一次非常有趣的 SQL 優化經歷

閱讀本文大概需要 6 分鐘。

 

前言

在網上刷到一篇資料庫優化的文章，自己也來研究一波。

場景

資料庫版本：5.7.25 ，執行在虛擬機器中。

課程表

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

增加 100 條資料

#增加課程表100條資料
DROP PROCEDURE IF EXISTS insert_Course;
DELIMITER $
CREATE PROCEDURE insert_Course()
BEGIN
    DECLARE i INT DEFAULT 1;
        WHILE i<=100 DO
        INSERT INTO Course(`c_id`,`name`) VALUES(i, CONCAT('語文',i+''));
        SET i = i+1;
    END WHILE;
END $
CALL insert_Course();

執行耗時

CALL insert_Course();
> OK
> 時間: 0.152s

課程資料

學生表

#學生表
create table Student(
s_id int PRIMARY KEY,
name varchar(10)
)

增加 7W 條資料

#學生表增加70000條資料
DROP PROCEDURE IF EXISTS insert_Student;
DELIMITER $
CREATE PROCEDURE insert_Student()
BEGIN
    DECLARE i INT DEFAULT 1;
        WHILE i<=70000 DO
        INSERT INTO Student(`s_id`,`name`) VALUES(i, CONCAT('張三',i+''));
        SET i = i+1;
    END WHILE;
END $
CALL insert_Student();

執行結果

CALL insert_Student();
> OK
> 時間: 175.838s

學生資料

成績表

#成績表
CREATE table Result(
r_id int PRIMARY KEY,
s_id int,
c_id int,
score int
)

增加 70W 條資料

#成績表增加70W條資料
DROP PROCEDURE IF EXISTS insert_Result;
DELIMITER $
CREATE PROCEDURE insert_Result()
BEGIN
    DECLARE i INT DEFAULT 1;
        DECLARE sNum INT DEFAULT 1;
        DECLARE cNum INT DEFAULT 1;
        WHILE i<=700000 DO
                if (sNum%70000 = 0) THEN
                    set sNum = 1;
                elseif (cNum%100 = 0) THEN 
                    set cNum = 1;
                end if;
        INSERT INTO Result(`r_id`,`s_id`,`c_id`,`score`) VALUES(i,sNum ,cNum , (RAND()*99)+1);
        SET i = i+1;
                SET sNum = sNum+1;
                SET cNum = cNum+1;
    END WHILE;
END $
CALL insert_Result();

執行結果

CALL insert_Result();
> OK
> 時間: 2029.5s

成績資料

測試

業務需求

查詢 語文1 成績為 100 分的考生

查詢語句

#查詢語文1考100分的考生
select s.* from Student s where s.s_id in 
(select s_id from Result r where r.c_id = 1 and r.score = 100)

執行時間：0.937s

查詢結果：32 位滿足條件的學生

用了 0.9s ，來檢視下查詢計劃：

EXPLAIN
select s.* from Student s where s.s_id in 
(select s_id from Result r where r.c_id = 1 and r.score = 100)

發現沒有用到索引，type 全是 ALL ，那麼首先想到的就是建立一個索引，建立索引的欄位當然是在 where 條件的欄位了。

查詢結果中 type 列：all 是全表掃描，index 是通過索引掃描。

先給 Result 表的 c_id 和 score 建立個索引

CREATE index result_c_id_index on Result(c_id);

CREATE index result_score_index on Result(score);

再次執行上述查詢語句，時間為：0.027s

快了 34.7 倍（四捨五入），大大縮短了查詢的時間，看來索引能極大程度的提高查詢效率，在合適的列上面建立索引很有必要，很多時候都忘記建立索引，資料量小的時候沒什麼感覺，這優化的感覺很 nice 。

相同的 SQL 語句多次執行，你會發現第一次是最久的，後面執行所需的時間會比第一次執行短些許，原因是，相同語句第二次查詢會直接從快取中讀取。

0.027s 很短了，但是還能再進行優化嗎，仔細看下執行計劃：

檢視優化後的 SQL ：

SELECT
    `example`.`s`.`s_id` AS `s_id`,
    `example`.`s`.`name` AS `name` 
FROM
    `example`.`Student` `s` semi
    JOIN ( `example`.`Result` `r` ) 
WHERE
    (
    ( `example`.`s`.`s_id` = `<subquery2>`.`s_id` ) 
    AND ( `example`.`r`.`score` = 100 ) 
    AND ( `example`.`r`.`c_id` = 1 ) 
    )

怎麼檢視優化後的語句呢？

方法如下（在命令視窗執行）：

#先執行
EXPLAIN
select s.* from Student s where s.s_id in 
(select s_id from Result r where r.c_id = 1 and r.score = 100);
#在執行
show warnings;

結果如下

有 type = all

按照之前的想法，該 SQL 執行的順序是執行子查詢

select s_id from Result r where r.c_id = 1 and r.score = 100

耗時：1.402s

得到如下結果（部分）

然後在執行

select s.* from Student s where s.s_id in 
(12871,40987,46729,61381,3955,10687,14047,26917,28897,31174,38896,56518,10774,25030,9778,12544,24721,27295,60361,
38479,46990,66988,6790,35995,46192,47578,58171,63220,6685,67372,46279,64693)

耗時：0.222s

比一起執行快多了，檢視優化後的 SQL 語句，發現MySQL 竟然不是先執行裡層的查詢，而是將 SQL 優化成了 exists 字句，執行計劃中的 select_type 為 MATERIALIZED（物化子查詢）。MySQL 先執行外層查詢，在執行裡層的查詢，這樣就要迴圈學生數量*滿足條件的學生 ID 次，也就是 7W * 32 次。

物化子查詢： 優化器使用物化能夠更有效的來處理子查詢。物化通過將子查詢結果作為一個臨時表來加快查詢執行速度，正常來說是在記憶體中的。mysql 第一次需要子查詢結果是，它物化結果到一張臨時表中。在之後的任何地方需要該結果集，mysql 會再次引用臨時表。優化器也許會使用一個雜湊索引來使得查詢更快速代價更小。索引是唯一的，排除重複並使得表資料更少。

那麼改用連線查詢呢？

這裡為了重新分析連線查詢的情況，先暫時刪除索引 result_c_id_index ，result_score_index 。

DROP index result_c_id_index on Result;
DROP index result_score_index on Result;

連線查詢

select s.* from 
Student s 
INNER JOIN Result r 
on r.s_id = s.s_id 
where r.c_id = 1 and r.score = 100;

執行耗時：1.293s

查詢結果

用了 1.2s ，來看看執行計劃（ EXPLAIN + 查詢 SQL 即可檢視該 SQL 的執行計劃）：

這裡有連表的情況出現，我猜想是不是要給 result 表的 s_id 建立個索引

CREATE index result_s_id_index on Result(s_id);
show index from Result;

在執行連線查詢

耗時：1.17s （有點奇怪，按照所看文章的時間應該會變長的）

看下執行計劃：

優化後的查詢語句為：

SELECT
    `example`.`s`.`s_id` AS `s_id`,
    `example`.`s`.`name` AS `name` 
FROM
    `example`.`Student` `s`
    JOIN `example`.`Result` `r` 
WHERE
    (
    ( `example`.`s`.`s_id` = `example`.`r`.`s_id` ) 
    AND ( `example`.`r`.`score` = 100 ) 
    AND ( `example`.`r`.`c_id` = 1 ) 
    )

貌似是先做的連線查詢，在進行的 where 條件過濾。

回到前面的執行計劃：

這裡是先做的 where 條件過濾，再做連表，執行計劃還不是固定的，那麼我們先看下標準的 sql 執行順序：

正常情況下是先 join 再進行 where 過濾，但是我們這裡的情況，如果先 join ，將會有 70W 條資料傳送 join ，因此先執行 where 過濾式明智方案，現在為了排除 mysql 的查詢優化，我自己寫一條優化後的 sql 。

先刪除索引

DROP index result_s_id_index on Result;

執行自己寫的優化 sql

SELECT
    s.* 
FROM
    (
        SELECT * FROM Result r WHERE r.c_id = 1 AND r.score = 100 
    ) t
INNER JOIN Student s ON t.s_id = s.s_id

耗時為：0.413s

比之前 sql 的時間都要短。

檢視執行計劃

先提取 result 再連表，這樣效率就高多了，現在的問題是提取 result 的時候出現了掃描表，那麼現在可以明確需要建立相關索引。

CREATE index result_c_id_index on Result(c_id);
CREATE index result_score_index on Result(score);

再次執行查詢

SELECT
    s.* 
FROM
    (
        SELECT * FROM Result r WHERE r.c_id = 1 AND r.score = 100 
    ) t
INNER JOIN Student s ON t.s_id = s.s_id

耗時為：0.044s

這個時間相當靠譜，快了 10 倍。

執行計劃：

我們會看到，先提取 result ，再連表，都用到了索引。

那麼再來執行下 sql ：

EXPLAIN
select s.* from 
Student s 
INNER JOIN Result r 
on r.s_id = s.s_id 
where r.c_id = 1 and r.score = 100;

執行耗時：0.050s

執行計劃：

這裡是 mysql 進行了查詢語句優化，先執行了 where 過濾，再執行連線操作，且都用到了索引。

擴大測試資料，調整內容為 result 表的資料增長到 300W ，學生資料更為分散。

DROP PROCEDURE IF EXISTS insert_Result_TO300W;
DELIMITER $
CREATE PROCEDURE insert_Result_TO300W()
BEGIN
    DECLARE i INT DEFAULT 700001;
        DECLARE sNum INT DEFAULT 1;
        DECLARE cNum INT DEFAULT 1;
        WHILE i<=3000000 DO
        INSERT INTO Result(`r_id`,`s_id`,`c_id`,`score`) 
                VALUES(i,(RAND()*69999)+1 ,(RAND()*99)+1 , (RAND()*99)+1);
        SET i = i+1;
    END WHILE;
END $
CALL insert_Result_TO300W();

更換了一下資料生成的方式，全部採用隨機數格式。

先回顧下：

show index from Result;

執行 sql

select s.* from 
Student s
INNER JOIN Result r
on r.s_id = s.s_id
where r.c_id = 81 and r.score = 84;

執行耗時：1.278s

執行計劃：

這裡用到了 intersect 並集操作，即兩個索引同時檢索的結果再求並集，再看欄位 score 和 c_id 的區分度，但從一個欄位看，區分度都不是很大，從 Result 表檢索，c_id = 81 檢索的結果是 81 ，score = 84 的結果是 84 。

而 c_id = 81 and score = 84 的結果是 19881，即這兩個欄位聯合起來的區分度還是比較高的，因此建立聯合索引查詢效率將會更高，從另外一個角度看，該表的資料是 300W ，以後會更多，就索引儲存而言，都是不小的數目，隨著資料量的增加，索引就不能全部載入到記憶體，而是要從磁碟讀取，這樣索引的個數越多，讀磁碟的開銷就越大，因此根據具體業務情況建立多列的聯合索引是必要的，我們來試試。

DROP index result_c_id_index on Result;
DROP index result_score_index on Result;
CREATE index result_c_id_score_index on Result(c_id,score);

指向上述查詢語句

消耗時間：0.025s

這個速度就就很快了，可以接受。

該語句的優化暫時告一段落。

總結

• MySQL 巢狀子查詢效率確實比較低
• 可以將其優化成連線查詢
• 連線表時，可以先用 where 條件對錶進行過濾，然後做表連線（雖然 MySQL 會對連表語句做優化）
• 建立合適的索引，必要時建立多列聯合索引
• 學會分析 sql 執行計劃，mysql 會對 sql 進行優化，所有分析計劃很重要

知識擴充套件

索引優化

上面講到子查詢的優化，以及如何建立索引，而且在多個欄位索引時，分別對欄位建立了單個索引。

後面發現其實建立聯合索引效率會更高，尤其是在資料量較大，單個列區分度不高的情況下。

單列索引

查詢語句如下：

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);

分別對 sex ，type ，age 欄位做了索引，資料量為300w

查詢時間：0.415s

執行計劃：

發現 type = index_merge

這是mysql對多個單列索引的優化，對結果集採用intersect並集操作

多列索引

多列索引

我們可以在這3個列上建立多列索引，將表copy一份以便做測試。

create index user_test_index_sex_type_age on user_test(sex,type,age);

查詢語句：

select * from user_test where sex = 2 and type = 2 and age = 10

執行時間：0.032s

快了10多倍，且多列索引的區分度越高，提高的速度也越多。

執行計劃：

最左字首

多列索引還有最左字首的特性：

都會使用到索引，即索引的第一個欄位sex要出現在where條件中。

執行一下語句：

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

索引覆蓋

就是查詢的列都建立了索引，這樣在獲取結果集的時候不用再去磁碟獲取其它列的資料，直接返回索引資料即可

如：

select sex,type,age from user_test where sex = 2 and type = 2 and age = 10

執行時間：0.003s

要比取所有欄位快的多

排序

select * from user_test where sex = 2 and type = 2 ORDER BY user_name

時間：0.139s

在排序欄位上建立索引會提高排序的效率

select * from user_test where sex = 2 and type = 2 ORDER BY user_name

最後附上一些sql調優的總結，以後有時間再深入研究

• 列型別儘量定義成數值型別，且長度儘可能短，如主鍵和外來鍵，型別欄位等等
• 建立單列索引
• 根據需要建立多列聯合索引
• 當單個列過濾之後還有很多資料，那麼索引的效率將會比較低，即列的區分度較低，那麼如果在多個列上建立索引，那麼多個列的區分度就大多了，將會有顯著的效率提高。
• 根據業務場景建立覆蓋索引
• 只查詢業務需要的欄位，如果這些欄位被索引覆蓋，將極大的提高查詢效率
• 多表連線的欄位上需要建立索引
• 這樣可以極大的提高表連線的效率
• where條件欄位上需要建立索引
• 排序欄位上需要建立索引
• 分組欄位上需要建立索引
• Where條件上不要使用運算函式，以免索引失效

 

·END·

程式設計師的成長之路

路雖遠，行則必至

本文原發於 同名微信公眾號「程式設計師的成長之路」，回覆「1024」你懂得，給個讚唄。

微信ID：cxydczzl

 

往期精彩回顧

 

程式設計師接私活的7大平臺利器

Java程式設計師的成長之路

白話TCP為什麼需要進行三次握手

Java效能優化的50個細節（珍藏版）

設計電商平臺優惠券系統

一個對話讓你明白架構師是做什麼的？

教你一招用 IDE 程式設計提升效率的騷操作！

送給程式設計師們的經典電子書大禮包