升級MySQL5.7，開發不得不注意的坑

pythontab發表於2018-07-10
MySql

前段時間，將線上MySQL資料庫升級到了5.7。考慮到可能產生的不相容性，在升級之前，確實也是戰戰兢兢，雖然測試環境，開發環境早在半年前就已提前升級。


基於前期的調研和朋友的反饋，與開發相關的主要有兩點：

sql_mode

MySQL 5.6中，其預設值為"NO_ENGINE_SU BSTITUTION"，可理解為非嚴格模式，譬如，對自增主鍵插入空字串''，雖然提示warning，但並不影響自增主鍵的生成。

但在MySQL 5.7中，其就調整為了嚴格模式，對於上面這個，其不會提示warning，而是直接報錯。

分組求最值

分組求最值的某些寫法在MySQL5.7中得不到預期結果，這點，相對來說比較隱蔽。

其中，第一點是可控的，畢竟可以調整引數。而第二點，卻是不可控的，沒有引數與之相關，需要開發Review程式碼。


下面具體來看看

測試資料

mysql> select * from emp;
+-------+----------+--------+--------+
| empno | ename    | sal    | deptno |
+-------+----------+--------+--------+
|  1001 | emp_1001 | 100.00 |     10 |
|  1002 | emp_1002 | 200.00 |     10 |
|  1003 | emp_1003 | 300.00 |     20 |
|  1004 | emp_1004 | 400.00 |     20 |
|  1005 | emp_1005 | 500.00 |     30 |
|  1006 | emp_1006 | 600.00 |     30 |
+-------+----------+--------+--------+
6 rows in set (0.00 sec)


其中，empno是員工編號，ename是員工姓名，sal是工資，deptno是員工所在部門號。

業務的需求是，求出每個部門中工資最高的員工的相關資訊。

在MySQL5.6中，我們可以透過下面這個SQL來實現，

SELECT
    deptno,ename,sal 
FROM
    ( SELECT * FROM emp ORDER BY sal DESC ) t 
GROUP BY
    deptno;

結果如下，可以看到，其確實實現了預期效果。

+--------+----------+--------+
| deptno | ename    | sal    |
+--------+----------+--------+
|     10 | emp_1002 | 200.00 |
|     20 | emp_1004 | 400.00 |
|     30 | emp_1006 | 600.00 |
+--------+----------+--------+


再來看看MySQL5.7的結果，竟然不一樣。

+--------+----------+--------+
| deptno | ename    | sal    |
+--------+----------+--------+
|     10 | emp_1001 | 100.00 |
|     20 | emp_1003 | 300.00 |
|     30 | emp_1005 | 500.00 |
+--------+----------+--------+


實際上，在MySQL5.7中，對該SQL進行了改寫，改寫後的SQL可透過explain(extended) + show warnings檢視。

mysql> explain select deptno,ename,sal from (select * from emp order by sal desc) t group by deptno;
+----+-------------+-------+------------+------+---------------+------+---------+------+------+----------+-----------------+
| id | select_type | table | partitions | type | possible_keys | key  | key_len | ref  | rows | filtered | Extra           |
+----+-------------+-------+------------+------+---------------+------+---------+------+------+----------+-----------------+
|  1 | SIMPLE      | emp   | NULL       | ALL  | NULL          | NULL | NULL    | NULL |    6 |   100.00 | Using temporary |
+----+-------------+-------+------------+------+---------------+------+---------+------+------+----------+-----------------+
1 row in set, 1 warning (0.00 sec)
mysql> show warnings\G
*************************** 1. row ***************************
  Level: Note
   Code: 1003
Message: /* select#1 */ select `slowtech`.`emp`.`deptno` AS `deptno`,`slowtech`.`emp`.`ename` AS `ename`,`slowtech`.`emp`.`sal` AS `sal` from `slowtech`.`emp` group by `slowtech`.`emp`.`deptno`
1 row in set (0.00 sec)

從改寫後的SQL來看，其消除了子查詢，導致結果未能實現預期效果，官方也證實了這一點，https://bugs.mysql.com/bug.php?id=80131

很多人可能不以為然，認為沒人會這樣寫，但在大名鼎鼎的stackoverflow中，該實現的點贊數就有116個-由此可見其受眾之廣，僅次於後面提到的“方法二”（點贊數206個）。

https://stackoverflow.com/questions/12102200/get-records-with-max-value-for-each-group-of-grouped-sql-results

需要注意的是，該SQL在5.7中是不能直接執行的，其會提示如下錯誤：

ERROR 1055 (42000): Expression #2 of SELECT list is not in GROUP BY clause and contains nonaggregated column 't.ename' which is not functionally dependent on columns in GROUP BY clause; this is incompatible with sql_mode=only_full_group_by

這個與sql_mode有關，在MySQL 5.7中，sql_mode調整為了

ONLY_FULL_GROUP_BY,STRICT_TRANS_TABLES,NO_ZERO_IN_DATE,NO_ZERO_DATE,ERROR_FOR_DIVISION_BY_ZERO,NO_AUTO_CREATE_USER,NO_ENGINE_SUBSTITUTION

其中，ONLY_FULL_GROUP_BY與group by語句有關，其要求select列表裡只能出現分組列（即group by後面的列）和聚合函式（sum，avg，max等），這也是SQL92的標準。

但在工作中，卻經常看到開發寫出下面這種SQL。

mysql> select deptno,ename,max(sal) from emp group by deptno;
+--------+----------+----------+
| deptno | ename    | max(sal) |
+--------+----------+----------+
|     10 | emp_1001 |   200.00 |
|     20 | emp_1003 |   400.00 |
|     30 | emp_1005 |   600.00 |
+--------+----------+----------+
3 rows in set (0.01 sec)

實在不明白，這裡的ename在業務層有何意義，畢竟，他並不是工資最高的那位員工。

分組求最值，MySQL的實現方式

其實分組求最值是一個很普遍的需求。在工作中，也經常被開發同事問到。 下面具體來看看，MySQL中有哪些實現方式。


方法1

SELECT
    e.deptno,
    ename,
    sal 
FROM
    emp e,
    ( SELECT deptno, max( sal ) maxsal FROM emp GROUP BY deptno ) t 
WHERE
    e.deptno = t.deptno 
    AND e.sal = t.maxsal;

方法2

SELECT
    a.deptno,
    a.ename,
    a.sal 
FROM
    emp a
    LEFT JOIN emp b ON a.deptno = b.deptno 
    AND a.sal < b.sal 
WHERE
    b.sal IS NULL;

這兩種實現方式，其實是通用的，不僅適用於MySQL，也適用於其它主流關係型資料庫。


方法3

MySQL 8.0推出了分析函式，其也可實現類似功能。

SELECT
    deptno,
    ename,
    sal 
FROM
    (
    SELECT
        deptno,
        ename,
        sal,
        LAST_VALUE ( sal ) OVER ( PARTITION BY deptno ORDER BY sal ROWS BETWEEN UNBOUNDED PRECEDING AND UNBOUNDED FOLLOWING ) maxsal 
    FROM
        emp 
    ) a 
WHERE
    sal = maxsal;


三種實現方式的效能對比

因上面測試案例的資料量太小，三種實現方式的結果都是秒出，僅憑執行計劃很難直觀地看出實現方式的優劣。

下面換上資料量更大的測試資料，官方示例資料庫employees中的dept_emp表，https://github.com/datacharmer/test_db

表的相關資訊如下，其中emp_no是員工編號，dept_no是部門編號，from_date是入職日期。

mysql> show create table dept_emp\G
*************************** 1. row ***************************
       Table: dept_emp
Create Table: CREATE TABLE `dept_emp` (
  `emp_no` int(11) NOT NULL,
  `dept_no` char(4) NOT NULL,
  `from_date` date NOT NULL,
  `to_date` date NOT NULL,
  KEY `dept_no` (`dept_no`,`from_date`)
) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4 COLLATE=utf8mb4_0900_ai_ci
1 row in set (0.00 sec)
mysql> select count(*) from dept_emp;
+----------+
| count(*) |
+----------+
|   331603 |
+----------+
1 row in set (0.09 sec)
mysql> select * from dept_emp limit 1;
+--------+---------+------------+------------+
| emp_no | dept_no | from_date  | to_date    |
+--------+---------+------------+------------+
|  10001 | d005    | 1986-06-26 | 9999-01-01 |
+--------+---------+------------+------------+
1 row in set (0.00 sec)


方法1

mysql> select d.dept_no,d.emp_no,d.from_date from dept_emp d, (select dept_no,max(from_date) max_hiredate from dept_emp group by dept_no) t where d.dept_no=t.dept_no and d.from_date=t.max_hiredate;
…
12 rows in set (0.00 sec)
mysql> explain select d.dept_no,d.emp_no,d.from_date from dept_emp d, (select dept_no,max(from_date) max_hiredate from dept_emp group by dept_no) t where d.dept_no=t.dept_no and d.from_date=t.max_hiredate;
+----+-------------+------------+------------+-------+---------------+---------+---------+--------------------------+------+----------+----------------------
| id | select_type | table      | partitions | type  | possible_keys | key     | key_len | ref                      | rows | filtered | Extra                
+----+-------------+------------+------------+-------+---------------+---------+---------+--------------------------+------+----------+----------------------
|  1 | PRIMARY     | <derived2> | NULL       | ALL   | NULL          | NULL    | NULL    | NULL                     |    9 |   100.00 | Using where          
|  1 | PRIMARY     | d          | NULL       | ref   | dept_no       | dept_no | 19      | t.dept_no,t.max_hiredate |    5 |   100.00 | NULL                 
|  2 | DERIVED     | dept_emp   | NULL       | range | dept_no       | dept_no | 16      | NULL                     |    9 |   100.00 | Using index for group-by
+----+-------------+------------+------------+-------+---------------+---------+---------+--------------------------+------+----------+----------------------

方法2

mysql> explain select a.dept_no,a.emp_no,a.from_date from dept_emp a left join dept_emp b on a.dept_no=b.dept_no and a.from_date < b.from_date where b.from_date is null;
+----+-------------+-------+------------+------+---------------+---------+---------+--------------------+--------+----------+--------------------------+
| id | select_type | table | partitions | type | possible_keys | key     | key_len | ref                | rows   | filtered | Extra                    |
+----+-------------+-------+------------+------+---------------+---------+---------+--------------------+--------+----------+--------------------------+
|  1 | SIMPLE      | a     | NULL       | ALL  | NULL          | NULL    | NULL    | NULL               | 331008 |   100.00 | NULL                     |
|  1 | SIMPLE      | b     | NULL       | ref  | dept_no       | dept_no | 16      | slowtech.a.dept_no |  41376 |    19.00 | Using where; Using index |
+----+-------------+-------+------------+------+---------------+---------+---------+--------------------+--------+----------+--------------------------+
2 rows in set, 1 warning (0.00 sec)

方法3

mysql> select dept_no,emp_no,from_date from ( select dept_no,emp_no,from_date,last_value(from_date) over(partition by dept_no order by from_date rows between unbounded preceding and unbounded following) max_hiredate from dept_emp) a where from_date=max_hiredate;
…
12 rows in set (1.57 sec)
mysql> desc select dept_no,emp_no,from_date from ( select dept_no,emp_no,from_date,last_value(from_date) over(partition by dept_no order by from_date rows between unbounded preceding and unbounded following) max_hiredate from dept_emp) a where from_date=max_hiredate;
+----+-------------+------------+------------+------+---------------+------+---------+------+--------+----------+----------------+
| id | select_type | table      | partitions | type | possible_keys | key  | key_len | ref  | rows   | filtered | Extra          |
+----+-------------+------------+------------+------+---------------+------+---------+------+--------+----------+----------------+
|  1 | PRIMARY     | <derived2> | NULL       | ALL  | NULL          | NULL | NULL    | NULL | 331008 |   100.00 | Using where    |
|  2 | DERIVED     | dept_emp   | NULL       | ALL  | NULL          | NULL | NULL    | NULL | 331008 |   100.00 | Using filesort |
+----+-------------+------------+------------+------+---------------+------+---------+------+--------+----------+----------------+
2 rows in set, 2 warnings (0.00 sec)

從執行時間上看，

方法1的時間最短，在有複合索引(deptno, fromdate)的情況下，結果瞬間就出來了，即使在沒有索引的情況下，也只消耗了0.75s。

方法2的時間最長，3個小時還是沒出結果。同樣的資料，同樣的SQL，放到Oracle查，也消耗了87分49秒。

方法3的時間比較固定，無論是否存在索引，都維持在1.5s左右，比方法1的耗時要久。


這裡，對之前提到的，MySQL 5.7中不再相容的實現方式也做了個測試，在沒有任何索引的情況下，其穩定在0.7s（效能並不弱，怪不得有人使用），而同等情況下，方法1穩定在0.5s（哈，MySQL 5.6竟然比8.0還快）。但與方法1不同的是，其無法透過索引進行最佳化。


從執行計劃上看

方法1， 先將group by的結果放到臨時表中，然後再將該臨時表作為驅動表，來和dept_emp表進行關聯查詢。驅動表小（只有9條記錄），關聯列又有索引，無怪乎，結果能秒出。

方法2， 兩表關聯。其犯了SQL最佳化中的兩個大忌。

1. 驅動表太大，其有331603條記錄。

2. 被驅動表雖然也有索引，但從執行計劃上看，其只使用了複合索引 (dept_no, from_date)中的dept_no，而dept_no的選擇率又太低，畢竟只有9個部門。

方法3， 先把分析的結果放到一個臨時表中，然後再對該臨時表進行處理。其進行了兩次全表掃描，一次是針對dept_emp表，一次是針對臨時表。

所以，對於分組求最值的需求，建議使用方法1，其不僅符合SQL規範，查詢效能上也是最好的，尤其是在聯合索引的情況下。

PS：

經大神指點，對之前提到的，MySQL 5.7中不再相容的實現方式，實際可以透過調整optimizer_switch來加以規避

set optimizer_switch='derived_merge=off';

derived_merge是MySQL 5.7引入的，其會試圖將Derived Table（派生表，from後面的子查詢），檢視引用，公用表表示式（Common table expressions）與外層查詢進行合併。如，

SELECT *
  FROM t1 JOIN (SELECT t2.f1 FROM t2) AS derived_t2
          ON t1.f2=derived_t2.f1
  WHERE t1.f1 > 0;

改寫為

SELECT *
 FROM t1 JOIN (SELECT DISTINCT f1 FROM t2) AS derived_t2
         ON t1.f1=derived_t2.f1;


相關文章