SQL优化
避免使用select *
开发时,可能为了方便直接使用**select ***来查出表中所有列数据
错误演示:
select * from tablexx where id =xx
实际的业务场景中,也许我们只真正需要使用其中的一两列数据。查了很多数据,但是却浪费了数据库资源,如内存或者CPU。
此外,在通过网络IO传输数据的过程中,数据传输时间也会增加。
另一个最重要的问题是:
select *
不会使用覆盖索引,会产生大量的返回表操作,导致查询SQL性能低下。优化如下:
优化:只查我们需要的列
select id, name, age from tablexx where id=xxx
用"union all"替代"union"
两者的主要区别,前者会获取包括重复数据在内的所有数据,而后者是获取不重复且重新排序后的数据
错误演示:
(select * from user where id=1)
union
(select * from user where id=2);
优化:
(select * from user where id=1)
union all
(select * from user where id=2);
这两个使用不绝对的!要看我们业务场景是什么,业务场景不允许重复的,就使用union
小表驱动大表
小表驱动大表,即一个小表的数据集驱动一个大表的数据集。
如果有两个表,order和user,order
表有1万条数据,user
表有100条数据。
这时,如果你想查询所有有效用户下的订单列表。
可以使用in
关键字实现:
select * from order
where user_id in (select id from user where status=1)
也可以使用exists
关键字实现:
select * from order
where exists (select 1 from user where order.user_id = user.id and status=1)
在上述提到的业务场景中,更适合使用in
关键字来实现业务需求。
因为in关键字包含在SQL语句中,会先执行in
子查询语句,然后执行in
外部语句。如果in
中的数据量较小,作为条件的查询速度更快。
而如果SQL语句包含exists
关键字,会先执行exists
左边的语句(主查询语句)。
然后将其作为条件与右边的语句进行匹配。如果匹配成功,就可以查询数据。如果没有匹配,数据就会被过滤掉。
在这个需求中,order
表有1万条数据,user
表有100条数据。
order
是一个大表,user
是一个小表。
如果order
在左边,更适合使用in
关键字。
总结一下:
in
适用于左边是大表,右边是小表的情况。exists
适用于左边是小表,右边是大表的情况。
批量插入数据
错误演示:
for (Order order: list) {
orderMapper.insert(order);
}
通过循环逐个插入数据。
insert into order(id,code,user_id)
values(123,'001',100);
这个操作需要多次向数据库发起请求才能完成这批数据的插入。
但是众所周知,在我们的代码中,每次远程请求数据库都会消耗一定的性能。
而且如果我们的代码需要多次请求数据库来完成这个业务功能,那就必然会消耗更多的性能。
正确的方式是提供一个批量插入数据的方法。
优化:
orderMapper.insertBatch(list);
# insert into order(id,code,user_id)
# values(123,'001',100),(124,'002',100),(125,'003',101);
这样,只需要远程请求一次数据库,SQL 的性能会得到提升。数据越多,改进效果越大。
然而,需要注意的是不建议一次性批量操作过多的数据。如果数据过多,数据库的响应会非常缓慢。
批量操作需要把握一个度,建议每个批次的数据尽量控制在 500 以内。如果数据超过 500,可以分多个批次进行处理。
不要在in关键字中使用过多的值
对于批量查询接口,通常使用 in 关键字来过滤数据。例如,我想通过一些指定的 id 批量查询用户信息。
SQL 语句如下:
select id,name from category
where id in (1,2,3...100000000);
如果不加任何限制,查询语句可能会一次性查询大量的数据,这很容易导致接口超时。
那么应该怎么做呢?
select id,name from category
where id in (1,2,3...100)
limit 500;
可以在 SQL 中使用 limit 来限制数据。
不过,我们更多地是在业务代码中添加限制。伪代码如下:
public List getCategory(List ids) {
if(CollectionUtils.isEmpty(ids)) {
return null;
}
if(ids.size() > 500) {
throw new BusinessException("太多了")
}
return mapper.getCategoryList(ids);
}
另一种解决方案是:如果 ids 中的记录超过 500 条,可以使用多线程来分批查询数据。每个批次只检查 500 条记录,最后将查询到的数据聚合并返回。
然而,这只是一个临时解决方案,不适用于 ids 过多的场景。因为 ids 很多,即使数据可以快速检测,如果返回的数据量过大,网络传输会非常消耗性能,接口性能也不会有太大提升。
高效分页
有时,在列表页面查询数据时,为了避免一次性返回过多数据影响接口的性能,我们通常对查询接口进行分页处理。
MySQL中常用于分页的limit
关键字:
select id,name,age
from user limit 10,20;
如果表中的数据量较小,使用limit关键字进行分页是没有问题的。但是如果表中的数据量很大,使用limit关键字会导致性能问题。
例如,现在分页参数变为:
select id,name,age
from user limit 1000000,20;
MySQL会找到1,000,020条数据,然后丢弃前1,000,000条数据,只查询最后的20条数据,这是一种资源浪费。
那么,如何对这些海量数据进行分页呢?
优化SQL语句:
select id,name,age
from user where id > 1000000 limit 20;
首先,==找到上一页的最大id,然后利用id的索引进行查询。==但是,在这种方案中,id需要连续有序。
还可以使用between
进行分页优化。
select id,name,age
from user where id between 1000000 and 1000020;
需要注意的是,between应该在唯一索引上进行分页,否则每页的大小会不一致。