
select * from A where cc IN (select cc from B); select * from A where exists (select cc from B where B.cc = A.cc);
当A 小于 B时,用exists。因为exists的实现,相当于外表循环,实现的逻辑类似于:
for i in A for j in B if(j.cc = A.cc) then...
当B 小于 A时用IN,因为实现逻辑类似于
for i in B for j in A if(j.cc = A.cc) then...
==哪个表小就用哪个表来驱动,A表小就用exists,B表小就用IN。==
先开始扫描的一定时小表。
12.2 COUNT(*)与COUNT(具体字段)效率
问:在 MySQL 中统计数据表的行数,可以使用三种方式: SELECT COUNT(*)
、 SELECT COUNT(1)
和SELECT COUNT(具体字段)
,使用这三者之间的查询效率是怎样的?
答:
12.3 关于SELECT(*)
在表查询中,建议明确字段,不要使用 * 作为查询的字段列表,推荐使用SELECT <字段列表> 查询。原因:
1、MySQL 在解析的过程中,会通过 查询数据字典
将"*"按序转换成所有列名,这会大大的耗费资源和时间
2、无法使用 覆盖索引
12.4 LIMIT 1 对优化的
针对的是会扫描全表的 SQL 语句,如果你可以确定结果集只有一条,那么加上LIMIT 1
的时候,当找到一条结果的时候就不会继续扫描了,这样会加快查询速度。
如果数据表已经对字段建立了唯一索引,那么可以通过索引进行查询,不会全表扫描的话,就不需要加上LIMIT 1
了
12.5 多使用COMMIT
只要有可能,在程序中尽量多使用 COMMIT,这样程序的性能得到提高,需求也会因为 COMMIT 所释放的资源而减少
COMMIT 所释放的资源:
- 回滚段上用于恢复数据的信息
- 被程序语句获得的锁
- redo / undo log buffer 中的空间
- 管理上述 3 种资源中的内部花费
13、淘宝数据库,主键如何设计的?
聊一个实际问题:淘宝的数据库,主键是如何设计的?
某些错的离谱的答案还在网上年复一年的流传着,甚至还成为了所谓的MySQL军规。其中,一个最明显的错误就是关于MySQL的主键设计
大部分人的回答如此自信:用8字节的 BIGINT 做主键,而不要用INT。 错 !
这样的回答,只站在了数据库这一层,而没有 从业务的角度
思考主键。主键就是一个自增ID吗?站在2022年的新年档口,用自增做主键,架构设计上可能 连及格都拿不到
13.1 自增ID的问题
自增ID做主键,简单易懂,几乎所有数据库都支持自增类型,只是实现上各自有所不同而已。自增ID除了简单,其他都是缺点,总体来看存在以下几方面的问题:
- 可靠性不高
存在自增ID回溯的问题,这个问题直到最新版本的MySQL 8.0才修复
- 安全性不高
对外暴露的接口可以非常容易猜测对应的信息。比如:/User/1/这样的接口,可以非常容易猜测用户ID的值为多少,总用户数量有多少,也可以非常容易地通过接口进行数据的爬取
- 性能差
自增ID的性能较差,需要在数据库服务器端生成
- 交互多
业务还需要额外执行一次类似 last_insert_id() 的函数才能知道刚才插入的自增值(主键回填的缺点),这需要多一次的网络交互。在海量并发的系统中,多1条SQL,就多一次性能上的开销。
- 局部唯一性
最重要的一点,自增ID是局部唯一,只在当前数据库实例中唯一,而不是全局唯一,在任意服务器间都是唯一的。==对于目前分布式系统来说,这简直就是噩梦==
多台数据库服务器 可能导致 同一服务出现相同的主键,这就直接GG。
13.2 业务字段做主键
为了能够唯一地标识一个会员的信息,需要为 会员信息表
设置一个主键。那么,怎么为这个表设置主键,才能达到我们理想的目标呢? 这里我们考虑业务字段做主键
在这个表里,哪个字段比较合适呢?
- 选择卡号(cardno)
会员卡号(cardno)看起来比较合适,因为会员卡号不能为空,而且有唯一性,可以用来 标识一条会员记录
不同的会员卡号对应不同的会员,字段“cardno”唯一地标识某一个会员。如果都是这样,会员卡号与会员一一对应,系统是可以正常运行的。
但实际情况是, 会员卡号可能存在重复使用
的情况。比如,张三因为工作变动搬离了原来的地址,不再到商家的门店消费了 (退还了会员卡),于是张三就不再是这个商家门店的会员了。但是,商家不想让这个会 员卡空着,就把卡号是“10000001”的会员卡发给了王五
从系统设计的角度看,这个变化只是修改了会员信息表中的卡号是“10000001”这个会员 信息,并不会影响到数据一致性。
系统的各个模块,都会获取到修改后的会员信息,不会出现“有的模块获取到修改之前的会员信息,有的模块获取到修改后的会员信息,而导致系统内部数据不一致”的情况。因此,从信息系统层面
上看是没问题的。
但是从使用 系统的业务层面
来看,就有很大的问题 了,会对商家造成影响
比如,我们有一个销售流水表(trans),记录了所有的销售流水明细。2020 年 12 月 01 日,张三在门店购买了一本书,消费了 89 元。那么,系统中就有了张三买书的流水记录,如下所示
接着,我们查询一下 2020 年 12 月 01 日的会员销售记录
如果会员卡“10000001”又发给了王五,我们会更改会员信息表。导致查询时:
这次得到的结果是:王五在 2020 年 12 月 01 日,买了一本书,消费 89 元。显然是错误的!
==结论:千万不能把会员卡号当做主键==
- 选择会员电话 或 身份证号
会员电话可以做主键吗?不行的。在实际操作中,手机号也存在 被运营商收回 ,重新发给别人用的情况
那身份证号行不行呢?好像可以。因为身份证决不会重复,身份证号与一个人存在一一对 应的关系。可问题是,身份证号属于 个人隐私
这也是我们在设计会员信息表的时候,允许身份证号和 电话都为空的原因
所以,建议尽量不要用跟业务有关的字段做主键。毕竟,作为项目设计的技术人员,我们谁也无法预测在项目的整个生命周期中,哪个业务字段会因为项目的业务需求而有重复,或者重用之类的情况出现
经验:
刚开始使用 MySQL 时,很多人都很容易犯的错误是喜欢用业务字段做主键,想当然地认为了解业务需求,但实际情况往往出乎意料,而更改主键设置的成本非常高
主键这东西,一旦建好,谁都不要去修改。谁改谁傻逼。
13.3 淘宝的主键设计
在淘宝的电商业务中,订单服务是一个核心业务。请问, 订单表的主键
淘宝是如何设计的呢?是自增ID吗?
打开淘宝,看一下订单信息:订单号不是自增ID!我们详细看下上述4个订单号:
1550672064762308113 1481195847180308113 1431156171142308113 1431146631521308113
订单号是19位的长度,且订单的最后5位都是一样的,都是08113。且订单号的前面14位部分是单调递增的。
大胆猜测,淘宝的订单ID设计应该是:
订单ID = 时间 + 去重字段 + 用户ID后6位尾号
==这样的设计能做到全局唯一,且对分布式系统查询及其友好==
13.4 推荐的主键设计
非核心业务 :对应表的主键自增ID,如告警、日志、监控等信息
**核心业务 :**主键设计==至少应该是全局唯一且是单调递增==。全局唯一保证在各系统之间都是唯一的,单调递增是希望插入时不影响数据库性能(避免出现页分裂)
==尽量使用:雪花算法产生ID,即是全局唯一,也符合单调递增。UUID不太建议。但是能把UUID改造成单调递增的也勉强可以。==
UUID的特点:
全局唯一,占用36字节,数据无序,插入性能差
MySQL数据库的UUID组成如下所示
UUID = 时间+UUID版本(16字节)- 时钟序列(4字节) - MAC地址(12字节)
为什么UUID是随机无序的呢?
因为UUID的设计中,将时间低位放在最前面,而这部分的数据是一直在变化的,并且是无序。
改造UUID
若将时间高低位互换,则时间就是单调递增的了,也就变得单调递增了。MySQL 8.0可以更换时间低位和时间高位的存储方式,这样UUID就是有序的UUID了
MySQL 8.0还解决了UUID存在的空间占用的问题,除去了UUID字符串中无意义的"-"字符串,并且将字符串用二进制类型保存,这样存储空间降低为了16字节
可以通过MySQL8.0提供的uuid_to_bin函数实现上述功能,同样的,MySQL也提供了bin_to_uuid函数进行转化:
SET @uuid = UUID(); SELECT @uuid,uuid_to_bin(@uuid),uuid_to_bin(@uuid,TRUE);
通过函数uuid_to_bin(@uuid,true)将UUID转化为有序UUID了。全局唯一 + 单调递增
在当今的互联网环境中,非常不推荐自增ID作为主键的数据库设计。更推荐类似有序UUID的全局唯一的实现
另外在真实的业务系统中,主键还可以加入业务和系统属性,如用户的尾号,机房的信息等。这样的主键设计就更为考验架构师的水平了。
如果不是MySQL8.0 肿么办?
手动赋值字段做主键!或者换成雪花id轻松解决。
雪花ID致命缺点
如果服务器的时间发生了错乱或者回拨,这就直接影响了生成的id,有很大可能生成重复的id,且一定会打破递增属性,这也是他的一个致命缺点(不支持服务器时间回拨