SQL优化的魅力！从 30248s 到 0.001s

末蓝、 2023-09-28 19:57 13阅读 0赞

### 场景 ###

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**

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 )

![12413beb92a535ec76267289fda5e1b3.png][]

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。

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：

![45080944081ceae4e454b8a6e3a9b712.png][]

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          
                    1         
                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`                   
                      )    
                  )     
          ) 
      )

补充：这里有网友问怎么查看优化后的语句。

方法如下：

在命令窗口执行

![3396999387549c69e1ffcf46e026562c.png][]

**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：

![65efafda24806d353337064d4ed07d8a.png][]

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：

![32ca16276e41799dff483fec24f66a33.png][]

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

![f3e21be3204c04def282f35f9bdee500.png][]

在执行连接查询

**时间: 1.076s，** 竟然时间还变长了，什么原因？查看执行计划：

![f560b38e678b002042db9b7aea2f1e67.png][]

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：**

![ac7067dee4948c5dddd7d03aced7112a.png][]

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：

![1d8285322dd7eb11280a6ab4f66a8484.png][]

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做操，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：

![2d348059ba33ec2010a1d7135c8b971d.png][]

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：

![f2f229632e647ac59dfb90ccdd49f495.png][]

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：

![9611e7458a569a59371c4103670494f6.png][]

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。

2015-04-30日补充：最近又重新导入一些生产数据，经测试发现，前几天优化完的sql执行效率又变低了。

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`

![32104fa323275c3950e8f583d0884d1d.png][]

**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：

![5149d2c2a2aad4ea8d8d1cea991ed6da.png][]

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收的。

执行计划：

![5c524fd3836607d7f5333785eabc8f4b.png][]

该语句的优化暂时告一段落。

![42154e4e59214e32acb288354c5e7a7d.jpeg][]

[12413beb92a535ec76267289fda5e1b3.png]: https://img-blog.csdnimg.cn/img_convert/12413beb92a535ec76267289fda5e1b3.png
[45080944081ceae4e454b8a6e3a9b712.png]: https://img-blog.csdnimg.cn/img_convert/45080944081ceae4e454b8a6e3a9b712.png
[3396999387549c69e1ffcf46e026562c.png]: https://img-blog.csdnimg.cn/img_convert/3396999387549c69e1ffcf46e026562c.png
[65efafda24806d353337064d4ed07d8a.png]: https://img-blog.csdnimg.cn/img_convert/65efafda24806d353337064d4ed07d8a.png
[32ca16276e41799dff483fec24f66a33.png]: https://img-blog.csdnimg.cn/img_convert/32ca16276e41799dff483fec24f66a33.png
[f3e21be3204c04def282f35f9bdee500.png]: https://img-blog.csdnimg.cn/img_convert/f3e21be3204c04def282f35f9bdee500.png
[f560b38e678b002042db9b7aea2f1e67.png]: https://img-blog.csdnimg.cn/img_convert/f560b38e678b002042db9b7aea2f1e67.png
[ac7067dee4948c5dddd7d03aced7112a.png]: https://img-blog.csdnimg.cn/img_convert/ac7067dee4948c5dddd7d03aced7112a.png
[1d8285322dd7eb11280a6ab4f66a8484.png]: https://img-blog.csdnimg.cn/img_convert/1d8285322dd7eb11280a6ab4f66a8484.png
[2d348059ba33ec2010a1d7135c8b971d.png]: https://img-blog.csdnimg.cn/img_convert/2d348059ba33ec2010a1d7135c8b971d.png
[f2f229632e647ac59dfb90ccdd49f495.png]: https://img-blog.csdnimg.cn/img_convert/f2f229632e647ac59dfb90ccdd49f495.png
[9611e7458a569a59371c4103670494f6.png]: https://img-blog.csdnimg.cn/img_convert/9611e7458a569a59371c4103670494f6.png
[32104fa323275c3950e8f583d0884d1d.png]: https://img-blog.csdnimg.cn/img_convert/32104fa323275c3950e8f583d0884d1d.png
[5149d2c2a2aad4ea8d8d1cea991ed6da.png]: https://img-blog.csdnimg.cn/img_convert/5149d2c2a2aad4ea8d8d1cea991ed6da.png
[5c524fd3836607d7f5333785eabc8f4b.png]: https://img-blog.csdnimg.cn/img_convert/5c524fd3836607d7f5333785eabc8f4b.png
[42154e4e59214e32acb288354c5e7a7d.jpeg]: https://img-blog.csdnimg.cn/42154e4e59214e32acb288354c5e7a7d.jpeg