05SQL索引优化(2)

SQL索引优化(二)

分页查询优化

CREATE TABLE `employees` (
`id` int(11) NOT NULL AUTO_INCREMENT,
`name` varchar(24) NOT NULL DEFAULT '' COMMENT '姓名',
`age` int(11) NOT NULL DEFAULT '0' COMMENT '年龄',
`position` varchar(20) NOT NULL DEFAULT '' COMMENT '职位',
`hire_time` timestamp NOT NULL DEFAULT CURRENT_TIMESTAMP COMMENT '入职时间',
PRIMARY KEY (`id`),
KEY `idx_name_age_position` (`name`,`age`,`position`) USING BTREE
) ENGINE=InnoDB AUTO_INCREMENT=1 DEFAULT CHARSET=utf8 COMMENT='员工记录表';

 INSERT INTO employees(name,age,position,hire_time) VALUES('LiLei',22,'manager',NOW());
 INSERT INTO employees(name,age,position,hire_time) VALUES('HanMeimei', 23,'dev',NOW());
 INSERT INTO employees(name,age,position,hire_time) VALUES('Lucy',23,'dev',NOW());

 ‐‐ 插入一些示例数据
 drop procedure if exists insert_emp;
 delimiter ;;
 create procedure insert_emp()
 begin
 declare i int;
 set i=1;
 while(i<=100000)do
 insert into employees(name,age,position) values(CONCAT('zhuge',i),i,'dev');
 set i=i+1;
 end while;
 end;;
 delimiter ;
 call insert_emp();

很多时候会写

select * from employees limit 10000,10;

表示从表 employees 中取出从 10001 行开始的 10 行记录。看似只查询了 10 条记录，实际这条 SQL 是先读取 10010 条记录，然后抛弃前 10000 条记录，然后读到后面 10 条想要的数据。因此要查询一张大表比较靠后的数据，执行效率是非常低的。

常见的分页常见优化

1. 根据自增且连续的主键排序的分页查询

但是，这条改写的SQL 在很多场景并不实用，因为表中可能某些记录被删后，主键空缺，导致结果不一致

若按照上述的写法，需要满足两种条件:

• 主键自增且连续
• 结果是按照主键排序的

2. 根据非主键字段排序的分页查询

发现并没有适用name字段的索引，原因是:扫描整个索引并查找找到没所以的行(可能要遍历多个索引树)的成本比扫描全表的成本更高，所以优化器放弃使用索引.

优化的关键是让排序时返回的字段尽可能少，所以可以让排序和分页操作先查出主键，然后根据主键查找对应的记录，SQL改写如下

select * from employees e inner join (select id from employees order by name limit 90000,5) ed on e.id = ed.id;

Join关联优化

drop procedure if exists insert_t1;
 delimiter ;;
 create procedure insert_t1()
 begin
 declare i int;
 set i=1;
 while(i<=10000)do
 insert into t1(a,b) values(i,i);
 set i=i+1;
 end while;
 end;;
 delimiter ;

 call insert_t1();

drop procedure if exists insert_t2;
delimiter ;;
create procedure insert_t2()
begin
declare i int;
set i=1;
while(i<=100)do
insert into t2(a,b) values(i,i);
set i=i+1;
end while;
end;;
delimiter ;
call insert_t2();

MySQL的表关联常见的两种算法

• Nested-Loop Join算法
• Block Nested-Loop Join算法

1. 嵌套循环连接Nested-Loop Join(NLJ)算法

一次一行循环地从第一张表（称为驱动表）中读取行，在这行数据中取到关联字段，根据关联字段在另一张表（被驱动表）里取出满足条件的行，然后取出两张表的结果合集。

从执行计划中可以看到：

• 驱动表是t2，被驱动表是t1。先执行的就是驱动表(执行计划结果id如果一样则按从上到小执行sql)，优化器一般优选选择小表做驱动表,用where条件过滤完驱动表，然后再跟被驱动表做表关联。所以使用inner join时，排在前面的表并不一定是驱动表.
• 当使用left join的时候，左表是驱动表，右表是被驱动表，当使用right join的时候，右表是驱动表，左表是被驱动表，当使用join的时候，MySQL会使用数据量比较小的表作为驱动表，大表做为被驱动表
• 使用NLJ算法，一般join语句中，未出现using join buffer则表示使用的是NLJ算法

上面的SQL流程如下

• 从表 t2 中读取一行数据（如果t2表有查询过滤条件的，用先用条件过滤完，再从过滤结果里取出一行数据）；
• 从第 1 步的数据中，取出关联字段 a，到表 t1 中查找；
• 取出表 t1 中满足条件的行，跟 t2 中获取到的结果合并，作为结果返回给客户端；
• 重复上面 3 步。

整个过程会读取 t2 表的所有数据(扫描100行)，然后遍历这每行数据中字段 a 的值，根据 t2 表中 a 的值索引扫描 t1 表中的对应行(扫描100次 t1 表的索引，1次扫描可以认为最终只扫描 t1 表一行完整数据，也就是总共 t1 表也扫描了100行)。因此整个过程扫描了 200 行。

如果被驱动表的关联字段没索引，使用NLJ算法性能会比较低，MySQL会选择Block Nested-Loop Join算法。

2. 基于块的嵌套循环连接Block Nested-Loop Join(BNL)算法

把驱动表的数据读入到join_buffer中，然后扫描被驱动表,把被驱动表的每一行取出来跟join_buffer中的数据做对比

上面SQL的大致流程

• 把 t2 的所有数据放入到 join_buffer 中
• 把表 t1 中每一行取出来，跟 join_buffer 中的数据做对比
• 返回满足 join 条件的数据

整个过程对表 t1 和 t2 都做了一次全表扫描，因此扫描的总行数为10000(表 t1 的数据总量) + 100(表 t2 的数据总量) = 10100。并且 join_buffer 里的数据是无序的，因此对表 t1 中的每一行，都要做 100 次判断，所以内存中的判断次数是 100 * 10000= 100 万次。

如果表t2是个大表，join_buffer放不下怎么办?

• join_buffer 的大小是由参数 join_buffer_size 设定的，默认值是 256k。如果放不下表 t2 的所有数据话，策略很简单，就是分段放
• 比如 t2 表有1000行记录， join_buffer 一次只能放800行数据，那么执行过程就是先往 join_buffer 里放800行记录，然后从 t1 表里取数据跟 join_buffer 中数据对比得到部分结果，然后清空 join_buffer ，再放入 t2 表剩余200行记录，再次从 t1 表里取数据跟 join_buffer 中数据对比。所以就多扫了一次 t1 表

被驱动表的关联字段没有所以为什么要选择使用BNL算法而不使用Nested-Loop Join？

• 如果上面第二条sql使用 Nested-Loop Join，那么扫描行数为 100 * 10000 = 100万次，这个是磁盘扫描。
• 用BNL磁盘扫描次数少很多，相比于磁盘扫描，BNL的内存计算会快得多。
• 因此MySQL对于被驱动表的关联字段没索引的关联查询，一般都会使用 BNL 算法。如果有索引一般选择 NLJ 算法，有索引的情况下 NLJ 算法比 BNL算法性能更高

对于关联SQL的优化

• 关联字段加索引
• 大表驱动小表:写多表连接sql时如果明确知道哪张表是小表可以用straight_join写法固定连接驱动方式，省去mysql优化器自己判断的时间

straight_join解释:straight_join功能同join类似，但能让左边的表来驱动右边的表，能改表优化器对于联表查询的执行顺序

• straight_join只适用于inner join，并不适用于left join，right join。（因为left join，right join已经代表指定了表的执行顺序）
• 尽可能让优化器去判断，因为大部分情况下mysql优化器是比人要聪明的。使用straight_join一定要慎重，因为部分情况下人为指定的执行顺序并不一定会比优化引擎要靠谱。

in和Exists的优化

in:当B表的数据集小于A表的数据集时，in优先于exists

select * from A where (select id from B)

exists:当A表的数据集小于B表的数据集时，exists优于in

select * from A where exists (select 1 from B where B.id = A.id)

count(*)优化

‐‐ 临时关闭mysql查询缓存，为了查看sql多次执行的真实时间
mysql> set global query_cache_size=0;
mysql> set global query_cache_type=0;

mysql> EXPLAIN select count(1) from employees;
mysql> EXPLAIN select count(id) from employees;
mysql> EXPLAIN select count(name) from employees;
mysql> EXPLAIN select count(*) from employees;

• count(1)跟count(字段)执行过程类似，不过count(1)不需要取出字段统计，就用常量1做统计，count(字段)还需要取出字段，所以理论上count(1)比count(字段)会快一点
• count(*)是例外，MySQL并不会把全部字段取出来，而是专门做了优化，不取值，按行累加,效率很高
• 为什么对于count(id),MySQL最终选择辅助索引而不是主键聚集索引？因为二级索引相对主键索引存储数据更少，检索性能更高，MySQL内部做了优化

常见的优化方法

1. 查询MySQL自己维护的总行数

对于myisam存储引擎的表不做带where条件的count查询性能很好，因为myisam存储引擎的表的总行数会被MySQL存储在磁盘上，查询不需要计算

对于InnoDB存储引擎的表MySQL不会存储表的总记录行数(MVCC机制)，查询count需要实时统计

2. show table status

3. 将记录总数维护到Redis中

4. 增加或删除表数据行的时候同事维护计数器表,让他们在一个事务里面操作

补充：MySQL数据类型选择

（1）确定合适的大类型:数字、字符串、时间、二进制

（2）确定具体的类型:有无符号、取值范围、变长定长等。

在MySQL数据类型设置方面，尽量用更小的数据类型，因为它们通常有更好的性能，花费更少的硬件资源。并且，尽量把字段定义为NOT NULL，避免使用NULL。

优化建议

• 如果整形数据没有负数，如ID号，建议指定为UNSIGNED无符号类型，容量可以扩大一倍。
• 建议使用TINYINT代替ENUM、BITENUM、SET。
• 避免使用整数的显示宽度(参看文档最后)，也就是说，不要用INT(10)类似的方法指定字段显示宽度，直接用INT。
• DECIMAL最适合保存准确度要求高，而且用于计算的数据，比如价格。但是在使用DECIMAL类型的时候，注意长度设置。
• 建议使用整形类型来运算和存储实数，方法是，实数乘以相应的倍数后再操作。
• 整数通常是最佳的数据类型，因为它速度快，并且能使用AUTO_INCREMENT。

优化建议

• MySQL能存储的最小时间粒度为秒。
• 建议用DATE数据类型来保存日期。MySQL中默认的日期格式是yyyy-mm-dd。
• 用MySQL的内建类型DATE、TIME、DATETIME来存储时间，而不是使用字符串。
• 当数据格式为TIMESTAMP和DATETIME时，可以用CURRENT_TIMESTAMP作为默认（MySQL5.6以后），MySQL会自动返回记录插入的确切时间。
• TIMESTAMP是UTC时间戳，与时区相关。
• DATETIME的存储格式是一个YYYYMMDD HH:MM:SS的整数，与时区无关，你存了什么，读出来就是什么。
• 除非有特殊需求，一般的公司建议使用TIMESTAMP，它比DATETIME更节约空间，但是像阿里这样的公司一般会用DATETIME，因为不用考虑TIMESTAMP将来的时间上限问题。
• 有时人们把Unix的时间戳保存为整数值，但是这通常没有任何好处，这种格式处理起来不太方便，我们并不推荐它。

优化建议

• 字符串的长度相差较大用VARCHAR；字符串短，且所有值都接近一个长度用CHAR。
• CHAR和VARCHAR适用于包括人名、邮政编码、电话号码和不超过255个字符长度的任意字母数字组合。那些要用来计算的数字不要用VARCHAR类型保存，因为可能会导致一些与计算相关的问题。换句话说，可能影响到计算的准确性和完整性。
• 尽量少用BLOB和TEXT，如果实在要用可以考虑将BLOB和TEXT字段单独存一张表，用id关联。
• BLOB系列存储二进制字符串，与字符集无关。TEXT系列存储非二进制字符串，与字符集相关。
• BLOB和TEXT都不能有默认值。