SQL效率提升的优化思路

最新推荐文章于 2022-06-21 14:26:19 发布

自由圣骑士

最新推荐文章于 2022-06-21 14:26:19 发布

阅读量210

点赞数 1

分类专栏：数据库文章标签： sql优化思路 sql调优

本文链接：https://blog.csdn.net/qq_22343483/article/details/99713465

版权

数据库专栏收录该内容

15 篇文章 1 订阅

订阅专栏

1、业务场景

我用的数据库是mysql5.6，下面简单的介绍下场景

课程表：

课程表的数据是100条。

create table Course(

c_id int PRIMARY KEY,

name varchar(10)

)

学生表：

学生表的数据是70000条

create table Student(

id int PRIMARY KEY,

name varchar(10)

)

学生成绩表SC：

学生成绩表的数据是70万条

CREATE table SC(

    sc_id int PRIMARY KEY,

    s_id int,

    c_id int,

    score int

)

场景出现：查找语文考100分的考生。
查询语句如下：

select s.* from Student s
where s.s_id in 
(
 select s_id from SC sc where sc.c_id = 0 and sc.score = 100
)

执行时间：30248.271s

2、优化思路

晕,为什么这么慢，先来查看下查询计划：

EXPLAIN 

select s.* from Student s
where s.s_id in 
(
  select s_id from SC sc where sc.c_id = 0 and sc.score = 100
)

在这里插入图片描述
发现没有用到索引，type全是ALL，那么首先想到的就是建立一个索引，建立索引的字段当然是在where条件的字段。

先给sc表的c_id和score建个索引

CREATE index sc_c_id_index on SC(c_id);
CREATE index sc_score_index on SC(score);

再次执行上述查询语句，时间为: 1.054s。
快了3w多倍，大大缩短了查询时间，看来索引能极大程度的提高查询效率，建索引很有必要。
很多时候都忘记建索引了，数据量小的的时候压根没感觉，这优化的感觉挺爽。
但是1s的时间还是太长了，还能进行优化吗，仔细看执行计划：
在这里插入图片描述
查看优化后的sql:

SELECT
    `YSB`.`s`.`s_id` AS `s_id`,
    `YSB`.`s`.`name` AS `name`
FROM
    `YSB`.`Student` `s`
WHERE
    < in_optimizer > (
        `YSB`.`s`.`s_id` ,< EXISTS > (
            SELECT
            FROM
                `YSB`.`SC` `sc`
            WHERE
                (
                    (`YSB`.`sc`.`c_id` = 0)
                    AND (`YSB`.`sc`.`score` = 100)
                    AND (
                        < CACHE > (`YSB`.`s`.`s_id`) = `YSB`.`sc`.`s_id`
                    )
                )
        )
    )

补充：这里有朋友问怎么查看优化后的语句，方法如下：
在命令窗口执行 :
在这里插入图片描述
返回结果如下：

有type=all
按照我之前的想法，该sql的执行的顺序应该是先执行子查询

select s_id from SC sc where sc.c_id = 0 and sc.score = 100

耗时：0.001s
得到如下结果：
在这里插入图片描述
然后再执行

select s.* from Student s where s.s_id in(7,29,5000)

耗时：0.001s
这样就是相当快了啊，Mysql竟然不是先执行里层的查询，而是将sql优化成了exists子句，并出现了EPENDENT SUBQUERY，mysql是先执行外层查询，再执行里层的查询，这样就要循环70007*8次。

那么改用连接查询呢？

SELECT s.* from 

Student s

INNER JOIN SC sc

on sc.s_id = s.s_id

where sc.c_id=0 and sc.score=100

这里为了重新分析连接查询的情况，先暂时删除索引sc_c_id_index，sc_score_index。

执行时间是：0.057s

效率有所提高，看看执行计划：

在这里插入图片描述
这里有连表的情况出现，我猜想是不是要给sc表的s_id建立个索引

CREATE index sc_s_id_index on SC(s_id);
show index from SC

在这里插入图片描述
在执行连接查询
时间: 1.076s，竟然时间还变长了，什么原因？查看执行计划：

优化后的查询语句为：

SELECT
    `YSB`.`s`.`s_id` AS `s_id`,
    `YSB`.`s`.`name` AS `name`
FROM
    `YSB`.`Student` `s`
JOIN `YSB`.`SC` `sc`
WHERE
    (
        (
            `YSB`.`sc`.`s_id` = `YSB`.`s`.`s_id`
        )
        AND (`YSB`.`sc`.`score` = 100)
        AND (`YSB`.`sc`.`c_id` = 0)
    )

貌似是先做的连接查询，再进行的where条件过滤。
回到前面的执行计划：
在这里插入图片描述

2.1、sql查询时sql语句的执行顺序

这里是先做的where条件过滤，再做连表，执行计划还不是固定的，那么我们先看下标准的sql执行顺序：

(1)from 
(3) join 
(2) on 
(4) where 
(5)group by(开始使用select中的别名，后面的语句中都可以使用)
(6) avg,sum.... 
(7)with(CUBE|ROLLUP)
(8)having 
(9) select 
(10) distinct 
(11) order by 
(12) limit

在这里插入图片描述
从这个顺序中我们不难发现，所有的查询语句都是从from开始执行的，在执行过程中，每个步骤都会为下一个步骤生成一个虚拟表，这个虚拟表将作为下一个执行步骤的输入。

第一步：首先对from子句中的前两个表执行一个笛卡尔乘积，此时生成虚拟表 vt1（选择相对小的表做基础表）。

第二步：接下来便是应用on筛选器，on 中的逻辑表达式将应用到 vt1 中的各个行，筛选出满足on逻辑表达式的行，生成虚拟表 vt2 。

第三步：如果是outer join 那么这一步就将添加外部行，left outer jion 就把左表在第二步中过滤的添加进来，如果是right outer join 那么就将右表在第二步中过滤掉的行添加进来，这样生成虚拟表 vt3 。

第四步：如果 from 子句中的表数目多余两个表，那么就将vt3和第三个表连接从而计算笛卡尔乘积，生成虚拟表，该过程就是一个重复1-3的步骤，最终得到一个新的虚拟表 vt3。

第五步：应用where筛选器，对上一步生产的虚拟表引用where筛选器，生成虚拟表vt4，在这有个比较重要的细节不得不说一下，对于包含outer join子句的查询，就有一个让人感到困惑的问题，到底在on筛选器还是用where筛选器指定逻辑表达式呢？on和where的最大区别在于，如果在on应用逻辑表达式那么在第三步outer join中还可以把移除的行再次添加回来，而where的移除的最终的。举个简单的例子，有一个学生表（班级,姓名）和一个成绩表(姓名,成绩)，我现在需要返回一个x班级的全体同学的成绩，但是这个班级有几个学生缺考，也就是说在成绩表中没有记录。为了得到我们预期的结果我们就需要在on子句指定学生和成绩表的关系（学生.姓名=成绩.姓名）那么我们是否发现在执行第二步的时候，对于没有参加考试的学生记录就不会出现在vt2中，因为他们被on的逻辑表达式过滤掉了,但是我们用left outer join就可以把左表（学生）中没有参加考试的学生找回来，因为我们想返回的是x班级的所有学生，如果在on中应用学生.班级='x’的话，left outer join会把x班级的所有学生记录找回，所以只能在where筛选器中应用学生.班级=‘x’ 因为它的过滤是最终的。

第六步：group by 子句将其中的唯一的值组合成为一组，得到虚拟表vt5。如果应用了group by，那么后面的所有步骤都只能得到的vt5的列或者是聚合函数（count、sum、avg等）。原因在于最终的结果集中只为每个组包含一行。这一点请牢记。

第七步：应用cube或者rollup选项，为vt5生成超组，生成vt6.

第八步：应用having筛选器，生成vt7。having筛选器是第一个也是为唯一一个应用到已分组数据的筛选器。

第九步：处理select子句。将vt7中的在select中出现的列筛选出来。生成vt8.

第十步：应用distinct子句，vt8中移除相同的行，生成vt9。事实上如果应用了group by子句那么distinct是多余的，原因同样在于，分组的时候是将列中唯一的值分成一组，同时只为每一组返回一行记录，那么所有的记录都将是不相同的。

第十一步：应用order by子句。按照order_by_condition排序vt9，此时返回的一个游标，而不是虚拟表。sql是基于集合的，集合不会预先对他的行排序，它只是成员的逻辑集合，成员的顺序是无关紧要的。对表进行排序的查询可以返回一个对象，这个对象包含特定的物理顺序的逻辑组织。这个对象就叫游标。正因为返回值是游标，那么使用order by 子句查询不能应用于表达式。排序是很需要成本的，除非你必须要排序，否则最好不要指定order by，最后，在这一步中是第一个也是唯一一个可以使用select列表中别名的步骤。

第十二步：应用top选项。此时才返回结果给请求者即用户。

2.2、mysql的执行顺序

SELECT语句定义
一个完成的SELECT语句包含可选的几个子句。SELECT语句的定义如下：
SQL代码：

<SELECT clause> [<FROM clause>] [<WHERE clause>] [<GROUP BY clause>] [<HAVING clause>] [<ORDER BY clause>] [<LIMIT clause>]

SELECT子句是必选的，其它子句如WHERE子句、GROUP BY子句等是可选的。
一个SELECT语句中，子句的顺序是固定的。例如GROUP BY子句不会位于WHERE子句的前面。

SELECT语句执行顺序
SELECT语句中子句的执行顺序与SELECT语句中子句的输入顺序是不一样的，所以并不是从SELECT子句开始执行的，而是按照下面的顺序执行：
开始->FROM子句->WHERE子句->GROUP BY子句->HAVING子句->ORDER BY子句->SELECT子句->LIMIT子句->最终结果（加粗部分是与sql的执行顺序不一样的地方）
每个子句执行后都会产生一个中间结果，供接下来的子句使用，如果不存在某个子句，就跳过
对比了一下，mysql和sql执行顺序基本是一样的, 标准顺序的 SQL 语句为:

select 考生姓名, max(总成绩) as max总成绩   
  
from tb_Grade   
  
where 考生姓名 is not null   
  
group by 考生姓名   
  
having max(总成绩) > 600   
  
order by max总成绩

在上面的示例中 SQL 语句的执行顺序如下:

(1). 首先执行 FROM 子句, 从 tb_Grade 表组装数据源的数据

(2). 执行 WHERE 子句, 筛选 tb_Grade 表中所有数据不为 NULL 的数据

(3). 执行 GROUP BY 子句, 把 tb_Grade 表按 “学生姓名” 列进行分组(注：这一步开始才可以使用select中的别名，他返回的是一个游标，而不是一个表，所以在where中不可以使用select中的别名，而having却可以使用)

(4). 计算 max() 聚集函数, 按 “总成绩” 求出总成绩中最大的一些数值

(5). 执行 HAVING 子句, 筛选课程的总成绩大于 600 分的.

(7). 执行 ORDER BY 子句, 把最后的结果按 “Max 成绩” 进行排序.，然后执行select

再次结合上面的优化步骤，继续优化，如下：
针对上面的情况：正常情况下是先join再进行where过滤，但是我们这里的情况，如果先join，将会有70w条数据发送join操作，因此先执行where过滤是明智方案。
现在为了排除mysql的查询优化，我自己写一条优化后的sql。

SELECT
    s.*
FROM
    (
        SELECT
            *
        FROM
            SC sc
        WHERE
            sc.c_id = 0
        AND sc.score = 100
    ) t
INNER JOIN Student s ON t.s_id = s.s_id

即先执行sc表的过滤，再进行表连接，执行时间为：0.054s。
和之前没有建s_id索引的时间差不多，查看执行计划：
在这里插入图片描述

先提取sc再连表，这样效率就高多了，现在的问题是提取sc的时候出现了扫描表，那么现在可以明确需要建立相关索引。

CREATE index sc_c_id_index on SC(c_id);
CREATE index sc_score_index on SC(score);

再执行查询：

SELECT
    s.*
FROM
    (
        SELECT
            *
        FROM
            SC sc
        WHERE
            sc.c_id = 0
        AND sc.score = 100
    ) t
INNER JOIN Student s ON t.s_id = s.s_id

执行时间为：0.001s，这个时间相当靠谱，快了50倍。
执行计划：
在这里插入图片描述
我们会看到，先提取sc，再连表，都用到了索引。
那么再来执行下sql

SELECT s.* from 

Student s

INNER JOIN SC sc

on sc.s_id = s.s_id

where sc.c_id=0 and sc.score=100

执行时间0.001s
执行计划：
在这里插入图片描述
这里是mysql进行了查询语句优化，先执行了where过滤，再执行连接操作，且都用到了索引。

最近又重新导入一些生产数据，经测试发现，前几天优化完的sql执行效率又变低了

调整内容为SC表的数据增长到300W,学生分数更为离散。

先回顾下：
show index from SC
在这里插入图片描述
执行sql

SELECT s.* from 

Student s

INNER JOIN SC sc

on sc.s_id = s.s_id

where sc.c_id=81 and sc.score=84

执行时间：0.061s，这个时间稍微慢了点
执行计划：
在这里插入图片描述
这里用到了intersect并集操作，即两个索引同时检索的结果再求并集，再看字段score和c_id的区分度，
单从一个字段看，区分度都不是很大，从SC表检索，c_id=81检索的结果是70001,score=84的结果是39425。
而c_id=81 and score=84 的结果是897，即这两个字段联合起来的区分度是比较高的，因此建立联合索引查询效率将会更高。
从另外一个角度看，该表的数据是300w，以后会更多，就索引存储而言，都是不小的数目，随着数据量的增加，索引就不能全部加载到内存，而是要从磁盘去读取，这样索引的个数越多，读磁盘的开销就越大。
因此根据具体业务情况建立多列的联合索引是必要的，那么我们来试试吧。

alter table SC drop index sc_c_id_index;
alter table SC drop index sc_score_index;
create index sc_c_id_score_index on SC(c_id,score);

执行上述查询语句，消耗时间为：0.007s，这个速度还是可以接收的
执行计划：
在这里插入图片描述
该语句的优化暂时告一段落

3、总结

1、mysql嵌套子查询效率确实比较低
2、可以将其优化成连接查询
3、连接表时，可以先用where条件对表进行过滤，然后做表连接（虽然mysql会对连表语句做优化）
4、建立合适的索引，必要时建立多列联合索引
5、学会分析sql执行计划，mysql会对sql进行优化，所以分析执行计划很重要
6、使用 JOIN 时候，应该用小的结果驱动大的结果（left join 左边表结果尽量小，如果有条件应该放到左边先处理，right join 同理反向），同时尽量把牵涉到多表联合的查询拆分多个 query，比如：select * from admin left join log on admin.admin_id = log.admin_id where log.admin_id>10可以优化成 select * from (select * from admin where admin_id>10) T1 lef join log on T1.admin_id = log.admin_id。

4、索引优化

上面讲到子查询的优化，以及如何建立索引，而且在多个字段索引时，分别对字段建立了单个索引

后面发现其实建立联合索引效率会更高，尤其是在数据量较大，单个列区分度不高的情况下。

4.1、单列索引

查询语句如下：

select * from user_test_copy where sex = 2 and type = 2 and age = 10

索引：

CREATE index user_test_index_sex on user_test_copy(sex);
CREATE index user_test_index_type on user_test_copy(type);
CREATE index user_test_index_age on user_test_copy(age);

分别对sex,type,age字段做了索引，数据量为300w,查询时间：0.415s

执行计划：
在这里插入图片描述
发现type=index_merge

这是mysql对多个单列索引的优化，对结果集采用intersect并集操作

4.2、多列索引

我们可以在这3个列上建立多列索引，将表copy一份以便做测试

create index user_test_index_sex_type_age on user_test(sex,type,age);

查询语句：

select * from user_test where sex = 2 and type = 2 and age = 10

执行时间：0.032s，快了10多倍，且多列索引的区分度越高，提高的速度也越多
执行计划：
在这里插入图片描述

4.3、最左前缀

多列索引还有最左前缀的特性，执行一下语句：

select * from user_test where sex = 2
select * from user_test where sex = 2 and type = 2
select * from user_test where sex = 2 and age = 10

都会使用到索引，即索引的第一个字段sex要出现在where条件中

4.4、索引覆盖

就是查询的列都建立了索引，这样在获取结果集的时候不用再去磁盘获取其它列的数据，直接返回索引数据即可，如：

select sex,type,age from user_test where sex = 2 and type = 2 and age = 10

执行时间：0.003s ，要比取所有字段快的多

4.5、排序

select * from user_test where sex = 2 and type = 2 ORDER BY user_name

时间：0.139s

在排序字段上建立索引会提高排序的效率

create index user_name_index on user_test(user_name)

最后附上一些sql调优的总结，以后有时间再深入研究：

1、列类型尽量定义成数值类型，且长度尽可能短，如主键和外键，类型字段等等
2、建立单列索引
3、根据需要建立多列联合索引

当单个列过滤之后还有很多数据，那么索引的效率将会比较低，即列的区分度较低
如果在多个列上建立索引，那么多个列的区分度就大多了，将会有显著的效率提高。

1、根据业务场景建立覆盖索引只查询业务需要的字段，如果这些字段被索引覆盖，将极大的提高查询效率
2、多表连接的字段上需要建立索引，这样可以极大提高表连接的效率
3、where条件字段上需要建立索引
4、排序字段上需要建立索引
5、分组字段上需要建立索引
6、Where条件上不要使用运算函数，以免索引失效

自由圣骑士

关注

1
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
SQL效率提升的优化思路

1、业务场景我用的数据库是mysql5.6，下面简单的介绍下场景课程表：课程表的数据是100条。create table Course(c_id int PRIMARY KEY,name varchar(10))学生表：学生表的数据是70000条create table Student(id int PRIMARY KEY,name varchar(10))...
复制链接

扫一扫