一张900w的数据表，16s执行的SQL优化到300ms？

比眉伴天荒 2022-09-11 02:23 156阅读 0赞

![04ef4e1e0656b297b361ddae85fb45ba.png][]

来源：jianshu.com/p/0768ebc4e28d

有一张财务流水表，未分库分表，目前的数据量为9555695，分页查询使用到了limit，优化之前的查询耗时**16 s 938 ms** (execution: 16 s 831 ms, fetching: 107 ms)，按照下文的方式调整SQL后，耗时**347 ms** (execution: 163 ms, fetching: 184 ms)；

> **操作：** 查询条件放到子查询中，子查询只查主键ID，然后使用子查询中确定的主键关联查询其他的属性字段；
> 
> **原理：** 减少回表操作；

-- 优化前SQL
    SELECT  各种字段
    FROM `table_name`
    WHERE 各种条件
    LIMIT 0,10;

-- 优化后SQL
    SELECT  各种字段
    FROM `table_name` main_tale
    RIGHT JOIN
    (
    SELECT  子查询只查主键
    FROM `table_name`
    WHERE 各种条件
    LIMIT 0,10;
    ) temp_table ON temp_table.主键 = main_table.主键

找到的原理分析：MySQL 用 limit 为什么会影响性能？

# 一，前言 #

首先说明一下MySQL的版本：

mysql> select version();
    +-----------+
    | version() |
    +-----------+
    | 5.7.17    |
    +-----------+
    1 row in set (0.00 sec)

表结构：

mysql> desc test;
    +--------+---------------------+------+-----+---------+----------------+
    | Field  | Type                | Null | Key | Default | Extra          |
    +--------+---------------------+------+-----+---------+----------------+
    | id     | bigint(20) unsigned | NO   | PRI | NULL    | auto_increment |
    | val    | int(10) unsigned    | NO   | MUL | 0       |                |
    | source | int(10) unsigned    | NO   |     | 0       |                |
    +--------+---------------------+------+-----+---------+----------------+
    3 rows in set (0.00 sec)

id为自增主键，val为非唯一索引。

灌入大量数据，共500万：

mysql> select count(*) from test;
    +----------+
    | count(*) |
    +----------+
    |  5242882 |
    +----------+
    1 row in set (4.25 sec)

我们知道，当limit offset rows中的offset很大时，会出现效率问题：

为了达到相同的目的，我们一般会改写成如下语句：

时间相差很明显。

为什么会出现上面的结果？我们看一下select \* from test where val=4 limit 300000,5;的查询过程：

查询到索引叶子节点数据。根据叶子节点上的主键值去聚簇索引上查询需要的全部字段值。

类似于下面这张图：

![241700685bf990c27bc7b7322e4b0b26.png][]

像上面这样，需要查询300005次索引节点，查询300005次聚簇索引的数据，最后再将结果过滤掉前300000条，取出最后5条。MySQL耗费了大量随机I/O在查询聚簇索引的数据上，而有300000次随机I/O查询到的数据是不会出现在结果集当中的。

肯定会有人问：既然一开始是利用索引的，为什么不先沿着索引叶子节点查询到最后需要的5个节点，然后再去聚簇索引中查询实际数据。这样只需要5次随机I/O，类似于下面图片的过程：

![62a063bd2a8b131bc0858c4e4cfc6353.png][]

其实我也想问这个问题。

# 证实 #

下面我们实际操作一下来证实上述的推论：

为了证实`select * from test where val=4 limit 300000,5`是扫描300005个索引节点和300005个聚簇索引上的数据节点，我们需要知道MySQL有没有办法统计在一个sql中通过索引节点查询数据节点的次数。我先试了Handler\_read\_\*系列，很遗憾没有一个变量能满足条件。

我只能通过间接的方式来证实：

InnoDB中有buffer pool。里面存有最近访问过的数据页，包括数据页和索引页。所以我们需要运行两个sql，来比较buffer pool中的数据页的数量。预测结果是运行`select * from test a inner join (select id from test where val=4 limit 300000,5);` 之后，buffer pool中的数据页的数量远远少于`select * from test where val=4 limit 300000,5;`对应的数量，因为前一个sql只访问5次数据页，而后一个sql访问300005次数据页。

select * from test where val=4 limit 300000,5

mysql> select index_name,count(*) from information_schema.INNODB_BUFFER_PAGE where INDEX_NAME in('val','primary') and TABLE_NAME like '%test%' group by index_name;Empty set (0.04 sec)

可以看出，目前buffer pool中没有关于test表的数据页。

mysql> select * from test where val=4 limit 300000,5;
    +---------+-----+--------+
    | id      | val | source |
    +---------+-----+--------+|
    3327622 |   4 |      4 |
    | 3327632 |   4 |      4 |
    | 3327642 |   4 |      4 |
    | 3327652 |   4 |      4 |
    | 3327662 |   4 |      4 |
    +---------+-----+--------+
    5 rows in set (26.19 sec)
    
    mysql> select index_name,count(*) from information_schema.INNODB_BUFFER_PAGE where INDEX_NAME in('val','primary') and TABLE_NAME like '%test%' group by index_name;
    +------------+----------+
    | index_name | count(*) |
    +------------+----------+
    | PRIMARY    |     4098 |
    | val        |      208 |
    +------------+----------+2 rows in set (0.04 sec)

可以看出，此时buffer pool中关于test表有4098个数据页，208个索引页。

`select * from test a inner join (select id from test where val=4 limit 300000,5) ;`为了防止上次试验的影响，我们需要清空buffer pool，重启mysql。

mysqladmin shutdown
    /usr/local/bin/mysqld_safe &

运行sql：

mysql> select * from test a inner join (select id from test where val=4 limit 300000,5) b on a.id=b.id;
    +---------+-----+--------+---------+
    | id      | val | source | id      |
    +---------+-----+--------+---------+
    | 3327622 |   4 |      4 | 3327622 |
    | 3327632 |   4 |      4 | 3327632 |
    | 3327642 |   4 |      4 | 3327642 |
    | 3327652 |   4 |      4 | 3327652 |
    | 3327662 |   4 |      4 | 3327662 |
    +---------+-----+--------+---------+
    5 rows in set (0.09 sec)
    
    mysql> select index_name,count(*) from information_schema.INNODB_BUFFER_PAGE where INDEX_NAME in('val','primary') and TABLE_NAME like '%test%' group by index_name;
    +------------+----------+
    | index_name | count(*) |
    +------------+----------+
    | PRIMARY    |        5 |
    | val        |      390 |
    +------------+----------+
    2 rows in set (0.03 sec)

我们可以看明显的看出两者的差别：第一个sql加载了4098个数据页到buffer pool，而第二个sql只加载了5个数据页到buffer pool。符合我们的预测。也证实了为什么第一个sql会慢：读取大量的无用数据行（300000），最后却抛弃掉。而且这会造成一个问题：加载了很多热点不是很高的数据页到buffer pool，会造成buffer pool的污染，占用buffer pool的空间。 遇到的问题

为了在每次重启时确保清空buffer pool，我们需要关闭innodb\_buffer\_pool\_dump\_at\_shutdown和innodb\_buffer\_pool\_load\_at\_startup，这两个选项能够控制数据库关闭时dump出buffer pool中的数据和在数据库开启时载入在磁盘上备份buffer pool的数据。

# 参考资料 #

1.https://explainextended.com/2009/10/23/mysql-order-by-limit-performance-late-row-lookups/

2.https://dev.mysql.com/doc/refman/5.7/en/innodb-information-schema-buffer-pool-tables.html

####  ####

**往期推荐**

[别再用if-else了，用注解去代替他吧][if-else]

[Spring Boot 实现多图片上传并回显，涨姿势了～][Spring Boot]

[牛逼！SpringBoot+Vue企业级支付系统！附源码！][SpringBoot_Vue]

[为什么建议大家使用 Linux 开发！][Linux]

[IDEA的5大调试技巧，你学废了吗？][IDEA_5]

[让SpringBoot不需要Controller、Service、DAO、Mapper，卧槽！这款工具][SpringBoot_Controller_Service_DAO_Mapper]

![f0a42d760cbf20f7ba23bed85c2a26a5.png][]

[04ef4e1e0656b297b361ddae85fb45ba.png]: /images/20220829/9a8b8f3461aa4368b13faa555cc60e26.png
[241700685bf990c27bc7b7322e4b0b26.png]: /images/20220829/d3e3d808ff704603a97e6acd152ecb74.png
[62a063bd2a8b131bc0858c4e4cfc6353.png]: /images/20220829/eb5cc341f7d741c58a141883a2a0adc7.png
[if-else]: http://mp.weixin.qq.com/s?__biz=MzU3NDE0NjMwNw%3D%3D&chksm=fd346b2aca43e23cc8d0ab8613359e2d9ff2835fc9911cedbfc1f0ee7453d06627d4221d09f6&idx=1&mid=2247498054&scene=21&sn=4633f79da240184edf5bcd88f23b02c9#wechat_redirect
[Spring Boot]: http://mp.weixin.qq.com/s?__biz=MzU3NDE0NjMwNw%3D%3D&chksm=fd346b47ca43e2513818ffb3dfa9afad6304a0da79eed0dbe7e437cdade32009a80e80f29f53&idx=2&mid=2247498027&scene=21&sn=8f50ddd13b4fdc035d8e61319e3f138b#wechat_redirect
[SpringBoot_Vue]: http://mp.weixin.qq.com/s?__biz=MzU3NDE0NjMwNw%3D%3D&chksm=fd346b33ca43e225b33e1fe9deb152660b57c494f6cced29f7041ba599ba925ef7d32125d846&idx=1&mid=2247498079&scene=21&sn=a0f3c1fed1e33d33cf9d54905466926f#wechat_redirect
[Linux]: http://mp.weixin.qq.com/s?__biz=MzU3NDE0NjMwNw%3D%3D&chksm=fd346b08ca43e21ee67c8abd13bb06e21eaf3892d46b9d0454438d0d9f5a42b1bd7b81bf93d5&idx=1&mid=2247498084&scene=21&sn=2589cd885586c47741341796aaad2d7b#wechat_redirect
[IDEA_5]: http://mp.weixin.qq.com/s?__biz=MzU3NDE0NjMwNw%3D%3D&chksm=fd346b06ca43e2106f7d727f3143a88fc7cb94a42047675b873e4c580e9c929165ab8cba7f84&idx=1&mid=2247498090&scene=21&sn=f9ab3d8904aca1b30daa46691fda369a#wechat_redirect
[SpringBoot_Controller_Service_DAO_Mapper]: http://mp.weixin.qq.com/s?__biz=MzU3NDE0NjMwNw%3D%3D&chksm=fd346b1eca43e2084a534556652a1b3bbfee54603b12674aa02288fa9cadb7638d7342ac4afc&idx=1&mid=2247498098&scene=21&sn=54581eb93979b9382a1503477fc58284#wechat_redirect
[f0a42d760cbf20f7ba23bed85c2a26a5.png]: /images/20220829/735bafc2d06548f8b2ee5b64f874aed6.png