MySQL索引优化实战

Explain工具介绍
MySQL调优之Explain工具最佳实践(二）

分页查询优化

测试表：

CREATE TABLE `employees` (
  `id` int(11) NOT NULL AUTO_INCREMENT,
  `name` varchar(24) NOT NULL DEFAULT '' COMMENT '姓名',
  `age` int(11) NOT NULL DEFAULT '0' COMMENT '年龄',
  `position` varchar(20) NOT NULL DEFAULT '' COMMENT '职位',
  `hire_time` timestamp NOT NULL DEFAULT CURRENT_TIMESTAMP COMMENT '入职时间',
  PRIMARY KEY (`id`),
  KEY `idx_name_age_position` (`name`,`age`,`position`) USING BTREE
) ENGINE=InnoDB AUTO_INCREMENT=1 DEFAULT CHARSET=utf8 COMMENT='员工记录表';

limit分页查询

很多时候我们业务系统实现分页功能可能会用如下sql实现

 select * from employees limit 10000,10;

表示从表empployees取出10001行开始的10行记录；
看似只查询了10条记录。实际这条SQL是先读取了10010条数据，然后前10000条数据，然后读到后面10条数据。因此如果要查询一张几百万条数据的表，执行效率非常慢。

分页场景优化技巧

场景1：自增且主键排序

1. 根据自增且连续的主键排序的分页查询

select * from employees limit 90000,5;

2. 查看执行计划：
   
   过程全表扫描，其实就是将主键聚簇索引的底层结点连接指针遍历一次，然后根据limit条件将数据取出来。最终拿出了90005条数据。

该SQL语句会通过全表扫描的方式查询90005条数据，然后将前90000条数据抛弃，没有添加order by ，表示通过主键排序。因为主键自增且连续的，所以可以改写成按照主键去查询从第90001条开始的5条数据；

3. 优化

select * from employees where id>90000 limit 5

4. 查看执行计划：使用了主键索引作为查询条件
   
   过程：这里使用where作为查询条件，而不是扫描条件，根据主键的值，在主键聚簇索引B+树里进行遍历，直至找到ID值为90000的结点，然后再使用连接指针将下一个指向的结点取出来，取出5个。

结果：
显然改写后的SQL语句走了索引，而且扫描的行数大大减少，执行效率更高。

缺点

但是这条改写的SQL语句在很多场景下不能使用。因为表中的某些数据被删除后，主键空缺，导致结果不一致。**
如下图试验所示：（先删除一条前面的记录，然后再测试原 SQL 和优化后的 SQL）：

 select * from employees limit 10000,10;

select * from employees where id>90000 limit 5

两条 SQL 的结果并不一样，因此，如果主键不连续，不能使用上面描述的优化方法。
另外如果原 SQL 是 order by 非主键的字段，按照上面说的方法改写会导致两条 SQL 的结果不一致。所以这种改写得满足以下两个条件：

• 主键自增且连续
• 结果是按照主键排序的

根据非主键字段排序的分页查询

再看一个根据非主键字段排序的分页查询。

1. SQL 如下：

select * from employees ORDER BY name limit 90000,5;

2. 查询计划

EXPLAIN select * from employees ORDER BY name limit 90000,5;

使用的全表扫描，且出现了using filesort文件排序。
原因：可能要扫描二级索引name进行排序，排完序后，还要根据二级索引的每个值进行回表扫描，这个过程可能速度没有全表扫描快，所以MySQL优化器放弃了使用索引进行排序，改用全表扫描。

3. 优化

mysql> select * from employees e inner join (select id from employees order by name limit 90000,5) ed on e.id = ed.id;

4. 查看执行计划
   
   我们再对比优化前后sql的执行计划，
   需要的结果与原 SQL 一致，执行时间减少了一半以上。
   原 SQL 使用的是 filesort 排序，而优化后的 SQL 使用的是索引排序。

JOIN关联查询优化

示例表：

-- 示例表：
CREATE TABLE `t1` (
  `id` int(11) NOT NULL AUTO_INCREMENT,
  `a` int(11) DEFAULT NULL,
  `b` int(11) DEFAULT NULL,
  PRIMARY KEY (`id`),
  KEY `idx_a` (`a`)
) ENGINE=InnoDB DEFAULT CHARSET=utf8;

create table t2 like t1;

-- 插入一些示例数据
-- 往t1表插入1万行记录
drop procedure if exists insert_t1; 
delimiter ;;
create procedure insert_t1()        
begin
  declare i int;                    
  set i=1;                          
  while(i<=10000)do                 
    insert into t1(a,b) values(i,i);  
    set i=i+1;                       
  end while;
end;;
delimiter ;
call insert_t1();

-- 往t2表插入100行记录
drop procedure if exists insert_t2; 
delimiter ;;
create procedure insert_t2()        
begin
  declare i int;                    
  set i=1;                          
  while(i<=100)do                 
    insert into t2(a,b) values(i,i);  
    set i=i+1;                       
  end while;
end;;
delimiter ;
call insert_t2();

mysql的表关联常见有两种算法

1. Nested-Loop Join算法
2. Block Nested-Loop Join算法

嵌套循环连接（Nested-Loop Join算法）算法

一次一行循环的从驱动表里读取行，在这行数据中获取到关联字段，根据关联字段在被驱动表里取出所有满足条件的行，然后取出两张表的结果合集。

EXPLAIN select * from t1 inner join t2 on t1.a= t2.a;

从执行计划中可以看到这些信息：

• 驱动表是t2,被驱动表是t1.先执行的是驱动表（执行计划结果的id列相同则按照从上到下执行SQL语句）；优化器一般会优先选择校表作为驱动表，用where条件过滤完驱动表，然后在跟被驱动表做关联查询。所以inner join时，排在前面的表不一定就是驱动表。
• 当使用left join，坐表时驱动表，右表是被驱动表
• 当使用right join时，左表时被驱动表，右表是驱动表。
• 当使用inner join 或者 join，mysql会选择数据量小的作为驱动表，大表作为被驱动表。
• 使用了NLJ算法，一般join语句中，如果执行计划中未出现using join buffer，则使用的算法是join算法是NLJ；

sql的大致流程

1. 从t2表中读取一行数据（如果t2表有查询过滤条件的，先用过滤条件过滤完，再从过滤结果里取出一行数据）；
2. 从第1步的数据中，取出关联字段a，到表t1中查找；
3. 取出t1中满足条件的行，跟t2中的结果进行合并，作为结果返回给客户端。
4. 重复上面3步。

整个过程会读取 t2 表的所有数据(扫描100行)，然后遍历这每行数据中字段 a 的值，根据 t2 表中 a 的值索引扫描 t1 表中的对应行(扫描100次 t1 表的索引，1次扫描可以认为最终只扫描 t1 表一行完整数据，也就是总共 t1 表也扫描了100行)。因此整个过程扫描了 200 行。
如果被驱动表的关联字段没索引，使用NLJ算法性能会比较低(下面有详细解释)，mysql会选择Block Nested-Loop Join算法。

基于块的嵌套循环连接算法（Block Nested-Loop Join）

把驱动表的数据读入到join-buffer中，然后扫描被驱动表，把被驱动表每一行取出来跟join-buffer中的数据进行对比；

EXPLAIN select * from t1 inner join t2 on t1.b= t2.b;

Extra 中 的Using join buffer (Block Nested Loop)说明该关联查询使用的是 BNL 算法。

sql的大致流程

1. 把t2的所有数据放入到join-buffer中；
2. 把表t1中每一行取出来，跟join-buffer的数据作对比；
3. 返回满足join条件的数据。

整个过程对表 t1 和 t2 都做了一次全表扫描，因此扫描的总行数为10000(表 t1 的数据总量) + 100(表 t2 的数据总量) = 10100。
并且join-buffer里的数据是无序的。因此对表t1中的每一行，都要做100次判断，所以内存中的判断次数是100* 10000=100万次。

join_buffer 的大小是由参数 join_buffer_size 设定的，默认值是 256k。

如果放不下表 t2 的所有数据话，策略很简单，就是分段放。
比如 t2 表有1000行记录， join_buffer 一次只能放800行数据，那么执行过程就是先往 join_buffer 里放800行记录，然后从 t1 表里取数据跟 join_buffer 中数据对比得到部分结果，然后清空 join_buffer ，再放入 t2 表剩余200行记录，再次从 t1 表里取数据跟 join_buffer 中数据对比。所以就多扫了一次 t1 表。

两种算法比较

被驱动表的关联字段没索引为什么要选择使用 BNL 算法而不使用 Nested-Loop Join 呢？
如果上面第二条sql使用 Nested-Loop Join，那么t2表每取出一条记录，则使用全表扫描扫描符合条件的所有记录。每一张表有10000条数据，t2表有100条数据，笛卡尔积就是100万次，这个还是磁盘扫描。

很显然，用BNL磁盘扫描次数少很多，相比于磁盘扫描，BNL的内存计算会快得多。
因此MySQL对于被驱动表的关联字段没索引的关联查询，一般都会使用 BNL 算法。如果有索引一般选择 NLJ 算法，有索引的情况下 NLJ 算法比 BNL算法性能更高

对于关联sql的优化

1. 关联字段加索引
   让mysql做join操作时尽量选择NLJ算法，驱动表因为需要全部查询出来，所以过滤的条件尽量要走索引，避免全表扫描。总之，能走索引的过滤条件尽量都走索引
2. 小表驱动大表
   写多表连接sql时如果明确知道哪张表是小表可以用straight_join写法固定连接驱动方式，省去mysql优化器自己判断的时间
   比如：select * from t2 straight_join t1 on t2.a = t1.a; 代表指定mysql选着 t2 表作为驱动表。

• straight_join只适用于inner join，并不适用于left join，right join。（因为left join，right join已经代表指定了表的执行顺序）
• 尽可能让优化器去判断，因为大部分情况下mysql优化器是比人要聪明的。使用straight_join一定要慎重，因为部分情况下人为指定的执行顺序并不一定会比优化引擎要靠谱。

对于小表的定义

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。

in和exsits优化

原则：小表驱动大表，即小的数据集驱动大的数据集

1. in：当B表的数据集小于A表的数据集时，in优于exists

select * from A where id in (select id from B)  
#等价于：
　　for(select id from B){
      select * from A where A.id = B.id
    }

2. 当A表的数据集小于B表的数据集时，exists优于in
   　将主查询A的数据，放到子查询B中做条件验证，根据验证结果（true或false）来决定主查询的数据是否保留

select * from A where exists (select 1 from B where B.id = A.id)
#等价于:
    for(select * from A){
      select * from B where B.id = A.id
    }
    
#A表与B表的ID字段应建立索引

count(*)查询优化

-- 临时关闭mysql查询缓存，为了查看sql多次执行的真实时间
mysql> set global query_cache_size=0;
mysql> set global query_cache_type=0;

mysql> EXPLAIN select count(1) from employees;
mysql> EXPLAIN select count(id) from employees;
mysql> EXPLAIN select count(name) from employees;
mysql> EXPLAIN select count(*) from employees;

注意：以上4条sql只有根据某个字段count不会统计字段为null值的数据行

四个sql的执行计划一样，说明这四个sql执行效率应该差不多
字段有索引：count(*) ≈ count(1）>count(字段) >count(id)
字段有索引count(字段)统计走二级索引，二级索引存储数据比主键索引少，所以count(字段)>count(主键 id)

字段无索引：count(*)≈count(1) >count(id)>count(字段）
字段没有索引count(字段)统计走不了索引，count(主键 id)还可以走主键索引，所以count(主键 id)>count(字段)

• count(1)跟count(字段)执行过程类似，不过count(1)不需要取出字段统计，就用常量1做统计，count(字段)还需要取出字段，所以理论上count(1)比count(字段)会快一点。

• count() 是例外，mysql并不会把全部字段取出来，而是专门做了优化，不取值，按行累加，效率很高，所以不需要用count(列名)或count(常量)来替代 count()。

• 为什么对于count(id)，mysql最终选择辅助索引而不是主键聚集索引？
  因为二级索引相对主键索引存储数据更少，二级索引B+树每个结点可以存储的索引结点数量更多，一次IO操作可以读取更多的索引结点，这就检索性能应该更高，mysql内部做了优化。

常见优化方法

1. 查询mysql自己维护的总行数
   对于myisam存储引擎的表做不带where条件的count查询性能是很高的，因为myisam存储引擎的表的总行数会被mysql存储在磁盘上，查询不需要计算
   
   对于innodb存储引擎的表mysql不会存储表的总记录行数，查询count需要实时计算

2. show table status
   如果只需要知道表总行数的估计值可以用如下sql查询，性能很高
   

3. 将总数维护到Redis里
   插入或删除表数据行的时候同时维护redis里的表总行数key的计数值(用incr或decr命令)，但是这种方式可能不准，很难保证表操作和redis操作的事务一致性

4. 增加数据库计数表
   插入或删除表数据行的时候同时维护计数表，让他们在同一个事务里操作

阿里巴巴Mysql规范解读

MySQL数据类型选择
（1）确定合适的大类型：数字、字符串、时间、二进制；
（2）确定具体的类型：有无符号、取值范围、变长定长等。
在MySQL数据类型设置方面，尽量用更小的数据类型，因为它们通常有更好的性能，花费更少的硬件资源。并且，尽量把字段定义为NOT NULL，避免使用NULL。

数值类型

优化建议

1. DECIMAL最适合保存准确度要求高，而且用于计算的数据，比如价格。但是在使用DECIMAL类型的时候，注意 长度设置。
2. 整数通常是最佳的数据类型，因为它速度快，并且能使用AUTO_INCREMENT。

日期和时间

优化建议

1. MySQL能存储的最小时间粒度为秒。
2. 建议用DATE数据类型来保存日期。MySQL中默认的日期格式是yyyy-mm-dd。
3. 用MySQL的内建类型DATE、TIME、DATETIME来存储时间，而不是使用字符串。
4. 当数据格式为TIMESTAMP和DATETIME时，可以用CURRENT_TIMESTAMP作为默认（MySQL5.6以后）， MySQL会自动返回记录插入的确切时间。

字符串

优化建议

1. 字符串的长度相差较大用VARCHAR；字符串短，且所有值都接近一个长度用CHAR。
2. CHAR和VARCHAR适用于包括人名、邮政编码、电话号码和不超过255个字符长度的任意字母数字组合。那些 要用来计算的数字不要用VARCHAR类型保存，因为可能会导致一些与计算相关的问题。换句话说，可能影响到计 算的准确性和完整性。