sql执行慢
有些一句简单的sql看起来平平无奇，但是却执行很慢，一般存在这么几种可能性：
大多数情况下还可以，只是偶尔出现慢的情况
在数据量不变的情况下，这条sql语句一直执行很慢
整个sql运行慢
定位
针对sql运行慢，我们要做的首先就是定位出这些sql，然后再看这些sql是否正确创建并使用索引
慢查询分析
Mysql中自带了慢查询日志的功能，使用show variables like '%slow_query_log%'来查询慢查询日志是否开启
如下图所示：
开启慢查询日志
临时开启
代码：set global slow_query_log=1
这种设置方式，只对当前数据库生效，如果Mysql重启也会失效
永久开启
如果要永远生效，就必须修改Mysql的配置文件my.cnf，配置如下
slow_query_log =1 slow_query_log_file=/tmp/mysql_slow.log
分析sql运行情况
使用explain 分析你SQL的计划，如下图所示：
explain结果是基于数据库表中现有数据的
其中：
id：选择标识符，id越大优先级越高，越先被执行
select_type：表示查询的类型
SIMPLE：简单查询
UNION：联合查询
SUBQUERY：子查询(不在from子句中)
PRIMARY：表明当前行对应的select是复杂查询中最外层的select
DERIVED：表明当前行对应的select是包含在from子句中的子查询
table：输出结果集的表
partitons：匹配的分区
type：表示表的连接类型
all：扫描全表数据
index：遍历索引
range：索引范围查找
index_subquery：在子查询中使用ref
unique_subquery：在子查询中使用eq_ref
ref_or_null：对null进行索引的优化的ref
fulltext：使用全文索引
ref：使用非唯一索引查找数据
eq_ref：在join查询中使用主键或唯一索引关联
const：将一个主键放置到 where 后面作为条件查询， MySQL 优化器就能把这次查询优化转化为一个常量，如何转化以及何时转化，这个取决于优化器，这个比 eq_ref 效率高一点。
possible_keys：表示查询时，可能使用到的索引
key：表示查询时实际用到的索引
key_len：索引字段的长度
ref：列与索引的比较
rows：大概估算的行数
filtered：按表条件过滤的行百分比
Extra：执行情况的描述和说明
偶尔很慢
这种情况下，由于大多数场合下还是比较快的，具有偶发性，一般来说这条sql的书写本身没什么问题，更多的问题在于其他的外部原因导致的
数据库在刷新脏页
要知道，我们往数据库里插入一条数据，或者更新一条数据的时候，数据库会在内存中把相应字段的数据给更新了，但是更新以后，数据不会立马同步持久化到磁盘中去，而是把这些记录写到redo log日志中去。等到空闲的时候，再通过redo log里的日志把最新的数据同步到磁盘中去。
不过容易造成一个问题，就是redo log里面的容量是有限的，如果数据库一直很忙，更新又很频繁，这个时候redo log被塞满了，这个时候就只能暂停其他的操作，先把数据同步到磁盘中去，这个时候就导致我们平时执行很快的sql变得很慢。
拿不到锁
我们执行的这个SQL语句的时候，正好这条sql语句涉及到的表，被人加锁了，我们暂时拿不到锁，就只好等待。或者是表没有加锁，而是要使用到的某一行被加锁了。
所以我们要判断一下，是否是因为锁问题导致的，可以使用show processlist这个来查看当前的状态(mysql)。
一直很慢
先假设一个表，其中只有主键id和两个普通字段age和salary
CREATE TABLE `t` (
`id` INT ( 11 ) NOT NULL,
`age` INT ( 11 ) DEFAULT NULL,
`salary` INT ( 11 ) DEFAULT NULL,
PRIMARY KEY ( `id` )
) ENGINE = INNODB;
没用上索引
字段没有索引
字段有索引却没有用上索引
例如：
select * from t where age-1=19;
因为我们在字段的左边做了运算，导致在查询的时候就用不上。
函数操作导致没有用上索引
我们在查询的时候对字段进行了函数操作，这也会导致没有用上索引。
数据库选错索引
例子：
select * from t where 1and age<100;我们知道主键索引和给主键索引时有区别的，也就是说如果走age这个字段的索引的话最后会查询到对应主键的值，然后再根据主键的值走主键索引，查询到整行数据返回。
即就算age有索引，系统也不一定会走age这个字段的索引，而是可以会直接扫描，扫描全表。
主键索引(聚簇索引)：叶子节点存放的值是整行字段的数据。
非主键索引(二级索引)：叶子节点存放的是主键的值
在执行这条语句的时候系统会进行预测到底是走age的索引行数少，还是直接全表扫描的行数少，毕竟age索引找到主键后还需要通过主键索引来找整行数据。
所以系统就通过索引的区分度来判断：一个索引上不同的值越多，意味着出现相同数值的索引越少，意味着索引的区分度越高。我们也把区分度称之为基数，即区分度越高，基数越大。
即索引的基数越大就走索引查询。
但系统通过采样来判断索引基数的大小，所以存在误差判断失误。
即由于统计失误，导致系统没有走索引而是走了全表扫描，导致我们sql执行缓慢
可以通过SQL语句强制走索引：
select * from t force index(a) where 1and age<100;也可以通过 show index from t ;来查询索引的基数和实际是否符合，如果不符合可以重新统计：analyze table t
整个SQL运行慢
如果出现这种情况，说明目前数据的承载能力已经达到了巅峰，因此我们需要使用一些数据库的扩展手段来缓解Mysql服务器
解决方案：读写分离
一般情况下，对数据库而言，都是读多写少，压力主要来源于读。针对这种情况，我们可以采用数据库集群的方案，使用一个库作为主库，负责写入数据，其他库作为从库，负责读数据，这样可以减缓对数据库的访问压力
实现方案
应用层解决方案
可以通过应用层对数据源做路由来实现读写分离，比如使用SpringMVC+Mybatis，可以将SQL路由交给Spring，通过AOP或者Annotation由代码显示的控制数据源。
优点：
路由策略的扩展性和可控性较强
缺点
需要在Spring中添加耦合控制代码
中间件解决方案
通过MySQL的中间件做主从集群，比如使用Mysql Proxy、Amoeba、Atlas等中间件都能符合需求。
优点
与应用层解耦
缺点
增加一个服务维护的风险点，性能及稳定性待测试，需要支持代码强制主从和事务。
优化SQL查询速度
索引优化
尽量使用主键查询，而非其他索引，因为主键查询不会触发回表查询；
查询语句尽可能简单，大语句拆小语句，减少锁时间；
尽量使用数字型字段，若只含数值信息的字段尽量不要设计为字符型；
用 exists 替代 in 查询；
避免在索引列上使用 is null 和 is not null。
回表查询：普通索引查询到主键索引后，回到主键索引树搜索的过程，我们称为回表查询。
数据拆分
垂直拆分
将一张表拆分成多张表，其原则：
把不常用的字段单独放到一张表中
把text,blob等大字段拆分出来放到附表中
经常组合查询的列放到一张表中。
水平拆分
把一张表中的数据拆成多张表来存放，一般情况下使用取模的方式来进行拆分。
表的其他优化方案
使用可以存下数据最小的数据类型；
使用简单的数据类型，int 要比 varchar 类型在 MySQL 处理简单；
尽量使用 tinyint、smallint、mediumint 作为整数类型而非 int；
尽可能使用 not null 定义字段，因为 null 占用 4 字节空间；
尽量少用 text 类型，非用不可时最好考虑分表；
尽量使用 timestamp，而非 datetime；
单表不要有太多字段，建议在 20 个字段以内。
总结
一条sql 执行很慢的原因：
偶尔很慢：
数据库在刷新脏页，例如redo log满了需要同步到磁盘
执行的时候遇到锁：表锁、行锁
一直很慢：
没有用上索引：
该字段没有索引
由于对字段进行运算或者函数操作导致无法使用索引
数据库选错了索引
最后
如果觉得看完有收获，希望能给我点个赞，这将会是我更新的最大动力，感谢各位的支持
欢迎各位关注我的公众号【java冢狐】，专注于java和计算机基础知识，保证让你看完有所收获，不信你打我
如果看完有不同的意见或者建议，欢迎多多评论一起交流。感谢各位的支持以及厚爱。
1006
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
