【百万级数据量复杂sql查询性能优化】

**业务场景：为保证系统稳定运行，往往我们系统都会有网关超时设置，我们现在的系统网关超时为30s，当我们的数据达到一定量级，原来写的多表查询、函数等复杂的sql会导致查询超时甚至拖垮数据库，以下列举几项优化措施。**

1、单表查询更利于后续的维护。
在实际开发场景中，业务发生变动，某张表的结构发生变动，很可能整个join查询都变得不可用，复杂的关联查询，在修改时，基本等于推倒重来。但是如果我们使用了单表查询，拆成上诉例子中的三个步骤，我们可能只需要修改其中的一个步骤即可，比较利于维护。

2、代码可复用性高
这个不用多说，join联表的SQL,基本不太可能被复用，但是拆分后的单表查询，比如上面例子中，我查询出tab数据，任何地方组装需要tab数据，我都不需要再次做相关查询，直接使用。

3、效率问题
join联表查询，小表驱动大表，通过索引字设进行关联。如果表记录比较少的话，效率还是OK的，有时效率超过单表查询。但是如果数据量上去，多表查询是笛卡尔乘积方式，需要检索的数据是几何倍上升的。另外多表查询索引设计上也考验开发者的功底，索引设计不合理，大数据量下的多表查询，很可能把数据库拖垮。相比而言，拆分成单表查询+代码上组装，业务逻辑更清晰，优化更方便，单个表的索引设计上也更简单。用多几行代码，多几次数据库查询换取这些优点，还是很值得的。

4、减少冗余字段的查询
在很多业务中，我们可能对某条记录只需要查询一次，此时如何使用关联查询，则不可避免的需要重复地访问一部分数据，从而可能会加剧网络和内存的消耗。

5、缓存利用率更高
查询是不常变动的数据，缓存下来，每次查询就可以跳过第一条查询语句。而关联查询，任何一张表的数据变动都会引起缓存结果的失效，缓存利用率不会很高。