一次非常有趣的 SQL 優化經曆

前言

在網上刷到一篇資料庫優化的文章，自己也來研究一波。

場景

資料庫版本：5.7.25 ，運作在虛拟機中。

課程表

create table Course(

c_id int PRIMARY KEY,

name varchar(10)

)

增加 100 條資料

增加課程表100條資料

DROP PROCEDURE IF EXISTS insert_Course;

DELIMITER $

CREATE PROCEDURE insert_Course()

BEGIN

DECLARE i INT DEFAULT 1;
    WHILE i<=100 DO
    INSERT INTO Course(`c_id`,`name`) VALUES(i, CONCAT('國文',i+''));
    SET i = i+1;
END WHILE;

END $

CALL insert_Course();

運作耗時

OK

時間: 0.152s

課程資料

學生表

create table Student(

s_id int PRIMARY KEY,

增加 7W 條資料

學生表增加70000條資料

DROP PROCEDURE IF EXISTS insert_Student;

CREATE PROCEDURE insert_Student()

DECLARE i INT DEFAULT 1;
    WHILE i<=70000 DO
    INSERT INTO Student(`s_id`,`name`) VALUES(i, CONCAT('張三',i+''));
    SET i = i+1;
END WHILE;

CALL insert_Student();

運作結果

時間: 175.838s

學生資料

成績表

CREATE table Result(

r_id int PRIMARY KEY,

s_id int,

c_id int,

score int

增加 70W 條資料

成績表增加70W條資料

DROP PROCEDURE IF EXISTS insert_Result;

CREATE PROCEDURE insert_Result()

DECLARE i INT DEFAULT 1;
    DECLARE sNum INT DEFAULT 1;
    DECLARE cNum INT DEFAULT 1;
    WHILE i<=700000 DO
            if (sNum%70000 = 0) THEN
                set sNum = 1;
            elseif (cNum%100 = 0) THEN 
                set cNum = 1;
            end if;
    INSERT INTO Result(`r_id`,`s_id`,`c_id`,`score`) VALUES(i,sNum ,cNum , (RAND()*99)+1);
    SET i = i+1;
            SET sNum = sNum+1;
            SET cNum = cNum+1;
END WHILE;

CALL insert_Result();

時間: 2029.5s

成績資料

測試

業務需求

查找國文1 成績為 100 分的考生

查詢語句

查詢國文1考100分的考生

select s.* from Student s where s.s_id in

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

執行時間：0.937s

查詢結果：32 位滿足條件的學生

用了 0.9s ，來檢視下查詢計劃：

EXPLAIN

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。

查詢結果中 type 列：all 是全表掃描，index 是通過索引掃描。

先給 Result 表的 c_id 和 score 建立個索引

CREATE index result_c_id_index on Result(c_id);

CREATE index result_score_index on Result(score);

再次執行上述查詢語句，時間為：0.027s

快了 34.7 倍（四舍五入），大大縮短了查詢的時間，看來索引能極大程度的提高查詢效率，在合适的列上面建立索引很有必要，很多時候都忘記建立索引，資料量小的時候沒什麼感覺，這優化的感覺很 nice 。

相同的 SQL 語句多次執行，你會發現第一次是最久的，後面執行所需的時間會比第一次執行短些許，原因是，相同語句第二次查詢會直接從緩存中讀取。

0.027s 很短了，但是還能再進行優化嗎，仔細看下執行計劃：

檢視優化後的 SQL ：

SELECT

`example`.`s`.`s_id` AS `s_id`,
`example`.`s`.`name` AS `name`

FROM

`example`.`Student` `s` semi
JOIN ( `example`.`Result` `r` )

WHERE

(
( `example`.`s`.`s_id` = `<subquery2>`.`s_id` ) 
AND ( `example`.`r`.`score` = 100 ) 
AND ( `example`.`r`.`c_id` = 1 ) 
)

怎麼檢視優化後的語句呢？

方法如下（在指令視窗執行）：

先執行

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

在執行

show warnings;

結果如下

有 type = all

按照之前的想法，該 SQL 執行的順序是執行子查詢

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

耗時：1.402s

得到如下結果（部分）

然後在執行

(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)

耗時：0.222s

比一起執行快多了，檢視優化後的 SQL 語句，發現MySQL 竟然不是先執行裡層的查詢，而是将 SQL 優化成了 exists 字句，執行計劃中的 select_type 為 MATERIALIZED（物化子查詢）。MySQL 先執行外層查詢，在執行裡層的查詢，這樣就要循環學生數量滿足條件的學生 ID 次，也就是 7W 32 次。

物化子查詢：優化器使用物化能夠更有效的來處理子查詢。物化通過将子查詢結果作為一個臨時表來加快查詢執行速度，正常來說是在記憶體中的。mysql 第一次需要子查詢結果是，它物化結果到一張臨時表中。在之後的任何地方需要該結果集，mysql 會再次引用臨時表。優化器也許會使用一個哈希索引來使得查詢更快速代價更小。索引是唯一的，排除重複并使得表資料更少。

那麼改用連接配接查詢呢？

這裡為了重新分析連接配接查詢的情況，先暫時删除索引 result_c_id_index ，result_score_index 。

DROP index result_c_id_index on Result;

DROP index result_score_index on Result;

連接配接查詢

select s.* from

Student s

INNER JOIN Result r

on r.s_id = s.s_id

where r.c_id = 1 and r.score = 100;

執行耗時：1.293s

查詢結果

用了 1.2s ，來看看執行計劃（ EXPLAIN + 查詢 SQL 即可檢視該 SQL 的執行計劃）：

這裡有連表的情況出現，我猜想是不是要給 result 表的 s_id 建立個索引

CREATE index result_s_id_index on Result(s_id);

show index from Result;

在執行連接配接查詢

耗時：1.17s （有點奇怪，按照所看文章的時間應該會變長的）

看下執行計劃：

優化後的查詢語句為：

`example`.`s`.`s_id` AS `s_id`,
`example`.`s`.`name` AS `name`

`example`.`Student` `s`
JOIN `example`.`Result` `r`

(
( `example`.`s`.`s_id` = `example`.`r`.`s_id` ) 
AND ( `example`.`r`.`score` = 100 ) 
AND ( `example`.`r`.`c_id` = 1 ) 
)

貌似是先做的連接配接查詢，在進行的 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，那麼我們先看下标準的 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 ，将會有 70W 條資料發送 join ，是以先執行 where 過濾式明智方案，現在為了排除 mysql 的查詢優化，我自己寫一條優化後的 sql 。

先删除索引

DROP index result_s_id_index on Result;

執行自己寫的優化 sql

s.*

(
    SELECT * FROM Result r WHERE r.c_id = 1 AND r.score = 100 
) t

INNER JOIN Student s ON t.s_id = s.s_id

耗時為：0.413s

比之前 sql 的時間都要短。

檢視執行計劃

先提取 result 再連表，這樣效率就高多了，現在的問題是提取 result 的時候出現了掃描表，那麼現在可以明确需要建立相關索引。

再次執行查詢

s.*

(
    SELECT * FROM Result r WHERE r.c_id = 1 AND r.score = 100 
) t

耗時為：0.044s

這個時間相當靠譜，快了 10 倍。

執行計劃：

我們會看到，先提取 result ，再連表，都用到了索引。

那麼再來執行下 sql ：

執行耗時：0.050s

這裡是 mysql 進行了查詢語句優化，先執行了 where 過濾，再執行連接配接操作，且都用到了索引。

擴大測試資料，調整内容為 result 表的資料增長到 300W ，學生資料更為分散。

DROP PROCEDURE IF EXISTS insert_Result_TO300W;

CREATE PROCEDURE insert_Result_TO300W()

DECLARE i INT DEFAULT 700001;
    DECLARE sNum INT DEFAULT 1;
    DECLARE cNum INT DEFAULT 1;
    WHILE i<=3000000 DO
    INSERT INTO Result(`r_id`,`s_id`,`c_id`,`score`) 
            VALUES(i,(RAND()*69999)+1 ,(RAND()*99)+1 , (RAND()*99)+1);
    SET i = i+1;
END WHILE;

CALL insert_Result_TO300W();

更換了一下資料生成的方式，全部采用随機數格式。

先回顧下：

執行 sql

Student s

INNER JOIN Result r

on r.s_id = s.s_id

where r.c_id = 81 and r.score = 84;

執行耗時：1.278s

這裡用到了 intersect 并集操作，即兩個索引同時檢索的結果再求并集，再看字段 score 和 c_id 的區分度，但從一個字段看，區分度都不是很大，從 Result 表檢索，c_id = 81 檢索的結果是 81 ，score = 84 的結果是 84 。

而 c_id = 81 and score = 84 的結果是 19881，即這兩個字段聯合起來的區分度還是比較高的，是以建立聯合索引查詢效率将會更高，從另外一個角度看，該表的資料是 300W ，以後會更多，就索引存儲而言，都是不小的數目，随着資料量的增加，索引就不能全部加載到記憶體，而是要從磁盤讀取，這樣索引的個數越多，讀磁盤的開銷就越大，是以根據具體業務情況建立多列的聯合索引是必要的，我們來試試。

CREATE index result_c_id_score_index on Result(c_id,score);

指向上述查詢語句

消耗時間：0.025s

這個速度就就很快了，可以接受。

該語句的優化暫時告一段落。

總結

MySQL 嵌套子查詢效率确實比較低

可以将其優化成連接配接查詢

連接配接表時，可以先用 where 條件對表進行過濾，然後做表連接配接（雖然 MySQL 會對連表語句做優化）

建立合适的索引，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，所有分析計劃很重要

知識擴充

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，分别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，尤其是在資料量較大，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 = 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);

分别對 sex ，type ，age 字段做了索引，資料量為300w

查詢時間：0.415s

發現 type = index_merge

這是mysql對多個單列索引的優化，對結果集采用intersect并集操作

多列索引

我們可以在這3個列上建立多列索引，将表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。

最左字首

多列索引還有最左字首的特性：

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

索引覆寫

就是查詢的列都建立了索引，這樣在擷取結果集的時候不用再去磁盤擷取其它列的資料，直接傳回索引資料即可

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

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，且長度盡可能短，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資料，那麼索引的效率将會比較低，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，将會有顯著的效率提高。

根據業務場景建立覆寫索引

隻查詢業務需要的字段，如果這些字段被索引覆寫，将極大的提高查詢效率

多表連接配接的字段上需要建立索引

這樣可以極大的提高表連接配接的效率

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

·END·

程式員的成長之路

路雖遠，行則必至

一次非常有趣的 SQL 優化經曆課程表增加課程表100條資料學生表學生表增加70000條資料成績表成績表增加70W條資料查詢國文1考100分的考生先執行在執行

增加課程表100條資料

學生表增加70000條資料

成績表增加70W條資料

查詢國文1考100分的考生

先執行

在執行

繼續閱讀

Linxu常用指令技巧彙總

ERROR 1 (HY000): Can't create/write to file '/tmp/#sql_4188_1.MYI' (Errcode: 28)

艱難安裝LDAP,SSL認證

《Linux指令行與Shell腳本程式設計大全第2版.布盧姆》pdf

MySQL的4種隔離級别？出現問題

XX系統實施過程問題總結

無元件上傳圖檔到資料庫中，最完整解決方案

【MySQL資料庫】資料庫索引事務1.索引2.事務

neo4j之cypher使用文檔

NOSQL安全攻擊

mybatis_入門程式Mybatis入門

mysql使用source指令導入.sql檔案

面試題解析：你接口測試是怎麼做的？

登入plsql 報錯 the account is locked --使用者被鎖

sqlServer根據經緯查距離

SequoiaDB巨杉資料庫C++驅動概述