高级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——索引建立。
- 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
- 数据过多一一分库分表
关于数据库调优的知识点非常分散。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,换一种查询写法执行效率可能更高。
1. 数据准备
学员表插50万条, 班级表插1万条。
步骤1:建表
CREATE DATABASE test01;
USE test01;
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:
set global log_bin_trust_function_creators=1; # 不加global只是当前窗口有效
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;
#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
class:
#执行存储过程,往class表添加1万条数据
CALL insert_class(10000);
stu:
#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
CALL proc_drop_index("dbname","tablename");
2. 索引失效案例
这一节中,脑海中要时常出现B+树。
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 全值匹配我最爱
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';
2.2 最佳左前缀法则
在MySQLi建立联合索引时会遵守最佳左前缀匹配原则,即最左优先,在检索数据时从联合索引的最左边开始匹配。
查看目前表中的索引信息:
SHOW INDEX FROM student;
举例1:
EXPLAIN SELECT SQL_NO_CACHE * FROM student
WHERE age=30 AND NAME = 'abcd';
举例2:
EXPLAIN SELECT SQL_NO_CACHE * FROM student
WHERE classId=1 AND NAME = 'abcd';
可能有人会有疑问,不是有一个联合索引
idx_age_classid_name(age,classid,name)
吗,注意这里我们联合索引是先写的age
,当它查询classid=1
的时候,发现并没有classid
单列索引也没有classid
在第一的联合索引可以用,所以这里没有使用到索引。
举例3:
EXPLAIN SELECT SQL_NO_CACHE * FROM student
WHERE classId=4 AND age=30 AND NAME = 'abcd';
结论:
MySQL可以为多个字段创建索引,一个索引可以包括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使用这些字段中第1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,数据页和记绿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,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、函数导致索引失效
2.4.1 函数导致索引失效
创建索引:
CREATE INDEX idx_name ON student(NAME);
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';
结论:模糊查询的那个较好,因为它会使用索引,而第二中LEFT函数 会导致索引失效
2.4.2 计算导致索引失效
创建索引:
CREATE INDEX idx_sno ON student(stuno);
查看如下两条语句的执行计划:
EXPLAIN SELECT SQL_NO_CACHE id, stuno, NAME FROM student
WHERE stuno+1 = 900001; #这里stuno+1是做运算
EXPLAIN SELECT SQL_NO_CACHE id, stuno, NAME FROM student
WHERE stuno = 900000; #去掉运算
2.5 类型转换
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;
# 使用到索引
EXPLAIN SELECT SQL_NO_CACHE * FROM student
WHERE name='123';
2.6 范围条件右边的列索引失效
如果系统经常出现的sq如下:
#查看一下当前表有哪些索引
SHOW INDEX FROM student;
#删除所有所有索引
CALL proc_drop_index('test01','student');
#针对如下查询条件创建索引
CREATE INDEX idx_age_cid_name ON student(age,classId,NAME);
EXPLAIN SELECT SQL_NO_CACHE * FROM student
WHERE student.age=30 AND student.classId>20
AND student.name = 'abc' ;
此时发现key_len的值为10,说明只用上了联合索引的两个字段,一个是age,(类型为int 占5个字节),一个是classId(类型为int 占5个字节),那为什么name字段没有用上呢?明明符合最左前缀法则,原因是当使用到classId的时候,发现他是一个范围查询,就会导致右边列的索引失效,(注意,查询优化器在做条件查询的时候,会自动的帮你调整顺序,但是无论如何调整,都会导致失效),对应在脑海中的B+树,当遍历的时候(最左前缀)现根据条件age便利,当条件相同,就根据条件classId,由于classId是一个范围,遍历的时候就会便利所有B+树节点,从而导致无法使用后面一个索引,所以,要想防止这种情况发生,我们就要将范围条件查询语句放置到最后面(创建索引的时候)。
CREATE INDEX idx_age_name_cid ON student(age,NAME,classId);
EXPLAIN SELECT SQL_NO_CACHE * FROM student
WHERE student.age=30 AND student.name = 'abc' #查询语句也是:范围条件查询语句放置到最后面
AND student.classId>20 ;
2.7 不等于(!= 或者<>)索引失效
同理,脑海中出现B+树,当你是确定的等于的时候,能够遍历B+树(最左前缀),但是当你是不等于的时候,就不得不遍历所有的节点了。
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'
2.8 is null可以使用索引,is not null无法使用索引
同理,脑海中出现B+树,当你是确定的等于的时候,能够遍历B+树(最左前缀),但是当你是不等于的时候,就不得不遍历所有的节点了。
is null 可以触发索引
EXPLAIN SELECT SQL_NO_CACHE * FROM student WHERE age IS NULL;
is not null无触发索引
EXPLAIN SELECT SQL_NO_CACHE * FROM student WHERE age IS NOT NULL;
结论:最好在设计数据表的时候就将字段设置为NOT NULL约束,比如你可以将INT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
('')
。拓展: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
同理,脑海中出现B+树,当只要第一个字符不是%的时候,能够遍历B+树(最左前缀),但是当你第一个字符是%的时候,就不得不遍历所有的节点了。
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。
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,因此索引的条件列也会失效。
查询语句使用OR关键字的情况:
#删除所有所有索引
CALL proc_drop_index('test01','student');
CREATE INDEX idx_age ON student(age);
# 未使用到索引
EXPLAIN SELECT SQL_NO_CACHE * FROM student
WHERE age = 10 OR classid = 100;
CREATE INDEX idx_age ON student(age);
CREATE INDEX idx_cid ON student(classId);
#使用到索引
EXPLAIN SELECT SQL_NO_CACHE * FROM student
WHERE age = 10 OR classid = 100;
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)
Where语句 | 索引是否被使用 |
---|---|
where a = 3 | Y,使用到a |
where a = 3 and b = 5 | Y,使用到a,b |
where a = 3 and b = 5 and c = 4 | Y,使用到a,b,c |
where b = 3 或者 where b = 3 and c = 4 或者 where c = 4 | N |
where a = 3 and c = 5 | Y,使用到a,但是c不可以,中间b中断了 |
where a = 3 and b > 4 and c = 5 | Y,使用到a,b;c不能用在范围之后,b断了 |
where a is null and b is not null | Y,使用到了a,b未使用 |
where a <> 3 | N |
where abs(a) = 3 | N |
where a = 3 and b like 'kk%' and c = 4 |
Y,使用到a,b,c |
where a = 3 and b like ‘%kk’ and c = 4 | Y,使用到了a |
where a = 3 and b like ‘%kk%’ and c = 4 | Y,使用到了a |
where a = 3 and b like ‘k%kk%’ and c = 4 | Y,使用到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,尽量选择能够包含当前query中的where子句中更多字段的索引。
- 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)));
#向类型表中添加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)));
3.2 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;
这里的执行过程:
因为两表都有20条数据,执行的时候,先从驱动表(type)中取出1条数据,然后和依次和被驱动表(book)中的数据进行对比。所以这里就会执行20*20次,效率很低。
给被驱动表添加上索引
CREATE INDEX Y ON book(card);
#再次执行
EXPLAIN SELECT SQL_NO_CACHE *
FROM `type` LEFT JOIN book ON type.card = book.card;
此时的执行过程:
从驱动表(type)中取出1条数据,然后和和被驱动表(book)中的数据进行对比,这里就直接执行B+树的遍历,比原来的全表扫描快很多。
其实你也可以给驱动表也加上,这样又更好一点
3.3 内连接
结论:
在外连接中,驱动表和被驱动表是确定的(如果查询优化器将你的外连接改为了内连接,那么就是不确定的),相对于内连接来说,内连接优化器有权利决定哪一个是驱动表,哪一个是被驱动表。
因为内连接是去公共的部分,两边的地位都相同,优化器在连接的时候,会先计算一下那边的成本较低,然后来决定那边是驱动表哪边是被驱动表。
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。
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。”小表驱动大表”
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。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关联的执行时间会非常长。在MySQL5.5以后的版本中,MySQL通过引入BNLJ算法来优化嵌套执行。
3.4.1 驱动表和被驱动表
驱动表就是主表,被驱动表就是从表
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 ... #或者 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); #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);
测试1中,发现b表作为了主表,原因就是查询优化器重写了你的sql语句,将你的查询语句改为了内连接的方式。
通过
SHOW WARNINGS
查看一下重写的语句。SHOW WARNINGS;
Level Code Message ------ ------ ------------------------------------------------------------------------------------- Note 1003 /* select#1 */ select `test01`.`a`.`f1` AS `f1`,`test01`.`a`.`f2` AS `f2`,`test01`.`b`.`f1` AS `f1`,`test01`.`b`.`f2` AS `f2` from `test01`.`a` join `test01`.`b` where ((`test01`.`a`.`f1` = `test01`.`b`.`f1`) and (`test01`.`a`.`f2` = `test01`.`b`.`f2`))
可以发现重写为了内连接。
可以看见a在前b在后,此时就是a是主表,b是从表。
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,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 | SNLJ |
---|---|
外表扫描次数 | 1 |
内表扫描次数 | A |
读取记录数 | A+A*B |
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。
3.4.3 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 | SNLJ | INLJ |
---|---|---|
外表扫描次数 | 1 | 1 |
内表扫描次数 | A | 0 |
读取记录数 | A+A*B | 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。
3.4.4 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 bufferr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。
开销统计 | SNLJ | INLJ | BNLJ |
---|---|---|---|
外表扫描次数 | 1 | 1 | 1 |
内表扫描次数 | A | 0 | A*used_column_size / join_buffer_size + 1 |
读取记录数 | A+A*B | A+B(match) | A+B * (A * used_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
通过
Show variables like '%optimizer_switch%'
查看block_nested_loop
状态。默认是开启的。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=256k
。SHOW VARIABLES LIKE '%JOIN_BUFFER%';
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4GB并发出警告)。I
3.4.5 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)
- 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)
- 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)
- 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)
- 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。
- 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
3.4.6 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
Nested Loop:
对于被连接的数据子集越小的情况,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Hsh表匹配的行。
- 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。
- 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(如WHERE A.COL1=B.cOL2),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I/O | 内存、临时空间 |
特点 | 当有高选择性索引或进行限制性搜索时效率比较高,能够快速返回第一次的搜索结果。 | 当缺乏索引或者索引条件模糊时,Hash Join比Nested Loop有效。在数据仓库环境下,如果表的纪录数多,效率高。 |
缺点 | 当索引丢失或者查询条件限制不够时,效率很低;当表的纪录数多时,效率低。 | 为建立哈希表,需要大量内存。第一次的结果返回较慢。 |
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:
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IO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。
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。
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(这个相当于一个公式了)
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。
SHOW INDEX FROM student;
CALL proc_drop_index('test01','student');
SHOW INDEX FROM class;
CALL proc_drop_index('test01','class');
以下是否能使用到索引,能否去掉using filesort
5.2.1 过程一:
EXPLAIN SELECT SQL_NO_CACHE *
FROM student
ORDER BY age,classid;
EXPLAIN SELECT SQL_NO_CACHE *
FROM student
ORDER BY age,classid
LIMIT 10;
5.2.2 过程二:order by时不limit,索引失效
#创建索引
CREATE INDEX idx_age_classid_name ON student (age,classid,NAME);
#不限制,索引失效
EXPLAIN SELECT SQL_NO_CACHE *
FROM student
ORDER BY age,classid
为什么此处没有使用索引?
这里其实就和查询优化器以及你表中的数据量以及查询字段有关了,当查询优化器使用索引的时候,发现你是查找的所有列,而我只有两个字段有索引,此时就会导致回表操作,查询优化器发现,你既然要回表,并且当表中的数据量大的时候,还不如直接不使用索引来查询来到快,所以这里就没有使用索引。
但是如下操作就会使用索引:
EXPLAIN SELECT SQL_NO_CACHE age,classid
FROM student
ORDER BY age,classid;
此时使用索引是因为固定查找age和classid两个字段,而这两个字段刚好又是对应的索引列,查找时无需回表,所以此时使用索引来的更快。
但是此时我对于最开始的情况又做一下更改:
#增加mit过滤条件,使用上索引了。
EXPLAIN SELECT SQL_NO_CACHE *
FROM student
ORDER BY age,classid
LIMIT 10;
原因就是当数据量很大的时候也无需担心,因为我只需要10条数据,就算是回表操作我也比全表扫描来的快。
5.2.3 过程三:order by时顺序错误,索引失效
#创建索引age,classid,stuno
CREATE INDEX idx_age_classid_stuno ON student (age,classid,stuno);
#以下哪些索引失效?
EXPLAIN SELECT *
FROM student
ORDER BY classid
LIMIT 10; #失效
EXPLAIN SELECT *
FROM student
ORDER BY classid,NAME
LIMIT 10; #失效
EXPLAIN SELECT *
FROM student
ORDER BY age,classid,stuno
LIMIT 10; #有效
EXPLAIN SELECT *
FROM student
ORDER BY age,classid
LIMIT 10; #有效
EXPLAIN SELECT *
FROM student
ORDER BY age
LIMIT 10;#有效
5.2.4 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)
EXPLAIN SELECT *
FROM student
ORDER BY age DESC,classid ASC
LIMIT 10; #失效 两者排序方向不一致
EXPLAIN SELECT *
FROM student
ORDER BY classid DESC,NAME DESC
LIMIT 10; #失效 不满足最左前缀
EXPLAIN SELECT *
FROM student
ORDER BY age ASC,classid DESC
LIMIT 10; #失效 两者排序方向不一致
EXPLAIN SELECT *
FROM student ORDER BY age DESC,classid DESC
LIMIT 10; #有效 这两个字段都是索引且满足最左前缀原则,其次他们排序的方式都是一样的
5.2.5 过程五:无过滤,不索引
EXPLAIN SELECT *
FROM student
WHERE age=45
ORDER BY classid; #有效
EXPLAIN SELECT *
FROM student
WHERE age=45
ORDER BY classid,NAME;#有效
EXPLAIN SELECT *
FROM student
WHERE classid=45
ORDER BY age; #失效 根据sql的执行顺序,where要先执行,此时违背最左前缀原则
EXPLAIN SELECT *
FROM student
WHERE classid=45
ORDER BY age
LIMIT 10; #有效
根据sql的执行顺序,where要先执行,此时违背最左前缀原则,但是此时却用上了索引;查看发现type = index ,说明需要扫描索引上的全部数据,它仅比全表扫描快一点
5.2.6 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:
call proc_drop_index('test01','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 ;
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。
优化思路:
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); #因为这里的where条件的stuno是用的范围,所以就不必建他的索引
#执行
EXPLAIN SELECT SQL_NO_CACHE *
FROM student
WHERE age = 30 AND stuno <101000
ORDER BY NAME ;
方案二: 尽量让where的过滤条件和排序使用上索引
DROP INDEX idx_age_name ON student;
CREATE INDEX idx_age_stuno_name ON student (age,stuno,NAME);
EXPLAIN SELECT SQL_NO_CACHE * FROM student
WHERE age = 30 AND stuno <101000
ORDER BY NAME ;
当我们分别执行方案一和方案二的查询语句的时候,发现: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。
5.4 filesort算法:双路排序和单路排序
排序的字段若如果不在索引列上,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,单路比多路要多占用很多空间,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/0操作,反而得不偿失。
优化策略
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。MySQL5.7,InnoDB存储擎默认值是1048576字节,1MB。
SHOW VARIABLES LIKE '%sort_buffer_size';
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
SHOW VARIABLES LIKE '%max_length_for_sort_data%';#默认1024字节
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I/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
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——单路排序,否测用老算法——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
- 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;
CREATE INDEX idx_age_name ON student (age,NAME);
EXPLAIN SELECT * FROM student
WHERE age <> 20; #以前的规则是不等号会导致索引失效
但是我如果将上面的语句稍微修改一下就会使用到索引
EXPLAIN SELECT age,NAME FROM student WHERE age <> 20;
这是因为查询优化器的选择,他发现你要查询的字段就是索引列,省去了回表的操作,发现直接查索引的时间更短,所以它就选择使用索引。
举例二:
EXPLAIN SELECT * FROM student
WHERE NAME LIKE '%abc'; #以前的规则是模糊查询第一个字符为%会导致索引失效
同理,现在建立索引:
CREATE INDEX idx_age_name ON student (age,NAME);
修改查询语句:
EXPLAIN SELECT age,name 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才能获取我们真实所需要的数据(回表)。
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,减少了工IO操作,提升了查询效率。
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IO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。
9. 索引下推
9.1 使用前后对比
Index Condition Pushdown(ICP)是MySQL5.6中新特性,是一种在存储引擎层使用索引过滤数据的优化方式。
- 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。
9.2 ICP的开启/关闭
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:index_condition_pushdown
#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';
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
。
9.3 ICP使用案例
建表
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),
KEY zip_last_first (zipcode,lastname,firstname) #创建了联合索引
)ENGINE=INNODB AUTO_INCREMENT=5 DEFAULT CHARSET=utf8mb3 COLLATE=utf8_bin;
插入数据
INSERT INTO people VALUES
('1','80801','三','张','北京市'),
('2','808082','四','李','南京市'),
('3','08803','五','王','上海市'),
('4','88001','六','赵','天津');
为该表定义联合索引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引列的数据,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。
解读:
如果没有开启索引下推,默认的查询方式是,当走到
WHERE zipcode='000001'
时,由于zipcode字段有索引,所以查询优化器就会先根据zipcode字段过滤出数据来,然后走到AND lastname LIKE '%张%'
这一条件,发现模糊查询第一个字符使用了%号,会导致lastname索引失效,从而开始进行回表操作,然后再过滤数据。但是当开启了索引下推,当查询优化器发现
AND lastname LIKE '%张%'
的时候,此时lastname索引并没有失效,而是继续使用索引,在第一次过滤出出来的索引页中继续过滤数据(得到的仍然时索引页),然后在走到AND address LIKE '%北京市%';
处,发现其没有索引,此时在进行回表操作。总结来看,索引下推会减少回表的次数,从而来提高效率。
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%';
出现Using where的原因:在where中使用了非索引字段。
9.4 开启和关闭ICP的性能对比
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','天津市');
UNTIL i = max_num
END REPEAT;
COMMIT;
END //
DELIMITER ;
CALL insert_people(1000000);
首先打开profiling
set profiling = 1;
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%';
此时我们在关闭索引条件下推再来执行一下
SELECT /*+ no_icp(people)*/ * FROM people
WHERE zipcode='000001'
AND lastname LIKE '%张%';
9.5 ICP的使用条件
- 如果表访问的类型为range、ref、eq_ref和ref_or_null可以使用ICP
- ICP可以用于
InnoDB
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。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
其中3,4条主要表达的意思就是,ICP只适用于有回表操作的情况,如果都没有回表操作了,ICP也就不适用了。
10. 其它查询优化策略
10.1 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。
比如下面一个例子:
SELECT * FROM A WHERE cc IN (SELECT cc FROM B)
SELECT * FROM A WHERE EXISTS (SELECT cc FROM B WHERE B.cc=A.cc)
针对第一个查询语句:当A是大表,而SELECT cc FROM B
查询出来的结果是小表的情况下,就用IN
针对第二个查询语句:当A是小表,而B是大表的情况下,此时就用exists。
10.2 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C0UNT
,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0(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_cout
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。
10.3 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:
- 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
10.4 LIMIT1 对优化的影响
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。
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。
10.5 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
11. 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。
11.1 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。
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。
11.2 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。
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)
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。
11.3 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。
11.4 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)
我们以UUID值e0ea12d4-6473-11eb-943c-00155dbaa39d举例:
SELECT UUID() FROM DUAL; #UUDI的查询
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:
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。