一次非常有趣的 SQL 优化经历

  1. 云栖社区>
  2. 博客>
  3. 正文

一次非常有趣的 SQL 优化经历

优惠码优惠 2019-03-26 12:33:20 浏览408
展开阅读全文

一次非常有趣的 SQL 优化经历
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

课程表

create table Course(
c_id int PRIMARY KEY,
name varchar(10)
)
增加 100 条数据

增加课程表100条数据

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('语文',i+''));
    SET i = i+1;
END WHILE;

END $
CALL insert_Course();
运行耗时
CALL insert_Course();

OK
时间: 0.152s
课程数据

学生表

学生表

create table Student(
s_id int PRIMARY KEY,
name varchar(10)
)
增加 7W 条数据

学生表增加70000条数据

DROP PROCEDURE IF EXISTS insert_Student;
DELIMITER $
CREATE PROCEDURE insert_Student()
BEGIN

DECLARE i INT DEFAULT 1;
    WHILE i<=70000 DO
    INSERT INTO Student(`s_id`,`name`) VALUES(i, CONCAT('张三',i+''));
    SET i = i+1;
END WHILE;

END $
CALL insert_Student();
运行结果
CALL insert_Student();

OK
时间: 175.838s
学生数据

成绩表

成绩表

CREATE table Result(
r_id int PRIMARY KEY,
s_id int,
c_id int,
score int
)
增加 70W 条数据

成绩表增加70W条数据

DROP PROCEDURE IF EXISTS insert_Result;
DELIMITER $
CREATE PROCEDURE insert_Result()
BEGIN

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;

END $
CALL insert_Result();
运行结果
CALL insert_Result();

OK
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

查询语文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)
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:
EXPLAIN
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)

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
CREATE index result_c_id_index on Result(c_id);

CREATE 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 :
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 ) 
)

怎么查看优化后的语句呢?
方法如下(在命令窗口执行):

先执行

EXPLAIN
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);

在执行

show 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
select 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
select s.* from Student s where s.s_id in
(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 。
DROP index result_c_id_index on Result;
DROP index result_score_index on Result;
连接查询
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;
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
CREATE index result_s_id_index on Result(s_id);
show 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:
SELECT

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

FROM

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

WHERE

(
( `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
DROP index result_s_id_index on Result;
执行自己写的优化 sql
SELECT

s.* 

FROM

(
    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。
CREATE index result_c_id_index on Result(c_id);
CREATE index result_score_index on Result(score);
再次执行查询
SELECT

s.* 

FROM

(
    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 :
EXPLAIN
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;
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。
DROP PROCEDURE IF EXISTS insert_Result_TO300W;
DELIMITER $
CREATE PROCEDURE insert_Result_TO300W()
BEGIN

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;

END $
CALL 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:
show index from Result;

执行 sql
select s.* from
Student s
INNER JOIN Result r
on r.s_id = s.s_id
where 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。
DROP index result_c_id_index on Result;
DROP index result_score_index on Result;
CREATE 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:
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。
create index user_test_index_sex_type_age on user_test(sex,type,age);
查询语句:
select * 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:
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:
select 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
select * 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
select * 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

·END·

程序员的成长之路

路虽远,行则必至

网友评论

作者关闭了评论
优惠码优惠
+ 关注