第10章_索引优化与查询优化
都有哪些维度可以进行数据库调优?简言之:
- 索引失效、没有充分利用到索引——建立索引
- 关联查询太多JOIN(设计缺陷或不得已的需求)——SQL优化
- 服务器调优及各个参数设置(缓冲、线程数等)——调整my.cnf
- 数据过多——分库分表
关于数据库调优的知识非常分散。不同的DBMS,不同的公司,不同的职位,不同的项目遇到的问题都不尽相同。这里我们分为三个章节进行细致讲解。
虽然SQL查询优化的技术有很多,但是大方向上完全可以分成物理查询优化
和逻辑查询优化
两大块。
- 物理查询优化是通过
索引
和表连接方式
等技术来进行优化,这里重点需要掌握索引的使用。 - 逻辑查询优化就是通过SQL
等价变换
提升查询效率,直白一点就是说,换一种查询写法效率可能更高。
1. 数据准备
学员表
插 50万
条, 班级表
插 1万
条。
CREATE DATABASE atguigudb2;
USE atguigudb2;
步骤1:建表
CREATE TABLE `class` (
`id` INT(11) NOT NULL AUTO_INCREMENT,
`className` VARCHAR(30) DEFAULT NULL,
`address` VARCHAR(40) DEFAULT NULL,
`monitor` INT NULL ,
PRIMARY KEY (`id`)
) ENGINE=INNODB AUTO_INCREMENT=1 DEFAULT CHARSET=utf8;
CREATE TABLE `student` (
`id` INT(11) NOT NULL AUTO_INCREMENT,
`stuno` INT NOT NULL ,
`name` VARCHAR(20) DEFAULT NULL,
`age` INT(3) DEFAULT NULL,
`classId` INT(11) DEFAULT NULL,
PRIMARY KEY (`id`)
#CONSTRAINT `fk_class_id` FOREIGN KEY (`classId`) REFERENCES `t_class` (`id`)
) ENGINE=INNODB AUTO_INCREMENT=1 DEFAULT CHARSET=utf8;
步骤2:设置参数
- 命令开启:允许创建函数设置:
# 不加global只是当前窗口有效
SET GLOBAL log_bin_trust_function_creators=1;
步骤3:创建函数
保证每条数据都不同。
# 随机产生字符串
DELIMITER //
CREATE FUNCTION rand_string(n INT) RETURNS VARCHAR(255)
BEGIN
DECLARE chars_str VARCHAR(100) DEFAULT
'abcdefghijklmnopqrstuvwxyzABCDEFJHIJKLMNOPQRSTUVWXYZ';
DECLARE return_str VARCHAR(255) DEFAULT '';
DECLARE i INT DEFAULT 0;
WHILE i < n DO
SET return_str =CONCAT(return_str,SUBSTRING(chars_str,FLOOR(1+RAND()*52),1));
SET i = i + 1;
END WHILE;
RETURN return_str;
END //
DELIMITER ;
# 假如要删除
# drop function rand_string;
随机产生班级编号
# 用于随机产生多少到多少的编号
DELIMITER //
CREATE FUNCTION rand_num (from_num INT ,to_num INT) RETURNS INT(11)
BEGIN
DECLARE i INT DEFAULT 0;
SET i = FLOOR(from_num +RAND()*(to_num - from_num+1)) ;
RETURN i;
END //
DELIMITER;
# 假如要删除
# drop function rand_num;
步骤4:创建存储过程
# 创建往stu表中插入数据的存储过程
DELIMITER //
CREATE PROCEDURE insert_stu( START INT , max_num INT )
BEGIN
DECLARE i INT DEFAULT 0;
SET autocommit = 0; # 设置手动提交事务
REPEAT # 循环
SET i = i + 1; # 赋值
INSERT INTO student (stuno, name ,age ,classId ) VALUES
((START+i),rand_string(6),rand_num(1,50),rand_num(1,1000));
UNTIL i = max_num
END REPEAT;
COMMIT; # 提交事务
END //
DELIMITER ;
# 假如要删除
# drop PROCEDURE insert_stu;
创建往class表中插入数据的存储过程
# 执行存储过程,往class表添加随机数据
DELIMITER //
CREATE PROCEDURE `insert_class`( max_num INT )
BEGIN
DECLARE i INT DEFAULT 0;
SET autocommit = 0;
REPEAT
SET i = i + 1;
INSERT INTO class ( classname,address,monitor ) VALUES
(rand_string(8),rand_string(10),rand_num(1,100000));
UNTIL i = max_num
END REPEAT;
COMMIT;
END //
DELIMITER ;
# 假如要删除
# drop PROCEDURE insert_class;
步骤5:调用存储过程
往class表添加数据
# 执行存储过程,往class表添加1万条数据
CALL insert_class(10000);
往stu表添加数据, 50w的数据比较多, 可能花费的时间会多一点
# 执行存储过程,往stu表添加50万条数据
CALL insert_stu(100000,500000);
步骤6:删除某表上的索引
创建存储过程
DELIMITER //
CREATE PROCEDURE `proc_drop_index`(dbname VARCHAR(200), tablename VARCHAR(200))
BEGIN
DECLARE done INT DEFAULT 0;
DECLARE ct INT DEFAULT 0;
DECLARE _index VARCHAR(200) DEFAULT '';
DECLARE _cur CURSOR FOR SELECT index_name
FROM information_schema.STATISTICS
WHERE table_schema = dbname
AND table_name = tablename
AND seq_in_index = 1
AND index_name <> 'PRIMARY';
# 每个游标必须使用不同的declare continue handler for not found set done=1来控制游标的结束
DECLARE CONTINUE HANDLER FOR NOT FOUND set done = 2;
# 若没有数据返回,程序继续,并将变量done设为2
OPEN _cur;
FETCH _cur INTO _index;
WHILE _index <> ''
DO
SET @str = CONCAT("drop index ", _index, " on ", tablename);
PREPARE sql_str FROM @str;
EXECUTE sql_str;
DEALLOCATE PREPARE sql_str;
SET _index = '';
FETCH _cur INTO _index;
END WHILE;
CLOSE _cur;
END //
DELIMITER ;
执行存储过程
- 其中dbname为数据库名, tbalename为表名, 这里作用是删除指定数据库下的表上的所有索引
CALL proc_drop_index("dbname","tablename");
2. 索引失效案例
MySQL中提高性能
的一个最有效的方式是对数据表设计合理的索引
。索引提供了高效访问数据的方法,并且加快查询的速度,因此索引对查询的速度有着至关重要的影响。
- 使用索引可以
快速地定位
表中的某条记录,从而提高数据库查询的速度,提高数据库的性能。 - 如果查询时没有使用索引,查询语句就会扫描表中的所有记录。在数据量大的情况下,这样查询的速度会很慢。
大多数情况下都(默认
)采用B+树
来构建索引。只是空间列类型的索引使用R-树,并且MEMORY表还支持hash索引。
其实,用不用索引,最终都是优化器说了算。优化器是基于什么的优化器?基于cost开销 (CostBaseOptimizer)
,它不是基于规则(Rule-BasedOptimizer),也不是基于语义。怎么样开销小就怎么来。另外,SQL语句是否使用索引,跟数据库版本、数据量、数据选择度都有关系
2.1 全值匹配
系统中经常出现的sql语句如下:
EXPLAIN
SELECT SQL_NO_CACHE *
FROM student
WHERE age=30;
EXPLAIN
SELECT SQL_NO_CACHE *
FROM student
WHERE age=30 AND classId=4;
EXPLAIN
SELECT
SQL_NO_CACHE *
FROM student
WHERE age=30 AND classId=4 AND name = 'abcd';
建立索引前执行:(关注执行时间)
SELECT SQL_NO_CACHE *
FROM student
WHERE age=30 AND classId=4 AND name = 'abcd';
建立索引
CREATE INDEX idx_age ON student(age);
CREATE INDEX idx_age_classid ON student(age,classId);
CREATE INDEX idx_age_classid_name ON student(age,classId,name);
建立索引后执行:
SELECT SQL_NO_CACHE *
FROM student
WHERE age=30 AND classId=4 AND name = 'abcd';
可以看到,创建索引前的查询时间是0.14秒,创建索引后的查询时间是0.01秒,索引帮助我们极大的提高了查询效率
2.2 最佳左前缀法则
在MySQL建立联合索引时会遵守最佳左前缀原则
,即最左优先,在检索数据时从联合索引的最左边开始匹配。
举例1:
EXPLAIN
SELECT SQL_NO_CACHE *
FROM student
WHERE student.age=30 AND student.name = 'abcd' \G;
举例2:
EXPLAIN
SELECT SQL_NO_CACHE *
FROM student
WHERE student.classId=1 AND student.name = 'abcd' \G;
举例3:索引idx_age_classid_name
还能否正常使用?
EXPLAIN
SELECT SQL_NO_CACHE *
FROM student
WHERE student.classId=4 AND student.age=30 AND student.name = 'abcd' \G;
如果索引了多列,要遵守最左前缀法则。指的是查询从索引的最左前列开始并且不跳过索引中的列。
EXPLAIN
SELECT SQL_NO_CACHE *
FROM student
WHERE student.age=30 AND student.name = 'abcd' \G;
虽然可以正常使用,但是只有部分被使用到了。
EXPLAIN
SELECT SQL_NO_CACHE *
FROM student
WHERE student.classId=1 AND student.name = 'abcd'\G;
完全没有使用上索引
结论:MySQL可以为多个字段创建索引,一个索引可以包含16个字段。对于多列索引,过滤条件要使用索引必须按照索引建立时的顺序,依次满足,一旦跳过某个字段,索引后面的字段都无法被使用。如果查询条件中没有用这些字段中第一个字段时,多列(或联合)索引不会被使用
拓展:Alibaba《Java开发手册》
索引文件具有 B-Tree 的最左前缀匹配特性,如果左边的值未确定,那么无法使用此索引。
2.3 主键插入顺序
对于一个使用InnoDB
存储引擎的表来说,在我们没有显式的创建索引时,表中的数据实际上都是存储在聚簇索引
的叶子节点的。而记录又是存储在数据页中的,数据页和记录又是按照记录主键值从小到大
的顺序进行排序,所以如果我们插入的记录的主键值是依次增大的话,那我们每插满一个数据页就换到下一个数据页继续插,而如果我们插入的主键值忽大忽小
的话,就比较麻烦了
假设某个数据页存储的记录已经满了,它存储的主键值在1~100
之间:
如果此时再插入一条主键值为 9 的记录,那它插入的位置就如下图:
可这个数据页已经满了,再插进来咋办呢?我们需要把当前 页面分裂
成两个页面,把本页中的一些记录移动到新创建的这个页中。页面分裂和记录移位意味着什么?意味着: 性能损耗
!所以如果我们想尽量避免这样无谓的性能损耗,最好让插入的记录的 主键值依次递增
,这样就不会发生这样的性能损耗了。 所以我们建议:让主键具有 AUTO_INCREMENT
,让存储引擎自己为表生成主键,而不是我们手动插入 , 比如: person_info
表:
CREATE TABLE person_info(
id INT UNSIGNED NOT NULL AUTO_INCREMENT,
name VARCHAR(100) NOT NULL,
birthday DATE NOT NULL,
phone_number CHAR(11) NOT NULL,
country varchar(100) NOT NULL,
PRIMARY KEY (id),
KEY idx_name_birthday_phone_number (name(10), birthday, phone_number)
);
我们自定义的主键列 id
拥有 AUTO_INCREMENT
属性,在插入记录时存储引擎会自动为我们填入自增的主键值。这样的主键占用空间小,顺序写入,减少页分裂。
2.4 计算、函数、类型转换(自动或手动)导致索引失效
-
这两条sql哪种写法更好
EXPLAIN SELECT SQL_NO_CACHE * FROM student WHERE student.name LIKE 'abc%';
EXPLAIN SELECT SQL_NO_CACHE * FROM student WHERE LEFT(student.name,3) = 'abc';
-
创建索引
CREATE INDEX idx_name ON student(NAME);
-
第一种:索引优化生效
EXPLAIN SELECT SQL_NO_CACHE * FROM student WHERE student.name LIKE 'abc%';
mysql> SELECT SQL_NO_CACHE * -> FROM student -> WHERE student.name LIKE 'abc%'; +--------+--------+--------+------+---------+ | id | stuno | name | age | classId | +--------+--------+--------+------+---------+ | 2710 | 102710 | ABcHez | 11 | 610 | ........ | 380589 | 480589 | AbCLXF | 9 | 66 | +--------+--------+--------+------+---------+ 26 rows in set, 1 warning (0.00 sec)
-
第二种:索引优化失效
EXPLAIN SELECT SQL_NO_CACHE * FROM student WHERE LEFT(student.name,3) = 'abc';
mysql> SELECT SQL_NO_CACHE * -> FROM student -> WHERE LEFT(student.name,3) = 'abc'; +--------+--------+--------+------+---------+ | id | stuno | name | age | classId | +--------+--------+--------+------+---------+ | 2710 | 102710 | ABcHez | 11 | 610 | ..... | 475144 | 575144 | aBCiho | 47 | 795 | +--------+--------+--------+------+---------+ 26 rows in set, 1 warning (0.16 sec)
type为“ALL”,表示没有使用到索引,查询时间为 0.16 秒,查询效率较之前低很多。
再举例:
-
student表的字段stuno上设置有索引
CREATE INDEX idx_sno ON student(stuno);
-
索引优化失效:(假设:student表的字段stuno上设置有索引)
EXPLAIN SELECT SQL_NO_CACHE id, stuno, NAME FROM student WHERE stuno+1 = 900001;
运行结果:
发现并没有走索引, 走的是全表扫描
索引失效原因分析: 因为stuno+1做了一个计算, 所以导致了stuno上的索引失效
-
索引优化生效
解决方案: 我们最终的目的是查询stuno = 90000, 将stuno+1计算操作放到右边, stuno + 1 =90001优化成 stuno = 90000, 实际上还是等价的
EXPLAIN SELECT SQL_NO_CACHE id, stuno, NAME FROM student WHERE stuno = 900000;
再举例:
-
student表的字段name上设置有索引
索引失效原因分析: 因为对name字段使用了函数, 导致了索引失效
EXPLAIN SELECT id, stuno, name FROM student WHERE SUBSTRING(name, 1, 3)='abc';
-
索引优化生效
解决方案: 不使用函数, 使用模糊查询代替函数
EXPLAIN SELECT id, stuno, name FROM student WHERE NAME LIKE 'abc%';
2.5 类型转换导致索引失效
下列哪个sql语句可以用到索引。(假设name字段上设置有索引)
# 未使用到索引
EXPLAIN
SELECT SQL_NO_CACHE *
FROM student
WHERE name=123 \G;
# 使用到索引
EXPLAIN
SELECT SQL_NO_CACHE *
FROM student
WHERE name='123' \G
name=123发生类型转换,索引失效 ,这个类型转换是MySQL自己隐式进行的
2.6 范围条件右边的列索引失效
-
系统经常出现的sql如下:
删除干扰的索引
ALTER TABLE student DROP INDEX idx_name; ALTER TABLE student DROP INDEX idx_age; ALTER TABLE student DROP INDEX idx_age_classid;
EXPLAIN
SELECT SQL_NO_CACHE *
FROM student
WHERE student.age=30 AND student.classId>20 AND student.name = 'abc' \G;
观察key_len的字节数, 以及student的字段, int 占用4个字节, 是否为null的标记为占用4个字节, 而4 + 1 + 4 + 1 = 10, 正好为key_len字节的长度, 可以知道目前只使用了stuno 和 classId索引, name索引并没有使用到
- 那么范围条件右边的索引列是否还生效? 索引 idx_age_classId_name 这个索引还能正常使用么?
- 不能,范围右边的列不能使用。比如:(<) (<=) (>) (>=) 和 between 等
- 如果这种sql出现较多,那么应该将范围条件的索引列放在右边, 其它索引列提取到坐边,应该建立:
create index idx_age_name_classId on student(age,name,classId);
- 将范围查询条件放置语句最后:
EXPLAIN
SELECT SQL_NO_CACHE *
FROM student
WHERE student.age=30 AND student.name = 'abc' AND student.classId>20;
结合key_len和student的结构信息, 可以观察到
int 4个字节, 是否为null标记位占用1个字节
4 + 1 + 4 + 1 = 10
varchar(20), 这里的20表示的字符长度, 并不是所谓的字节, 字节 = 字符长度 * 字符集
我们使用的是utf8的字符集, 一个字符占用3个字节的, 所以20 * 3 = 60, 是否为null占用一个字节, 60 + 1 =61, 记录可变字符串已使用长度占用2个字节 61 + 2 = 63
总的字节数 10 + 63 = 73, 正如key_len所示, 也表明这个索引中的所有索引列都用上了
应用开发中范围查询,例如:金额查询,日期查询往往都是范围查询。应将查询条件放置where语句最后。(创建的联合索引中,务必把范围涉及到的字段写在最后)
2.7 不等于(!= 或者<>)索引失效
!= 一定会导致索引失效吗?
不会的! 基于执行成本考虑, 如果成本过高就不走索引, 如果成本不高就走索引
- 为name字段创建索引
CREATE INDEX idx_name ON student(NAME);
- 查看索引是否失效
EXPLAIN
SELECT SQL_NO_CACHE *
FROM student
WHERE student.name != 'abc';
索引失效原因分析: 观察执行计划发现, type=ALL, key为null, 也就是没走索引, 走了全表扫描
场景举例:用户提出需求,将财务数据,产品利润金额不等于0的都统计出来。
2.8 is null可以使用索引,is not null无法使用索引
- IS NULL: 可以触发索引
EXPLAIN
SELECT SQL_NO_CACHE *
FROM student
WHERE age IS NULL \G;
- IS NOT NULL: 无法触发索引
EXPLAIN
SELECT SQL_NO_CACHE *
FROM student
WHERE age IS NOT NULL;
结论:最好在设计数据库的时候就将
字段设置为 NOT NULL 约束
,比如你可以将 INT 类型的字段,默认值设置为0。将字符类型的默认值设置为空字符串(‘’)扩展:同理,在查询中使用
not like
也无法使用索引,导致全表扫描。
2.9 like以通配符%开头索引失效
在使用LIKE关键字进行查询的查询语句中,如果匹配字符串的第一个字符为’%‘,索引就不会起作用。只有’%'不在第一个位置,索引才会起作用
- 使用到索引
EXPLAIN
SELECT SQL_NO_CACHE *
FROM student
WHERE name LIKE 'ab%';
- 未使用到索引
EXPLAIN
SELECT SQL_NO_CACHE *
FROM student
WHERE name LIKE '%ab%';
拓展:Alibaba《Java开发手册》
【强制】页面搜索严禁左模糊或者全模糊,如果需要请走搜索引擎来解决
2.10 OR 前后存在非索引的列,索引失效
在WHERE子句中,如果在OR前的条件列进行了索引,而在OR后的条件列没有进行索引,那么索引会失效。也就是说,OR前后的两个条件中的列都是索引时,查询中才使用索引。
因为OR的含义就是两个只要满足一个即可,因此
只有一个条件列进行了索引是没有意义的
,只要有条件列没有进行索引,就会进行全表扫描
,因此所以的条件列也会失效
查询语句使用OR关键字的情况:
# 未使用到索引
EXPLAIN
SELECT SQL_NO_CACHE *
FROM student
WHERE age = 10 OR classid = 100 \G;
索引失效原因分析: 因为classId字段上没有索引,所以上述查询语句没有使用索引。
# 使用到索引
EXPLAIN
SELECT SQL_NO_CACHE *
FROM student
WHERE age = 10 OR name = 'Abel' \G;
因为age字段和name字段上都有索引,所以查询中使用了索引。你能看到这里使用到了index_merge
,简单来说index_merge就是对age和name分别进行了扫描,然后将这两个结果集进行了合并。这样做的好处就是避免了全表扫描
。
2.11 数据库和表的字符集统一使用utf8mb4
统一使用utf8mb4( 5.5.3版本以上支持)兼容性更好,统一字符集可以避免由于字符集转换产生的乱码。不同的 字符集
进行比较前需要进行 转换
会造成索引失效
2.12 练习及一般性建议
**练习:**假设:index(a,b,c)
一般性建议
- 对于单列索引,尽量选择针对当前query过滤性更好的索引
- 在选择组合索引的时候,当前query中过滤性最好的字段在索引字段顺序中,位置越靠前越好。
- 在选择组合索引的时候,尽量选择能够当前query中where子句中更多的索引。
- 在选择组合索引的时候,如果某个字段可能出现范围查询时,尽量把这个字段放在索引次序的最后面。
总之,书写SQL语句时,尽量避免造成索引失效的情况
3. 关联查询优化
3.1 数据准备
# 分类
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
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)));
如图所示, 数据添加完成
3.2 采用左外连接
下面开始 EXPLAIN 分析
EXPLAIN
SELECT SQL_NO_CACHE *
FROM `type` LEFT JOIN book ON type.card = book.card;
结论:type 有All
添加索引优化
# book在下边作为【被驱动表】,往被驱动表添加索引, 可以避免全表扫描
ALTER TABLE book ADD INDEX Y(card);
EXPLAIN
SELECT SQL_NO_CACHE *
FROM `type` LEFT JOIN book ON type.card = book.card;
可以看到第二行的 type 变为了 ref,rows 也变成了优化比较明显。这是由左连接特性决定的。LEFT JOIN 条件用于确定如何从右表搜索行,左边一定都有(所以左边必定是全表扫描),所以 右边是我们的关键点,一定需要建立索引
# 给【驱动表】type添加索引,但是无法避免type的全表扫描, 这是左外连接特性导致的
ALTER TABLE `type` ADD INDEX X (card);
EXPLAIN
SELECT SQL_NO_CACHE *
FROM `type` LEFT JOIN book ON type.card = book.card;
观察结果发现, 使用了索引, 但是全表还是扫描了
这里补充一个点, 全表扫描不可以使用索引
接着:
DROP INDEX Y ON book;
EXPLAIN
SELECT SQL_NO_CACHE *
FROM `type` LEFT JOIN book ON type.card = book.card;
删除被驱动表book的索引, 发现此时右边又是全表扫描了
3.3 采用内连接
删除索引X和Y, 避免影响下述结果,如果已经删除了可以不用再执行该操作
DROP INDEX X ON type;
DROP INDEX Y ON book;
换成 inner join(MySQL自动选择驱动表)
EXPLAIN
SELECT SQL_NO_CACHE *
FROM type INNER JOIN book ON type.card=book.card;
添加索引优化, 为被驱动表book添加索引Y
ALTER TABLE book ADD INDEX Y (card);
EXPLAIN
SELECT SQL_NO_CACHE *
FROM type INNER JOIN book ON type.card=book.card;
添加索引优化, 为驱动表type添加索引X
ALTER TABLE type ADD INDEX X (card);
EXPLAIN
SELECT SQL_NO_CACHE *
FROM type INNER JOIN book ON type.card=book.card;
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
接着:
删除驱动表type上的索引
DROP INDEX X ON `type`;
重新查看执行计划
EXPLAIN
SELECT SQL_NO_CACHE *
FROM type INNER JOIN book ON type.card=book.card;
接着:
ALTER TABLE `type` ADD INDEX X (card);
EXPLAIN
SELECT SQL_NO_CACHE *
FROM `type` INNER JOIN book ON type.card=book.card;
接着:
# 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)));
为book添加索引
ALTER TABLE book ADD INDEX Y(card);
EXPLAIN
SELECT SQL_NO_CACHE *
FROM `type` INNER JOIN book ON `type`.card = book.card;
图中发现,由于book表数据大于type表数据,MySQL选择将book作为被驱动表。
此时type表有20条数据, book表有40条数据
当book为驱动表时, type为被驱动表时
- book作为驱动表, 必然时全表扫描的, 而type作为被驱动表不一定会全表扫描, 使用索引快速连接, 那么最快快找到也得1次, 此时就有40 * 1
当type作为驱动表时, book作为被驱动表时
- type全表扫描, book最快也是需要1次, 那么此时20 * 1
此所谓小表驱动大表, 可以发现明显减少了表扫描的次数
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
。MySQL5.5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关联的执行时间会很长。在MySQL5.5以后的版本中,MySQL通过引入BNLJ算法
来优化嵌套执行。
1. 驱动表和被驱动表
驱动表就是主表,被驱动表就是从表、非驱动表
- 对于内连接来说:
SELECT * FROM A JOIN B ON ...
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
- 对于外连接来说:
SELECT * FROM A LEFT JOIN B ON ...
# 或
SELECT * FROM B RIGHT JOIN A ON ...
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);
SELECT * FROM b;
# 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);
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,则A*B=10万次。开销统计如下:
开销统计 | SHLJ |
---|---|
外表扫描次数 | 1 |
内表扫描次数 | A |
读取记录数 | A+ B * A |
JOIN比较次数 | B * A |
回表读取记录次数 | 0 |
当然MySQL肯定不会这么粗暴的去进行表的连接,所以就出现了后面的两种对Nested-Loop Join优化算法。
3. Index Nested-Loop Join (索引嵌套循环连接)
Index Nested-Loop Join其优化的思路主要是为了减少内存表数据的匹配次数
,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,避免和内存表的每条记录去进行比较,这样极大的减少了对内存表的匹配次数
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 | SHLJ | IHNJ |
---|---|---|
外表扫描次数 | 1 | 1 |
内表扫描次数 | A | 0 |
读取记录数 | A+ B * A | A + B(match) |
JOIN比较次数 | B * A | A * index(Height) |
回表读取记录次数 | 0 | B(match) (if possible) |
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。相比,被驱动表的索引是主键索引
,效率会更高
4. Block Nested-Loop Join(块嵌套循环连接)
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,这样周而复始,大大增加了IO的次数。为了减少被驱动表的IO次数,就出现了Block Nested-Loop Join的方式
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joinbuffer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
开销统计 | SHLJ | IHNJ | BNLJ |
---|---|---|---|
外表扫描次数 | 1 | 1 | 1 |
内表扫描次数 | A | 0 | A * userd_column_size / join_buffer_size + 1 |
读取记录数 | A+ B * A | A + B(match) | A + B *(A * userd_column_size / join_buffer_size) |
JOIN比较次数 | B * A | A * index(Height) | B * A |
回表读取记录次数 | 0 | B(match) (if possible) | 0 |
参数设置:
- block_nested_loop
查看 block_nested_loop
状态。默认是开启
SHOW VARIABLES LIKE '%optimizer_switch%' \G;
- 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,默认情况下join_buffer_size=256kb
。
SHOW VARIABLES LIKE '%join_buffer%';
262144的单位是字节, 换成kb就是256kb
join_buffer_size的最大值
在32位
操作系统可以申请4G
,而在64位
操作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4GB并发出警告)
5. Join小结
-
整体效率比较:INLJ > BNLJ > SNLJ
-
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)
STRAIGHT_JOIN的含义
STRAIGHT_JOIN 的作用是强制优化器按照 JOIN 子句中所写的表顺序进行查询,而不进行表的重新排序优化。
# 推荐 SELECT t1.b, t2.* FROM t1 STRAIGHT_JOIN t2 ON (t1.b=t2.b) WHERE t2.id <= 100; # 不推荐 SELECT t1.b, t2.* FROM t2 STRAIGHT_JOIN t1 ON (t1.b=t2.b) WHERE t2.id <= 100;
-
为
被驱动表
匹配的条件增加索引
(减少内存表的循环匹配次数) -
增大join buffer size的大小(一次索引的数据越多,那么内层包的扫描次数就越少)
-
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. Hash Join
从MySQL的8.0.20
版本开始将废弃BNLJ
,因为从MySQL8.0.18
版本开始就加入了Hash Join
默认都会使用Hash Join
查看MySQL的版本
SELECT VERSION();
-
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 -
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。-
这种方式适合于
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
-
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。 -
它能够很好的工作于
没有索引大表
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,这是由Hash的特点决定的类别 Nested Loop Hash Join 使用条件 任何条件 等值连接(=) 相关资源 CPU, 磁盘IO 内存, 临时空间 优点 当有 高选择性索引
或进行限制搜索
时效率较高, 能快速返回第一次搜索结果1. 当 缺乏索引
或索引条件模糊
时, Hash Join比Nested Loop有效
2. 在数据仓库环境下, 如果表的记录数多, 效率较高缺点 1. 当 索引丢失时
或查询条件限制不够
时, 效率很低
2. 当表的记录数多
时, 效率低1. 为了建立哈希表, 需要大量内存
2.第一次的返回结果比较慢
-
3.5 小结
- 保证被驱动表的JOIN字段已经创建了索引
- 需要JOIN 的字段,数据类型保持绝对一致
- 避免MySQL帮我们做隐式的类型转换, 进而导致索引失效
- LEFT JOIN 时,选择小表作为驱动表, 大表作为被驱动表 。减少外层循环的次数
- INNER JOIN 时,MySQL会自动将
小结果集
的表选为驱动表 。选择相信MySQL优化策略 - 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)
- 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。
- 衍生表建不了索引
4. 子查询优化
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
。
**子查询是 MySQL 的一项重要的功能,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。**原因:
-
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IO资源,产生大量的慢查询
-
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 -
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
**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。
举例1:查询学生表中是班长的学生信息
# 创建班级表中班长的索引
CREATE INDEX idx_monitor ON class(monitor);
- 子查询(不推荐)
EXPLAIN
SELECT *
FROM student stu1
WHERE stu1.`stuno` IN (
SELECT monitor
FROM class c
WHERE monitor IS NOT NULL
);
- 多表查询(推荐)
EXPLAIN
SELECT stu1.*
FROM student stu1 JOIN class c ON stu1.`stuno` = c.`monitor`
WHERE c.`monitor` is NOT NULL;
举例2:取所有不为班长的同学
- 子查询(不推荐)
EXPLAIN
SELECT SQL_NO_CACHE a.*
FROM student a
WHERE a.stuno NOT IN (
SELECT monitor FROM class b
WHERE monitor IS NOT NULL
);
执行结果如下:
- 推荐:
EXPLAIN
SELECT SQL_NO_CACHE a.*
FROM student a LEFT OUTER JOIN class b
ON a.stuno = b.monitor
WHERE b.monitor IS NULL;
可以观察到被驱动表b, 预计扫描数大大下降了, 从9952->1
结论: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 排序优化
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。
- Index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
- 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
优化建议:
- 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
避免全表扫描
,在 ORDER BY 子句避免使用 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,我们还是要避免,以提高查询效率。 - 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。
- 无法使用 Index 时,需要对 FileSort 方式进行调优。
5.2 测试
删除student表和class表中已创建的索引, 方式1和方式2任意选一种
# 方式1
DROP INDEX idx_monitor ON class;
DROP INDEX idx_cid ON student;
DROP INDEX idx_age ON student;
DROP INDEX idx_name ON student;
DROP INDEX idx_age_name_classId ON student;
DROP INDEX idx_age_classId_name ON student;
# 方式2
call proc_drop_index('atguigudb2','student');
以下是否能使用到索引,能否去掉using filesort
过程一:
EXPLAIN
SELECT SQL_NO_CACHE *
FROM student
ORDER BY age, classId;
此时没有使用索引, 底层采用的时filesort进行排序
过程二: order by 时不limit,索引失效
准备工作, 创建索引
ALTER TABLE student
ADD INDEX idex_age_classId_name(age, classId, name);
排序时不使用limit, 索引失效
当数据量大的时候, 那么会导致回表的成本比较大(因为select *, 所以必定会回表), 导致执行优化器认为走全表扫描更加快速
EXPLAIN
SELECT SQL_NO_CACHE *
FROM student
ORDER BY age, classId;
发现走了索引, 因为这里这里走了二级索引, 出现了索引下推, 不需要回表
EXPLAIN
SELECT SQL_NO_CACHE age, classId
FROM student
ORDER BY age, classId;
排序时添加上limit关键字
EXPLAIN
SELECT SQL_NO_CACHE *
FROM student
ORDER BY age, classId
LIMIT 10;
过程三:order by 时顺序错误,索引失效
准备工作, 添加索引age, classId, stuno
ALTER TABLE student
ADD INDEX idx_age_classId_stuno(age, classId, stuno);
下列语句, 哪些索引失效
根据 classId排序, 没有使用索引
EXPLAIN
SELECT *
FROM student
ORDER BY classId
LIMIT 10;
根据 classId, name排序, 没有使用索引
EXPLAIN
SELECT *
FROM student
ORDER BY classId, name
LIMIT 10;
根据 age, classId, stuno排序, 发现这里走了索引
EXPLAIN
SELECT *
FROM student
ORDER BY age, classId, stuno
LIMIT 10;
根据 age, classId排序, 发现这里走了索引
EXPLAIN
SELECT *
FROM student
ORDER BY age, classId
LIMIT 10;
根据 age排序, 发现这里走了索引
EXPLAIN
SELECT *
FROM student
ORDER BY age
LIMIT 10;
观察上述规律, 发现走索引的语句中的ORDER BY的顺序都符合组合索引的最左匹配原则
, 也就说如果想要ORDER BY中的列走索引, 那么就得符合最左匹配原则
过程四: order by 时规则不一致, 索引失效(顺序错, 不索引, 方向反, 不索引)
下列语句中, 哪些语句索引失效?
按age(正), classId(倒)排序, 发现没有走索引
EXPLAIN
SELECT * FROM
student
ORDER BY age DESC, classId ASC
LIMIT 10;
按classId(倒), name(倒), 发现没有走索引
EXPLAIN
SELECT *
FROM student
ORDER BY classId DESC, name DESC
LIMIT 10;
按age(正), classId(倒), 发现不走索引
EXPLAIN
SELECT *
FROM student
ORDER BY age ASC, classId DESC
LIMIT 10;
按age(倒), classId(倒), 发现走索引
EXPLAIN
SELECT *
FROM student
ORDER BY age DESC, classId DESC
LIMIT 10 \G;
结论:ORDER BY 子句,尽量使用 Index 方式排序,避免使用 FileSort 方式排序
过程五:无过滤,不索引
观察下列语句是否走索引
按age过滤, classId排序, 发现走索引, 但是只走了age的索引, classId的索引没有走, 因为执行优化器认为18534条数据, 此时走回表查询更加快
EXPLAIN
SELECT *
FROM student
WHERE age=45
ORDER BY classId \G;
按age过滤, classId, name排序, 发现走索引
EXPLAIN
SELECT *
FROM student
WHERE age=45
ORDER BY classId, name \G;
按classId过滤, age排序, 发现不走索引, 因为order by排完序之后, 全都要, 优化器认为走全表扫描更加合理
EXPLAIN
SELECT *
FROM student
WHERE classId=45
ORDER BY age \G;
按classId过滤, age排序, 并限制10条, 发现走索引, 先排序再过滤, 此时age, classId都用上索引了
EXPLAIN
SELECT *
FROM student
WHERE classId=45
ORDER BY age
Limit 10 \G;
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*/
5.3 案例实战
ORDER BY子句,尽量使用Index方式排序,避免使用FileSort方式排序。
执行案例前先清除student上的索引,只留主键:
DROP INDEX idx_age ON student;
DROP INDEX idx_age_classid_stuno ON student;
DROP INDEX idx_age_classid_name ON student;
#或者
call proc_drop_index('atguigudb2','student');
场景:查询年龄为30岁的,且学生编号小于101000的学生,按用户名称排序
EXPLAIN
SELECT SQL_NO_CACHE *
FROM student
WHERE age = 30 AND stuno < 101000
ORDER BY name ;
查询结果如下:
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。优化是必须的。
方案一: 为了去掉filesort我们可以把索引建成
# 创建新索引
CREATE INDEX idx_age_name ON student(age,NAME);
EXPLAIN
SELECT SQL_NO_CACHE *
FROM student
WHERE age = 30 AND stuno < 101000
ORDER BY NAME;
测试语句执行, 优化掉了 using filesort后查询需要0.04秒
mysql> SELECT SQL_NO_CACHE *
-> FROM student
-> WHERE age = 30 AND stuno < 101000
-> ORDER BY NAME;
+-----+--------+--------+------+---------+
| id | stuno | name | age | classId |
+-----+--------+--------+------+---------+
| 45 | 100045 | aUvuND | 30 | 278 |
| 960 | 100960 | CPtykH | 30 | 37 |
| 946 | 100946 | CRCkus | 30 | 901 |
| 656 | 100656 | DarJuX | 30 | 110 |
| 282 | 100282 | iAdQSR | 30 | 422 |
| 263 | 100263 | ISqZYU | 30 | 272 |
| 835 | 100835 | jFxxTc | 30 | 844 |
| 224 | 100224 | MYJnwt | 30 | 801 |
| 455 | 100455 | nTEsZV | 30 | 196 |
| 919 | 100919 | pdygnT | 30 | 358 |
| 266 | 100266 | REumaq | 30 | 956 |
| 888 | 100888 | TKSjrg | 30 | 632 |
| 489 | 100489 | TMcdiJ | 30 | 119 |
| 21 | 100021 | TpUCeN | 30 | 610 |
| 285 | 100285 | uAsleO | 30 | 588 |
| 978 | 100978 | ugxUeO | 30 | 643 |
| 454 | 100454 | uRbIkc | 30 | 802 |
| 201 | 100201 | uuQWia | 30 | 878 |
| 261 | 100261 | VpOZFe | 30 | 690 |
| 453 | 100453 | XPdYHp | 30 | 30 |
| 428 | 100428 | xTauWy | 30 | 520 |
| 92 | 100092 | XUDknI | 30 | 949 |
| 629 | 100629 | YagFIB | 30 | 397 |
| 622 | 100622 | YtXJBH | 30 | 57 |
+-----+--------+--------+------+---------+
24 rows in set, 1 warning (0.04 sec)
方案二:尽量让where的过滤条件和排序使用上索引
建一个三个字段的组合索引:
删除刚刚建立的索引idx_age_name, 避免影响后续测试结果
ALTER TABLE student
DROP INDEX idx_age_name;
创建索引
ALTER TABLE student
ADD INDEX idx_age_stuno_name(age, stuno, name);
重新执行
EXPLAIN
SELECT SQL_NO_CACHE *
FROM student
WHERE age = 30 AND stuno < 101000
ORDER BY name \G;
我们发现using filesort依然存在,所以name并没有用到索引,而且type还是range光看名字其实并不美好。原因是,因为stuno是一个范围过滤
,所以索引后面的字段不会在使用索引了 。
结果如下:
mysql> SELECT SQL_NO_CACHE *
-> FROM student
-> WHERE age = 30 AND stuno < 101000
-> ORDER BY name;
+-----+--------+--------+------+---------+
| id | stuno | name | age | classId |
+-----+--------+--------+------+---------+
| 45 | 100045 | aUvuND | 30 | 278 |
| 960 | 100960 | CPtykH | 30 | 37 |
| 946 | 100946 | CRCkus | 30 | 901 |
| 656 | 100656 | DarJuX | 30 | 110 |
| 282 | 100282 | iAdQSR | 30 | 422 |
| 263 | 100263 | ISqZYU | 30 | 272 |
| 835 | 100835 | jFxxTc | 30 | 844 |
| 224 | 100224 | MYJnwt | 30 | 801 |
| 455 | 100455 | nTEsZV | 30 | 196 |
| 919 | 100919 | pdygnT | 30 | 358 |
| 266 | 100266 | REumaq | 30 | 956 |
| 888 | 100888 | TKSjrg | 30 | 632 |
| 489 | 100489 | TMcdiJ | 30 | 119 |
| 21 | 100021 | TpUCeN | 30 | 610 |
| 285 | 100285 | uAsleO | 30 | 588 |
| 978 | 100978 | ugxUeO | 30 | 643 |
| 454 | 100454 | uRbIkc | 30 | 802 |
| 201 | 100201 | uuQWia | 30 | 878 |
| 261 | 100261 | VpOZFe | 30 | 690 |
| 453 | 100453 | XPdYHp | 30 | 30 |
| 428 | 100428 | xTauWy | 30 | 520 |
| 92 | 100092 | XUDknI | 30 | 949 |
| 629 | 100629 | YagFIB | 30 | 397 |
| 622 | 100622 | YtXJBH | 30 | 57 |
+-----+--------+--------+------+---------+
24 rows in set, 1 warning (0.00 sec)
结果竟然有filesort的sql运行速度, 超过了已经优化掉filesort的sql,而且快了很多,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,剩下几百几干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stuo<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:
- 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
。- 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。
思考:这里我们使用如下索引,是否可行?
DROP INDEX idx_age_stuno_name ON student;
CREATE INDEX idx_age_stuno ON student(age,stuno);
当然可以。
5.4 filesort算法:双路排序和单路排序
排序的字段若不在索引列上,则filesort会有两种算法:双路排序
和单路排序
双路排序 (慢)
- 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 - 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,IO是很耗时的,所以在mysql4.1之后,出现了第二种改进的算法,就是单路排序。
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IO,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。
结论及引申出的问题
- 由于单路是后出的,总体而言好过双路
- 但是用单路有问题
- 在sort_buffer中,单路要比多路多占用很多空间,因为单路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I/O。 - 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。
- 在sort_buffer中,单路要比多路多占用很多空间,因为单路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
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。MySQL5.7InnoDB存储擎默认值是1048576字节,1MB
SHOW VARIABLES LIKE '%sort_buffer_size%';
2. 尝试提高 max_length_for_sort_data
-
提高这个参数,会增加用改进算法的概率
- MySQL 5.6 之前(包括5.6),默认值为 1024字节
- MySQL 5.7,默认值增加到 2048 字节
- MySQL 8.0,默认值进一步增加到 4096 字节
SHOW VARIABLES LIKE '%max_length_for_sort_data%';
-
但是如果设的太高,数据总容量超出sort_buffer_size的概率就增大,明显症状是高的磁盘IO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Query需要的字段。
- 当Query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,会用改进后的算法一一单路排序,否则用老算法一一多路排序。
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IO,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
- 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。
- group by 先排序再分组,遵照索引建的
最佳左前缀法则
- 当无法使用索引列,增大max_length_for_sort_data 和 sort_buffer_size 参数的设置
- where效率高于having,能写在where限定的条件就不要写在having中了
- 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。
- 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. 优化分页查询
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记录,仅仅返回2000000~2000010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;
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;
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;
8. 优先考虑覆盖索引
8.1 什么是覆盖索引?
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。
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
。
举例一:
# 删除之前的索引
DROP INDEX idx_age_stuno ON student;
# 创建索引
CREATE INDEX idx_age_name ON student(age, NAME);
没有走索引, 优化器认为此时回表的成本太高了
EXPLAIN
SELECT *
FROM student
WHERE age != 20 \G;
发现!=也会走了索引, 因为此时执行优化器发现此时不需要回表, 出现了索引覆盖, 所以走索引更加快
EXPLAIN
SELECT age
FROM student
WHERE age != 20;
举例二:
发现没有走索引
EXPLAIN
SELECT *
FROM student
WHERE NAME
LIKE '%abc';
ALTER TABLE student
ADD INDEX idx_age_name(age, NAME);
发现此时%xx也会走索引, 因为此时出现了索引下推, 执行优化器认为走索引更加快
EXPLAIN
SELECT id, age, name
FROM student
WHERE name
LIKE '%abc';
添加了classId发现还是会走索引, 因为此时二级索引idx_age_classId_name还是满足了索引覆盖, 不需要回表
EXPLAIN
SELECT id, age, name,classId
FROM student
WHERE name
LIKE '%abc';
上述都使用到了声明的索引,下面的情况则不然,查询列依然多了stuno,结果是未使用到索引
因为stuno不在索引中, 所以必须得回表, 此时执行优化器就认为回表的成本太高了, 所以不打算回表
EXPLAIN
SELECT id, age, name,classId, stuno
FROM student
WHERE name
LIKE '%abc';
8.2 覆盖索引的利弊
好处:
- 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(回表)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(回表),减少了IO操作
,提升了查询效率
- 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(回表)才能获取我们真实所需要的数据。
- 可以把随机IO变成顺序IO加快查询效率
- 由于覆盖索引是按键值的顺序存储的,对于O密集型的范围查找来说,对北比随机从磁盘读取每一行的数据IO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IO
转变成索引查找的顺序IO
。
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 - 弊端:
索引字段的维护
总是有代价的。因此,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
- 由于覆盖索引是按键值的顺序存储的,对于O密集型的范围查找来说,对北比随机从磁盘读取每一行的数据IO要少的多,因此利用覆盖索引在访问时也可以把磁盘的
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;
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:
select col1, col2
from teacher
where email='xxx';
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
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
ALTER TABLE teacher
ADD INDEX index1(email);
# 或
ALTER TABLE teacher
ADD INDEX index2(email(6));
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。
以及
![image-20220706130921934](https://i-blog.csdnimg.cn/blog_migrate/0984ac1eddf98ca36fe497fd0d935f90.png)
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:
- 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;
- 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;
- 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。
如果使用的是index2(即email(6)索引结构),执行顺序是这样的:
- 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;
- 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;
- 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;
- 重复上一步,直到在idxe2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 使用前后对比
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。
- 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。 - 启用ICP后,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。- 好处: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
- 但是,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 ICP的开启/关闭
-
默认情况下启动索引条件下推。可以通过设置系统变量
optimizer_switch
控制:index_condition_pushdown
查看是否开启ICP
SHOW VARIABLES LIKE '%optimizer_switch%' \G;
# 开启索引下推
SET optimizer_switch = 'index_condition_pushdown=on';
# 关闭索引下推
SET optimizer_switch = 'index_condition_pushdown=off';
- 当使用索引条件下推是,
EXPLAIN
语句输出结果中Extra
列内容显示为Using index condition
。
10.3 ICP使用案例
建表 l;p[]
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`),
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', '000004', '六', '赵', '天津市');
该表创建时就定义联合索引zip_last_first(zipcode,lastname,firstname)
如果我们知道了一个人的邮编,但是不确定这个人的姓氏,我们可以进行如下检索:
SELECT *
FROM people
WHERE zipcode='000001'
AND lastname LIKE '%张%'
AND address LIKE '%北京市%';
执行查看SQL的查询计划,Extra
中显示了Using index condition
, 这表示使用了索引下推
。另外,Using where表示条件中包含需要过滤的非索列的数据,即address LIKE ‘%北京市%’ 这个条件并不是索引列,需要在服务端过滤掉。
EXPLAIN
SELECT *
FROM people
WHERE zipcode='000001'
AND lastname LIKE '%张%'
AND address LIKE '%北京市%';
如果不想出现Using where, 把address LIKE '%北京市%'去掉即可
EXPLAIN
SELECT *
FROM people
WHERE zipcode='000001'
AND lastname LIKE '%张%';
这个表中存在两个索引, 分别是
- 主键索引 (简图)
二级索引zip_last_first (简图,这里省略了数据页等信息)
下面我们关闭ICP查看执行计划
SET optimizer_switch = 'index_condition_pushdown=off';
查看执行计划, 观察Extra, 发现已经没有了Using index condition, 表示没有使用ICP
EXPLAIN
SELECT *
FROM people
WHERE zipcode='000001'
AND lastname LIKE '%张%'
AND address LIKE '%北京市%';
10.4 开启和关闭ICP性能对比
创建存储过程,主要目的就是插入很多000001的数据,这样查询的时候为了在存储引擎层做过滤,减少IO,也为了减少缓冲池(缓存数据页,没有IO)的作用。
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', '天律市');
UNTIL i = max_num
END REPEAT;
COMMIT;
END //
DELIMITER;
调用存储过程
call insert_people(1000000);
首先打开profiling
SET profiling=1;
SHOW VARIABLES LIKE '%profiling%';
执行SQL语句, 此时默认打开索引下推
SELECT *
FROM people
WHERE zipcode = '000001'
AND lastname LIKE '%张%';
查看执行计划
EXPLAIN
SELECT *
FROM people
WHERE zipcode = '000001'
AND lastname LIKE '%张%';
再次执行SQL语句, 不使用索引下推
SELECT /*+ no_icp(people) */ *
FROM people
WHERE zipcode = '000001'
AND lastname LIKE '%张%';
查看执行计划
EXPLAIN
SELECT /*+ no_icp(people) */ *
FROM people
WHERE zipcode = '000001'
AND lastname LIKE '%张%';
查看当前会话的产生所有的profiles
SHOW PROFILES \G;
多次测试效率对比来看,使用1CP优化的查询效率会好一些。这里建议多存储一些数据效果更明显。
10.5 ICP的使用条件
- 如果表的访问类型为 range 、 ref 、 eq_ref 或者 ref_or_null 可以使用ICP
- ICP可以使用
InnDB
和MyISAM
表,包括分区表InnoDB
和MyISAM
表 - 对于
InnoDB
表,ICP仅用于二级索引
。ICP的目标是减少全行读取次数,从而减少I/O操作 - 当SQL使用覆盖索引时,不支持ICP优化方法。因为这种情况下使用ICP不会减少I/O。
- 相关子查询的条件不能使用ICP
11. 普通索引 vs 唯一索引
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?
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:
create table test(
id int primary key,
k int not null,
name varchar(16),
index (k)
)engine=InnoDB;
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。
- 对于
普通索引
来说,查找到满足条件的第一个记录(5,500)后,需要继续检索
下一个记录,直到碰到第一个不满足k=5条件的记录。 - 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
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
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。
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。
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。
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
- 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,建议你尽量选择普通索引 。 - 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。
- 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
- 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?
- 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。
- 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。
回答:
SELECT *
FROM A
WHERE cc IN (
SELECT cc FROM B
)
// 等价
SELECT *
FROM A
WHERE EXISTS (
SELECT cc FROM B WHERE B.cc=A.cc
)
当A的数据量小于B时, 用EXISTS实现, 相当于外表循环, 伪代码实现逻辑类似于
for i in A
for j in B
if j.cc == i.cc then
....
当B小于A时用IN, 实现逻辑如下
for i in B
fro j in A
if j.cc == i.cc then
...
哪个表笑傲就用哪个表来驱动, A表下就用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
所有
数据行数进行统计。
- 如果有WHERE子句,则是对所有
- **环节2:**如果是
MyISAM
存储引擎,统计数据表的行数只需要的O(1)
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,而一致性则由表级锁来保证。
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)
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COUT(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,才会主键索引采用``来进行统计。
- 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COUT(1)来说,它们不需要查找具体的行,只是统计行数,系统会
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。
原因如下:
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无法使用
覆盖索引
12.4 LIMIT 1 对优化的影响
针对的是全表扫描
的 SQL 语句,如果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。
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
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。
COMMIT 所释放的资源:
- 回滚段(roll_poiner)上用于恢复数据的信息
- 被程序语句获得的锁
- redo / undo log buffer 中的空间
- 管理上述 3 种资源中的内部花费
13. 淘宝数据库,主键如何设计的?
聊一个实际问题:淘宝的数据库,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?站在2022年的新年档口,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:
-
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
Q: 自增长ID回溯是什么?
A: 在MySQL数据库中,自增长id回溯问题是指:
已生成
的自增ID,在下一次插入数据时,生成的自增ID竟然比上一次的还小
。导致存入数据库的自增ID出现了回溯的情况。
具体来说,它通常表现为:
-
插入第一条数据,自增ID生成1
-
插入第二条数据,自增ID生成2
-
插入第三条数据,自增ID生成了0或1,比第二条数据的ID还要小
这就是自增ID发生了回溯。
主要原因有:
-
数据库重启, 自增列计数器重置
-
同一表的多线程并发插入数据
-
手动或者错误地修改了自增列值
-
使用了不支持自增的存储引擎,如MyISAM
-
在多主集群中自增ID配置有问题
这个问题会导致数据插入时自增ID不连续、重复,产生数据不一致等问题。
所以在使用MySQL自增ID时,需要注意可能导致回溯的情况,以避免数据错误。
-
-
**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。
-
性能差
自增ID的性能较差,需要在数据库服务器端生成。
-
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。 -
**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。
表数据如下:
在这个表里,哪个字段比较合适呢?
- 选择卡号(cardno)
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。
CREATE TABLE 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
);
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。
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。
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。
但是从使用系统的业务层面
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)
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)
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。
- 选择会员电话 或 身份证号
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。
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
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
在淘宝的电商业务中,订单服务是一个核心业务。请问, 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
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
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
非核心业务 :对应表的主键自增ID,如告警、日志、监控等信息。
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。
UUID的特点:
全局唯一,占用36
字节,数据无序,插入性能差。
认识UUID:
- 为什么UUID是全局唯一的?
- 为什么UUID占用36个字节?
- 为什么UUID是无序的?
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)
UUID通常是128位,包含以下几部分:
时间戳:60位二进制,表示时间戳
版本:4位二进制,表示UUID的版本
变体:12位二进制,用于标识UUID的变体
节点ID:48位二进制,标识生成UUID的机器节点
我们以UUID值e0ea12d4-6473-11eb-943c-00155dbaa39d举例:
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1/100ns。
时间 + 版本的构成
- 时间低位: 32位, 100纳秒精度时间戳,记录从1582年开始的100纳秒计数
- 时间中位: 16位,记录时间戳的随机数, 避免不同时间戳的冲突
- 时间高位:12位, 记录UUID的版本号
- UUID版本: UUID所用的版本
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。
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。
为什么UUID是随机无序的呢?
因为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。
改造UUID
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。
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_uuid函数进行转化:
SET @uuid = UUID();
SELECT @uuid,uuid_to_bin(@uuid),uuid_to_bin(@uuid,TRUE);
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!
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:
![image-20220706162947613](https://i-blog.csdnimg.cn/blog_migrate/f8b23385cacdf819a4a0074ba15148f6.png)
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。
如果不是MySQL8.0 肿么办?
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。