一些总结
1.对查询进行优化,要尽量避免全表扫描,首先应考虑在 where 及 order by 涉及的列上建立索引。
2.应尽量避免在 where 子句中对字段进行 null 值判断,否则将导致引擎放弃使用索引而进行全表扫描,如:
select id from t where num is null
最好不要给数据库留NULL,尽可能的使用 NOT NULL填充数据库,或者设置默认值为0
3.应尽量避免在 where 子句中使用 != 或 <> 操作符,否则将引擎放弃使用索引而进行全表扫描
4.应尽量避免在where子句中对字段进行函数或者表达式操作,这将导致引擎放弃使用索引而进行全表扫描。
5.索引并不是越多越好,索引固然可以提高相应的 select 的效率,但同时也降低了 insert 及 update 的效率,因为 insert 或 update 时有可能会重建索引,所以怎样建索引需要慎重考虑,视具体情况而定
6.分页查询语句使用limit分页查询数据所耗的时间,与查询记录条数的起始位置有关,如
select id,name from log_tag limit 1000,10
从第1000条数据开始查,查10条数据。此时建立(id,name)的覆盖索引,速度会快很多
altertable log_tagadd index id_name (id, name)
索引
建索引的几大原则
1.最左前缀匹配原则,非常重要的原则,mysql会一直向右匹配直到遇到范围查询(>、<、between、like)就停止匹配,比如a = 1 and b = 2 and c > 3 and d = 4 如果建立(a,b,c,d)顺序的索引,d是用不到索引的,如果建立(a,b,d,c)的索引则都可以用到,a,b,d的顺序可以任意调整。
2.=和in可以乱序,比如a = 1 and b = 2 and c = 3 建立(a,b,c)索引可以任意顺序,mysql的查询优化器会帮你优化成索引可以识别的形式
3.索引列不能参与计算,保持列“干净”,比如from_unixtime(create_time) = ’2014-05-29’就不能使用到索引,原因很简单,b+树中存的都是数据表中的字段值,但进行检索时,需要把所有元素都应用函数才能比较,显然成本太大。所以语句应该写成create_time = unix_timestamp(’2014-05-29’);
4.尽量的扩展索引,不要新建索引。比如表中已经有a的索引,现在要加(a,b)的索引,那么只需要修改原来的索引即可
查询优化神器 – explain命令
关于explain命令相信大家并不陌生,具体用法和字段含义可以参考官网explain-output,这里需要强调rows是核心指标,所以优化语句基本上都是在优化rows。
慢查询优化基本步骤
0.先运行看看是否真的很慢,注意设置SQL_NO_CACHE
1.where条件单表查,锁定最小返回记录表。这句话的意思是把查询语句的where都应用到表中返回的记录数最小的表开始查起,单表每个字段分别查询,看哪个字段的区分度最高
2.explain查看执行计划,是否与1预期一致(从锁定记录较少的表开始查询)
3.order by limit 形式的sql语句让排序的表优先查
4.了解业务方使用场景
5.加索引时参照建索引的几大原则
6.观察结果,不符合预期继续从0分析
SELECT sum(number) from ((select * from (select * from log_money
where opTime<1508515200) s
where operateType=87 or operateType=4 or operateType=86) s1
join (SELECT * from log_player WHERE market='2yx') t on s1.roleDBID=t.roleID);
查询需要3.12s,扫描了60多万次。
这是最后优化后的语句:
select sum(number) from ( select number from (select M.number as number from
log_money as M,log_player as P where (M.operateType=87 or M.operateType=4 or M.operateType=86)
and M.opTime<1508515200 and P.market='2yx' and M.roleDBID=P.roleID ) as S ) as D;
用时变成了0.04s,其中在log_money上面建了一个覆盖索引(operateType,opTime).注意顺序与where后面的一致,
并且=的放前面
参考链接:
http://blog.jobbole.com/86594/
https://www.cnblogs.com/xuanzhi201111/p/4175635.html