1.数据准备
use atguigudb2;
# 分类表
CREATE TABLE IF NOT EXISTS `type` (
`id` INT(10) UNSIGNED NOT NULL AUTO_INCREMENT,
`card` INT(10) UNSIGNED NOT NULL,
PRIMARY KEY (`id`)
);
# 图书表
CREATE TABLE IF NOT EXISTS `book` (
`bookid` INT(10) UNSIGNED NOT NULL AUTO_INCREMENT,
`card` INT(10) UNSIGNED NOT NULL,
PRIMARY KEY (`bookid`)
);
# 向分类表中添加 20 条记录
INSERT INTO TYPE(card) VALUES(FLOOR(1 + (RAND() * 20)));
INSERT INTO TYPE(card) VALUES(FLOOR(1 + (RAND() * 20)));
INSERT INTO TYPE(card) VALUES(FLOOR(1 + (RAND() * 20)));
INSERT INTO TYPE(card) VALUES(FLOOR(1 + (RAND() * 20)));
INSERT INTO TYPE(card) VALUES(FLOOR(1 + (RAND() * 20)));
INSERT INTO TYPE(card) VALUES(FLOOR(1 + (RAND() * 20)));
INSERT INTO TYPE(card) VALUES(FLOOR(1 + (RAND() * 20)));
INSERT INTO TYPE(card) VALUES(FLOOR(1 + (RAND() * 20)));
INSERT INTO TYPE(card) VALUES(FLOOR(1 + (RAND() * 20)));
INSERT INTO TYPE(card) VALUES(FLOOR(1 + (RAND() * 20)));
INSERT INTO TYPE(card) VALUES(FLOOR(1 + (RAND() * 20)));
INSERT INTO TYPE(card) VALUES(FLOOR(1 + (RAND() * 20)));
INSERT INTO TYPE(card) VALUES(FLOOR(1 + (RAND() * 20)));
INSERT INTO TYPE(card) VALUES(FLOOR(1 + (RAND() * 20)));
INSERT INTO TYPE(card) VALUES(FLOOR(1 + (RAND() * 20)));
INSERT INTO TYPE(card) VALUES(FLOOR(1 + (RAND() * 20)));
INSERT INTO TYPE(card) VALUES(FLOOR(1 + (RAND() * 20)));
INSERT INTO TYPE(card) VALUES(FLOOR(1 + (RAND() * 20)));
INSERT INTO TYPE(card) VALUES(FLOOR(1 + (RAND() * 20)));
INSERT INTO TYPE(card) VALUES(FLOOR(1 + (RAND() * 20)));
# 向图书表中添加 20 条记录
INSERT INTO book(card) VALUES(FLOOR(1 + (RAND() * 20)));
INSERT INTO book(card) VALUES(FLOOR(1 + (RAND() * 20)));
INSERT INTO book(card) VALUES(FLOOR(1 + (RAND() * 20)));
INSERT INTO book(card) VALUES(FLOOR(1 + (RAND() * 20)));
INSERT INTO book(card) VALUES(FLOOR(1 + (RAND() * 20)));
INSERT INTO book(card) VALUES(FLOOR(1 + (RAND() * 20)));
INSERT INTO book(card) VALUES(FLOOR(1 + (RAND() * 20)));
INSERT INTO book(card) VALUES(FLOOR(1 + (RAND() * 20)));
INSERT INTO book(card) VALUES(FLOOR(1 + (RAND() * 20)));
INSERT INTO book(card) VALUES(FLOOR(1 + (RAND() * 20)));
INSERT INTO book(card) VALUES(FLOOR(1 + (RAND() * 20)));
INSERT INTO book(card) VALUES(FLOOR(1 + (RAND() * 20)));
INSERT INTO book(card) VALUES(FLOOR(1 + (RAND() * 20)));
INSERT INTO book(card) VALUES(FLOOR(1 + (RAND() * 20)));
INSERT INTO book(card) VALUES(FLOOR(1 + (RAND() * 20)));
INSERT INTO book(card) VALUES(FLOOR(1 + (RAND() * 20)));
INSERT INTO book(card) VALUES(FLOOR(1 + (RAND() * 20)));
INSERT INTO book(card) VALUES(FLOOR(1 + (RAND() * 20)));
INSERT INTO book(card) VALUES(FLOOR(1 + (RAND() * 20)));
INSERT INTO book(card) VALUES(FLOOR(1 + (RAND() * 20)));
2.采用左外连接
(1)type 表和 book 表的字段 card 上均没有索引。
type 表为驱动表,book 表为被驱动表
EXPLAIN SELECT SQL_NO_CACHE * FROM type
LEFT JOIN book ON type.card = book.card;
1
2
(2)为被驱动表 book 中的字段 card 添加索引。
CREATE INDEX Y ON book(card);
EXPLAIN SELECT SQL_NO_CACHE * FROM type
LEFT JOIN book ON type.card = book.card;
1
2
3
(3)为驱动表 type 中的字段 card 也添加索引。
CREATE INDEX X ON type
(card);
EXPLAIN SELECT SQL_NO_CACHE * FROM type
LEFT JOIN book ON type.card = book.card;
1
2
3
(4)删除被驱动表 book 中的字段 card 上的索引。
DROP INDEX Y ON book;
EXPLAIN SELECT SQL_NO_CACHE * FROM type
LEFT JOIN book ON type.card = book.card;
1
2
3
3.3.采用内连接
(1)删除驱动表 type 中的字段 card 上的索引,这样两张表的 card 字段上都没有索引。
DROP INDEX X ON type
;
内连接
EXPLAIN SELECT SQL_NO_CACHE * FROM type
INNER JOIN book ON type.card = book.card;
1
2
3
4
(2)为被驱动表 book 中的字段 card 添加索引。
CREATE INDEX Y ON book(card);
EXPLAIN SELECT SQL_NO_CACHE * FROM type
INNER JOIN book ON type.card = book.card;
1
2
3
(3)为驱动表 type 中的字段 card 也添加索引。
CREATE INDEX X ON type
(card);
EXPLAIN SELECT SQL_NO_CACHE * FROM type
INNER JOIN book ON type.card = book.card;
1
2
3
对于内连接来说,查询优化器可以决定谁作为驱动表,谁作为被驱动表出现的
(4)删除被驱动表 book 中的字段 card 上的索引。
DROP INDEX Y ON book;
EXPLAIN SELECT SQL_NO_CACHE * FROM type
INNER JOIN book ON type.card = book.card;
1
2
3
结论:对于内连接来讲,如果表的连接条件中只能有一个字段有索引,则有索引的字段所在的表会被作为被驱动表出现。之前 book 表为被驱动表,但是将其字段 card 上的索引删除之后,那么连接条件中就只有 type 表上的 card 字段上有索引,此时,type 会从原本的驱动表变为被驱动表,其目的就是为了更加快速地进行内连接查询。
(5)重新为驱动表 type 中的字段 card 添加索引,此时可以看到 book 表又变回了被驱动表。
CREATE INDEX Y ON book(card);
EXPLAIN SELECT SQL_NO_CACHE * FROM type
INNER JOIN book ON type.card = book.card;
1
2
3
此时向驱动表(即 type 表)中添加 20 条数据,那么 type 表中一共就有 40 条数据了,而 book 表中还是只有 20 条数据。
INSERT INTO type
(card) VALUES(FLOOR(1 + (RAND() * 20)));
INSERT INTO type
(card) VALUES(FLOOR(1 + (RAND() * 20)));
INSERT INTO type
(card) VALUES(FLOOR(1 + (RAND() * 20)));
INSERT INTO type
(card) VALUES(FLOOR(1 + (RAND() * 20)));
INSERT INTO type
(card) VALUES(FLOOR(1 + (RAND() * 20)));
INSERT INTO type
(card) VALUES(FLOOR(1 + (RAND() * 20)));
INSERT INTO type
(card) VALUES(FLOOR(1 + (RAND() * 20)));
INSERT INTO type
(card) VALUES(FLOOR(1 + (RAND() * 20)));
INSERT INTO type
(card) VALUES(FLOOR(1 + (RAND() * 20)));
INSERT INTO type
(card) VALUES(FLOOR(1 + (RAND() * 20)));
INSERT INTO type
(card) VALUES(FLOOR(1 + (RAND() * 20)));
INSERT INTO type
(card) VALUES(FLOOR(1 + (RAND() * 20)));
INSERT INTO type
(card) VALUES(FLOOR(1 + (RAND() * 20)));
INSERT INTO type
(card) VALUES(FLOOR(1 + (RAND() * 20)));
INSERT INTO type
(card) VALUES(FLOOR(1 + (RAND() * 20)));
INSERT INTO type
(card) VALUES(FLOOR(1 + (RAND() * 20)));
INSERT INTO type
(card) VALUES(FLOOR(1 + (RAND() * 20)));
INSERT INTO type
(card) VALUES(FLOOR(1 + (RAND() * 20)));
INSERT INTO type
(card) VALUES(FLOOR(1 + (RAND() * 20)));
INSERT INTO type
(card) VALUES(FLOOR(1 + (RAND() * 20)));
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
再次执行下面的 SQL 语句:
EXPLAIN SELECT SQL_NO_CACHE * FROM type
INNER JOIN book ON type.card = book.card;
1
此时可以发现:数据量较少的被驱动表 book 变为了驱动表,而数据量较多的驱动表 type 变为了驱动表!。
结论:对于内连接来说,在两个表的连接条件都存在索引的情况下,会选择小表作为驱动表,即“小表驱动大表”。特别需要注意的是,在决定哪个表做驱动表的时候,应该是两个表按照各自的条件过滤,过滤完成之后,计算参与 join 的各个字段的总数据量,数据量小的那个表,就是“小表”,应该作为驱动表。
3.4.join 语句原理
join 方式连接多个表,本质就是各个表之间数据的循环匹配。MySQL 5.5 版本之前,MySQL 只支持一种表间关联方式,就是嵌套循环 (Nested Loop Join)。如果关联表的数据量很大,则 join 关联的执行时间会非常长。在 MySQL 5.5 以后的版本中,MySQL 通过引入BNLJ 算法来优化嵌套执行。
3.4.1.驱动表和驱动表
驱动表就是主表,被驱动表就是从表、非驱动表。
(1)对于内连接来说
SELECT * FROM A JOIN B ON …
1
A 一定是驱动表吗?不一定,优化器会根据你查询语句做优化,决定先查哪张表。先查询的那张表就是驱动表,反之就是被驱动表。通过explain 关键字可以查看。
(2)对于外连接来说
SELECT * FROM A LEFT JOIN B ON …
或
SELECT * FROM B RIGHT JOIN A ON …
1
2
3
通常,大家会认为 A 就是驱动表,B 就是被驱动表。但也未必。测试如下:
CREATE TABLE a(f1 INT, f2 INT, INDEX(f1))ENGINE=INNODB;
CREATE TABLE b(f1 INT, f2 INT)ENGINE=INNODB;
INSERT INTO a VALUES(1,1),(2,2),(3,3),(4,4),(5,5),(6,6);
INSERT INTO b VALUES(3,3),(4,4),(5,5),(6,6),(7,7),(8,8);
测试 1
EXPLAIN SELECT * FROM a LEFT JOIN b ON(a.f1=b.f1) WHERE(a.f2=b.f2);
测试 2
EXPLAIN SELECT * FROM a LEFT JOIN b ON(a.f1=b.f1) AND(a.f2=b.f2);
1
2
3
4
5
6
7
8
9
10
3.4.2.Simple Nested-Loop Join(简单嵌套循环连接)
算法相当简单,从表 A 中取出一条数据 1,遍历表 B,将匹配到的数据放到 result…以此类推,驱动表 A 中的每一条记录与被驱动表 B 的记录进行判断:
可以看到这种方式效率是非常低的,以上述表 A 数据 100 条,表 B 数据 1000 条计算(这里指过滤之后的),则 A * B = 10 万次。开销统计如下(下表中的 A 和 B 分别代表数据条数,即 100 和 1000):
通过上表的内表扫描次数和读取记录数可知,A 的值越小越好!
3.4.3.lndex Nested-Loop Join(索引嵌套循环连接)
Index Nested-Loop Join 优化的思路主要是为了减少内层表数据的匹配次数,所以要求被驱动表上必须有索引才行。通过外层表匹配条件直接与内层表索引进行匹配,避免和内层表的每条记录去进行比较,这样极大的减少了对内层表的匹配次数。
驱动表中的每条记录通过被驱动表的索引进行访问,因为索引查询的成本是比较固定的,故 MySQL 优化器都倾向于使用记录数少的表作为驱动表(外表),开销统计如下。
如果被驱动表加索引,效率是非常高的,但如果索引不是主键索引,所以还得进行一次回表查询。因此相比之下,被驱动表的索引是主键索引,效率会更高。
3.4.4.Block Nested-Loop Join(块嵌套循环连接)
(1)如果存在索引,那么会使用 index 的方式进行 join,如果 join 的列没有索引,被驱动表要扫描的次数太多了。每次访问被驱动表,其表中的记录都会被加载到内存中,然后再从驱动表中取一条与其匹配,匹配结束后清除内存,然后再从驱动表中加载一条记录,然后把被驱动表的记录在加载到内存匹配,这样大大增加了 I/O 的次数。为了减少被驱动表的 I/O 次数,就出现了 Block Nested-Loop Join 的方式。
(2)不再是逐条获取驱动表的数据,而是一块一块的获取,引入了 join buffer 缓冲区,将驱动表 join 相关的部分数据列(大小受 join buffer 的限制)缓存到 join buffer 中,然后全表扫描被驱动表,被驱动表的每一条记录一次性和 join buffer 中的所有驱动表记录进行匹配(内存中操作),将简单嵌套循环中的多次比较合并成一次,降低了被驱动表的访问频率。
注意:这里缓存的不只是关联表的列,select 后面的列也会缓存起来。在一个有 N 个 join 关联的 SQL 中会分配 N - 1 个 join buffer。所以查询的时候尽量减少不必要的字段,可以让 join buffer 中可以存放更多的列。
(3)参数设置
① block_nested_loop
通过下面的语句可以查看 block_nested_loop 的状态,默认是开启的。
show variables like ‘%optimizer_switch%’
1
② join_buffer_size
驱动表能不能一次加载完,要看 join buffer 能不能存储所有的数据,可以通过下面的语句进行查看,默认情况下 join_buffer_size=256k,当然也可以自行设置。join_buffer_size 的最大值在 32 位系统可以申请 4G,而在 64 位操做系统下可以申请大于 4G 的 Join Buffer 空间(64位 Windows 除外,其大值会被截断为 4G 并发出警告)。
show variables like ‘%join_buffer%’;
1
3.4.5.join 小结
(1)整体效率比较:INLJ > BNLJ > SNLJ。
(2)永远用小结果集驱动大结果集(其本质就是减少外层循环的数据数量,小的度量单位指的是表行数 * 每行大小)。
select t1.b,t2.* from t1 straight.join t2 on (t1.b=t2.b) where t2.id<=108; # 推荐
select t1.b, t2.* from t2 straight_join t1 on (t1.b=t2.b) where t2.id<=100; # 不雅荐
1
2
3
在上面的例子中,表 t1 和 t2 都是只有 100 行参加 join,但是这 2 条语句每次查询放入 join_buffer 的数据是不一样的:
① 表 t1 只查字段 b,因此如果把 t1 放到 join_buffer 中,则 join_buffer 中只需要放入 b 的值;
② 表 t2 需要查所有的字段,因此如果把表 t2 放到 join_buffer 中的话,就需要放入三个字段 id、 a 和 b。
(3)为被驱动表匹配的条件增加索引(减少内层表的循环匹配次数)。
(4)增大 join buffer size 的大小(一次缓存的数据越多,那么内层包的扫表次数就越少)。
(5)减少驱动表不必要的字段查询(字段越少,join buffer 所缓存的数据就越多)。
(6)需要 join 的字段,数据类型保持绝对一致。
(7)能够直接多表关联的尽量直接关联,不用子查询。(减少查询的趟数)
(8)不建议使用子查询,建议将子查询 SQL 拆开结合程序多次查询,或使用 JOIN 来代替子查询。
(9)衍生表建不了索引。
3.4.6.Hash Join
(1)从 MySQL 的 8.0.20 版本开始将废弃 BNLJ,因为从 MySQL 8.0.18 版本开始就加入了 hash join,默认都会使用 hash join。
(2)Nested Loop:对于被连接的数据子集较小的情况,Nested Loop 是个较好的选择。
(3)Hash Join 是做大数据集连接时的常用方式,优化器使用两个表中较小(相对较小)的表利用 Join Key 在内存中建立散列表,然后扫描较大的表并探测散列表,找出与 Hash 表匹配的行。
① 这种方式适用于较小的表完全可以放于内存中的情况,这样总成本就是访问两个表的成本之和。
② 在表很大的情况下并不能完全放入内存,这时优化器会将它分割成若干不同的分区,不能放入内存的部分就把该分区写入磁盘的临时段,此时要求有较大的临时段从而尽量提高 I/O 的性能。
③ 它能够很好的工作于没有索引的大表和并行查询的环境中,并提供最好的性能。大多数人都说它是 Join 的重型升降机。Hash Join 只能应用于等值连接(例如 WHERE A.COL1=B.COL2),这是由 Hash 的特点决定的。
4.子查询优化
(1)MySQL 从 4.1 版本开始支持子查询,使用子查询可以进行 SELECT 语句的嵌套查询,即一个 SELECT 查询的结果作为另一个 SELECT 语句的条件。子查询可以一次性完成很多逻辑上需要多个步骤才能完成的 SQL 操作。
(2)子查询可以帮助我们通过一个 SQL 语句实现比较复杂的查询。但是子查询的执行效率不高。其原因在于:
① 执行子查询时,MySQL 需要为内层查询语句的查询结果建立一个临时表,然后外层查询语句从临时表中查询记录。查询完毕后,再撤销这些临时表。这样会消耗过多的 CPU 和 I/O 资源,产生大量的慢查询。
② 子查询的结果集存储的临时表,不论是内存临时表还是磁盘临时表都不会存在索引,所以查询性能会受到一定的影响。
③ 对于返回结果集比较大的子查询,其对查询性能的影响也就越大。
(3)在 MySQL 中,可以使用连接 (JOIN) 查询来替代子查询。连接查询不需要建立临时表,其速度比子查询要快,如果查询中使用索引的话,性能就会更好。
(4)举例
① 查询学生表 student 中是班长的学生信息
1)使用子查询
创建班级表中班长的索引
CREATE INDEX idx_monitor ON class(monitor);
查询班长的信息
EXPLAIN SELECT * FROM student stu1
WHERE stu1.stuno
IN (
SELECT monitor
FROM class c
WHERE monitor IS NOT NULL
);
1
2
3
4
5
6
7
8
9
10
2)使用 join
EXPLAIN SELECT stu1.* FROM student stu1 JOIN class c
ON stu1.stuno
= c.monitor
WHERE c.monitor
IS NOT NULL;
1
2
3
② 查询不为班长的学生信息
1)使用子查询
EXPLAIN SELECT SQL_NO_CACHE a.*
FROM student a
WHERE a.stuno NOT IN (
SELECT monitor FROM class b
WHERE monitor IS NOT NULL)
1
2
3
4
5
2)使用 join
EXPLAIN SELECT SQL_NO_CACHE a.*
FROM student a LEFT OUTER JOIN class b
ON a.stuno =b.monitor
WHERE b.monitor IS NULL;
1
2
3
4
注意:尽量不要使用 NOT IN 或者 NOT EXISTS,用 LEFT JOIN xxx ON xx WHERE xx IS NULL 替代
5.排序优化
5.1.问题引入
问题:在 WHERE 条件字段上加索引,但是为什么在 ORDER BY 字段上还要加索引呢?
回答:
在 MySQL 中,支持两种排序方式,分别是 FileSort 和 Index 排序:
① 在 lndex 排序中,索引可以保证数据的有序性,不需要再进行排序,效率更高。
② FileSort 排序则一般在内存中进行排序,占用 CPU 较多。如果待排结果较大,会产生临时文件 I/O 到磁盘进行排序的情况,效率较低。
5.2.优化建议
(1)SQL 中,可以在 WHERE 子句和 ORDER BY 子句中使用索引,目的是在 WHERE 子句中是为了避免全表扫描,在 ORDER BY 子句是为了避免使用 FileSort 排序。当然,某些情况下全表扫描,或者 FileSort 排序不一定比索引慢。但总的来说,还是要避免,以提高查询效率。
(2)尽量使用 Index 完成 ORDER BY 排序。如果 WHERE 和 ORDER BY 后面是相同的列就使用单索引列;如果不同就使用联合索引。
(3)无法使用 Index 时,需要对 FileSort 方式进行调优。
5.3.测试
(1)删除 student 和 class 表中的非主键索引。
CALL proc_drop_index(‘atguigudb2’,‘student’);
CALL proc_drop_index(‘atguigudb2’,‘class’);
1
2
(2)无索引可用。
EXPLAIN SELECT SQL_NO_CACHE * FROM student ORDER BY age, classid;
EXPLAIN SELECT SQL_NO_CACHE * FROM student ORDER BY age, classid LIMIT 10;
1
2
3
(3)在 student 表上创建索引 idx_age_classid_name。
创建索引
CREATE INDEX idx_age_classid_name ON student(age,classid,NAME);
1
2
① 查询所有字段,索引失效
EXPLAIN SELECT SQL_NO_CACHE * FROM student ORDER BY age, classid;
1
由上图可知,索引 idx_age_classid_name 失效,其原因在于优化器估计了使用与不适用该索引的成本,如果使用该索引,由于查询的是所有字段(上述 SQL 语句中的 * ),所以在使用二级索引 idx_age_classid_name 之后还要进行回表操作,当数据量比较大时,其成本可能要比不使用索引而直接查询的成本还要大!所以上述 SQL 未使用索引 idx_age_classid_name 。
② 查询部分字段,索引生效
EXPLAIN SELECT SQL_NO_CACHE age, classid FROM student ORDER BY age, classid;
1
由上图可知,索引 idx_age_classid_name 被使用了,其原因在于要查询的字段不是全部的字段,而只是部分索引上的字段,此时不需要回表就能查到,其成本较小,此时索引 idx_age_classid_name 也被称为覆盖索引。
③ 查询所有字段,但使用 limit,索引生效
EXPLAIN SELECT SQL_NO_CACHE * FROM student ORDER BY age,classid LIMIT 10;
1
由于 limit 限制了要查询的数量,所以此时的回表操作的成本就低了许多,所以使用上了索引 idx_age_classid_name 。
(4)创建索引 idx_age_classid_stuno。
CREATE INDEX idx_age_classid_stuno ON student (age,classid,stuno);
SHOW INDEX FROM student;
1
2
3
判断:下面的语句会使用到索引吗?
没有使用到索引
EXPLAIN SELECT * FROM student ORDER BY classid LIMIT 10;
1
2
没有使用到索引
EXPLAIN SELECT * FROM student ORDER BY classid, NAME LIMIT 10;
1
2
使用了索引 idx_age_classid_stuno
EXPLAIN SELECT * FROM student ORDER BY age, classid, stuno LIMIT 10;
1
2
使用了索引 idx_age_classid_name
EXPLAIN SELECT * FROM student ORDER BY age, classid LIMIT 10;
1
2
使用了索引 idx_age_classid_name
EXPLAIN SELECT * FROM student ORDER BY age LIMIT 10;
1
2
(5)order by 时规则不一致,索引失效 (顺序错,不索引;方向反,不索引)
age 字段的排序方式 (DESC) 与索引中的相反
EXPLAIN SELECT * FROM student ORDER BY age DESC, classid ASC LIMIT 10;
1
2
classid 字段的排序方式 (DESC) 与索引中的相反
EXPLAIN SELECT * FROM student ORDER BY classid DESC, NAME DESC LIMIT 10;
1
2
age 与 classid 的排序方式一升一降
EXPLAIN SELECT * FROM student ORDER BY age ASC,classid DESC LIMIT 10;
1
2
age 与 classid 的排序方式同为降序时,此时 MySQL 会选择从后往前遍历,即 “Backward index scan”
EXPLAIN SELECT * FROM student ORDER BY age DESC, classid DESC LIMIT 10;
1
2
(6)无过滤,不索引
EXPLAIN SELECT * FROM student WHERE age=45 ORDER BY classid;
1
根据上图可知,索引 idx_age_classid_name 被使用了,但需要注意的是,key_len = 5,其原因在于经过 where age = 45 这个条件过滤之后,剩下的数据量可能比较少(上图中的 rows = 19500,说明过滤之后只剩 19500 条数据,这对于 CPU 来说是比较少的),所以此时不需要再使用 idx_age_classid_name 中的索引列,而是直接回表并将得到的数据进行排序。
EXPLAIN SELECT * FROM student WHERE age=45 ORDER BY classid, NAME;
1
结果分析与上面的类似,这里就不再赘述。
EXPLAIN SELECT * FROM student WHERE classid=45 ORDER BY age;
1
EXPLAIN SELECT * FROM student WHERE classid=45 ORDER BY age LIMIT 10;
1
(7)小结
INDEX a_b_c(a,b,c) order by 能使用索引最左前缀
- ORDER BY a
- ORDER BY a,b
- ORDER BY a,b,c
- ORDER BY a DESC,b DESC,c DESC 如果WHERE使用索引的最左前缀定义为常量,则order by 能使用索引
- WHERE a = const ORDER BY b,c
- WHERE a = const AND b = const ORDER BY c
- WHERE a = const ORDER BY b,c
- WHERE a = const AND b > const ORDER BY b,c 不能使用索引进行排序
- ORDER BY a ASC,b DESC,c DESC /* 排序不一致 */
- WHERE g = const ORDER BY b,c /丢失a索引/
- WHERE a = const ORDER BY c /丢失b索引/
- WHERE a = const ORDER BY a,d /d不是索引的一部分/
- WHERE a in (…) ORDER BY b,c /对于排序来说,多个相等条件也是范围查询/
1
2
3
4
5
6
7
8
9
10
11
12
13
14
5.4.案例实战
(1)先清除 student 表上的索引,只留主键:
call proc_drop_index(‘atguigudb2’, ‘student’);
1
(2)场景:查询年龄为 30 岁的,且学生编号小于 101000 的学生,按学生名称排序。
EXPLAIN SELECT SQL_NO_CACHE * FROM student WHERE age = 30 AND stuno <101000 ORDER BY NAME;
SELECT SQL_NO_CACHE * FROM student WHERE age = 30 AND stuno <101000 ORDER BY NAME;
1
2
3
结论:type 是 ALL,即最坏的情况。Extra 里还出现了 Using filesort,也是最坏的情况,所以需要进行优化。
(3)优化思路
① 为了去掉 filesort,可以把建立如下索引:
CREATE INDEX idx_age_name ON student(age, NAME);
1
② 尽量让 where 中的过滤条件和排序使用上索引
CREATE INDEX idx_age_stuno_name ON student (age,stuno,NAME);
1
仔细观察上面的结果会发现:有 filesort的 SQL 运行速度, 超过了已经优化掉 filesort 的 SQL ,而且几乎一瞬间就出现了结果!
原因:所有的排序都是在条件过滤之后才执行的。所以,如果条件过滤掉大部分数据的话,剩下几百几千条数据进行排序其实并不是很消耗性能,即使索引优化了排序,但实际提升性能很有限。相对的 stuno < 101000 这个条件,如果没有用到索引的话,要对几万条的数据进行扫描,这是非常消耗性能的,所以索引放在这个字段上性价比最高,是最优选择。
结论:
① 两个索引同时存在,mysql自动选择最优的方案(对于这个例子,MySQL 选择 idx_age_stuno_name)。但是随着数据量的变化,选择的索引也会随之变化的。
② 当【范围条件】和【group by 或者 order by】的字段出现二选一时,优先观察条件字段的过滤数量,如果过滤的数据足够多,而需要排序的数据并不多时,优先把索引放在范围字段上。反之,亦然。
下面这种建立索引的方式也是可行的。
DROP INDEX idx_age_stuno_name ON student;
CREATE INDEX idx_age_stuno ON student(age,stuno);
1
2
3
5.5.filesort 算法:双路排序和单路排序
5.5.1.双路排序 (慢)
(1)MySQL 4.1 之前是使用双路排序,字面意思就是两次扫描磁盘,最终得到数据, 读取行指针和 order by 列 ,对他们进行排序,然后扫描已经排序好的列表,按照列表中的值重新从列表中读取对应的数据输出。
(2)从磁盘取排序字段,在 buffer 进行排序,再从磁盘取其他字段。
取一批数据,要对磁盘进行两次扫描,众所周知,I/O 是很耗时的,所以在 MySQL 4.1 之后,出现了第二种改进的算法,就是单路排序。
5.5.2.单路排序 (快)
从磁盘读取查询需要的所有列,按照 order by 列在 buffer 对它们进行排序,然后扫描排序后的列表进行输出,它的效率更快一些,避免了第二次读取数据。并且把随机IO变成了顺序 I/O,但是它会使用更多的空间, 因为它把每一行都保存在内存中了。
5.5.3.结论及引申出的问题
(1)由于单路排序是后出的,总体而言好过双路排序;
(2)但是单路排序也存在一定的缺陷:
① 在 sort_buffer 中,单路排序要比多路排序要多占用很多空间,因为单路排序是把所有字段都取出,所以有可能取出的数据的总大小超出了 sort_buffer 的容量,导致每次只能取 sort_buffer 容量大小的数据,进行排序(创建 tmp 文件,多路合并),排完再取 sort_buffer 容量大小,再排…从而多次有 I/O。
② 单路本来想省一次 I/O 操作,反而导致了大量的 I/O 操作,反而得不偿失。
5.5.4.优化策略
(1)尝试提高 sort_buffer_size。
不管用哪种算法,提高这个参数都会提高效率,要根据系统的能力去提高,因为这个参数是针对每个进程 (connection) 的 1M-8M 之间调整。再 MySQL 5.7 中,InnoDB 存储引擎默认值是 1048576 字节,即 1MB,可以使用下面的语句进行查看。
SHOW VARIABLES LIKE ‘%sort_buffer_size%’;
1
(2)尝试提高 max_length_for_sort_data。
① 提高这个参数,会增加用改进算法的概率。
默认 1024 字节
SHOw VARIABLES LIKE ’ %max_length_for_sort_data%’ ;
1
2
② 但是如果设的太高,数据总容量超出 sort_buffer_size 的概率就增大,明显的症状是就高的磁盘 l/O 活动和低的处理器使用率。如果需要返回的列的总长度大于max_length_for_sort_data,使用双路算法,否则使用单路算法。1024-8192字节之间调整。
(3)Order by 时 select * 是一个大忌,最好只查询需要的字段。
① 当查询的字段大小总和小于 max_length_for_sort_data,而且排序字段不是 TEXT|BLOB 类型时,会用改进后的算法――单路排序,否则用老算法—―多路排序。
② 两种算法的数据都有可能超出 sort_buffer_size 的容量,超出之后,会创建 tmp 文件进行合并排序,导致多次 I/O,但是用单路排序算法的风险会更大一些,所以要提高 sort_buffer_size。
6.GROUP BY 优化
(1)group by 使用索引的原则几乎跟 order by 一致 ,group by 即使没有过滤条件用到索引,也可以直接使用索引。
(2)group by 先排序再分组,遵照索引建的最佳左前缀法则。
(3)当无法使用索引列,增大 max_length_for_sort_data 和 sort_buffer_size 参数的设置。
(4)where 效率高于 having,能写在 where 限定的条件就不要写在 having 中了。
(5)减少使用 order by,和业务沟通能不排序就不排序,或将排序放到程序端去做。order by、group by、distinct 这些语句较为耗费 CPU,数据库的 CPU资 源是极其宝贵的。
(6)包含了 order by、group by、distinct 这些查询的语句,where 条件过滤出来的结果集请保持在 1000 行以内,否则 SQL 会很慢。
7.分页查询优化
一般分页查询时,通过创建覆盖索引能够比较好地提高性能。一个常见又非常头疼的问题就是 limit 2000000,10,此时需要 MySQL 排序前 2000010 条记录,但仅仅返回 2000000 - 2000010 之间的记录,其他记录丢弃,查询排序的代价非常大。
EXPLAIN SELECT * FROM student LIMIT 2000000, 10;
1
(1)优化思路一
在索引上完成排序分页操作,最后根据主键关联回原表查询所需要的其他列内容。
EXPLAIN SELECT * FROM student t,(SELECT id FROM student ORDER BY id LIMIT 2000000,10) a WHERE t.id = a.id;
1
(2)优化思路二
该方案适用于主键自增的表,可以把 limit 查询转换成某个位置的查询。
EXPLAIN SELECT * FROM student WHERE id > 2000000 LIMIT 10;
1
8.优先考虑覆盖索引
8.1.什么是覆盖索引?
(1)理解方式一
索引是高效找到行的一个方法,但是一般数据库也能使用索引找到一个列的数据,因此它不必读取整个行。毕竟索引叶子节点存储了它们索引的数据;当能通过读取索引就可以得到想要的数据,那就不需要读取行了。一个索引包含了满足查询结果的数据就叫做覆盖索引。
(1)理解方式二
非聚簇复合索引的一种形式,它包括在查询里的 SELECT、JOIN 和 WHERE 子句用到的所有列,即建索引的字段正好是覆盖查询条件中所涉及的字段。
简单说就是,索引列+主键包含 SELECT 到 FROM 之间查询的列 。
8.2.覆盖索引的优缺点
(1)优点
① 避免 Innodb 表进行索引的二次查询(回表);
InnoDB 是以聚集索引的顺序来存储的,对于 InnoDB 来说,二级索引在叶子节点中所保存的是行的主键信息,如果是用二级索引查询数据,在查找到相应的键值后,还需通过主键进行二次查询才能获取我们真实所需要的数据。在覆盖索引中,二级索引的键值中可以获取所要的数据,避免了对主键的二次查询,减少了 I/O 操作,提升了查询效率。
② 可以把随机 I/O 变成顺序 I/O 加快查询效率;
由于覆盖索引是按键值的顺序存储的,对于 I/O 密集型的范围查找来说,对比随机从磁盘读取每一行的数据 I/O 要少的多,因此利用覆盖索引在访问时也可以把磁盘的随机读取的 I/O 转变成索引查找的顺序 I/O。
由于覆盖索引可以减少树的搜索次数,显著提升查询性能,所以使用覆盖索引是一个常用的性能优化手段。
(2)缺点
索引字段的维护总是有代价的,在建立冗余索引来支持覆盖索引时就需要权衡考虑了。这是业务 DBA,或者称为业务数据架构师的工作。
8.3.案例
(1)先删除 student 表上除主键索引之外的所有索引,防止其余的索引对下面的例子产生干扰。
CALL proc_drop_index(‘atguigudb2’,‘student’);
SHOW INDEX FROM student;
1
2
3
(2)建立索引 idx_age_name。
CREATE INDEX idx_age_name ON student (age, NAME);
1
(3)案例 1
EXPLAIN SELECT * FROM student WHERE age <> 20;
EXPLAIN SELECT age, NAME FROM student WHERE age <> 20;
1
2
3
(4)案例 2
EXPLAIN SELECT * FROM student WHERE NAME LIKE ‘%abc’;
EXPLAIN SELECT id, age FROM student WHERE NAME LIKE ‘%abc’;
1
2
3
看到这里,可能有的读者会有疑问:
前面的第 2.7 节和第 2.9 节中不是说了不等于(!= 或者<>)索引失效以及 like 以通配符 % 开头索引失效吗,怎么上面 2 个案例中的第 2 条 SQL 语句都能使用上索引?
这里需要解释一下,前面的第 2 节总结的索引失效的情况指的是一般规律,并非完全绝对的。对于具体问题需要具体分析,这里的分析主要指优化器会对 SQL 语句的运行成本进行具体分析,看是否需要使用索引。上面的 2 个案例中的第 2 个 SQL 语句均可以使用覆盖索引 idx_age_name,并且其成本比需要回表操作的要低,所以就使用了该索引。
9.如何给字符串添加索引
有一张教师表,表定义如下:
create table teacher(
ID bigint unsigned primary key,
email varchar(64),
…
)engine=innodb;
1
2
3
4
5
讲师要使用邮箱登录,所以业务代码中一定会出现类似于这样的语句:
mysql> select col1, col2 from teacher where email=‘xxx’;
1
如果 email 这个字段上没有索引,那么这个语句就只能做全表扫描。
9.1.前缀索引
(1)MySQL是支持前缀索引的。默认地,如果你创建索引的语句不指定前缀长度,那么索引就会包含整个字符串。
mysql> alter table teacher add index index1(email);
或
mysql> alter table teacher add index index2(email(6));
1
2
3
(2)这两种不同的定义在数据结构和存储上有什么区别呢?下图就是这两个索引的示意图。
(3)如果使用的是 index1(即 email 整个字符串的索引结构),执行顺序是这样的:
① 从 index1 索引树找到满足索引值是 ‘zhangssxyz@xxx.com’ 的这条记录,取得 ID2 的值;
② 到主键上查到主键值是 ID2 的行,判断 email 的值是正确的,将这行记录加入结果集;
③ 取 index1 索引树上刚刚查到的位置的下一条记录,发现已经不满足 email = ‘zhangssxyz@xxx.com’ 的条件了,循环结束。
这个过程中,只需要回主键索引取一次数据,所以系统认为只扫描了一行。
(4)如果使用的是 index2(即 email(6) 索引结构),执行顺序是这样的:
① 从 index2 索引树找到满足索引值是 ’zhangs’ 的记录,找到的第一个是ID1;
② 到主键上查到主键值是 ID1 的行,判断出email的值不是 ’zhangssxyz@xxx.com‘,这行记录丢弃;
③ 取 index2 上刚刚查到的位置的下一条记录,发现仍然是 ”zhangs‘,取出 ID2,再到 ID 索引上取整行然后判断,这次值对了,将这行记录加入结果集;
④ 重复上一步,直到在 indxe2 上取到的值不是 ‘zhangs’ 时,循环结束。
也就是说使用前缀索引,定义好长度,就可以做到既节省空间,又不用额外增加太多的查询成本。前面已经讲过区分度,区分度越高越好。因为区分度越高,意味着重复的键值越少。
9.2.前缀索引对覆盖索引的影响
结论:使用前缀索引就用不上覆盖索引对查询性能的优化了,这也是你在选择是否使用前缀索引时需要考虑的一个因素。
10.索引下推
10.1.什么是索引下推?
(1)索引下推 (Index Condition Pushdown, ICP) 是 MySQL 5.6 中新特性,是一种在存储引擎层使用索引过滤数据的一种优化方式。
(2)如果没有 ICP,存储引擎会遍历索引以定位基表中的行,并将它们返回给 MySQL 服务器,由 MySQL 服务器评估 WHERE 后面的条件是否保留行。
(3)启用 ICP 后(一般是默认开启的),如果部分 WHERE 条件可以仅使用索引中的列进行筛选,则 MySQL 服务器会把这部分 WHERE 条件放到存储引擎筛选。然后,存储引擎通过使用索引条目来筛选数据,并且只有在满足这一条件时才从表中读取行。
① 优点:ICP 可以减少存储引擎必须访问基表的次数和 MySQL 服务器必须访问存储引擎的次数。
② 缺点:ICP 的加速效果取决于在存储引擎内通过 ICP 筛选掉的数据的比例。
10.2.索引下推的开启与关闭
(1)默认情况下启用索引条件下推。可以通过设置系统变量 optimizer_switch 控制:
关闭索引下推
SET optimizer_switch = ‘index_condition_pushdown=off’;
打开索引下推
SET optimizer_switch = ‘index_condition_pushdown=on’;
1
2
3
4
(2)当使用索引条件下推时,EXPLAIN 语句输出结果中 Extra 列内容显示为 Using index condition。
10.3.ICP 的使用条件
(1)只能用于二级索引 (secondary index);
(2)explain显示的执行计划中 type 值(join 类型)为 range 、 ref 、 eq_ref 或者 ref_or_null 。
(3)并非全部where条件都可以用ICP筛选,如果 where 条件的字段不在索引列中,还是要读取整表的记录到 server 端做 where 过滤。
(4)ICP 可以用于 MyISAM 和 InnnoDB 存储引擎
(5)MySQL 5.6 版本的不支持分区表的 ICP 功能,5.7 版本的开始支持。
(6)当 SQL 使用覆盖索引时,不支持 ICP 优化方法。
10.4.案例
(1)单列索引(特殊情况)
USE atguigudb1;
EXPLAIN SELECT * FROM s1 WHERE key1 > ‘z’ AND key1 LIKE ‘%a’;
1
2
3
以上面的 SQL 语句为例,开启 ICP 后,在使用二级索引 idx_key1 的情况下,假设通过查询条件 key1 > ‘z’ 过滤得到了 1000 条记录(注意这里并不是完整的记录,只是包括索引列+主键,即 key1 + id),此时先不着急回表,而是在后面的查询语句 key1 LIKE ‘%a’ 的基础上,对这 1000 条记录再次进行过滤,假设只剩下 100 条记录,此时再根据 id 进行回表操作查找完整的记录即可。
(2)联合索引(普遍情况)
USE atguigudb1;
建立 people 表
CREATE TABLE people
(
id
INT NOT NULL AUTO_INCREMENT,
zipcode
VARCHAR(20) COLLATE utf8_bin DEFAULT NULL,
firstname
VARCHAR(20) COLLATE utf8_bin DEFAULT NULL,
lastname
VARCHAR(20)COLLATE utf8_bin DEFAULT NULL,
address
VARCHAR(50) COLLATE utf8_bin DEFAULT NULL,
PRIMARY KEY (id
),
建立联合索引
KEY zip_last_first
(zipcode
, lastname
, firstname
)
)ENGINE=INNODB AUTo_INCREMENT=5 DEFAULT CHARSET=utf8mb3 COLLATE=utf8_bin;
插入数据
INSERT INTO people
VALUES
(‘1’, ‘000001’, ‘三’, ‘张’, ‘北京市’),
(‘2’, ‘000002’, ‘四’, ‘李’, ‘南京市’),
(‘3’, ‘000003’, ‘五’, ‘王’, ‘上海市’),
(‘4’, ‘000001’,‘六’, ‘赵’, ‘天津市’);
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
EXPLAIN SELECT * FROM people
WHERE zipcode=‘000001’
AND lastname LIKE ‘%张%’
AND address LIKE ‘%北京市%’;
1
2
3
4
① 由上面的查询计划可知,key_len = 63,这说明索引 zip_last_first 中只有索引列 zip 被使用了(like 以通配符 % 开头索引失效)。
② 开启 ICP 后,在使用二级索引(联合索引) zip_last_first 的情况下,假设通过查询条件 zipcode = ‘000001’ 过滤得到了 1000 条记录(注意这里并不是完整的记录,只是包括索引列+主键,即 zipcode, lastname, firstname + id),此时先不着急回表,而是在后面的查询语句 lastname LIKE ‘%张%’ 的基础上,对这 1000 条记录再次进行过滤,假设只剩下 100 条记录,而此时由于字段 address 不在 zipcode, lastname, firstname + id 中,所以无法再次过滤,此时再根据 id 进行回表操作查找完整的记录即可。
③ 如果关闭 ICP,在使用二级索引(联合索引) zip_last_first 的情况下,假设通过查询条件 zipcode = ‘000001’ 过滤得到了 1000 条记录,此时会直接回表,根据 id 查询到完整的记录,然后再根据后面的 2 个查询条件进行过滤。其缺点就比较明显,如果通过查询条件 zipcode = ‘000001’ 过滤得到的记录数非常大(比如有几百万条),那么此时直接全部回表的效率会比较低。
④ 注:具体 key_len 的计算可以查看MySQL高级篇知识点——性能分析工具的使用这篇文章的第 6.4.7 节,key_len = 63 的由来如下:
varchar(20) 变长字段且允许 NULL = 20 * (character set:utf8 = 3, gbk = 2, latin1 = 1) + 1(NULL) + 2(变长字段) = 20 * 3 + 1 + 2 = 63
10.5.开启/关闭索引下推的性能对比
10.5.1.准备数据
创建存储过程,向 people 表中添加 1000000 条数据,测试 ICP 开启和关闭状态下的性能
DELIMITER //
CREATE PROCEDURE insert_people (max_num INT)
BEGIN
DECLARE i INT DEFAULT 0;
SET autocommit = 0;
REPEAT
SET i = i + 1;
INSERT INTO people (zipcode, firstname ,lastname, address ) VALUES (‘000001’, ‘六’, ‘赵’, ‘天津市’);
UNTIL i = max_num
END REPEAT;
COMMIT;
END //
DELIMITER;
调用存储过程,插入 1000000 条数据
CALL insert_people(1000000);
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
10.5.2.性能对比
(1)打开 profiling。
set profiling = 1;
1
(2)执行 SQL 语句,此时默认打开索引下推。
SELECT * FROM people WHERE zipcode=‘008801’ AND lastname LIKE ‘%张%’;
1
(3)再次执行 SQL 语句,不使用索引下推(也可通过设置 optimizer_switch 来关闭索引下推)。
SELECT /*+ no_icp (people) */ * FROM people WHERE zipcode=’ e88801’ AND lastname LIKE ‘%张%’ ;
1
(4)查看 profiles。
对比结果可知,开启 ICP 后查询所消耗的时间明显少于关闭 ICP 的!
11.普通索引 vs 唯一索引
(1)从性能的角度考虑,你选择唯一索引还是普通索引呢?选择的依据是什么呢?
(2)假设,我们有一个主键列为 ID 的表,表中有字段 k,并且在 k 上有索引,假设字段 k 上的值都不重复。这个表的建表语句是:
mysql> create table test(
id int primary key,
k int not null,
name varchar(16),
index (k)
)engine=InnoDB;
1
2
3
4
5
6
表中 R1~R5 的 (ID, k )值分别为 (100,1)、(200,2)、(300,3)、(500,5) 和 (600,6)。
11.1.查询过程
假设,执行查询的语句是:
select id from test where k = 5;
1
① 对于普通索引来说,查找到满足条件的第一个记录 (5,500) 后,需要查找下一个记录,直到碰到第一个不满足 k = 5 条件的记录。
② 对于唯一索引来说,由于索引定义了唯一性,查找到第一个满足条件的记录后,就会停止继续检索。
那么,这个不同带来的性能差距会有多少呢?答案是, 微乎其微 。
11.2.更新过程
(1)为了说明普通索引和唯一索引对更新语句性能的影响这个问题,介绍一下 change buffer。
(2)当需要更新一个数据页时,如果数据页在内存中就直接更新,而如果这个数据页还没有在内存中的话,在不影响数据一致性的前提下, InooDB 会将这些更新操作缓存在 change buffer 中,这样就不需要从磁盘中读入这个数据页了。在下次查询需要访问这个数据页的时候,将数据页读入内存,然后执行 change buffer 中与这个页有关的操作。通过这种方式就能保证这个数据逻辑的正确性。
(3)将 change buffer 中的操作应用到原数据页,得到最新结果的过程称为 merge 。除了访问这个数据页会触发 merge 外,系统有后台线程会定期 merge。在数据库正常关闭 (shutdown) 的过程中,也会执行 merge 操作。
(4)如果能够将更新操作先记录在 change buffer, 减少读磁盘,语句的执行速度会得到明显的提升。而且,数据读入内存是需要占用 buffer pool 的,所以这种方式还能够避免占用内存,提高内存利用率。
(5)唯一索引的更新就不能使用 change buffer ,实际上也只有普通索引可以使用。
如果要在这张表中插入一个新记录 (4, 400) 的话,InnoDB 的处理流程是怎样的?
11.3. change buffer的使用场景
(1)普通索引和唯一索引应该怎么选择?其实,这两类索引在查询能力上是没差别的,主要考虑的是对更新性能的影响。所以,建议尽量选择普通索引。
(2)在实际使用中会发现, 普通索引和 change buffer 的配合使用,对于数据量大的表的更新优化还是很明显的。
(3)如果所有的更新后面,都马上伴随着对这个记录的查询,那么你应该关闭 change buffer 。而在其他情况下,change buffer 都能提升更新性能。
(4)由于唯一索引用不上 change buffer 的优化机制,因此如果业务可以接受,从性能角度出发建议优先考虑非唯一索引。但是如果"业务可能无法确保"的情况下,怎么处理呢?
① 首先, 业务正确性优先 。我们的前提是“业务代码已经保证不会写入重复数据”的情况下,讨论性能问题。如果业务不能保证,或者业务就是要求数据库来做约束,那么没得选,必须创建唯一索引。这种情况下,本节的意义在于,如果碰上了大量插入数据慢、内存命中率低的时候,给你多提供一个排查思路。
② 然后,在一些"归档库"的场景,你是可以考虑使用唯一索引的。比如,线上数据只需要保留半年,然后历史数据保存在归档库。这时候,归档数据已经是确保没有唯一键冲突了。要提高归档效率,可以考虑把表里面的唯一索引改成普通索引。
12.其它查询优化策略
12.1.EXISTS 和 IN 的区分
问题:不太理解哪种情况下应该使用 EXISTS,哪种情况应该用 IN。选择的标准是看能否使用表的索引吗?
回答:索引是个前提,其实选择与否还是要看表的大小。你可以将选择的标准理解为小表驱动大表。在这种方式下效率是最高的。
比如下面这样:
SELECT * FROM A WHERE cc IN (SELECT ce FROM B)
SELECT * FROM A WHERE EXISTS (SELECT cc FROM B WHERE B.cc=A.cc)
1
2
① 当 A 小于 B 时,用 EXISTS。因为 EXISTS 的实现,相当于外表循环,实现的逻辑类似于:
for i in A
for j in B
if j.cc == i.cc then …
1
2
3
② 当 B 小于 A 时用 IN,因为实现的逻辑类似于:
for i in B
for j in A
if j.cc == i.cc then …
1
2
3
哪个表小就用哪个表来驱动,A 表小就用 EXISTS,B 表小就用 IN。
12.2.COUNT() 与 COUNT(具体字段)效率
问:在 MySQL 中统计数据表的行数,可以使用三种方式:SELECT COUNT()、SELECT COUNT(1) 和 SELECT COUNT(具体字段),使用这三者之间的查询效率是怎样的?
答:
前提:如果你要统计的是某个字段的非空数据行数,则另当别论,毕竟比较执行效率的前提是结果一样才可以。
环节1:COUNT() 和 COUNT(1) 都是对所有结果进行 COUNT,COUNT() 和 COUNT(1) 本质上并没有区别(二者执行时间可能略有差别,不过你还是可以把它俩的执行效率看成是相等的)。如果有 WHERE 子句,则是对所有符合筛选条件的数据行进行统计;如果没有WHERE子句,则是对数据表的数据行数进行统计。
环节2:如果是 MyISAM 存储引擎,统计数据表的行数只需要O(1)的复杂度,这是因为每张 MyISAM 的数据表都有一个 meta 信息存储了row_count值,而一致性则是由表级锁来保证的。
如果是 InnoDB 存储引擎,因为 InnoDB 支持事务,采用行级锁和 MVCC 机制,所以无法像 MyISAM 一样,维护一个 row_count 变量,因此需要采用扫描全表,是 O(n) 的复杂度,进行循环+计数的方式来完成统计。
环节3:在 InnoDB 引擎中,如果采用 COUNT(具体字段) 来统计数据行数,要尽量采用二级索引。因为主键采用的索引是聚簇索引,聚簇索引包含的信息多,明显会大于二级索引(非聚簇索引)。对于 COUNT(*) 和 COUNT(1) 来说,它们不需要查找具体的行,只是统计行数,系统会自动采用占用空间更小的二级索引来进行统计。
如果有多个二级索引,会使用 key_len 小的二级索引进行扫描。当没有二级索引的时候,才会采用主键索引来进行统计。
12.3.关于 SELECT()
在表查询中,建议明确字段,不要使用 * 作为查询的字段列表,推荐使用SELECT <字段列表> 查询。原因:
① MySQL 在解析的过程中,会通过查询数据字典将""按序转换成所有列名,这会大大的耗费资源和时间。
② 无法使用覆盖索引。
12.4.LIMIT 1 对优化的影响
(1)针对的是会扫描全表的 SQL 语句,如果你可以确定结果集只有一条,那么加上LIMIT 1的时候,当找到一条结果的时候就不会继续扫描了,这样会加快查询速度。
(2)如果数据表已经对字段建立了唯一索引,那么可以通过索引进行查询,不会全表扫描的话,就不需要加上LIMIT 1了。
12.5.多使用 COMMIT
(1)只要有可能,在程序中尽量多使用 COMMIT,这样程序的性能得到提高,需求也会因为 COMMIT 所释放的资源而减少。
(2)COMMIT 所释放的资源:
① 回滚段上用于恢复数据的信息;
② 被程序语句获得的锁;
③ redo / undo log buffer 中的空间;
④ 管理上述 3 种资源中的内部花费;
13.淘宝数据库的主键是如何设计的?
聊一个实际问题:淘宝数据库的主键是如何设计的?
某些错的离谱的答案还在网上年复一年的流传着,甚至还成为了所谓的 MySQL 军规。其中,一个最明显的错误就是关于 MySQL 的主键设计。大部分人的回答如此自信:用 8 字节的 BIGINT 做主键,而不要用 INT。 错!这样的回答,只站在了数据库这一层,而没有从业务的角度思考主键。主键就是一个自增 ID 吗?用自增做主键,架构设计上可能连及格都拿不到!
13.1 自增 ID 的问题
自增 ID 做主键,简单易懂,几乎所有数据库都支持自增类型,只是实现上各自有所不同而已。自增 ID 除了简单,其他都是缺点,总体来看存在以下几方面的问题:
(1)可靠性不高
存在自增 ID 回溯的问题,这个问题直到最新版本的 MySQL 8.0 才修复。
(2)安全性不高
对外暴露的接口可以非常容易猜测对应的信息。比如:/User/1/这样的接口,可以非常容易猜测用户 ID 的值为多少,总用户数量有多少,也可以非常容易地通过接口进行数据的爬取。
(3)性能差
自增 ID 的性能较差,需要在数据库服务器端生成。
(4)交互多
业务还需要额外执行一次类似 last_insert_id() 的函数才能知道刚才插入的自增值,这需要多一次的网络交互。在海量并发的系统中,多1条SQL,就多一次性能上的开销。
(5)局部唯一性
最重要的一点,自增ID是局部唯一,只在当前数据库实例中唯一,而不是全局唯一,在任意服务器间都是唯一的。对于目前分布式系统来说,这简直就是噩梦。
13.2.业务字段做主键
为了能够唯一地标识一个会员的信息,需要为 会员信息表 设置一个主键。那么,怎么为这个表设置主键,才能达到我们理想的目标呢? 这里我们考虑业务字段做主键。假设表数据如下:
在这个表里,哪个字段比较合适呢?
13.2.1.选择卡号 (cardno)
(1)会员卡号 (cardno) 看起来比较合适,因为会员卡号不能为空,而且有唯一性,可以用来标识一条会员记录。
mysql> CREATE TABLE demo.membermaster
-> (
-> cardno CHAR(8) PRIMARY KEY, – 会员卡号为主键
-> membername TEXT,
-> memberphone TEXT,
-> memberpid TEXT,
-> memberaddress TEXT,
-> sex TEXT,
-> birthday DATETIME
-> );
Query OK, 0 rows affected (0.06 sec)
1
2
3
4
5
6
7
8
9
10
11
不同的会员卡号对应不同的会员,字段“cardno”唯一地标识某一个会员。如果都是这样,会员卡号与会员一一对应,系统是可以正常运行的。
(2)但实际情况是, 会员卡号可能存在重复使用的情况。比如,张三因为工作变动搬离了原来的地址,不再到商家的门店消费了 (退还了会员卡),于是张三就不再是这个商家门店的会员了。但是,商家不想让这个会员卡空着,就把卡号是“10000001”的会员卡发给了王五。
(3)从系统设计的角度看,这个变化只是修改了会员信息表中的卡号是“10000001”这个会员 信息,并不会影响到数据一致性。也就是说,修改会员卡号是“10000001”的会员信息, 系统的各个模块,都会获取到修改后的会员信息,不会出现“有的模块获取到修改之前的会员信息,有的模块获取到修改后的会员信息,而导致系统内部数据不一致”的情况。因此,从信息系统层面上看是没问题的。
(4)但是从使用统的业务层面 来看,就有很大的问题了,会对商家造成影响。比如,我们有一个销售流水表 (trans),记录了所有的销售流水明细。2020 年 12 月 01 日,张三在门店购买了一本书,消费了 89 元。那么,系统中就有了张三买书的流水记录,如下所示:
接着,我们查询一下 2020 年 12 月 01 日的会员销售记录:
mysql> SELECT b.membername,c.goodsname,a.quantity,a.salesvalue,a.transdate
-> FROM demo.trans AS a
-> JOIN demo.membermaster AS b
-> JOIN demo.goodsmaster AS c
-> ON (a.cardno = b.cardno AND a.itemnumber=c.itemnumber);
±-----------±----------±---------±-----------±--------------------+
| membername | goodsname | quantity | salesvalue | transdate |
±-----------±----------±---------±-----------±--------------------+
| 张三 | 书 | 1.000 | 89.00 | 2020-12-01 00:00:00 |
±-----------±----------±---------±-----------±--------------------+
1 row in set (0.00 sec)
1
2
3
4
5
6
7
8
9
10
11
如果会员卡“10000001”又发给了王五,我们会更改会员信息表。导致查询时:
mysql> SELECT b.membername,c.goodsname,a.quantity,a.salesvalue,a.transdate
-> FROM demo.trans AS a
-> JOIN demo.membermaster AS b
-> JOIN demo.goodsmaster AS c
-> ON (a.cardno = b.cardno AND a.itemnumber=c.itemnumber);
±-----------±----------±---------±-----------±--------------------+
| membername | goodsname | quantity | salesvalue | transdate |
±-----------±----------±---------±-----------±--------------------+
| 王五 | 书 | 1.000 | 89.00 | 2020-12-01 00:00:00 |
±-----------±----------±---------±-----------±--------------------+
1 row in set (0.01 sec)
1
2
3
4
5
6
7
8
9
10
11
这次得到的结果是:王五在 2020 年 12 月 01 日,买了一本书,消费 89 元。显然是错误的!结论:千万不能把会员卡号当做主键。
13.2.2.选择会员电话或身份证号
(1)会员电话可以做主键吗?不行的。在实际操作中,手机号也存在被运营商收回,重新发给别人用的情况。
(2)那身份证号行不行呢?好像可以。因为身份证决不会重复,身份证号与一个人存在一一对 应的关系。可问题是,身份证号属于个人隐私 ,顾客不一定愿意给你。要是强制要求会员必须登记身份证号,会把很多客人赶跑的。其实,客户电话也有这个问题,这也是我们在设计会员信息表的时候,允许身份证号和电话都为空的原因。
(3)所以,建议尽量不要用跟业务有关的字段做主键。毕竟,作为项目设计的技术人员,我们谁也无法预测在项目的整个生命周期中,哪个业务字段会因为项目的业务需求而有重复,或者重用之类的情况出现。
经验:刚开始使用 MySQL 时,很多人都很容易犯的错误是喜欢用业务字段做主键,想当然地认为了解业务需求,但实际情况往往出乎意料,而更改主键设置的成本非常高。
13.3.淘宝的主键设计
(1)在淘宝的电商业务中,订单服务是一个核心业务。那订单表的主键淘宝是如何设计的呢?是自增 ID 吗?打开淘宝,看一下订单信息:
从上图可以发现,订单号不是自增 ID!我们详细看下上述4个订单号:
1550672064762308113
1481195847180308113
1431156171142308113
1431146631521308113
1
2
3
4
(2)订单号是 19 位的长度,且订单的最后 5 位都是一样的,都是 08113。且订单号的前面 14 位部分是单调递增的。大胆猜测,淘宝的订单 ID 设计应该是:
订单ID = 时间 + 去重字段 + 用户ID后 6 位尾号
1
这样的设计能做到全局唯一,且对分布式系统查询及其友好。
13.4.推荐的主键设计
13.4.1.非核心业务
非核心业务:对应表的主键自增 ID,如告警、日志、监控等信息。
13.4.2.核心业务
核心业务 :主键设计至少应该是全局唯一且是单调递增。全局唯一保证在各系统之间都是唯一的,单调递增是希望插入时不影响数据库性能。这里推荐最简单的一种主键设计:UUID。
(1)UUID的特点
全局唯一,占用36字节,数据无序,插入性能差。
(2)认识UUID:
MySQL 数据库的 UUID 组成如下所示:
UUID = 时间+UUID版本(16字节)- 时钟序列(4字节) - MAC地址(12字节)
1
我们以 UUID 值 e0ea12d4-6473-11eb-943c-00155dbaa39d 举例:
① 为什么 UUID 是全局唯一的?
在 UUID 中时间部分占用 60 位,存储的类似 TIMESTAMP 的时间戳,但表示的是从1582-10-15 00:00:00.00 到现在的 100ns 的计数。可以看到 UUID 存储的时间精度比 TIMESTAMPE 更高,时间维度发生重复的概率降低到 1/100 ns。时钟序列是为了避免时钟被回拨导致产生时间重复的可能性。MAC地址用于全局唯一。
② 为什么 UUID 占用36个字节?
UUID根据字符串进行存储,设计时还带有无用"-"字符串,因此总共需要36个字节。
③ 为什么 UUID 是无序的?
因为在 UUID 的设计中,将时间低位放在最前面,而这部分的数据是一直在变化的,并且是无序。
(3)改造 UUID
① 若将时间高低位互换,则时间就是单调递增的了,也就变得单调递增了。MySQL 8.0 可以更换时间低位和时间高位的存储方式,这样 UUID就是有序的 UUID 了。MySQL 8.0 还解决了 UUID 存在的空间占用的问题,除去了 UUID 字符串中无意义的 “-” 字符串,并且将字符串用二进制类型保存,这样存储空间降低为了 16 字节。
② 可以通过 MySQL8.0 提供的 uuid_to_bin 函数实现上述功能,同样的,MySQL 也提供了bin_to_uui函数进行转化:
SET @uuid = UUID();
SELECT @uuid,uuid_to_bin(@uuid),uuid_to_bin(@uuid,TRUE);
1
2
3
③ 通过函数 uuid_to_bin(@uuid,true) 将 UUID 转化为有序 UUID 了。全局唯一 + 单调递增,这不就是我们想要的主键!
(4)有序 UUID 性能测试
16 字节的有序 UUID,相比之前 8 字节的自增 ID,性能和存储空间对比究竟如何呢?我们来做一个测试,插入 1 亿条数据,每条数据占用500 字节,含有 3 个二级索引,最终的结果如下所示:
从上图可以看到插入 1 亿条数据有序 UUID 是最快的,而且在实际业务使用中有序 UUID 在业务端就可以生成 。还可以进一步减少 SQL 的交互次数。另外,虽然有序 UUID 相比自增 ID 多了 8 个字节,但实际只增大了 3G 的存储空间,还可以接受。
在当今的互联网环境中,非常不推荐自增ID作为主键的数据库设计。更推荐类似有序 UUID 的全局唯一的实现。另外在真实的业务系统中,主键还可以加入业务和系统属性,如用户的尾号,机房的信息等。这样的主键设计就更为考验架构师的水平了。
(5)如果不是 MySQ L8.0 怎么办?
手动赋值字段做主键!比如,设计各个分店的会员表的主键,因为如果每台机器各自产生的数据需要合并,就可能会出现主键重复的问题。可以在总部 MySQL 数据库中,有一个管理信息表,在这个表中添加一个字段,专门用来记录当前会员编号的最大值。门店在添加会员的时候,先到总部 MySQL 数据库中获取这个最大值,在这个基础上加 1,然后用这个值作为新会员的“id”,同时,更新总部 MySQL 数据库管理信息表中的当 前会员编号的最大值。这样一来,各个门店添加会员的时候,都对同一个总部 MySQL 数据库中的数据表字段进 行操作,就解决了各门店添加会员时会员编号冲突的问题。
————————————————
版权声明:本文为博主原创文章,遵循 CC 4.0 BY-SA 版权协议,转载请附上原文出处链接和本声明。
原文链接:https://blog.csdn.net/weixin_43004044/article/details/126573250