本文从SQL角度进行数据库优化,提升SQL运行效率。
判断问题SQL
判断SQL是否有问题时可以通过两个表象进行判断:
- 系统级别表象
- CPU消耗严重
- IO等待严重
- 页面响应时间过长
- 应用的日志出现超时等错误
可以使用sar
命令,top
命令查看当前系统状态。
也可以通过Prometheus、Grafana等监控工具观察系统状态。(感兴趣的可以翻看我之前的文章)
- SQL语句表象
- 冗长
- 执行时间过长
- 从全表扫描获取数据
- 执行计划中的rows、cost很大
冗长的SQL都好理解,一段SQL太长阅读性肯定会差,而且出现问题的频率肯定会更高。更进一步判断SQL问题就得从执行计划入手,如下所示:
执行计划告诉我们本次查询走了全表扫描Type=ALL,rows很大(9950400)基本可以判断这是一段"有味道"的SQL。
获取问题SQL
不同数据库有不同的获取方法,以下为目前主流数据库的慢查询SQL获取工具
- MySQL
- 慢查询日志
- 测试工具loadrunner
- Percona公司的ptquery等工具
Oracle
- AWR报告
- 测试工具loadrunner等
- 相关内部视图如v$sql、v$session_wait等
- GRID CONTROL监控工具
达梦数据库
- AWR报告
- 测试工具loadrunner等
- 达梦性能监控工具(dem)
- 相关内部视图如v$sql、v$session_wait等
SQL编写技巧
SQL编写有以下几个通用的技巧:
• 合理使用索引
索引少了查询慢;索引多了占用空间大,执行增删改语句的时候需要动态维护索引,影响性能
选择率高(重复值少)且被where频繁引用需要建立B树索引;一般join列需要建立索引;复杂文档类型查询采用全文索引效率更好;索引的建立要在查询和DML性能之间取得平衡;复合索引创建时要注意基于非前导列查询的情况
- 使用UNION ALL替代UNION
UNION ALL的执行效率比UNION高,UNION执行时需要排重;UNION需要对数据进行排序
• 避免select * 写法
执行SQL时优化器需要将 * 转成具体的列;每次查询都要回表,不能走覆盖索引。
• JOIN字段建议建立索引
一般JOIN字段都提前加上索引
• 避免复杂SQL语句
提升可阅读性;避免慢查询的概率;可以转换成多个短查询,用业务端处理
• 避免where 1=1写法
• 避免order by rand()类似写法
RAND()导致数据列被多次扫描
SQL优化
执行计划
完成SQL优化一定要先读执行计划,执行计划会告诉你哪些地方效率低,哪里可以需要优化。我们以MYSQL为例,看看执行计划是什么。(每个数据库的执行计划都不一样,需要自行了解)explain sql
接下来我们用一段实际优化案例来说明SQL优化的过程及优化技巧。
优化案例
- 表结构
CREATE TABLE `a`
(
`id` int(11) NOT NULLAUTO_INCREMENT,
`seller_id` bigint(20) DEFAULT NULL,
`seller_name` varchar(100) CHARACTER SET utf8 COLLATE utf8_bin DEFAULT NULL,
`gmt_create` varchar(30) DEFAULT NULL,
PRIMARY KEY (`id`)
);
CREATE TABLE `b`
(
`id` int(11) NOT NULLAUTO_INCREMENT,
`seller_name` varchar(100) DEFAULT NULL,
`user_id` varchar(50) DEFAULT NULL,
`user_name` varchar(100) DEFAULT NULL,
`sales` bigint(20) DEFAULT NULL,
`gmt_create` varchar(30) DEFAULT NULL,
PRIMARY KEY (`id`)
);
CREATE TABLE `c`
(
`id` int(11) NOT NULLAUTO_INCREMENT,
`user_id` varchar(50) DEFAULT NULL,
`order_id` varchar(100) DEFAULT NULL,
`state` bigint(20) DEFAULT NULL,
`gmt_create` varchar(30) DEFAULT NULL,
PRIMARY KEY (`id`)
);
三张表关联,查询当前用户在当前时间前后10个小时的订单情况,并根据订单创建时间升序排列,具体SQL如下
select a.seller_id,
a.seller_name,
b.user_name,
c.state
from a,
b,
c
where a.seller_name = b.seller_name
and b.user_id = c.user_id
and c.user_id = 17
and a.gmt_create
BETWEEN DATE_ADD(NOW(), INTERVAL – 600 MINUTE)
AND DATE_ADD(NOW(), INTERVAL 600 MINUTE)
order by a.gmt_create;复制代码
查看数据量
![image](https://user-gold-cdn.xitu.io/2019/11/2/16e2a10eeb735db2?w=763&h=155&f=png&s=9625)
原执行时间
![image](https://user-gold-cdn.xitu.io/2019/11/2/16e2a10f86740a83?w=875&h=361&f=png&s=26616)
原执行计划
![image](https://user-gold-cdn.xitu.io/2019/11/2/16e2a10fa66c37e7?w=1151&h=391&f=png&s=41284)
初步优化思路
- SQL中 where条件字段类型要跟表结构一致,表中user_id 为varchar(50)类型,实际SQL用的int类型,存在隐式转换,也未添加索引。将b和c表user_id 字段改成int类型。
- 因存在b表和c表关联,将b和c表user_id创建索引
- 因存在a表和b表关联,将a和b表seller_name字段创建索引
- 利用复合索引消除临时表和排序
初步优化SQL
alter table b modify `user_id` int(10) DEFAULT NULL;
alter table c modify `user_id` int(10) DEFAULT NULL;
alter table c add index `idx_user_id`(`user_id`);
alter table b add index `idx_user_id_sell_name`(`user_id`,`seller_name`);
alter table a add index `idx_sellname_gmt_sellid`(`gmt_create`,`seller_name`,`seller_id`);复制代码
- 查看优化后执行时间
![image](https://user-gold-cdn.xitu.io/2019/11/2/16e2a10fc97978e7?w=679&h=362&f=png&s=24798)
- 查看优化后执行计划
- 查看warnings信息
继续优化
alter table a modify "gmt_create" datetime DEFAULT NULL;
查看执行时间
![image](https://user-gold-cdn.xitu.io/2019/11/2/16e2a110294bd394?w=631&h=360&f=png&s=24634)
查看执行计划
![image](https://user-gold-cdn.xitu.io/2019/11/2/16e2a1104a9fe5b8?w=1143&h=496&f=png&s=41402)
优化总结
- 查看执行计划 explain
- 如果有告警信息,查看告警信息 show warnings;
- 查看SQL涉及的表结构和索引信息
- 根据执行计划,思考可能的优化点
- 按照可能的优化点执行表结构变更、增加索引、SQL改写等操作
- 查看优化后的执行时间和执行计划
- 如果优化效果不明显,重复第四步操作
参考原文链接https://blog.csdn.net/xiyue001/article/details/102872532