一次非常有趣的 SQL 优化经历

来自:程序员的成长之路,作者:孤独键客

阅读本文大概需要 6 分钟。


前言


在网上刷到一篇数据库优化的文章,自己也来研究一波。


场景


数据库版本:5.7.25 ,运行在虚拟机中。


课程表


1#课程表
2create table Course(
3c_id int PRIMARY KEY,
4name varchar(10)
5)


增加 100 条数据


1#增加课程表100条数据
2DROP PROCEDURE IF EXISTS insert_Course;
3DELIMITER $
4CREATE PROCEDURE insert_Course()
5BEGIN
6    DECLARE i INT DEFAULT 1;

7        WHILE i<=100 DO
8        INSERT INTO Course(`c_id`,`name`) VALUES(i, CONCAT('语文',i+''));
9        SET i = i+1;
10    END WHILE;
11END $
12CALL insert_Course();


运行耗时


1CALL insert_Course();
2> OK
3> 时间: 0.152s


课程数据



学生表


1#学生表
2create table Student(
3s_id int PRIMARY KEY,
4name varchar(10)
5)


增加 7W 条数据


1#学生表增加70000条数据
2DROP PROCEDURE IF EXISTS insert_Student;
3DELIMITER $
4CREATE PROCEDURE insert_Student()
5BEGIN
6    DECLARE i INT DEFAULT 1;

7        WHILE i<=70000 DO
8        INSERT INTO Student(`s_id`,`name`) VALUES(i, CONCAT('张三',i+''));
9        SET i = i+1;
10    END WHILE;
11END $
12CALL insert_Student();


运行结果


1CALL insert_Student();
2> OK
3> 时间: 175.838s


学生数据



成绩表


1#成绩表
2CREATE table Result(
3r_id int PRIMARY KEY,
4s_id int,
5c_id int,
6score int
7)


增加 70W 条数据


1#成绩表增加70W条数据
2DROP PROCEDURE IF EXISTS insert_Result;
3DELIMITER $
4CREATE PROCEDURE insert_Result()
5BEGIN
6    DECLARE i INT DEFAULT 1;

7        DECLARE sNum INT DEFAULT 1;
8        DECLARE cNum INT DEFAULT 1;
9        WHILE i<=700000 DO
10                if (sNum%70000 = 0THEN
11                    set sNum = 1;
12                elseif (cNum%100 = 0THEN 
13                    set cNum = 1;
14                end if;
15        INSERT INTO Result(`r_id`,`s_id`,`c_id`,`score`) VALUES(i,sNum ,cNum , (RAND()*99)+1);
16        SET i = i+1;
17                SET sNum = sNum+1;
18                SET cNum = cNum+1;
19    END WHILE;
20END $
21CALL insert_Result();


运行结果


1CALL insert_Result();
2> OK
3> 时间: 2029.5s


成绩数据



测试


业务需求


查找 语文1 成绩为 100 分的考生


查询语句


1#查询语文1考100分的考生
2select s.* from Student s where s.s_id in 
3(select s_id from Result r where r.c_id = 1 and r.score = 100)


执行时间:0.937s


查询结果:32 位满足条件的学生


用了 0.9s ,来查看下查询计划:


1EXPLAIN
2select s.* from Student s where s.s_id in 
3(select s_id from Result r where r.c_id = 1 and r.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。


查询结果中 type 列:all 是全表扫描,index 是通过索引扫描。


先给 Result 表的 c_id 和 score 建立个索引


1CREATE index result_c_id_index on Result(c_id);
2
3CREATE index result_score_index on Result(score);


再次执行上述查询语句,时间为:0.027s


快了 34.7 倍(四舍五入),大大缩短了查询的时间,看来索引能极大程度的提高查询效率,在合适的列上面建立索引很有必要,很多时候都忘记建立索引,数据量小的时候没什么感觉,这优化的感觉很 nice 。


相同的 SQL 语句多次执行,你会发现第一次是最久的,后面执行所需的时间会比第一次执行短些许,原因是,相同语句第二次查询会直接从缓存中读取。


0.027s 很短了,但是还能再进行优化吗,仔细看下执行计划:



查看优化后的 SQL :


1SELECT
2    `example`.`s`.`s_id` AS `s_id`,
3    `example`.`s`.`name` AS `name` 
4FROM
5    `example`.`Student` `s` semi
6    JOIN ( `example`.`Result` `r` ) 
7WHERE
8    (
9    ( `example`.`s`.`s_id` = `<subquery2>`.`s_id` ) 
10    AND ( `example`.`r`.`score` = 100 ) 
11    AND ( `example`.`r`.`c_id` = 1 ) 
12    )


怎么查看优化后的语句呢?


方法如下(在命令窗口执行):


1#先执行
2EXPLAIN
3select s.* from Student s where s.s_id in 
4(select s_id from Result r where r.c_id = 1 and r.score = 100);
5#在执行
6show warnings;


结果如下




有 type = all


按照之前的想法,该 SQL 执行的顺序是执行子查询


1select s_id from Result r where r.c_id = 1 and r.score = 100


耗时:1.402s


得到如下结果(部分)



然后在执行


1select s.* from Student s where s.s_id in 
2(12871,40987,46729,61381,3955,10687,14047,26917,28897,31174,38896,56518,10774,25030,9778,12544,24721,27295,60361,
38479,46990,66988,6790,35995,46192,47578,58171,63220,6685,67372,46279,64693)


耗时:0.222s


比一起执行快多了,查看优化后的 SQL 语句,发现MySQL 竟然不是先执行里层的查询,而是将 SQL 优化成了 exists 字句,执行计划中的 select_type 为 MATERIALIZED(物化子查询)。MySQL 先执行外层查询,在执行里层的查询,这样就要循环学生数量*满足条件的学生 ID 次,也就是 7W * 32 次。


物化子查询: 优化器使用物化能够更有效的来处理子查询。物化通过将子查询结果作为一个临时表来加快查询执行速度,正常来说是在内存中的。mysql 第一次需要子查询结果是,它物化结果到一张临时表中。在之后的任何地方需要该结果集,mysql 会再次引用临时表。优化器也许会使用一个哈希索引来使得查询更快速代价更小。索引是唯一的,排除重复并使得表数据更少。


那么改用连接查询呢?


这里为了重新分析连接查询的情况,先暂时删除索引 result_c_id_index ,result_score_index 。


1DROP index result_c_id_index on Result;
2DROP index result_score_index on Result;


连接查询


1select s.* from 
2Student s 
3INNER JOIN Result r 
4on r.s_id = s.s_id 
5where r.c_id = 1 and r.score = 100;


执行耗时:1.293s


查询结果



用了 1.2s ,来看看执行计划( EXPLAIN + 查询 SQL 即可查看该 SQL 的执行计划):



这里有连表的情况出现,我猜想是不是要给 result 表的 s_id 建立个索引


1CREATE index result_s_id_index on Result(s_id);
2show index from Result;



在执行连接查询


耗时:1.17s (有点奇怪,按照所看文章的时间应该会变长的)


看下执行计划:


优化后的查询语句为:


1SELECT
2    `example`.`s`.`s_id` AS `s_id`,
3    `example`.`s`.`name` AS `name` 
4FROM
5    `example`.`Student` `s`
6    JOIN `example`.`Result` `r` 
7WHERE
8    (
9    ( `example`.`s`.`s_id` = `example`.`r`.`s_id` ) 
10    AND ( `example`.`r`.`score` = 100 ) 
11    AND ( `example`.`r`.`c_id` = 1 ) 
12    )


貌似是先做的连接查询,在进行的 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 过滤式明智方案,现在为了排除 mysql 的查询优化,我自己写一条优化后的 sql 。


先删除索引


1DROP index result_s_id_index on Result;


执行自己写的优化 sql


1SELECT
2    s.* 
3FROM
4    (
5        SELECT * FROM Result r WHERE r.c_id = 1 AND r.score = 100 
6    ) t
7INNER JOIN Student s ON t.s_id = s.s_id


耗时为:0.413s


比之前 sql 的时间都要短。


查看执行计划



先提取 result 再连表,这样效率就高多了,现在的问题是提取 result 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。


1CREATE index result_c_id_index on Result(c_id);
2CREATE index result_score_index on Result(score);


再次执行查询


1SELECT
2    s.* 
3FROM
4    (
5        SELECT * FROM Result r WHERE r.c_id = 1 AND r.score = 100 
6    ) t
7INNER JOIN Student s ON t.s_id = s.s_id


耗时为:0.044s


这个时间相当靠谱,快了 10 倍。


执行计划:



我们会看到,先提取 result ,再连表,都用到了索引。


那么再来执行下 sql :


1EXPLAIN
2select s.* from 
3Student s 
4INNER JOIN Result r 
5on r.s_id = s.s_id 
6where r.c_id = 1 and r.score = 100;


执行耗时:0.050s


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。


扩大测试数据,调整内容为 result 表的数据增长到 300W ,学生数据更为分散。


1DROP PROCEDURE IF EXISTS insert_Result_TO300W;
2DELIMITER $
3CREATE PROCEDURE insert_Result_TO300W()
4BEGIN
5    DECLARE i INT DEFAULT 700001;

6        DECLARE sNum INT DEFAULT 1;
7        DECLARE cNum INT DEFAULT 1;
8        WHILE i<=3000000 DO
9        INSERT INTO Result(`r_id`,`s_id`,`c_id`,`score`) 
10                VALUES(i,(RAND()*69999)+1 ,(RAND()*99)+1 , (RAND()*99)+1);
11        SET i = i+1;
12    END WHILE;
13END $
14CALL insert_Result_TO300W();


更换了一下数据生成的方式,全部采用随机数格式。


先回顾下:


1show index from Result;



执行 sql


1select s.* from 
2Student s
3INNER JOIN Result r
4on r.s_id = s.s_id
5where r.c_id = 81 and r.score = 84;


执行耗时:1.278s


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,但从一个字段看,区分度都不是很大,从 Result 表检索,c_id  = 81 检索的结果是 81 ,score = 84 的结果是 84 。


而 c_id = 81 and score = 84 的结果是 19881,即这两个字段联合起来的区分度还是比较高的,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,我们来试试。


1DROP index result_c_id_index on Result;
2DROP index result_score_index on Result;
3CREATE index result_c_id_score_index on Result(c_id,score);


指向上述查询语句


消耗时间:0.025s


这个速度就就很快了,可以接受。



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,所有分析计划很重要


知识扩展

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:


1select * from user_test_copy where sex = 2 and type = 2 and age = 10


索引:


1CREATE index user_test_index_sex on user_test_copy(sex);
2CREATE index user_test_index_type on user_test_copy(type);
3CREATE 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。


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。


1create index user_test_index_sex_type_age on user_test(sex,type,age);


查询语句:


1select * 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:


1select * from user_test where sex = 2
2select * from user_test where sex = 2 and type = 2
3select * 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:


1select 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


1select * 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


1select * from user_test where sex = 2 and type = 2 ORDER BY 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



推荐↓↓↓
数据库开发
上一篇:面试官问我,Redis分布式锁如何续期?懵了。 下一篇:杂谈自增主键用完了怎么办