十二、SQL语句优化
1、SQL语句优化
1、mysql的执行流程
客户端:
发送连接请求,然后发送增删改查sql语句执行操作
服务端:
(1)连接层:提供和客户端连接的服务,在tcp协议下,提供多线程的技术,让多个用户登录到mysql中
可使用命令:show processlist; 查看所有登录到mysql的用户进程
(2)服务器:提供各种接口(增删改查等操作)分析器组件会解析用户的sql语句;
如果发现sql语句执行效率较低,会提交给优化器组件进行优化,然后执行
(查询缓存:把上次搜索过的数据,或者提前存储的数据直接返回,效率加快)
(优化器:mysql query optimizer)
(3)存储引擎:存储或者提取数据
innoDB:支持事务处理,支持行级锁,支持高并发
myisam:支持表级锁,不支持高并发
(4)日志文件:产生binlog日志(二进制文件)
创建表的时候可以在语句最后面设置引擎和编码集,还可以设置起始的id
create table ceshi_table1(
id int primary key auto_increment,
name varchar(255)
)engine = myisam auto_increment=3 charset=utf8;
2、sql卡顿原因
硬盘读写数据,io延迟高,sql语句性能低,导致sql执行的时间漫长;表中的护具没有索引,并且数据量大,也会造成sql语句查询速度慢
编写:select … from … join on … where … group by … having … order by … limit
解析:from … join on … where … group by … having … select … order by … limit
3、索引
索引(index)概念:
是一个树状的数据结构,即(B树结构,分支节点>2)
相当于字典的目录,功效是加快查询速度
常用树:B树(banlance-tree),二叉树,红黑树,hash树
树节点的概念:
根节点(最顶级的节点)
分支节点(两种状态,父节点,子节点)
叶子节点(最后一层存储数据的节点)
树的高度(树的层级)
B树【b-tree】理想状态下三级,任何数据最多三次查到,支持百万级别的数据查询,追求树的矮胖结构
B+树【b+tree】:在相邻的叶子节点上,加入双向链表(指针),当前叶子节点不但保存了数据,还保存了上下两个节点的地址【小范围数据中,加快查询数据】
B*树【b*或b++ tree】在相邻的分支节点(包含叶子节点)上,加入双向链表(指针),当前分支节点(包含叶子节点)不但保存了数据,还保存了上下两个节点的地址【大范围数据中,加快查询数据】
注:磁盘块 block 数据页 16k;myisam和innodb都是b+树结构
4、innodb和myisam的索引结构
(1)聚集索引【innodb存储的特点,myisam不支持】:
如果有主键,自动以主键创建聚集索引的数据结构(树状结构);
如果没有主键,选择唯一键;
都没有,自动生成隐藏的聚集索引,也会分出一个字段占用6个字节长整型;
叶子节点上面直接存储真实数据(索引和数据捆绑在一起)
分支节点存储的是索引的最小值,用来划分范围
在数据量变大的时候,尽量在树层级高度不变的情况下横向发展;好处:查询次数少,提升效率,减少io阻塞
(2)非聚集索引(辅助索引,二级索引,普通索引)
先对创建索引的该字段划分区间进行排序,把索引值分布在叶子节点上;
存储的是该字段的值以及对应映射的主键id(primary key),没有真实数据
通过主键id,再去从其它文件中找数据
(3)两者区别
myisam和innodb使用的索引结构都是b+树,但是叶子节点存储的数据不同
innodb文件结构中只有frm,ibd直接把数据存在叶子节点上
myisam文件结构中有frm,myi,myd,叶子节点上存储的所引值,通过索引找到id,通过id查找数据
(4)性能优化:
利用索引查询时,可以增快查询速度,但是增删改速度变慢,会改变树状结构
追求尽量让叶子节点存储的数据类型小一点,让高度变矮,让数据页变少
2、索引
1、常用索引
单个字段索引
主键索引:primary key (非空且唯一)
唯一索引:unique(唯一)
普通索引:index (单纯的加个索引,为了提升查询效率)
联合索引
primary key(字段1,字段2,…):联合主键索引
unique(字段1,字段2,…):联合唯一索引
index(字段1,字段2,…):联合普通索引
2、应用场景
编号:int
姓名:varchar(255)
身份证号:char(18)
电话char(11)
地址varchar(255)
备注:text
姓: varchar(10)
名: varchar(10)
编号: 主键
姓名: 普通索引(注意在区分度高的字段上加)
身份证:unique
电话:unique
备注:全文索引 , 借助第三方软件sphinx来运行
姓和名:联合索引 , 联合在一起查,加快速度
3、不同的存储引擎支持的数据结构
innodb:支持b-tree fulltext 不支持hash类型索引结构
myisam:支持b-tree fulltext 不支持hash类型索引结构
memory:支持b-tree hash类型 不支持fulltext索引
hash类型索引:数据放内存中,通过见来获取到值,单条数据查询快,一个范围内的数据慢
b-tree:最理想的三层结构,理论上可支撑百万条数据的查询;
4、建立索引
(1)建表的时候,直接船家女索引index索引名(索引字段)
create table t1()
id int primary key,
name char(10),
index index_name(name)
);
(2)创建表之后,创建索引 create index 索引名on 表名(索引字段)
create table t2(
id int primary key,
name char(10)
);
create index index_name on t2(name);
(3)改变字段索引 alter table 表名 add index 索引名(索引字段)
create table t3(
id int primary key,
name char(10)
);
alter table t3 add index index_name(name);
(4)删除索引
drop index index_name on t3;
5、正确使用索引
加索引和不加索引的速度差别巨大,加了索引之后,ibd文件变大
(1)把频繁作为搜索条件的字段作为索引,查询单条数据,如果查询的是一个大范围中的数据,不能命中索引
表达范围的符号:> < >= <= != <> like between and in
select * from s1 where id > 5;
select * from s1 where id < 5; # 表达一个小范围内的数据可以命中.
(2)选一个区分度较高的作为索引
选区分度低的字段作为索引,在查询数据的时候,先走索引建好的树状结构,再把数据搜出来
因为树状结构中有大量的重复数据,会增加树的高度,反而速度不快,冗余数据过多
默认系统会把主键或者unique标识的约束,自动创建索引,因为区分度较高,没有冗余数据
create index index_name on s1(name); # 不推荐把区分度不高的字段加索引
(3)在搜索条件中,不能让索引字段参与计算,不能命中索引
select * from s1 where id = 1000;
select * from s1 where id*3 = 3000; # id = 1000
(4)当条件中含有and,sql语句会通过优化器进行优化
- 如果有and相连,找到第一个有索引的并且树的高度最矮的字段进行优化
select count(*) from s1 where email = "xboyww1000@oldboy"
select count(*) from s1 where email = "xboyww1000@oldboy" and id = 1000;
select count(*) from s1 where email = "xboyww1000@oldboy" and name = "xboyww";
select count(*) from s1 where email = "xboyww1000@oldboy" and name = "xboyww" and id = 1000;
多个and条件依然成立
- 如果有or相连,没有优化,所有语句从左到右执行,让索引失去意义
select count(*) from s1 where id = 1000 or email = "xboyww1000@oldboy";
(5)联合索引:遵循最左原则index(字段1,字段2,…)
select count(*) from s1 where first_name = "王6" and last_name="文6" # 命中索引
select count(*) from s1 where last_name="文6" and first_name = "王6" # 命中索引
select count(*) from s1 where last_name="文6" # 不能命中索引
select count(*) from s1 where first_name="王6" and gender="man";
select count(*) from s1 where first_name="王6" and gender="man" and name="xboyww";
# 最左前缀原则:被标记成MUL这个字段,必须存在在搜索条件中,就命中索引
first_name + .... (必须该字段存在) 联合索引会更加精确的命中想要的数据.数据结构更合理;
(6)其它
-
数据类型不匹配,不能命中索引
select count(*) from s1 where first_name = 100; # first_name 是字符串
-
使用了函数不能命中索引
select count(*) from s1 where reverse(first_name) = "6王"; # 字符串反转函数reverse()