一次有趣的SQL优化

场景
我用的数据库是mysql5.7，下面简单的介绍下场景

首先创建Course、Student和SC几张表，主要用于测试sql使用

课程表： create table Course( c_id int PRIMARY KEY, name varchar(10) )

数据100条

学生表:
create table Student(
id int PRIMARY KEY,
name varchar(10)
)
数据70000条

学生成绩表SC：
CREATE table SC(
sc_id int PRIMARY KEY,
s_id int,
c_id int,
score int
)
数据70w条

查询目的：

查找语文考100分的考生
查询语句：

select s.* from Student s where s.s_id in (select s_id from SC sc where sc.c_id = 0 and sc.score = 100 )
执行时间：30248.271s

晕，为什么这么慢，先来查看下查询计划：

EXPLAIN

EXPLAIN select s.* from Student s where s.s_id in (select s_id from SC sc where sc.c_id = 0 and sc.score = 100 )

发现没有用到索引，type全是ALL，那么首先想到的就是建立一个索引，建立索引的字段当然是在where条件的字段了。

先给sc表的c_id和score建个索引

CREATE index sc_c_id_index on SC(c_id);
CREATE index sc_score_index on SC(score);

再次执行上述查询语句，时间为: 1.054s
快了3w多倍，大大缩短了查询时间，看来索引能极大程度的提高查询效率，建索引很有必要，很多时候都忘记建索引了，数据量小的的时候压根没感觉，这优化的感觉挺爽。
但是1s的时间还是太长了，还能进行优化吗，仔细看执行计划：

查看优化后的sql:

SELECT
YSB.s.s_id AS s_id,
YSB.s.name AS name
FROM
YSB.Student s
WHERE
< in_optimizer > (
YSB.s.s_id ,< EXISTS > (
SELECT
FROM
YSB.SC sc
WHERE
(
(YSB.sc.c_id = 0)
AND (YSB.sc.score = 100)
AND (
< CACHE > (YSB.s.s_id) = YSB.sc.s_id
)
)
)
)

怎么查看优化后的语句？

方法如下（在命令窗口执行 ）：

有type=all按照我之前的想法，该sql的执行的顺序应该是先执行子查询
select s_id from SC sc where sc.c_id = 0 and sc.score = 100
耗时：0.001s
得到如下结果：

然后再执行
select s.* from Student s where s.s_id in(7,29,5000)
耗时：0.001s

这样就是相当快了啊，Mysql竟然不是先执行里层的查询，而是将sql优化成了exists子句，并出现了EPENDENT SUBQUERY，mysql是先执行外层查询，再执行里层的查询，这样就要循环70007*8次。

那么改用连接查询呢？

SELECT s.* from Student s
INNER JOIN SC sc on sc.s_id = s.s_id where sc.c_id=0 and sc.score=100

这里为了重新分析连接查询的情况，先暂时删除索引sc_c_id_index，sc_score_index
执行时间是：0.057s
效率有所提高，看看执行计划：

这里有连表的情况出现，我猜想是不是要给sc表的s_id建立个索引
CREATE index sc_s_id_index on SC(s_id);
show index from SC

再执行连接查询
时间: 1.076s
竟然时间还变长了，什么原因？查看执行计划：

优化后的查询语句为：
SELECT
YSB.s.s_id AS s_id,
YSB.s.name AS name
FROM
YSB.Student s
JOIN YSB.SC sc
WHERE
(
(
YSB.sc.s_id = YSB.s.s_id
)
AND (YSB.sc.score = 100)
AND (YSB.sc.c_id = 0)
)

貌似是先做的连接查询，再进行的where条件过滤
回到前面的执行计划：

这里是先做的where条件过滤，再做连表，执行计划还不是固定的，那么我们先看下标准的sql执行顺序：

正常情况下是先join再进行where过滤，但是我们这里的情况，如果先join，将会有70w条数据发送join，因此先执行where过滤是明智方案，现在为了排除mysql的查询优化，我自己写一条优化后的sql

SELECT
s.*
FROM
(
SELECT
*
FROM
SC sc
WHERE
sc.c_id = 0
AND sc.score = 100
) t
INNER JOIN Student s ON t.s_id = s.s_id
即先执行sc表的过滤，再进行表连接
执行时间为：0.054s
和之前没有建s_id索引的时间差不多

查看执行计划：

先提取sc再连表，这样效率就高多了，现在的问题是提取sc的时候出现了扫描表，那么现在可以明确需要建立相关索引

CREATE index sc_c_id_index on SC(c_id);
CREATE index sc_score_index on SC(score);

再执行查询：
SELECT
s.*
FROM
(
SELECT
*
FROM
SC sc
WHERE
sc.c_id = 0
AND sc.score = 100
) t
INNER JOIN Student s ON t.s_id = s.s_id

执行时间为：0.001s
这个时间相当靠谱，快了50倍
执行计划：

我们会看到，先提取sc，再连表，都用到了索引。

那么再来执行下sql:

SELECT s.* from Student s
INNER JOIN SC sc on sc.s_id = s.s_id where sc.c_id=0 and sc.score=100
执行时间0.001s
执行计划：

这里是mysql进行了查询语句优化，先执行了where过滤，再执行连接操作，且都用到了索引。
调整内容为SC表的数据增长到300W,学生分数更为离散。
先回顾下：

show index from SC

执行sql
SELECT s.* from
Student s
INNER JOIN SC sc
on sc.s_id = s.s_id
where sc.c_id=81 and sc.score=84

执行时间：0.061s
这个时间稍微慢了点
执行计划：

这里用到了intersect并集操作，即两个索引同时检索的结果再求并集，再看字段score和c_id的区分度，单从一个字段看，区分度都不是很大，从SC表检索，c_id=81检索的结果是70001,score=84的结果是39425。

而c_id=81 and score=84 的结果是897，即这两个字段联合起来的区分度是比较高的，因此建立联合索引查询效率将会更高，从另外一个角度看，该表的数据是300w，以后会更多，就索引存储而言，都是不小的数目，随着数据量的增加，索引就不能全部加载到内存，而是要从磁盘去读取，这样索引的个数越多，读磁盘的开销就越大，因此根据具体业务情况建立多列的联合索引是必要的，那么我们来试试吧。

alter table SC drop index sc_c_id_index;
alter table SC drop index sc_score_index;
create index sc_c_id_score_index on SC(c_id,score);

执行上述查询语句
消耗时间为：0.007s
这个速度还是可以接受的

该语句的优化暂时告一段落

总结：

mysql嵌套子查询效率确实比较低，可以将其优化成连接查询
连接表时，可以先用where条件对表进行过滤，然后做表连接（虽然mysql会对连表语句做优化）
建立合适的索引，必要时建立多列联合索引。

学会分析sql执行计划，mysql会对sql进行优化，所以分析执行计划很重要

索引优化

上面讲到子查询的优化，以及如何建立索引，而且在多个字段索引时，分别对字段建立了单个索引
后面发现其实建立联合索引效率会更高，尤其是在数据量较大，单个列区分度不高的情况下。
单列索引

查询语句如下：
select * from user_test_copy where sex = 2 and type = 2 and age = 10
索引：
CREATE index user_test_index_sex on user_test_copy(sex);
CREATE index user_test_index_type on user_test_copy(type);
CREATE index user_test_index_age on user_test_copy(age);
分别对sex,type,age字段做了索引，数据量为300w
查询时间：0.415s
执行计划：

发现type=index_merge
这是mysql对多个单列索引的优化，对结果集采用intersect并集操作
多列索引

我们可以在这3个列上建立多列索引，将表copy一份以便做测试
create index user_test_index_sex_type_age on user_test(sex,type,age);
查询语句：
select * from user_test where sex = 2 and type = 2 and age = 10
执行时间：0.032s
快了10多倍，且多列索引的区分度越高，提高的速度也越多
执行计划：

最左前缀

多列索引还有最左前缀的特性：
都会使用到索引，即索引的第一个字段sex要出现在where条件中
执行一下语句：
select * from user_test where sex = 2
select * from user_test where sex = 2 and type = 2
select * from user_test where sex = 2 and age = 10
索引覆盖

就是查询的列都建立了索引，这样在获取结果集的时候不用再去磁盘获取其它列的数据，直接返回索引数据即可
如：

select sex,type,age from user_test where sex = 2 and type = 2 and age = 10
执行时间：0.003s
要比取所有字段快的多
排序

select * from user_test where sex = 2 and type = 2 ORDER BY user_name
时间：0.139s

在排序字段上建立索引会提高排序的效率

create index user_name_index on user_test(user_name)

最后附上一些sql调优的总结，以后有时间再深入研究
列类型尽量定义成数值类型，且长度尽可能短，如主键和外键，类型字段等等
建立单列索引
根据需要建立多列联合索引
当单个列过滤之后还有很多数据，那么索引的效率将会比较低，即列的区分度较低，那么如果在多个列上建立索引，那么多个列的区分度就大多了，将会有显著的效率提高。
根据业务场景建立覆盖索引
只查询业务需要的字段，如果这些字段被索引覆盖，将极大的提高查询效率
多表连接的字段上需要建立索引
这样可以极大的提高表连接的效率
where条件字段上需要建立索引
排序字段上需要建立索引
分组字段上需要建立索引
Where条件上不要使用运算函数，以免索引失效