1.8w 字详解 SQL 优化，肝到秃顶！

逃离我推掉我的手 2024-02-19 09:29 48阅读 0赞

分享一篇关于SQL优化的硬核文章，全文有点长，建议收藏后慢慢看。

很多朋友在做数据分析时，分析两分钟，跑数两小时？

在使用SQL过程中不仅要关注数据结果，同样要注意SQL语句的执行效率。

本文涉及三部分：

*  SQL介绍
 *  SQL优化方法
 *  SQL优化实例

## 1、MySQL的基本架构 ##

**1）MySQL的基础架构图**

![图片][7e2bae4170175acf1a15198741b70b37.jpeg]

左边的client可以看成是客户端，客户端有很多，像我们经常你使用的CMD黑窗口，像我们经常用于学习的WorkBench，像企业经常使用的Navicat工具，它们都是一个客户端。右边的这一大堆都可以看成是Server(MySQL的服务端)，我们将Server在细分为sql层和存储引擎层。

当查询出数据以后，会返回给执行器。执行器一方面将结果写到查询缓存里面，当你下次再次查询的时候，就可以直接从查询缓存中获取到数据了。另一方面，直接将结果响应回客户端。

**2）查询数据库的引擎**

**① show engines;**

![图片][d0bddb2b93d33c606638d5905bee9b19.png]

**② show variables like “%storage\_engine%”;**

![图片][67be783b5de94b2d0f38f037decae58f.png]

**3）指定数据库对象的存储引擎**

create table tb(
        id int(4) auto_increment,
        name varchar(5),
        dept varchar(5),
        primary key(id)
    ) engine=myISAM auto_increment=1 default charset=utf8;

## SQL优化 ##

**1）为什么需要进行SQL优化？**

在进行多表连接查询、子查询等操作的时候，由于你写出的SQL语句欠佳，导致的服务器执行时间太长，我们等待结果的时间太长。基于此，我们需要学习怎么优化SQL。

**2）mysql的编写过程和解析过程**

**① 编写过程**

select dinstinct  ..from  ..join ..on ..where ..group by ..having ..order by ..limit ..

**② 解析过程**

from .. on.. join ..where ..group by ..having ..select dinstinct ..order by ..limit ..

提供一个网站，详细说明了mysql解析过程：

https://www.cnblogs.com/annsshadow/p/5037667.html

**3）SQL优化—主要就是优化索引**

优化SQL，最重要的就是优化SQL索引。

索引相当于字典的目录。利用字典目录查找汉字的过程，就相当于利用SQL索引查找某条记录的过程。有了索引，就可以很方便快捷的定位某条记录。

**① 什么是索引？**

索引就是帮助MySQL高效获取数据的一种【数据结构】。索引是一种树结构，MySQL中一般用的是【B+树】。

**② 索引图示说明(这里用二叉树来帮助我们理解索引)**

树形结构的特点是：子元素比父元素小的，放在左侧；子元素比父元素大的，放在右侧。

这个图示只是为了帮我们简单理解索引的，真实的关于【B+树】的说明，我们会在下面进行说明。

![图片][1790d207f039663ab93c15ebcbc0fa54.png]

索引是怎么查找数据的呢？两个字【指向】，上图中我们给age列指定了一个索引，即类似于右侧的这种树形结构。mysql表中的每一行记录都有一个硬件地址，例如索引中的age=50，指向的就是源表中该行的标识符(“硬件地址”)。

也就是说，树形索引建立了与源表中每行记录硬件地址的映射关系，当你指定了某个索引，这种映射关系也就建成了，这就是为什么我们可以通过索引快速定位源表中记录的原因。

以【select \* from student where age=33】查询语句为例。当我们不加索引的时候，会从上到下扫描源表，当扫描到第5行的时候，找到了我们想要找到了元素，一共是查询了5次。

当添加了索引以后，就直接在树形结构中进行查找，33比50小，就从左侧查询到了23，33大于23，就又查询到了右侧，这下找到了33，整个索引结束，一共进行了3次查找。是不是很方便，假如我们此时需要查找age=62，你再想想“添加索引”前后，查找次数的变化情况。

**4）索引的弊端**

1.当数据量很大的时候，索引也会很大(当然相比于源表来说，还是相当小的)，也需要存放在内存/硬盘中(通常存放在硬盘中)，占据一定的内存空间/物理空间。

2.索引并不适用于所有情况：a.少量数据；b.频繁进行改动的字段，不适合做索引；c.很少使用的字段，不需要加索引；

3.索引会提高数据查询效率，但是会降低“增、删、改”的效率。当不使用索引的时候，我们进行数据的增删改，只需要操作源表即可，但是当我们添加索引后，不仅需要修改源表，也需要再次修改索引，很麻烦。尽管是这样，添加索引还是很划算的，因为我们大多数使用的就是查询，“查询”对于程序的性能影响是很大的。

**5）索引的优势**

1.提高查询效率(降低了IO使用率)。当创建了索引后，查询次数减少了。

2.降低CPU使用率。比如说【…order by age desc】这样一个操作，当不加索引，会把源表加载到内存中做一个排序操作，极大的消耗了资源。但是使用了索引以后，第一索引本身就小一些，第二索引本身就是排好序的，左边数据最小，右边数据最大。

**6）B+树图示说明**

MySQL中索引使用的就是B+树结构。

![图片][c008909a21093a1b4b42ddcae1d7171c.jpeg]

关于B+树的说明：

首先，Btree一般指的都是【B+树】，数据全部存放在叶子节点中。对于上图来说，最下面的第3层，属于叶子节点，真实数据部份都是存放在叶子节点当中的。

那么对于第1、2层中的数据又是干嘛的呢？答：用于分割指针块儿的，比如说小于26的找P1，介于26-30之间的找P2，大于30的找P3。

其次，三层【B+树】可以存放上百万条数据。这么多数据怎么放的呢？增加“节点数”。图中我们只有三个节点。

最后，【B+树】中查询任意数据的次数，都是n次，n表示的是【B+树】的高度。

**3、索引的分类与创建**

**1）索引分类**

单值索引

唯一索引

复合索引

**① 单值索引**

利用表中的某一个字段创建单值索引。一张表中往往有多个字段，也就是说每一列其实都可以创建一个索引，这个根据我们实际需求来进行创建。还需要注意的一点就是，一张表可以创建多个“单值索引”。

假如某一张表既有age字段，又有name字段，我们可以分别对age、name创建一个单值索引，这样一张表就有了两个单值索引。

**② 唯一索引**

也是利用表中的某一个字段创建单值索引，与单值索引不同的是：创建唯一索引的字段中的数据，不能有重复值。像age肯定有很多人的年龄相同，像name肯定有些人是重名的，因此都不适合创建“唯一索引”。像编号id、学号sid，对于每个人都不一样，因此可以用于创建唯一索引。

**③ 复合索引**

多个列共同构成的索引。比如说我们创建这样一个“复合索引”(name,age)，先利用name进行索引查询，当name相同的时候，我们利用age再进行一次筛选。注意：复合索引的字段并不是非要都用完，当我们利用name字段索引出我们想要的结果以后，就不需要再使用age进行再次筛选了。

**2）创建索引**

**① 语法**

语法：create 索引类型 索引名 on 表(字段);

建表语句如下：

查询表结构如下：

![图片][f76f43fdd01607d1d77f88ebfda089be.png]

**② 创建索引的第一种方式**

Ⅰ 创建单值索引

create index dept_index on tb(dept);

Ⅱ 创建唯一索引：这里我们假定name字段中的值都是唯一的

create unique index name_index on tb(name);

Ⅲ 创建复合索引

create index dept_name_index on tb(dept,name);

**③ 创建索引的第二种方式**

先删除之前创建的索引以后，再进行这种创建索引方式的测试；

**语法：alter table 表名 add 索引类型 索引名(字段)**

Ⅰ 创建单值索引

alter table tb add index dept_index(dept);

Ⅱ 创建唯一索引：这里我们假定name字段中的值都是唯一的

alter table tb add unique index name_index(name);

Ⅲ 创建复合索引

alter table tb add index dept_name_index(dept,name);

**④ 补充说明**

如果某个字段是primary key，那么该字段默认就是主键索引。

主键索引和唯一索引非常相似。相同点：该列中的数据都不能有相同值；不同点：主键索引不能有null值，但是唯一索引可以有null值。

**3）索引删除和索引查询**

**① 索引删除**

语法：drop index 索引名 on 表名;

drop index name_index on tb;

**② 索引查询**

语法：show index from 表名;

show index from tb;

结果如下：

![图片][2539c82f4743b75c4f6d5bc8be018e75.png]

**4、SQL性能问题的探索**

**人为优化：** 需要我们使用explain分析SQL的执行计划。该执行计划可以模拟SQL优化器执行SQL语句，可以帮助我们了解到自己编写SQL的好坏。

**SQL优化器自动优化：** 最开始讲述MySQL执行原理的时候，我们已经知道MySQL有一个优化器，当你写了一个SQL语句的时候，SQL优化器如果认为你写的SQL语句不够好，就会自动写一个好一些的等价SQL去执行。

SQL优化器自动优化功能【会干扰】我们的人为优化功能。当我们查看了SQL执行计划以后，如果写的不好，我们会去优化自己的SQL。当我们以为自己优化的很好的时候，最终的执行计划，并不是按照我们优化好的SQL语句来执行的，而是有时候将我们优化好的SQL改变了，去执行。

SQL优化是一种概率问题，有时候系统会按照我们优化好的SQL去执行结果(优化器觉得你写的差不多，就不会动你的SQL)。有时候优化器仍然会修改我们优化好的SQL，然后再去执行。

**1）查看执行计划**

语法：explain + SQL语句

eg：explain select \* from tb;

**2）“执行计划”中需要知道的几个“关键字”**

id ：编号

select\_type ：查询类型

table ：表

type ：类型

possible\_keys ：预测用到的索引

key ：实际使用的索引

key\_len ：实际使用索引的长度

ref ：表之间的引用

rows ：通过索引查询到的数据量

Extra ：额外的信息

**建表语句和插入数据：**

# 建表语句
    create table course
    (    
        cid int(3),   
        cname varchar(20),   
        tid int(3)
    );
    
    create table teacher
    (  
        tid int(3),  
        tname varchar(20),  
        tcid int(3)
    );
    
    create table teacherCard
    (   
        tcid int(3),  
        tcdesc varchar(200)
    );
    
    # 插入数据
    insert into course values(1,'java',1);
    insert into course values(2,'html',1);
    insert into course values(3,'sql',2);
    insert into course values(4,'web',3);
    
    insert into teacher values(1,'tz',1);
    insert into teacher values(2,'tw',2);
    insert into teacher values(3,'tl',3);
    
    insert into teacherCard values(1,'tzdesc') ;
    insert into teacherCard values(2,'twdesc') ;
    insert into teacherCard values(3,'tldesc') ;

## explain执行计划常用关键字详解 ##

**1）id关键字的使用说明**

**① 案例：查询课程编号为2 或 教师证编号为3 的老师信息：**

# 查看执行计划
    explain select t.*
    from teacher t,course c,teacherCard tc
    where t.tid = c.tid and t.tcid = tc.tcid
    and (c.cid = 2 or tc.tcid = 3);

结果如下：

![图片][27bdec6201a17994f67c6b55e400e7b4.png]

接着，在往teacher表中增加几条数据。

insert into teacher values(4,'ta',4);
    insert into teacher values(5,'tb',5);
    insert into teacher values(6,'tc',6);

再次查看执行计划。

# 查看执行计划
    explain select t.*
    from teacher t,course c,teacherCard tc
    where t.tid = c.tid and t.tcid = tc.tcid
    and (c.cid = 2 or tc.tcid = 3);

结果如下：

![图片][78e1321bf807b1fc433f7d3eccbfbd73.png]

表的执行顺序 ，因表数量改变而改变的原因：笛卡尔积。

a   b   c
    2   3   4
    最终：2 * 3 * 4  = 6 * 4 = 24
    c   b   a
    4   3   2
    最终：4 * 3 * 2 = 12 * 2 = 24

分析：最终执行的条数，虽然是一致的。但是中间过程，有一张临时表是6，一张临时表是12，很明显6 < 12，对于内存来说，数据量越小越好，因此优化器肯定会选择第一种执行顺序。

结论：id值相同，从上往下顺序执行。表的执行顺序因表数量的改变而改变。

**② 案例：查询教授SQL课程的老师的描述(desc)**

# 查看执行计划
    explain select tc.tcdesc from teacherCard tc 
    where tc.tcid = 
    (    
        select t.tcid from teacher t  
        where  t.tid =   
        (select c.tid from course c where c.cname = 'sql')
    );

结果如下：

![图片][5dda58e7bba8fe25cfea20fc8792d9ba.png]

结论：id值不同，id值越大越优先查询。这是由于在进行嵌套子查询时，先查内层，再查外层。

**③ 针对②做一个简单的修改**

# 查看执行计划
    explain select t.tname ,tc.tcdesc from teacher t,teacherCard tc 
    where t.tcid= tc.tcid
    and t.tid = (select c.tid from course c where cname = 'sql') ;

结果如下：

![图片][b0f37fa0e3200758986877db7aa159da.png]

结论：id值有相同，又有不同。id值越大越优先；id值相同，从上往下顺序执行。

**2）select\_type关键字的使用说明：查询类型**

![图片][16f82fcba23ccdb7a665b56b74995826.png]

**① simple：简单查询**

不包含子查询，不包含union查询。

explain select * from teacher;

结果如下：

![图片][7df51edfcf2cc6baa480c745e6edee79.png]

**② primary：包含子查询的主查询(最外层)**

**③ subquery：包含子查询的主查询(非最外层)**

**④ derived：衍生查询(用到了临时表)**

a.在from子查询中，只有一张表；

b.在from子查询中，如果table1 union table2，则table1就是derived表；

explain select  cr.cname    
    from ( select * from course where tid = 1  union select * from course where tid = 2 ) cr ;

结果如下：

![图片][5c00fa715507e74fbbf5039539869da4.png]

**⑤ union：union之后的表称之为union表，如上例**

**⑥ union result：告诉我们，哪些表之间使用了union查询**

**3）type关键字的使用说明：索引类型**

system、const只是理想状况，实际上只能优化到index --> range --> ref这个级别。要对type进行优化的前提是，你得创建索引。

![图片][ccd865c5cc8f60a291448a5da8e085b7.png]

**① system**

源表只有一条数据(实际中，基本不可能)；

衍生表只有一条数据的主查询(偶尔可以达到)。

**② const**

仅仅能查到一条数据的SQL ,仅针对Primary key或unique索引类型有效。

explain select tid from test01 where tid =1 ;

结果如下：

![图片][20cf791f60c801a6ead07ceb6e67aec0.png]

删除以前的主键索引后，此时我们添加一个其他的普通索引：

create index test01_index on test01(tid) ;
    # 再次查看执行计划
    explain select tid from test01 where tid =1 ;

结果如下：

![图片][af8e0c243d0e309c655751cc2f43c431.png]

**③ eq\_ref**

唯一性索引，对于每个索引键的查询，返回匹配唯一行数据（有且只有1个，不能多 、不能0），并且查询结果和数据条数必须一致。

此种情况常见于唯一索引和主键索引。

delete from teacher where tcid >= 4;
    alter table teacherCard add constraint pk_tcid primary key(tcid);
    alter table teacher add constraint uk_tcid unique index(tcid) ;
    explain select t.tcid from teacher t,teacherCard tc where t.tcid = tc.tcid ;

结果如下：

![图片][8b6d30e4c513a7fc1af6145ef94bf4a1.png]

总结：以上SQL，用到的索引是t.tcid，即teacher表中的tcid字段；如果teacher表的数据个数和连接查询的数据个数一致（都是3条数据），则有可能满足eq\_ref级别；否则无法满足。条件很苛刻，很难达到。

**④ ref**

非唯一性索引，对于每个索引键的查询，返回匹配的所有行（可以0，可以1，可以多）

准备数据：

![图片][7f438ead5523a071e91c08fd2aa823ab.png]

创建索引，并查看执行计划：

# 添加索引
    alter table teacher add index index_name (tname) ;
    # 查看执行计划
    explain select * from teacher     where tname = 'tz';

结果如下：

![图片][24415dd1d676061a8bd1bd438677cdb9.png]

**⑤ range**

检索指定范围的行 ,where后面是一个范围查询(between, >, <, >=, in)

in有时候会失效，从而转为无索引时候的ALL

# 添加索引
    alter table teacher add index tid_index (tid) ;
    # 查看执行计划：以下写了一种等价SQL写法，查看执行计划
    explain select t.* from teacher t where t.tid in (1,2) ;
    explain select t.* from teacher t where t.tid <3 ;

结果如下：

![图片][5c93c523555d069c80b12053cb06d0ca.png]

**⑥ index**

查询全部索引中的数据(扫描整个索引)

**⑦ ALL**

查询全部源表中的数据(暴力扫描全表)

![图片][2810f63a5caeda4a593a601a1350e8b8.png]

注意：cid是索引字段，因此查询索引字段，只需要扫描索引表即可。但是tid不是索引字段，查询非索引字段，需要暴力扫描整个源表，会消耗更多的资源。

**4）possible\_keys和key**

possible\_keys可能用到的索引。是一种预测，不准。了解一下就好。

key指的是实际使用的索引。

# 先给course表的cname字段，添加一个索引
    create index cname_index on course(cname);
    # 查看执行计划
    explain select t.tname ,tc.tcdesc from teacher t,teacherCard tc
    where t.tcid= tc.tcid
    and t.tid = (select c.tid from course c where cname = 'sql') ;

结果如下：

![图片][8366f7b6bafc71b01accf4604c3bae93.png]

有一点需要注意的是：如果possible\_key/key是NULL，则说明没用索引。

**5）key\_len**

索引的长度，用于判断复合索引是否被完全使用(a,b,c)。

**① 新建一张新表，用于测试**

# 创建表
    create table test_kl
    (  
      name char(20) not null default ''
    );
    # 添加索引
    alter table test_kl add index index_name(name) ;
    # 查看执行计划
    explain select * from test_kl where name ='' ;

结果如下：

![图片][251fb1c2c553304d5786411d655cba86.png]

结果分析：因为我没有设置服务端的字符集，因此默认的字符集使用的是latin1，对于latin1一个字符代表一个字节，因此这列的key\_len的长度是20，表示使用了name这个索引。

**② 给test\_kl表，新增name1列，该列没有设置“not null”**

结果如下：

![图片][fd1d537c07330f967d669521cdfae755.png]

结果分析：如果索引字段可以为null，则mysql底层会使用1个字节用于标识。

**③ 删除原来的索引name和name1，新增一个复合索引**

# 删除原来的索引name和name1
    drop index index_name on test_kl ;
    drop index index_name1 on test_kl ;
    # 增加一个复合索引
    create index name_name1_index on test_kl(name,name1);
    # 查看执行计划
    explain select * from test_kl where name1 = '' ; --121
    explain select * from test_kl where name = '' ; --60

结果如下：

![图片][164a9a63beb1721980313a2e6e176362.png]

**结果分析：** 对于下面这个执行计划，可以看到我们只使用了复合索引的第一个索引字段name，因此key\_len是20，这个很清楚。再看上面这个执行计划，我们虽然仅仅在where后面使用了复合索引字段中的name1字段，但是你要使用复合索引的第2个索引字段，会默认使用了复合索引的第1个索引字段name，由于name1可以是null，因此key\_len = 20 + 20 + 1 = 41呀！

**④ 再次怎加一个name2字段，并为该字段创建一个索引。**

不同的是：该字段数据类型是varchar

# 新增一个字段name2，name2可以为null
    alter table test_kl add column name2 varchar(20) ; 
    # 给name2字段，设置为索引字段
    alter table test_kl add index name2_index(name2) ;
    # 查看执行计划
    explain select * from test_kl where name2 = '' ;

结果如下：

![图片][754b1c422462c6b001eb0dcdaa0c2f2c.png]

**结果分析：** key\_len = 20 + 1 + 2，这个20 + 1我们知道，这个2又代表什么呢？原来varchar属于可变长度，在mysql底层中，用2个字节标识可变长度。

**6）ref**

这里的ref的作用，指明当前表所参照的字段。

注意与type中的ref值区分。在type中，ref只是type类型的一种选项值。

# 给course表的tid字段，添加一个索引
    create index tid_index on course(tid);
    # 查看执行计划
    explain select * from course c,teacher t 
    where c.tid = t.tid  
    and t.tname = 'tw';

结果如下：

![图片][6de1d592835089e44e3e24b6233c7d07.png]

**结果分析：** 有两个索引，c表的c.tid引用的是t表的tid字段，因此可以看到显示结果为【数据库名.t.tid】，t表的t.name引用的是一个常量"tw"，因此可以看到结果显示为const，表示一个常量。

**7）rows(这个目前还是有点疑惑)**

被索引优化查询的数据个数 (实际通过索引而查询到的数据个数)

explain select *
    from course c,teacher t  
    where c.tid = t.tid
    and t.tname = 'tz' ;

结果如下：

![图片][ecb3f8a2e180df00db4c83e3b989c2e4.png]

**8）extra**

表示其他的一些说明，也很有用。

**① using filesort：针对单索引的情况**

当出现了这个词，表示你当前的SQL性能消耗较大。表示进行了一次“额外”的排序。常见于order by语句中。

**Ⅰ 什么是“额外”的排序？**

为了讲清楚这个，我们首先要知道什么是排序。我们为了给某一个字段进行排序的时候，首先你得先查询到这个字段，然后在将这个字段进行排序。

紧接着，我们查看如下两个SQL语句的执行计划。

# 新建一张表，建表同时创建索引
    create table test02
    (   
      a1 char(3),    
      a2 char(3),   
      a3 char(3),   
      index idx_a1(a1),  
      index idx_a2(a2),   
      index idx_a3(a3)
    );
    # 查看执行计划
    explain select * from test02 where a1 ='' order by a1 ;
    explain select * from test02 where a1 ='' order by a2 ;

结果如下：

![图片][23543746ba4def1012bcc0e0fe0883aa.png]

**结果分析：** 对于第一个执行计划，where后面我们先查询了a1字段，然后再利用a1做了依次排序，这个很轻松。但是对于第二个执行计划，where后面我们查询了a1字段，然而利用的却是a2字段进行排序，此时myql底层会进行一次查询，进行“额外”的排序。

总结：对于单索引，如果排序和查找是同一个字段，则不会出现using filesort；如果排序和查找不是同一个字段，则会出现using filesort；因此where哪些字段，就order by哪些些字段。

**② using filesort：针对复合索引的情况**

不能跨列(官方术语：最佳左前缀)

# 删除test02的索引
    drop index idx_a1 on test02;
    drop index idx_a2 on test02;
    drop index idx_a3 on test02;
    # 创建一个复合索引
    alter table test02 add index idx_a1_a2_a3 (a1,a2,a3) ;
    # 查看下面SQL语句的执行计划
    explain select *from test02 where a1='' order by a3 ;  --using filesort
    explain select *from test02 where a2='' order by a3 ; --using filesort
    explain select *from test02 where a1='' order by a2 ;

结果如下：

![图片][25319c6953e6fa3d89894338cdbd81f8.png]

**结果分析：** 复合索引的顺序是(a1,a2,a3)，可以看到a1在最左边，因此a1就叫做“最佳左前缀”，如果要使用后面的索引字段，必须先使用到这个a1字段。对于explain1，where后面我们使用a1字段，但是后面的排序使用了a3，直接跳过了a2，属于跨列；对于explain2，where后面我们使用了a2字段，直接跳过了a1字段，也属于跨列；对于explain3，where后面我们使用a1字段，后面使用的是a2字段，因此没有出现【using filesort】。

**③ using temporary**

当出现了这个词，也表示你当前的SQL性能消耗较大。这是由于当前SQL用到了临时表。一般出现在group by中。

explain select a1 from test02 where a1 in ('1','2','3') group by a1 ;
    explain select a1 from test02 where a1 in ('1','2','3') group by a2 ; --using temporary

结果如下：

![图片][26a0da34cc2870b2d2f9e7114a3502dd.png]

**结果分析：** 当你查询哪个字段，就按照那个字段分组，否则就会出现using temporary。

针对using temporary，我们在看一个例子：

using temporary表示需要额外再使用一张表，一般出现在group by语句中。虽然已经有表了，但是不适用，必须再来一张表。

再次来看mysql的编写过程和解析过程。

**Ⅰ 编写过程**

select dinstinct  ..from  ..join ..on ..where ..group by ..having ..order by ..limit ..

**Ⅱ 解析过程**

from .. on.. join ..where ..group by ..having ..select dinstinct ..order by ..limit ..

很显然，where后是group by，然后才是select。基于此，我们再查看如下两个SQL语句的执行计划。

explain select * from test03 where a2=2 and a4=4 group by a2,a4;
    explain select * from test03 where a2=2 and a4=4 group by a3;

**分析如下：** 对于第一个执行计划，where后面是a2和a4，接着我们按照a2和a4分组，很明显这两张表已经有了，直接在a2和a4上分组就行了。但是对于第二个执行计划，where后面是a2和a4，接着我们却按照a3分组，很明显我们没有a3这张表，因此有需要再来一张临时表a3。因此就会出现using temporary。

**④ using index**

当你看到这个关键词，恭喜你，表示你的SQL性能提升了。

using index称之为“索引覆盖”。

当出现了using index，就表示不用读取源表，而只利用索引获取数据，不需要回源表查询。

只要使用到的列，全部出现在索引中，就是索引覆盖。

# 删除test02中的复合索引idx_a1_a2_a3
    drop index idx_a1_a2_a3 on test02;
    # 重新创建一个复合索引
    idx_a1_a2create index idx_a1_a2 on test02(a1,a2);
    # 查看执行计划
    explain select a1,a3 from test02 where a1='' or a3= '' ;
    explain select a1,a2 from test02 where a1='' and a2= '' ;

结果如下：

![图片][9911735c945be5787062253fdafedef1.png]

**结果分析：** 我们创建的是a1和a2的复合索引，对于第一个执行计划，我们却出现了a3，该字段并没有创建索引，因此没有出现using index，而是using where，表示我们需要回表查询。对于第二个执行计划，属于完全的索引覆盖，因此出现了using index。

针对using index，我们在查看一个案例：

explain select a1,a2 from test02 where a1='' or a2= '' ;
    explain select a1,a2 from test02;

结果如下：

如果用到了索引覆盖(using index时)，会对possible\_keys和key造成影响：

a.如果没有where，则索引只出现在key中；

b.如果有where，则索引 出现在key和possible\_keys中。

**⑤ using where**

表示需要【回表查询】，表示既在索引中进行了查询，又回到了源表进行了查询。

# 删除test02中的复合索引idx_a1_a2
    drop index idx_a1_a2 on test02;
    # 将a1字段，新增为一个索引
    create index a1_index on test02(a1);
    # 查看执行计划
    explain select a1,a3 from test02 where a1="" and a3="" ;

结果如下：

![图片][361086545c6827f54acfa388dfb59a7d.png]

**结果分析：** 我们既使用了索引a1，表示我们使用了索引进行查询。但是又对于a3字段，我们并没有使用索引，因此对于a3字段，需要回源表查询，这个时候出现了using where。

**⑥ impossible where(了解)**

当where子句永远为False的时候，会出现impossible where

# 查看执行计划
    explain select a1 from test02 where a1="a" and a1="b" ;

结果如下：

![图片][ce81ab216b63fc8c0fbca537b9bf257a.png]

**6、优化示例**

**1）引入案例**

# 创建新表
    create table test03
    (  
      a1 int(4) not null,   
      a2 int(4) not null,    
      a3 int(4) not null,   
      a4 int(4) not null
    );
    # 创建一个复合索引
    create index a1_a2_a3_test03 on test03(a1,a2,a3);
    # 查看执行计划
    explain select a3 from test03 where a1=1 and a2=2 and a3=3;

结果如下：

![图片][cd88b95d5b86e83663039ce33b133440.png]

**推荐写法：** 复合索引顺序和使用顺序一致。

下面看看【**不推荐写法**】：复合索引顺序和使用顺序不一致。

# 查看执行计划
    explain select a3 from test03 where a3=1 and a2=2 and a1=3;

结果如下：

![图片][ed9e882524637cdb05d96e835fee28e3.png]

**结果分析：** 虽然结果和上述结果一致，但是不推荐这样写。但是这样写怎么又没有问题呢？这是由于SQL优化器的功劳，它帮我们调整了顺序。

最后再补充一点：对于复合索引，不要跨列使用

# 查看执行计划
    explain select a3 from test03 where a1=1 and a3=2 group by a3;

结果如下：

![图片][0d042df4f68af3afafc58920f4c4654a.png]

**结果分析：** a1\_a2\_a3是一个复合索引，我们使用a1索引后，直接跨列使用了a3，直接跳过索引a2，因此索引a3失效了，当使用a3进行分组的时候，就会出现using where。

**2）单表优化**

# 创建新表
    create table book
    (    
        bid int(4) primary key,      
        name varchar(20) not null,     
        authorid int(4) not null,     
        publicid int(4) not null,    
        typeid int(4) not null 
    );
    # 插入数据
    insert into book values(1,'tjava',1,1,2) ;
    insert into book values(2,'tc',2,1,2) ;
    insert into book values(3,'wx',3,2,1) ;
    insert into book values(4,'math',4,2,3) ;

结果如下：

![图片][d75b401324aec3390a8f94b3d996014a.png]

案例：查询authorid=1且typeid为2或3的bid，并根据typeid降序排列。

explain 
    select bid from book 
    where typeid in(2,3) and authorid=1 
    order by typeid desc ;

结果如下：

![图片][003ac58dc46cd46b9cd070cac59aa94d.png]

这是没有进行任何优化的SQL，可以看到typ为ALL类型，extra为using filesort，可以想象这个SQL有多恐怖。

优化：添加索引的时候，要根据MySQL解析顺序添加索引，又回到了MySQL的解析顺序，下面我们再来看看MySQL的解析顺序。

from .. on.. join ..where ..group by ..having ..select dinstinct ..order by ..limit ..

**① 优化1：基于此，我们进行索引的添加，并再次查看执行计划。**

# 添加索引
    create index typeid_authorid_bid on book(typeid,authorid,bid);
    # 再次查看执行计划
    explain 
    select bid from book 
    where typeid in(2,3) and authorid=1  
    order by typeid desc ;

结果如下：

![图片][e5817420c8f9ba19b81c4ff952e11dfd.png]

**结果分析：** 结果并不是和我们想象的一样，还是出现了using where，查看索引长度key\_len=8，表示我们只使用了2个索引，有一个索引失效了。

**② 优化2：使用了in有时候会导致索引失效，基于此有了如下一种优化思路。**

将in字段放在最后面。需要注意一点：每次创建新的索引的时候，最好是删除以前的废弃索引，否则有时候会产生干扰(索引之间)。

# 删除以前的索引
    drop index typeid_authorid_bid on book;
    # 再次创建索引
    create index authorid_typeid_bid on book(authorid,typeid,bid);
    # 再次查看执行计划
    explain 
    select bid from book 
    where authorid=1  and typeid in(2,3) 
    order by typeid desc ;

结果如下：

![图片][09bf626bfd826406bd634474c14409c5.png]

**结果分析：** 这里虽然没有变化，但是这是一种优化思路。

**总结如下：**

**a.最佳做前缀，保持索引的定义和使用的顺序一致性**

**b.索引需要逐步优化(每次创建新索引，根据情况需要删除以前的废弃索引)**

**c.将含In的范围查询，放到where条件的最后，防止失效。**

本例中同时出现了Using where（需要回原表）; Using index（不需要回原表）：原因，where authorid=1 and typeid in(2,3)中authorid在索引(authorid,typeid,bid)中，因此不需要回原表（直接在索引表中能查到）；而typeid虽然也在索引(authorid,typeid,bid)中，但是含in的范围查询已经使该typeid索引失效，因此相当于没有typeid这个索引，所以需要回原表（using where）；

例如以下没有了In，则不会出现using where：

explain select bid from book 
    where  authorid=1 and typeid =3
    order by typeid desc ;

结果如下：

![图片][f92a2b8537cb68e85cb88fa9bc57561f.png]

**3）两表优化**

# 创建teacher2新表
    create table teacher2
    (      
        tid int(4) primary key,     
        cid int(4) not null
    );
    # 插入数据
    insert into teacher2 values(1,2);
    insert into teacher2 values(2,1);
    insert into teacher2 values(3,3);
    # 创建course2新表
    create table course2
    (  
        cid int(4) ,  
        cname varchar(20)
    );
    # 插入数据
    insert into course2 values(1,'java');
    insert into course2 values(2,'python');
    insert into course2 values(3,'kotlin');

**案例：使用一个左连接，查找教java课程的所有信息。**

explain 
    select *
    from teacher2 t
    left outer join course2 c
    on t.cid=c.cid 
    where c.cname='java';

结果如下：

![图片][7cdafd6a21bac4ef4b3b7b29cb8e2c6b.png]

**① 优化**

对于两张表，索引往哪里加？答：对于表连接，小表驱动大表。索引建立在经常使用的字段上。

**为什么小表驱动大表好一些呢？**

小表:10   
        大表:300
    # 小表驱动大表
    select ...where 小表.x10=大表.x300 ;
    for(int i=0;i<小表.length10;i++)
    {   
        for(int j=0;j<大表.length300;j++)  
        {       
            ...   
        }
    }
    # 大表驱动小表
    select ...where 大表.x300=小表.x10 ;
    for(int i=0;i<大表.length300;i++)
    {  
        for(int j=0;j<小表.length10;j++)   
        {     
            ...   
        }
    }

**分析：** 以上2个FOR循环，最终都会循环3000次；但是对于双层循环来说：一般建议，将数据小的循环，放外层。数据大的循环，放内层。不用管这是为什么，这是编程语言的一个原则，对于双重循环，外层循环少，内存循环大，程序的性能越高。

结论：当编写【…on t.cid=c.cid】时，将数据量小的表放左边（假设此时t表数据量小，c表数据量大。）

我们已经知道了，对于两表连接，需要利用小表驱动大表，例如【…on t.cid=c.cid】，t如果是小表(10条)，c如果是大表(300条)，那么t每循环1次，就需要循环300次，即t表的t.cid字段属于，经常使用的字段，因此需要给cid字段添加索引。

**更深入的说明：** 一般情况下，左连接给左表加索引。右连接给右表加索引。其他表需不需要加索引，我们逐步尝试。

# 给左表的字段加索引
    create index cid_teacher2 on teacher2(cid);
    # 查看执行计划
    explain 
    select *
    from teacher2 t 
    left outer join course2 c
    on t.cid=c.cid
    where c.cname='java';

结果如下：

![图片][4ff37bbd0ddc364881dc552ba78461e0.png]

当然你可以下去接着优化，给cname添加一个索引。索引优化是一个逐步的过程，需要一点点尝试。

# 给cname的字段加索引
    create index cname_course2 on course2(cname);
    # 查看执行计划
    explain
    select t.cid,c.cname
    from teacher2 t
    left outer join course2 c
    on t.cid=c.cid 
    where c.cname='java';

结果如下：

![图片][22251e0e258a5068c369d5b97e28cd2b.png]

最后补充一个：Using join buffer是extra中的一个选项，表示Mysql引擎使用了“连接缓存”，即MySQL底层动了你的SQL，你写的太差了。

**4）三表优化**

*  大于等于张表，优化原则一样
 *  小表驱动大表
 *  索引建立在经常查询的字段上

**7、避免索引失效的一些原则**

**① 复合索引需要注意的点**

*  复合索引，不要跨列或无序使用(最佳左前缀)
 *  复合索引，尽量使用全索引匹配，也就是说，你建立几个索引，就使用几个索引

**② 不要在索引上进行任何操作(计算、函数、类型转换)，否则索引失效**

explain select * from book where authorid = 1 and typeid = 2;
    explain select * from book where authorid*2 = 1 and typeid = 2 ;

结果如下：

![图片][fd7fec4e6a1f0f94c58b44e5c544cf6a.png]

**③ 索引不能使用不等于（!= <>）或is null (is not null)，否则自身以及右侧所有全部失效(针对大多数情况)。复合索引中如果有>，则自身和右侧索引全部失效。**

# 针对不是复合索引的情况
    explain select * from book where authorid != 1 and typeid =2 ;
    explain select * from book where authorid != 1 and typeid !=2 ;

结果如下：

![图片][57df3c0b516920e624ded07261b1d6e2.png]

**再观看下面这个案例：**

# 删除单独的索引
    drop index authorid_index on book;
    drop index typeid_index on book;
    # 创建一个复合索引
    alter table book add index idx_book_at (authorid,typeid);
    # 查看执行计划
    explain select * from book where authorid > 1 and typeid = 2 ;
    explain select * from book where authorid = 1 and typeid > 2 ;

结果如下：

![c8cd192791054d969bc54a7f16ff561b.png][]

结论：复合索引中如果有【>】，则自身和右侧索引全部失效。

在看看复合索引中有【<】的情况：

![8e3ffe379e244f29819a6dc34db33756.png][]

我们学习索引优化 ，是一个大部分情况适用的结论，但由于SQL优化器等原因 该结论不是100%正确。一般而言， 范围查询（> < in），之后的索引失效。

**④ SQL优化，是一种概率层面的优化。至于是否实际使用了我们的优化，需要通过explain进行推测。**

# 删除复合索引
    drop index authorid_typeid_bid on book;
    # 为authorid和typeid，分别创建索引
    create index authorid_index on book(authorid);
    create index typeid_index on book(typeid);
    # 查看执行计划
    explain select * from book where authorid = 1 and typeid =2 ;

结果如下：

![图片][21cfb3838243b1af6c86b90919b4c622.png]

**结果分析：** 我们创建了两个索引，但是实际上只使用了一个索引。因为对于两个单独的索引，程序觉得只用一个索引就够了，不需要使用两个。

当我们创建一个复合索引，再次执行上面的SQL：

# 查看执行计划
    explain select * from book where authorid = 1 and typeid =2 ;

结果如下：

![图片][2fd6bdfc23ad511dc7a66f6e9cf7224a.png]

**⑤ 索引覆盖，百分之百没问题**

**⑥ like尽量以“常量”开头，不要以’%'开头，否则索引失效**

explain select * from teacher where tname like "%x%" ;
    explain select * from teacher  where tname like 'x%';
    explain select tname from teacher  where tname like '%x%';

结果如下：

![图片][07fc479ec75bcf738db79d758c93c5b8.png]

**结论如下：** like尽量不要使用类似"%x%"情况，但是可以使用"x%"情况。如果非使用 "%x%"情况，需要使用索引覆盖。

**⑦ 尽量不要使用类型转换（显示、隐式），否则索引失效**

explain select * from teacher where tname = 'abc' ;
    explain select * from teacher where tname = 123 ;

结果如下：

![图片][2bce5b47b4fc49f7b6273c04f7f41e77.png]

**⑧ 尽量不要使用or，否则索引失效**

explain select * from teacher where tname ='' and tcid >1 ;
    explain select * from teacher where tname ='' or tcid >1 ;

结果如下：

![图片][9d55853e36773f138eb85facbbde6fab.png]

**注意：or很猛，会让自身索引和左右两侧的索引都失效。**

**8、一些其他的优化方法**

**1）exists和in的优化**

如果主查询的数据集大，则使用i关键字，效率高。

如果子查询的数据集大，则使用exist关键字,效率高。

select ..from table where exist (子查询) ;
    select ..from table where 字段 in  (子查询) ;

**2）order by优化**

*  IO就是访问硬盘文件的次数
 *  using filesort 有两种算法：双路排序、单路排序（根据IO的次数）
 *  MySQL4.1之前默认使用双路排序；双路：扫描2次磁盘(1：从磁盘读取排序字段,对排序字段进行排序(在buffer中进行的排序)2：扫描其他字段)
 *  MySQL4.1之后默认使用单路排序：只读取一次（全部字段），在buffer中进行排序。但种单路排序会有一定的隐患(不一定真的是“单路/1次IO”，有可能多次IO)。原因：如果数据量特别大，则无法将所有字段的数据一次性读取完毕，因此会进行“分片读取、多次读取”。
 *  注意：单路排序 比双路排序 会占用更多的buffer。
 *  单路排序在使用时，如果数据大，可以考虑调大buffer的容量大小：

# 不一定真的是“单路/1次IO”，有可能多次IO
    set max_length_for_sort_data = 1024

如果max\_length\_for\_sort\_data值太低，则mysql会自动从 单路->双路(太低：需要排序的列的总大小超过了max\_length\_for\_sort\_data定义的字节数)

**① 提高order by查询的策略：**

*  选择使用单路、双路 ；调整buffer的容量大小
 *  避免使用select \* …（select后面写所有字段，也比写\*效率高）
 *  复合索引，不要跨列使用 ，避免using filesort保证全部的排序字段，排序的一致性（都是升序或降序）

篇幅很长，内容较多，建议收藏。

[7e2bae4170175acf1a15198741b70b37.jpeg]: https://image.dandelioncloud.cn/pgy_files/images/2024/02/19/24a927d6613e44d1b3e32a6f0045ee79.png
[d0bddb2b93d33c606638d5905bee9b19.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/02/19/b4ab916551b74bad8f8b8df897372cbb.png
[67be783b5de94b2d0f38f037decae58f.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/02/19/559dcfe90d034df394c35622fbfb063d.png
[1790d207f039663ab93c15ebcbc0fa54.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/02/19/33ed4e229e21467eb856eebbf460c392.png
[c008909a21093a1b4b42ddcae1d7171c.jpeg]: https://image.dandelioncloud.cn/pgy_files/images/2024/02/19/be355d7be9224d6fbe79e6b1dd1efac0.png
[f76f43fdd01607d1d77f88ebfda089be.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/02/19/25b0088951374d72aee6b044810ac6e0.png
[2539c82f4743b75c4f6d5bc8be018e75.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/02/19/bbc4a40e3fcb4c3f8f52aa0233c73b83.png
[27bdec6201a17994f67c6b55e400e7b4.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/02/19/180aebf94faf4401b3bee68ad37f9ef8.png
[78e1321bf807b1fc433f7d3eccbfbd73.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/02/19/3fa007262d9f463f85609cad73af878b.png
[5dda58e7bba8fe25cfea20fc8792d9ba.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/02/19/fc3fde51296445f196d6a7f616482a8c.png
[b0f37fa0e3200758986877db7aa159da.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/02/19/6e5d20836b8a4d239cc643c3dbab9d1c.png
[16f82fcba23ccdb7a665b56b74995826.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/02/19/7fef1d4d713c4a84be7aceeffa1317c8.png
[7df51edfcf2cc6baa480c745e6edee79.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/02/19/614f4d5e42a047039d02131a03fc0c3a.png
[5c00fa715507e74fbbf5039539869da4.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/02/19/39af4a6c36a3481c81b45e5041667cdf.png
[ccd865c5cc8f60a291448a5da8e085b7.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/02/19/badd9fc5b5294f7e9a3767149da53ec1.png
[20cf791f60c801a6ead07ceb6e67aec0.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/02/19/d8154fb91d714bfe9046dacadad2e32e.png
[af8e0c243d0e309c655751cc2f43c431.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/02/19/d1680c39a0af446ab48e194a787531e4.png
[8b6d30e4c513a7fc1af6145ef94bf4a1.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/02/19/b292375ca1254166a7b7a0eab445b68c.png
[7f438ead5523a071e91c08fd2aa823ab.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/02/19/d00a5baacdf444348826ed861cc60f00.png
[24415dd1d676061a8bd1bd438677cdb9.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/02/19/10a775f373084f8b88966eb3ba6cdbce.png
[5c93c523555d069c80b12053cb06d0ca.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/02/19/e6eb3b7ab0334d4293275e261ecdc01e.png
[2810f63a5caeda4a593a601a1350e8b8.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/02/19/784a14d1f675402aa2f483bc889de4c0.png
[8366f7b6bafc71b01accf4604c3bae93.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/02/19/9a754e6143ed4516a552a2efc0d7ab02.png
[251fb1c2c553304d5786411d655cba86.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/02/19/45986b5901904894bba7263166c7124b.png
[fd1d537c07330f967d669521cdfae755.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/02/19/1ecbe1abeaff42fd9443170a52a6320b.png
[164a9a63beb1721980313a2e6e176362.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/02/19/99018409176c4a009c85304cd69dac65.png
[754b1c422462c6b001eb0dcdaa0c2f2c.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/02/19/15cfe1e4fb084c4099607af990ecfc6a.png
[6de1d592835089e44e3e24b6233c7d07.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/02/19/6f168cee1d2f41c1a9f9c789aa23e310.png
[ecb3f8a2e180df00db4c83e3b989c2e4.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/02/19/c2512d6e39a64e82b925f17dafa98e8e.png
[23543746ba4def1012bcc0e0fe0883aa.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/02/19/384fc70a88d34a2fa4a0eff9f10758b9.png
[25319c6953e6fa3d89894338cdbd81f8.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/02/19/ba0b9994cd9243be95f0b9a680c1e81d.png
[26a0da34cc2870b2d2f9e7114a3502dd.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/02/19/17304a7316d0407b8f51bbf7de4e4835.png
[9911735c945be5787062253fdafedef1.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/02/19/3eb14ad2ddb546679e5f4c9b1fefc634.png
[361086545c6827f54acfa388dfb59a7d.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/02/19/840f7794cd954a55994c8656cd172604.png
[ce81ab216b63fc8c0fbca537b9bf257a.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/02/19/f24b1e9a7bbb42d980b00a841efb0644.png
[cd88b95d5b86e83663039ce33b133440.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/02/19/93b2424f1d404782bc1f9d9525b146de.png
[ed9e882524637cdb05d96e835fee28e3.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/02/19/c251c35d99b54399b0a6748573d12e27.png
[0d042df4f68af3afafc58920f4c4654a.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/02/19/19da7d844ccd4653a5115c5aa864fd8b.png
[d75b401324aec3390a8f94b3d996014a.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/02/19/b5e7c481048a4625bc1fd995dec9082a.png
[003ac58dc46cd46b9cd070cac59aa94d.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/02/19/720e2fc015844be99458a41e8cdbd645.png
[e5817420c8f9ba19b81c4ff952e11dfd.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/02/19/138b5221d0dd4c2c8d2669d6a53e7629.png
[09bf626bfd826406bd634474c14409c5.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/02/19/5fab832bfeb3468aba4c8b63302d4136.png
[f92a2b8537cb68e85cb88fa9bc57561f.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/02/19/75e24a43bfb24926a3fef904030f55a3.png
[7cdafd6a21bac4ef4b3b7b29cb8e2c6b.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/02/19/bca0a7fc23764cd4910ad20749d5323b.png
[4ff37bbd0ddc364881dc552ba78461e0.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/02/19/9a5d5a0fc0834f2c804bb03c08ced589.png
[22251e0e258a5068c369d5b97e28cd2b.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/02/19/af4c19b15dba4ecb860e8103f4bb1269.png
[fd7fec4e6a1f0f94c58b44e5c544cf6a.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/02/19/f4c120060e7748929f5157bf9437b1f8.png
[57df3c0b516920e624ded07261b1d6e2.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/02/19/69915e590c9b45e48ac8d8bf679df6dc.png
[c8cd192791054d969bc54a7f16ff561b.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/02/19/e91f4b4c5695483090fbba29003c2e7f.png
[8e3ffe379e244f29819a6dc34db33756.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/02/19/cb33405f3d9e45f2841b3b9ff94dbdf9.png
[21cfb3838243b1af6c86b90919b4c622.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/02/19/380288b24e5c42b19405d4b5b0014fa5.png
[2fd6bdfc23ad511dc7a66f6e9cf7224a.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/02/19/24888d04d7d04a258073ce182b4cc9d5.png
[07fc479ec75bcf738db79d758c93c5b8.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/02/19/8730e3db5ebf442c84589e16602e1f8a.png
[2bce5b47b4fc49f7b6273c04f7f41e77.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/02/19/f6ae0270b50344c4b486e63be6fec48d.png
[9d55853e36773f138eb85facbbde6fab.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/02/19/f8d54ff07e964a3ea86a3ba07b86ce1a.png