中秋节，送上一次非常有趣的SQL优化实战经历

迷南。 2024-04-18 23:28 67阅读 0赞

[点击上方“搜云库技术团队”，选择“设为星标”][Link 1]

[回复“1024”或][Link 1][“面试题”][Link 1]获取4T学习资料

补充：看到好多朋友后台留言说对SQL优化感兴趣，我又重新整理了下文章，将更多关于sql优化的知识分享出来，SQL优化也是面试中必问的知识点，一定要牢记优化套路。

## 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 )

![640?wx\_fmt=png][640_wx_fmt_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：

![640?wx\_fmt=png][640_wx_fmt_png 1]

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![640?wx\_fmt=png][640_wx_fmt_png 2]

![640?wx\_fmt=png][640_wx_fmt_png 3]

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：**

![640?wx\_fmt=png][640_wx_fmt_png 4]

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：**

![640?wx\_fmt=png][640_wx_fmt_png 5]

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

![640?wx\_fmt=png][640_wx_fmt_png 6]

**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：

![640?wx\_fmt=png][640_wx_fmt_png 7]

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：**

![640?wx\_fmt=png][640_wx_fmt_png 5]

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：

![640?wx\_fmt=png][640_wx_fmt_png 8]

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：**

![640?wx\_fmt=png][640_wx_fmt_png 9]

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：**

执行时间为：0.001s，这个时间相当靠谱，快了50倍

执行计划：

![640?wx\_fmt=png][640_wx_fmt_png 10]

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：**

![640?wx\_fmt=png][640_wx_fmt_png 11]

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

![640?wx\_fmt=png][640_wx_fmt_png 12]

执行sql

执行时间：0.061s，这个时间稍微慢了点

**执行计划：**

![640?wx\_fmt=png][640_wx_fmt_png 13]

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：

![640?wx\_fmt=png][640_wx_fmt_png 14]

该语句的优化暂时告一段落

**总结：**

**1、**mysql嵌套子查询效率确实比较低

**2、**可以将其优化成连接查询

**3、**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）

**4、**建立合适的索引，必要时建立多列联合索引

**5、**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：

![640?wx\_fmt=png][640_wx_fmt_png 15]

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：

![640?wx\_fmt=png][640_wx_fmt_png 16]

**最左前缀**

多列索引还有最左前缀的特性：

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

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

## 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**

**1、** 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

**2、** 建立单列索引

**3、** 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。

**4、** 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

**5、** 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

**6、** where条件字段上需要建立索引

**7、** 排序字段上需要建立索引

**8、** 分组字段上需要建立索引

**9、** Where条件上不要使用运算函数，以免索引失效

来源：http://suo.im/4EHUR2

[》》》福利 + 程序员工作内推群《《《][Link 1]

**2000+道 互联网Java工程师** **面试题 PDF文档**

**关注公众号并回复：** **“面试题”** ** 无套路获取**

**更多技术干货**

推荐： [近300篇：历史技术文章，20大分类整理][300_20]

**1、热文：** [2019年9月全国程序员工资统计][2019_9]    
2、 [面试官：如何实现一个高性能的，短链接生成服务？附源码][Link 2]    
3、 [惊呆了，Spring Boot居然这么耗内存！][Spring Boot]    
4、 [Java分布式 RPC 框架性能大比拼，Dubbo真的最差吗？][Java_ RPC _Dubbo]    
5、 [懂点 Nginx 如何实现反向代理与负载均衡，是面试加分项][Nginx]    
6、 [面试官：SpringBoot jar 可执行原理，知道吗？][SpringBoot jar]

![640?wx\_fmt=png][640_wx_fmt_png 17]

[Link 1]: https://mp.weixin.qq.com/s?__biz=MzA3MTUzOTcxOQ==&mid=2452966575&idx=2&sn=65d240d020625f7018c697eba4642be1&scene=21#wechat_redirect
[640_wx_fmt_png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/18/c449ffc419454bfaaa7fe17eaad1f3e1.png
[640_wx_fmt_png 1]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/18/59d38c5b5e8f4dc993870a2cb3454c49.png
[640_wx_fmt_png 2]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/18/ea34620d70284b0baa8dec1042af04ba.png
[640_wx_fmt_png 3]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/18/b181e9870c754df08e8339e9ebe06f9b.png
[640_wx_fmt_png 4]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/18/8654fc741575449a8a6ebfba5b408e76.png
[640_wx_fmt_png 5]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/18/8c84ce6baa5b4dc690a7e6e62f91dce5.png
[640_wx_fmt_png 6]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/18/9070c338d448450081b2ac86109152d0.png
[640_wx_fmt_png 7]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/18/519e9905b3f3400d91543d398eedda35.png
[640_wx_fmt_png 8]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/18/bcf0623e55a84fff904d4dfb8246ddf9.png
[640_wx_fmt_png 9]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/18/45084abf13024c269ed8d9eeb6582cf2.png
[640_wx_fmt_png 10]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/18/7e0cf6fc62f1459fb9bf6476b32fa235.png
[640_wx_fmt_png 11]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/18/827f6564918e4942b50d2428981fc591.png
[640_wx_fmt_png 12]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/18/90815263996a4bd69b3a00b6a613586c.png
[640_wx_fmt_png 13]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/18/5f6af6b35eba42e3ad4a1e00103bc611.png
[640_wx_fmt_png 14]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/18/f4d0d1c4491a436f8e94a678a302f897.png
[640_wx_fmt_png 15]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/18/7cb20d85b8ed4f75914216b03a4e70d4.png
[640_wx_fmt_png 16]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/18/7790bb0fba0f49868d2e7cc5496cdbab.png
[300_20]: https://mp.weixin.qq.com/s?__biz=MzA3MTUzOTcxOQ==&mid=2452967357&idx=1&sn=d718fe7c8f9766aacda36e98d6de654e&scene=21#wechat_redirect
[2019_9]: https://mp.weixin.qq.com/s?__biz=MzA3MTUzOTcxOQ==&mid=2452967698&idx=1&sn=00ab0f154784d896f5499063c7512d62&scene=21#wechat_redirect
[Link 2]: https://mp.weixin.qq.com/s?__biz=MzA3MTUzOTcxOQ==&mid=2452967736&idx=1&sn=e93ad56a983d221d624367c6a1c996ca&scene=21#wechat_redirect
[Spring Boot]: https://mp.weixin.qq.com/s?__biz=MzA3MTUzOTcxOQ==&mid=2452967674&idx=1&sn=728eeca6a2b1a1831d26c39d75b60c69&scene=21#wechat_redirect
[Java_ RPC _Dubbo]: https://mp.weixin.qq.com/s?__biz=MzA3MTUzOTcxOQ==&mid=2452967656&idx=1&sn=5cd5ce52e4d614dbfdea94005085ed50&scene=21#wechat_redirect
[Nginx]: https://mp.weixin.qq.com/s?__biz=MzA3MTUzOTcxOQ==&mid=2452967630&idx=1&sn=93f8d5ff2c10daeff48c37064e2bf2c5&scene=21#wechat_redirect
[SpringBoot jar]: https://mp.weixin.qq.com/s?__biz=MzA3MTUzOTcxOQ==&mid=2452967612&idx=1&sn=da6ab8e35a28bfc507882c041661a9e2&scene=21#wechat_redirect
[640_wx_fmt_png 17]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/18/3ee93c82b3c74fcb912de47656d09e54.png