一次非常有趣的sql优化经历

怼烎@ 2022-02-18 23:39 235阅读 0赞

![webp][]

## 场景 ##

我用的数据库是mysql5.6，下面简单的介绍下场景

课程表：

create table Course(
    c_id int PRIMARY KEY,
    name varchar(10)
    )

数据100条

学生表:

create table Student(
    id int PRIMARY KEY,
    name varchar(10)
    )

数据70000条

学生成绩表SC：

CREATE table SC(
        sc_id int PRIMARY KEY,
        s_id int,
        c_id int,
        score int
    )

数据70w条

查询目的：

查找语文考100分的考生

查询语句：

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 )`

> 执行时间：30248.271s

晕，为什么这么慢，先来查看下查询计划：

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 )`

![webp 1][]

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。

先给sc表的c\_id和score建个索引

CREATE index sc_c_id_index on SC(c_id);

`CREATE index sc_score_index on SC(score);`

> 再次执行上述查询语句，时间为: 1.054s

快了3w多倍，大大缩短了查询时间，看来索引能极大程度的提高查询效率，建索引很有必要，很多时候都忘记建索引了，数据量小的的时候压根没感觉，这优化的感觉挺爽。

但是1s的时间还是太长了，还能进行优化吗，仔细看执行计划：

![webp 2][]

查看优化后的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`
                        )
                    )
            )
        )

怎么查看优化后的语句？

方法如下（在命令窗口执行 ）：

![webp 3][]

![webp 4][]

有type=all

按照我之前的想法，该sql的执行的顺序应该是先执行子查询

`select s_id from SC sc where sc.c_id = 0 and sc.score = 100`

> 耗时：0.001s

得到如下结果：

![webp 5][]

然后再执行

`select s.* from Student s where s.s_id in(7,29,5000)`

> 耗时：0.001s

这样就是相当快了啊，Mysql竟然不是先执行里层的查询，而是将sql优化成了exists子句，并出现了EPENDENT SUBQUERY，mysql是先执行外层查询，再执行里层的查询，这样就要循环70007\*8次。

那么改用连接查询呢？

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

这里为了重新分析连接查询的情况，先暂时删除索引sc\_c\_id\_index，sc\_score\_index

> 执行时间是：0.057s

效率有所提高，看看执行计划：

![webp 6][]

这里有连表的情况出现，我猜想是不是要给sc表的s\_id建立个索引

CREATE index sc_s_id_index on SC(s_id);
    show index from SC

![webp 7][]

再执行连接查询

> 时间: 1.076s

竟然时间还变长了，什么原因？查看执行计划：

![webp 8][]

优化后的查询语句为：

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)
        )

貌似是先做的连接查询，再进行的where条件过滤

回到前面的执行计划：

![webp 9][]

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：

![webp 10][]

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过滤是明智方案，现在为了排除mysql的查询优化，我自己写一条优化后的sql

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

即先执行sc表的过滤，再进行表连接

> 执行时间为：0.054s

和之前没有建s\_id索引的时间差不多

查看执行计划：

![webp 11][]

先提取sc再连表，这样效率就高多了，现在的问题是提取sc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 sc_c_id_index on SC(c_id);
    CREATE index sc_score_index on SC(score);

再执行查询：

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`

> 执行时间为：0.001s

这个时间相当靠谱，快了50倍

执行计划：

![webp 12][]

我们会看到，先提取sc，再连表，都用到了索引。

那么再来执行下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`

> 执行时间0.001s

执行计划：

![webp 13][]

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。

调整内容为SC表的数据增长到300W,学生分数更为离散。

先回顾下：

show index from SC

![webp 14][]

执行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`

> 执行时间：0.061s

这个时间稍微慢了点

执行计划：

![webp 15][]

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，单从一个字段看，区分度都不是很大，从SC表检索，c\_id=81检索的结果是70001,score=84的结果是39425。

而c\_id=81 and score=84 的结果是897，即这两个字段联合起来的区分度是比较高的，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，而是要从磁盘去读取，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，那么我们来试试吧。

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);

执行上述查询语句

> 消耗时间为：0.007s

这个速度还是可以接受的

执行计划：

![webp 16][]

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，所以分析执行计划很重要

### 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：

![webp 17][]

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 ###

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：

![webp 18][]

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

create index user_name_index on user_test(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

***扩展阅读***

[项目中常用的19条MySQL优化][19_MySQL]

[mysql数据库开发常见问题及优化][mysql]

[MySQL之SQL优化实战记录][MySQL_SQL]

[Tomcat安装、配置、优化及负载均衡详解][Tomcat]

[MySQL大数据量分页查询方法及其优化][MySQL]

[Java 性能优化的五大技巧][Java]

来源：http://www.cnblogs.com/tangyanbo/p/4462734.html

![70][]

[webp]: /images/20220219/2f79816885554e28ae490909d9aa2ed1.png
[webp 1]: /images/20220219/445dbeec02c54835b79b9bcf08e118aa.png
[webp 2]: /images/20220219/3e7d5039705e4f899184c538066ffec0.png
[webp 3]: /images/20220219/6c267c6c7e8f40349db9ba0f63e5e7e4.png
[webp 4]: /images/20220219/c246cd2fa9c34c3cad51c8790d327420.png
[webp 5]: /images/20220219/5bc9270f51ae43fbb294f9fe0284b50a.png
[webp 6]: /images/20220219/9cade5665b5842a89cf97d5a101cabb5.png
[webp 7]: /images/20220219/0a4e54dd56e1460798fa029aa45cc540.png
[webp 8]: /images/20220219/a95cf2f50a784198a4b1a96c8f5bda79.png
[webp 9]: /images/20220219/6667eaa8a62140a0b6086afec7296494.png
[webp 10]: /images/20220219/3fafea1a0cda4efc88ad844c6a1ba2b4.png
[webp 11]: /images/20220219/e49a96f31e1c4676bc5eb8c4a7171a59.png
[webp 12]: /images/20220219/ec5c907026ba4da798a7756d8d55fd6e.png
[webp 13]: /images/20220219/aef7ce42ad594c9fa36c47678e63efb0.png
[webp 14]: /images/20220219/1e0e8dbbb053475ea553d44ff6f40b3c.png
[webp 15]: /images/20220219/ed7915ee790349f48a22e07b035fb6ad.png
[webp 16]: /images/20220219/20877ccc45df47d2ab34dcec676991c5.png
[webp 17]: /images/20220219/e9698af82ac94e62a19834932ec9e086.png
[webp 18]: /images/20220219/564f8c8c6f7f43e487aa04315e716afe.png
[19_MySQL]: http://mp.weixin.qq.com/s?__biz=MzU5NTAzNjM0Mw==&mid=2247486191&idx=1&sn=3d50c6856f9dee3e83dab405501bdbf1&chksm=fe795b37c90ed221c5c813bc5bce7228f5c2da08274fdde1c633c8a5dc94e6fcbdb519174810&scene=21#wechat_redirect
[mysql]: http://mp.weixin.qq.com/s?__biz=MzU5NTAzNjM0Mw==&mid=2247486150&idx=3&sn=1cd921f68de25c8b57026450b3ec02d4&chksm=fe795b1ec90ed208d2a259c5c981d817fc429f81299702379b79416c63f0cf7167f8b1493a3c&scene=21#wechat_redirect
[MySQL_SQL]: http://mp.weixin.qq.com/s?__biz=MzU5NTAzNjM0Mw==&mid=2247485874&idx=3&sn=c71d8785af61576af7dfaa1dc4a38d89&chksm=fe79586ac90ed17c094e17fbd9c0056f46c7768aba0461c04612bb807cb34689d51de1af50a6&scene=21#wechat_redirect
[Tomcat]: http://mp.weixin.qq.com/s?__biz=MzU5NTAzNjM0Mw==&mid=2247485487&idx=2&sn=614b2cbce66acfd2361c7024f521cf35&chksm=fe7959f7c90ed0e14f8037f3ff3f132aa4c9097d5656f9ae9a8cacefae2d8b09d16d90820482&scene=21#wechat_redirect
[MySQL]: http://mp.weixin.qq.com/s?__biz=MzU5NTAzNjM0Mw==&mid=2247485409&idx=3&sn=f3c15881b30539a3d7552e3902b27f73&chksm=fe795639c90edf2fdbb663ae399e448f246540cf64b964414d737865dc264bba372f528d9c6f&scene=21#wechat_redirect
[Java]: http://mp.weixin.qq.com/s?__biz=MzU5NTAzNjM0Mw==&mid=2247485089&idx=3&sn=9bcee6a51212107d88985e9afcb46a41&chksm=fe795779c90ede6faf177bdd23666da24c73bfd0fa809b44371cab20d461433c1960741aa248&scene=21#wechat_redirect
[70]: /images/20220219/c761c5da7b874b368bdd3ced256c710b.png