【MySQL】SQL优化

SQL优化

1 插入数据

1.1 insert优化

如果我们需要一次性往数据库表中插入多条记录，可以从以下三个方面进行优化。

insert into tb_test values(1,'tom'); 
insert into tb_test values(2,'cat');
insert into tb_test values(3,'jerry');
.....

1.批量插入数据

Insert into tb_test values(1,'Tom'),(2,'Cat'),(3,'Jerry');

批量插入可以减少因为频繁访问数据库而带来的性能消耗

2.手动控制事务

start transaction; 
insert into tb_test values(1,'Tom'),(2,'Cat'),(3,'Jerry'); 
insert into tb_test values(4,'Tom'),(5,'Cat'),(6,'Jerry'); 
insert into tb_test values(7,'Tom'),(8,'Cat'),(9,'Jerry');
commit;

由于插入操作默认是自动提交事务的，在这种情况下如果我们多次插入数据，那么数据库就要频繁开启事务和关闭事务，这是相当消耗性能的，因此我们需要对事务实行手动控制

3.主键顺序插入

主键乱序插入 : 8 1 9 21 88 2 4 15 89 5 7 3 
主键顺序插入 : 1 2 3 4 5 7 8 9 15 21 88 89

按照主键的顺序插入数据比主键乱序插入效率高很多(原因将在后文中讲解)

1.2 大批量插入数据

如果一次性需要插入大批量数据(比如: 几百万的记录)，使用insert语句插入性能较低，此时可以使用MySQL数据库提供的load指令进行插入。操作步骤如下：

-- 客户端连接服务端时，加上参数 
-–local-infile mysql –-local-infile -u root -p

-- 设置全局参数local_infile为1，开启从本地加载文件导入数据的开关 
set global local_infile = 1; 

-- 执行load指令将准备好的数据，加载到表结构中
load data local infile 文件路径 into table tb_user fields terminated by 字段分隔符 lines terminated by 行分隔符 

例如现在需要将如下数据组织形式的文本文件加载到指定表中：

需要使用load指令如下：

load data local infile '/root/load_user_100w_sort.sql'        -- 表示文件路径为'/root/load_user_100w_sort.sql'
into table tb_user fields terminated by ','                   -- 表示一行数据中每个字段使用','来分隔   
lines terminated by '\n' ;                                    -- 表示每行数据使用'\n'来分隔

需要注意的是，使用load指令加载数据时，主键顺序插入的性能同样高于乱序插入

---

2 主键优化

上面我们提到主键顺序插入的性能是要高于乱序插入的。 这里我们就来介绍一下具体的原因，然后再分析一下主键又该如何设计。

2.1 数据组织方式

在InnoDB存储引擎中，表数据都是根据主键顺序组织存放的，这种存储方式的表称为索引组织表(index organized table IOT)。

行数据，都是存储在聚集索引的叶子节点上的。而我们之前也讲解过InnoDB的逻辑结构图：

在InnoDB引擎中，数据行是记录在逻辑结构 page 页中的，而每一个页的大小是固定的，默认16K。那也就意味着， 一个页中所存储的行也是有限的，如果当前页已经无法再插入数据行，那么数据将会存储到下一个页中，页与页之间会通过指针连接。

2.2 页分裂

页可以为空，也可以填充一半，也可以填充100%。每个页包含了2-N行数据(如果一行数据过大，会行溢出)，并根据主键排列。

当我们插入数据时，如果是按照主键顺序插入的，那么数据在写入时会先将第一个页写满，再写入下一个页，页与页之间通过指针连接，如下图所示

但是如果我们是乱序插入的，比如此时第一页和第二页中已经存在如下所示的数据：

如果我们此时再插入一条id为50的记录，那就很明显不是按照主键顺序插入了，那么此时会出现什么现象呢？会再次开启一个页，并将这条记录写入新的页中吗？

结果是不会，因为索引结构的叶子节点是有顺序的。按照顺序，id为50的记录应该存储在id为47的记录之后。但是id为47的记录所在的页，已经写满了，存储不了50对应的数据了，当出现这种情况时，数据库底层将会执行如下操作：

• 开辟一个新的页 3

• 将第1页后一半的数据，移动到第3页，然后在3页，插入50

• 重新设置链表指针

上述的这种现象，称之为 “页分裂”，是比较耗费性能的操作。当我们乱序插入一条数据时，就极有可能出现页分裂，这也是为什么我们再插入数据时要尽量按主键顺序进行插入的原因

2.3 页合并

假设目前表中已有数据的索引结构(叶子节点)如下：

当我们对已有数据进行删除时，具体的效果如下:

当删除一行记录时，实际上记录并没有被物理删除，只是记录被标记（flaged）为删除并且它的空间变得允许被其他记录声明使用。

此时我们可以继续删除第二页中的记录，当被标记的记录达到这一页的50%时，InnoDB会开始寻找最靠近的页（前或后）看看是否可以将两个页合并以优化空间使用，一旦找到了可以合并的列，InnoDB会清除这些被标记的记录，并将另一页的数据迁移到当前页上，如下图所示：

上述过程中所发生的合并页的这个现象，就称之为 “页合并”。页合并的阈值（MERGE_THRESHOLD）可以由自己在创建表或者创建索引时指定。

2.4 索引设计原则

• 满足业务需求的情况下，尽量降低主键的长度。因为二级索引的叶子节点存放的是主键
• 插入数据时，尽量选择顺序插入，选择使用AUTO_INCREMENT自增主键。
• 尽量不要使用UUID做主键或者是其他自然主键，如身份证号。
• 业务操作时，避免对主键的修改。

---

3 order by优化

MySQL的排序，有以下两种方式：

Using filesort : 通过表的索引或全表扫描，读取满足条件的数据行，然后在排序缓冲区sortbuffer中完成排序操作，所有不是通过索引直接返回排序结果的排序都叫 FileSort 排序。

Using index : 通过有序索引顺序扫描直接返回有序数据，这种情况即为 using index，不需要额外排序，操作效率高。

对于以上的两种排序方式，Using index的性能高，而Using filesort的性能低，我们在优化排序操作时，尽量要优化为 Using index。

接下来，我们来做一个测试：

准备一张user表，user表结构如下所示：

索引结构如下所示：

执行如下排序SQL：

explain select id,age,phone from tb_user order by age ;

explain select id,age,phone from tb_user order by age, phone ;

由于我们并没有针对 age, phone 都没有索引（不满足索引idx_user_pro_age_sta的最左前缀法则），所以此时在排序时会出现Using filesort， 排序性能较低。

此时我们可以根据这两个字段再额外建立一个索引

create index idx_user_age_phone_aa on tb_user(age,phone);

创建索引后，我们再尝试进行如下操作：

1.根据age, phone进行升序排序

explain select id,age,phone from tb_user order by age;

explain select id,age,phone from tb_user order by age , phone;

建立索引之后，再次进行排序查询，就由原来的Using filesort， 变为了 Using index，性能就比较高的了。

2.根据age, phone进行降序排序：

explain select id,age,phone from tb_user order by age desc , phone desc ;

降序排序同样出现 Using index，但是此时Extra中出现了 Backward index scan，这个代表反向扫描索引，因为在MySQL中我们创建的索引，默认索引的叶子节点是从小到大排序的，而此时我们查询排序时，是从大到小，所以，在扫描时，就是反向扫描，就会出现 Backward index scan。 在MySQL8版本中，支持降序索引，我们也可以创建降序索引。

3.根据phone，age进行升序排序，phone在前，age在后：

explain select id,age,phone from tb_user order by phone , age;

排序时，也需要满足最左前缀法则，否则也会出现Using filesort。因为在创建索引的时候， age是第一个字段，phone是第二个字段，所以排序时，也就该按照这个顺序来，否则就会出现 Using filesort。

4.根据age，phone进行排序，一个升序，一个降序

explain select id,age,phone from tb_user order by age asc , phone desc ;

在创建索引时，如果我们未指定顺序，索引会默认按照升序排序的，这种情况下，如果一个排序条件为升序，另一个排序条件为降序，就会出现Using filesort。

为了解决这个问题，我们可以再创建一个age与phone的联合索引，并指定排序顺序为 age 升序排序，phone 倒序排序

create index idx_user_age_phone_ad on tb_user(age asc ,phone desc);

然后再次执行如下SQL：

explain select id,age,phone from tb_user order by age asc , phone desc ;

5.根据age、phone进行升序排序，但是查询结果返回*

explain select * from tb_user order by age , phone;

之前几条sql语句我们查询的字段为id，age，phone，这几个字段的值我们都是能通过联合索引idx_user_age_phone拿到的，而现在我们需要查询所有字段，需要进行回表查询，这时也会出现就会出现 Using filesort。

由上述的测试,我们得出order by优化原则：

• 根据排序字段建立合适的索引，多字段排序时，需要注意遵循最左前缀法则。
• 尽量使用覆盖索引。
• 多字段排序, 一个升序一个降序，此时需要注意联合索引在创建时的规则（ASC/DESC）。
• 如果不可避免的出现filesort，大数据量排序时，可以适当增大排序缓冲区大小sort_buffer_size（默认256k），因为一旦数据的大小超过了缓冲区的大小，就会使用磁盘文件，效率较低。

升序/降序联合索引结构图示：

---

4 group by优化

分组操作中主要需要关注的是索引对于分组操作的影响

同样使用上面的user表作为例子，我们先将user表中所有的索引清空

接下来，在没有索引的情况下，执行如下SQL，查询执行计划：

explain select profession , count(*) from tb_user group by profession ;

Using temporary表示对表的操作并没有走索引，而是创建了一张临时表，这个操作时比较消耗时间的

为了解决上述问题，我们可以我们在针对 profession ， age， status 创建一个联合索引（直接创建一个针对profession的单列索引也是可以的，但是这里为了后续操作方便，直接创建一个联合索引）

create index idx_user_pro_age_sta on tb_user(profession , age , status);

此时，我们可以再执行前面相同的SQL查看执行计划。

explain select profession , count(*) from tb_user group by profession ;

很明显，这次排序操作走了联合索引。

接下来，我们再执行如下两组sql，并查看其执行计划：

explain select profession , count(*) from tb_user group by profession,age ;
explain select profession , count(*) from tb_user group by age ;

我们发现，如果仅仅根据age分组，就会出现 Using temporary ；而如果是 根据profession，age两个字段同时分组，则不会出现 Using temporary。原因是因为对于分组操作，在联合索引中，是需要符合最左前缀法则的。

那么问题来了，如果profession是作为查询条件出现在sql中而非作为排序条件出现在sql中，这种情况下仍然满足最左前缀法则吗？

我们可以试着查看如下sql的执行计划

explain select age , count(*) from tb_user where profession = '软件工程' group by age ;

经过测试，结果仍然是满足的。

所以，在分组操作中，我们可以通过索引来提高效率。并且在分组操作时，索引的使用要符合最左前缀法则。

---

5 limit优化

在数据量比较大时，如果进行limit分页查询，在查询时，越往后，分页查询效率越低。我们一起来看看执行limit分页查询耗时对比：

通过测试我们会看到，越往后，分页查询效率越低，这就是分页查询的问题所在。

因为，当在进行分页查询时，如果执行 limit 2000000,10 ，此时需要MySQL排序前2000010 记录，仅仅返回 2000000 - 2000010 的记录，其他记录丢弃，查询排序的代价非常大 。

针对上述问题，我们可以进行如下优化：

• 查询时尽量使用覆盖索引，例如：

  select id from tb_sku order by id limit 9000000,10;
  

• 如果一定要select * 的话，我们可以通过子查询的形式来优化，例如：

  explain select * from tb_sku t , (select id from tb_sku order by id limit 9000000,10) a where t.id = a.id;
  

---

6 count优化

在数据量很大的情况下，执行count操作是非常耗时的，这与InnoDB底层实现count的方式有关：

• MyISAM 引擎把一个表的总行数存在了磁盘上，当我们在执行 count(*) 操作时，MyISAM 引擎会直接返回总行数，效率很高； 但是如果我们使用的是带有查询条件的count语句，在数据量很大的情况下，MyISAM引擎也很慢。
• InnoDB 引擎就比较麻烦，它在执行 count(*) 的时候，需要把数据一行一行地从引擎里面读出来，然后累积计数。

如果我们要大幅度提升InnoDB表的count效率，主要的优化思路为通过redis这样的数据库进行计数，当添加数据时计数+1，当删除数据时计数-1，但是这种方式同样不能适用于带有查询条件的count语句。

接下来我们主要介绍一下使用count的几种方式：

count用法	含义
count(主键)	InnoDB 引擎会遍历整张表，把每一行的 主键id 值都取出来，返回给服务层。服务层拿到主键后，直接按行进行累加(主键不可能为null)
count(非主键字段)	没有not null 约束 : InnoDB 引擎会遍历整张表把每一行的字段值都取出来，返回给服务层，服务层判断是否为null，不为null，计数累加。有not null 约束：InnoDB 引擎会遍历整张表把每一行的字段值都取出来，返回给服务层，直接按行进行累加。
count(1)	InnoDB 引擎遍历整张表，但不取值。服务层对于返回的每一行，放一个数字“1”，进去，直接按行进行累加。
count(*)	InnoDB引擎并不会把全部字段取出来，而是专门做了优化，不取值，服务层直接按行进行累加

按照计数效率排序的话，count(字段) < count(主键) < count(1) ≈ count(*)。

所以我们在进行计数时，尽量使用 count(*)，如果一定需要使用count(字段)的形式，尽量给计数字段加上非空约束

---

7 update优化

我们主要需要注意一下update语句执行时的注意事项。

当我们在执行如下形式的update语句时：

update course set name = 'javaEE' where id = 1 ;    -- 此时id为主键

InnoDB会锁定id为1的这一行的数据，然后直至事务提交之前，其他所有事务都不能对这一行数据进行操作，只有当事务提交，行锁释放后，其他事务才能操作这一行数据

但是当我们在执行如下形式的sql时：

update course set name = 'SpringBoot' where name = 'PHP' ;    -- 此时数据表中没有针对name字段建立索引

InnoDB会锁定course整张表的数据，直至事务提交之前，其他所有事务都不能对这张表的数据进行操作，效率大大降低。

那么为什么InnoDB在执行上述sql语句时会锁表呢？

原因是因为InnoDB的行锁是针对索引加的锁，而不是针对记录加的锁 ，并且该索引不能失效，否则会从行锁升级为表锁 。

这种情况下，我们可以针对name字段建立一个索引，这样就能防止锁升级的问题。