一次非常有趣的 SQL 優化經歷
- 2019 年 12 月 18 日
- 筆記
場景
我用的數據庫是mysql5.6,下面簡單的介紹下場景
課程表:
create table Course( c_id int PRIMARY KEY, name varchar(10) )
數據100條
學生表:
create table Student( id int PRIMARY KEY, name varchar(10) )
數據70000條
學生成績表SC:
CREATE table SC( sc_id int PRIMARY KEY, s_id int, c_id int, score int )
數據70w條
查詢目的:
查找語文考100分的考生
查詢語句:
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 )
執行時間:30248.271s
暈,為什麼這麼慢,先來查看下查詢計劃:
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 )
發現沒有用到索引,type全是ALL,那麼首先想到的就是建立一個索引,建立索引的字段當然是在where條件的字段了。
先給sc表的c_id和score建個索引
CREATE index sc_c_id_index on SC(c_id);CREATE index sc_score_index on SC(score);
再次執行上述查詢語句,時間為: 1.054s
快了3w多倍,大大縮短了查詢時間,看來索引能極大程度的提高查詢效率,建索引很有必要,很多時候都忘記建索引了,數據量小的的時候壓根沒感覺,這優化的感覺挺爽。
但是1s的時間還是太長了,還能進行優化嗎,仔細看執行計劃:
查看優化後的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` ) ) ) )
怎麼查看優化後的語句?
方法如下(在命令窗口執行 ):
有type=all
按照我之前的想法,該sql的執行的順序應該是先執行子查詢
select s_id from SC sc where sc.c_id = 0 and sc.score = 100
耗時:0.001s
得到如下結果:
然後再執行
select s.* from Student s where s.s_id in(7,29,5000)
耗時:0.001s
這樣就是相當快了啊,Mysql竟然不是先執行裡層的查詢,而是將sql優化成了exists子句,並出現了EPENDENT SUBQUERY,mysql是先執行外層查詢,再執行裡層的查詢,這樣就要循環70007*8次。
那麼改用連接查詢呢?
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
這裡為了重新分析連接查詢的情況,先暫時刪除索引sc_c_id_index,sc_score_index
執行時間是:0.057s
效率有所提高,看看執行計劃:
這裡有連表的情況出現,我猜想是不是要給sc表的s_id建立個索引
CREATE index sc_s_id_index on SC(s_id); show index from SC
再執行連接查詢
時間: 1.076s
竟然時間還變長了,什麼原因?查看執行計劃:
優化後的查詢語句為:
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) )
貌似是先做的連接查詢,再進行的where條件過濾
回到前面的執行計劃:
這裡是先做的where條件過濾,再做連表,執行計劃還不是固定的,那麼我們先看下標準的sql執行順序:
正常情況下是先join再進行where過濾,但是我們這裡的情況,如果先join,將會有70w條數據發送join,因此先執行where過濾是明智方案,現在為了排除mysql的查詢優化,我自己寫一條優化後的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
即先執行sc表的過濾,再進行表連接
執行時間為:0.054s
和之前沒有建s_id索引的時間差不多
查看執行計劃:
先提取sc再連表,這樣效率就高多了,現在的問題是提取sc的時候出現了掃描表,那麼現在可以明確需要建立相關索引
CREATE index sc_c_id_index on SC(c_id); CREATE index sc_score_index on SC(score);
再執行查詢:
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
執行時間為:0.001s
這個時間相當靠譜,快了50倍
執行計劃:
我們會看到,先提取sc,再連表,都用到了索引。
那麼再來執行下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
執行時間0.001s
執行計劃:
這裡是mysql進行了查詢語句優化,先執行了where過濾,再執行連接操作,且都用到了索引。
調整內容為SC表的數據增長到300W,學生分數更為離散。
先回顧下:
show index from SC
執行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
執行時間:0.061s
這個時間稍微慢了點
執行計劃:
這裡用到了intersect並集操作,即兩個索引同時檢索的結果再求並集,再看字段score和c_id的區分度,單從一個字段看,區分度都不是很大,從SC表檢索,c_id=81檢索的結果是70001,score=84的結果是39425。
而c_id=81 and score=84 的結果是897,即這兩個字段聯合起來的區分度是比較高的,因此建立聯合索引查詢效率將會更高,從另外一個角度看,該表的數據是300w,以後會更多,就索引存儲而言,都是不小的數目,隨着數據量的增加,索引就不能全部加載到內存,而是要從磁盤去讀取,這樣索引的個數越多,讀磁盤的開銷就越大,因此根據具體業務情況建立多列的聯合索引是必要的,那麼我們來試試吧。
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);
執行上述查詢語句
消耗時間為:0.007s
這個速度還是可以接受的
執行計劃:
該語句的優化暫時告一段落
總結:
- mysql嵌套子查詢效率確實比較低
- 可以將其優化成連接查詢
- 連接表時,可以先用where條件對錶進行過濾,然後做表連接 (雖然mysql會對連表語句做優化)
- 建立合適的索引,必要時建立多列聯合索引
- 學會分析sql執行計劃,mysql會對sql進行優化,所以分析執行計劃很重要
索引優化
上面講到子查詢的優化,以及如何建立索引,而且在多個字段索引時,分別對字段建立了單個索引
後面發現其實建立聯合索引效率會更高,尤其是在數據量較大,單個列區分度不高的情況下。
單列索引
查詢語句如下:
select * from user_test_copy where sex = 2 and type = 2 and age = 1
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);
分別對sex,type,age字段做了索引,數據量為300w
查詢時間:0.415s
執行計劃:
發現type=index_merge
這是mysql對多個單列索引的優化,對結果集採用intersect並集操作
多列索引
我們可以在這3個列上建立多列索引,將表copy一份以便做測試:
create index user_test_index_sex_type_age on user_test(sex,type,age);
查詢語句:
select * from user_test where sex = 2 and type = 2 and age = 10
執行時間:0.032s
快了10多倍,且多列索引的區分度越高,提高的速度也越多
執行計劃:
最左前綴
多列索引還有最左前綴的特性:
都會使用到索引,即索引的第一個字段sex要出現在where條件中
執行一下語句:
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
索引覆蓋
就是查詢的列都建立了索引,這樣在獲取結果集的時候不用再去磁盤獲取其它列的數據,直接返回索引數據即可
如:
select sex,type,age from user_test where sex = 2 and type = 2 and age = 10
執行時間: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
時間:0.139s
在排序字段上建立索引會提高排序的效率
create index user_name_index on user_test(user_name)
最後附上一些sql調優的總結,以後有時間再深入研究
- 列類型盡量定義成數值類型,且長度儘可能短,如主鍵和外鍵,類型字段等等
- 建立單列索引
- 根據需要建立多列聯合索引
當單個列過濾之後還有很多數據,那麼索引的效率將會比較低,即列的區分度較低,那麼如果在多個列上建立索引,那麼多個列的區分度就大多了,將會有顯著的效率提高。
- 根據業務場景建立覆蓋索引
只查詢業務需要的字段,如果這些字段被索引覆蓋,將極大的提高查詢效率
- 多表連接的字段上需要建立索引
這樣可以極大的提高表連接的效率
- where條件字段上需要建立索引
- 排序字段上需要建立索引
- 分組字段上需要建立索引
- Where條件上不要使用運算函數,以免索引失效