MySQL高级:(八)索引优化与查询优化

笔记来源:MySQL数据库教程天花板,mysql安装到mysql高级,强!硬!

文章目录

    • 8.0 数据准备
    • 8.1 数据库调优概述
      • 8.1.1 哪些维度可以进行数据库调优
      • 8.1.2 查询优化分类
    • 8.2 数据库优化的一些原则
      • 8.2.1 最佳左前缀法则
      • 8.2.2 主键自增原则
      • 8.2.3 数据库和表的字符集统一使用utf8mb4
    • 8.3 索引失效案例
      • 8.3.1 计算、函数、类型转换(自动或手动)导致索引失效
      • 8.3.2 类型转换导致索引失效
      • 8.3.3 范围条件右边的列索引失效
      • 8.3.4 不等于(!= 或者<>)索引失效
      • 8.3.5 is null可以使用索引,is not null无法使用索引
      • 8.3.6 like以通配符%开头索引失效
      • 8.3.7 OR 前后存在非索引的列,索引失效
      • 实例
      • 一般性建议
    • 8.4 关联查询优化
      • 8.4.0 数据准备
      • 8.4.1 JOIN的底层原理
        • 驱动表和被驱动表
        • 简单嵌套循环连接(Simple Nested-Loop Join)
        • 索引嵌套循环连接(Index Nested-Loop Join)
        • 块嵌套循环连接(Block Nested-Loop Join)
        • Hash JOIN
        • JOIN小结
    • 8.5 子查询优化
    • 8.6 排序优化
        • filesort算法:双路排序和单路排序
    • 8.7 Group By优化
    • 8.8 分页查询优化
    • 8.9 覆盖索引
      • 8.9.1 什么是覆盖索引
      • 8.9.2 覆盖索引的利弊
    • 8.10 索引下推(索引条件下推)
      • 8.10.1 不使用索引条件下推优化时的查询过程
      • 8.10.2 使用索引条件下推优化时的查询过程
      • 8.10.3 ICP的使用条件
    • 8.11 其他查询优化策略
      • 8.11.1 EXISTS和IN的区分
      • 8.11.2 COUNT(*)、COUNT(1)与COUNT(具体字段)
      • 8.11.3 SELECT *
      • 8.11.4 LIMIT 1对优化的影响
      • 8.11.5 多使用COMMIT
    • 8.12 淘宝数据库主键是如何设计的?
      • 8.12.1 自增ID的问题
      • 8.12.2 业务字段作主键的问题
      • 8.12.3 淘宝的主键设计
      • 8.12.4 推荐的主键设计
        • 使用UUID来构造单调主键

8.0 数据准备

#1. 数据准备

CREATE DATABASE atguigudb2;

USE atguigudb2;

#建表
CREATE TABLE `class` (
    `id` INT(11) NOT NULL AUTO_INCREMENT,
    `className` VARCHAR(30) DEFAULT NULL,
    `address` VARCHAR(40) DEFAULT NULL,
    `monitor` INT NULL ,
    PRIMARY KEY (`id`)
) ENGINE=INNODB AUTO_INCREMENT=1 DEFAULT CHARSET=utf8;

CREATE TABLE `student` (
    `id` INT(11) NOT NULL AUTO_INCREMENT,
    `stuno` INT NOT NULL ,
    `name` VARCHAR(20) DEFAULT NULL,
    `age` INT(3) DEFAULT NULL,
    `classId` INT(11) DEFAULT NULL,
    PRIMARY KEY (`id`)
    #CONSTRAINT `fk_class_id` FOREIGN KEY (`classId`) REFERENCES `t_class` (`id`)
) ENGINE=INNODB AUTO_INCREMENT=1 DEFAULT CHARSET=utf8;


SET GLOBAL log_bin_trust_function_creators=1; 

 #随机产生字符串
DELIMITER //
CREATE FUNCTION rand_string(n INT) RETURNS VARCHAR(255)
BEGIN    
	DECLARE chars_str VARCHAR(100) DEFAULT 'abcdefghijklmnopqrstuvwxyzABCDEFJHIJKLMNOPQRSTUVWXYZ';
	DECLARE return_str VARCHAR(255) DEFAULT '';
	DECLARE i INT DEFAULT 0;
	WHILE i < n DO  
		SET return_str =CONCAT(return_str,SUBSTRING(chars_str,FLOOR(1+RAND()*52),1));  
		SET i = i + 1;
	END WHILE;
	RETURN return_str;
END //
DELIMITER ;

#用于随机产生多少到多少的编号
DELIMITER //
CREATE FUNCTION  rand_num (from_num INT ,to_num INT) RETURNS INT(11)
BEGIN   
	DECLARE i INT DEFAULT 0;  
	SET i = FLOOR(from_num +RAND()*(to_num - from_num+1))   ;
	RETURN i;  
END //
DELIMITER ;

#创建往stu表中插入数据的存储过程
DELIMITER //
CREATE PROCEDURE  insert_stu(  START INT ,  max_num INT )
BEGIN  
	DECLARE i INT DEFAULT 0;   
 	SET autocommit = 0;    #设置手动提交事务
 	REPEAT  #循环
 	SET i = i + 1;  #赋值
 	INSERT INTO student (stuno, NAME ,age ,classId ) VALUES ((START+i),rand_string(6),rand_num(1,50),rand_num(1,1000));  
 	UNTIL i = max_num  
 	END REPEAT;  
 	COMMIT;  #提交事务
END //
DELIMITER ;


#执行存储过程,往class表添加随机数据
DELIMITER //
CREATE PROCEDURE `insert_class`(  max_num INT )
BEGIN  
	DECLARE i INT DEFAULT 0;   
 	SET autocommit = 0;    
 	REPEAT  
 	SET i = i + 1;  
 	INSERT INTO class ( classname,address,monitor ) VALUES (rand_string(8),rand_string(10),rand_num(1,100000));  
 	UNTIL i = max_num  
 	END REPEAT;  
 	COMMIT; 
END //
DELIMITER ;


#执行存储过程,往class表添加1万条数据  
CALL insert_class(10000);

#执行存储过程,往stu表添加50万条数据  
CALL insert_stu(100000,500000);

SELECT COUNT(*) FROM class;

SELECT COUNT(*) FROM student;


# 删除某表上的索引 存储过程
DELIMITER //
CREATE  PROCEDURE `proc_drop_index`(dbname VARCHAR(200),tablename VARCHAR(200))
BEGIN
       DECLARE done INT DEFAULT 0;
       DECLARE ct INT DEFAULT 0;
       DECLARE _index VARCHAR(200) DEFAULT '';
       DECLARE _cur CURSOR FOR  SELECT   index_name   FROM information_schema.STATISTICS   WHERE table_schema=dbname AND table_name=tablename AND seq_in_index=1 AND    index_name <>'PRIMARY'  ;
#每个游标必须使用不同的declare continue handler for not found set done=1来控制游标的结束
       DECLARE  CONTINUE HANDLER FOR NOT FOUND SET done=2 ;      
#若没有数据返回,程序继续,并将变量done设为2
        OPEN _cur;
        FETCH _cur INTO _index;
        WHILE  _index<>'' DO 
               SET @str = CONCAT("drop index " , _index , " on " , tablename ); 
               PREPARE sql_str FROM @str ;
               EXECUTE  sql_str;
               DEALLOCATE PREPARE sql_str;
               SET _index=''; 
               FETCH _cur INTO _index; 
        END WHILE;
   CLOSE _cur;
END //
DELIMITER ;

# 执行存储过程
CALL proc_drop_index("dbname","tablename");

8.1 数据库调优概述

8.1.1 哪些维度可以进行数据库调优

  • 索引失效、没有充分利用到索引——索引建立
  • 关联查询太多JOIN (设计缺陷或不得已的需求)——SQL优化
  • 服务器调优及各个参数设置(缓冲、线程数等)——调整my.cnf
  • 数据过多——分库分表

8.1.2 查询优化分类

  • 虽然SQL查询优化的技术有很多,但是大方向上完全可以分成物理查询优化逻辑查询优化两大块。
    • 物理查询优化是通过索引表连接方式等技术来进行优化,这里重点需要掌握索引的使用。
    • 逻辑查询优化就是通过SQL等价变换提升查询效率,直白一点就是说,换一种查询写法执行效率可能更高。

8.2 数据库优化的一些原则

8.2.1 最佳左前缀法则

  • 在MySQL建立联合索引时会遵守最佳左前缀匹配原则,即最左优先,在检索数据时从联合索引的最左边开始匹配。
  • 遵守最左前缀法则,指的是查询从索引的最左前列开始并且不跳过索引中的列

实例

EXPLAIN SELECT SQL_NO_CACHE * FROM student WHERE student.age=30 AND student.name ='abcd' ;

image-20221008032125467

mysql> EXPLAIN SELECT SQL_NO_CACHE * FROM student WHERE student.classid=1 AND student.name =' abcd ' ;

在这里插入图片描述

跳过age字段,则无法使用索引

拓展:Alibaba《Java开发手册》
索引文件具有B-Tree的最左前缀匹配特性,如果左边的值未确定,那么无法使用此索引。

8.2.2 主键自增原则

  • 对于一个使用InnoDB存储引擎的表来说,在我们没有显式的创建索引时,表中的数据实际上都是存储在聚簇索引的叶子节点的。而记录又是存储在数据页中的,数据页和记录又是按照记录主键值从小到大的顺序进行排序。所以如果我们插入的记录的主键值是依次增大的话,那我们每插满一个数据页就换到下一个数据页继续插;而如果我们插入的主键值忽大忽小的话,就比较麻烦了,假设某个数据页存储的记录已经满了,它存储的主键值在1~100之间:

  • 如果此时再插入一条主键值为 9 的记录,那它插入的位置就如下图:

  • 由于数据页已满,我们需要把当前页面分裂成两个页面,把本页中的一些记录移动到新创建的这个页中。页面分裂和记录移位意味着什么?意味着:性能损耗!所以如果我们想尽量避免这样无谓的性能损耗,最好让插入的记录的主键值依次递增,这样就不会发生这样的性能损耗了。所以我们建议:让主键具有AUTO_INCREMENT,让存储引擎自己为表生成主键,而不是我们手动插入。

8.2.3 数据库和表的字符集统一使用utf8mb4

  • 统一使用utf8mb4( 5.5.3版本以上支持)兼容性更好,统一字符集可以避免由于字符集转换产生的乱码。不同的字符集进行比较前需要进行转换会造成索引失效。

8.3 索引失效案例

  • MySQL中提高性能的一个最有效的方式是对数据表设计合理的索引。索引提供了高效访问数据的方法,并且加快查询的速度,因此索引对查询的速度有着至关重要的影响。
    • 使用索引可以快速地定位表中的某条记录,从而提高数据库查询的速度,提高数据库的性能。
    • 如果查询时没有使用索引,查询语句就会扫描表中的所有记录。在数据量大的情况下,这样查询的速度会很慢。
  • 大多数情况下都(默认)采用B+树来构建索引。只是空间列类型的索引使用R-树,并且MEMORY表还支持hash索引。
  • 其实,用不用索引,最终都是优化器说了算。优化器是基于什么的优化器?基于cost开销(CostBaseOptimizer),它不是基于规则(Rule-BasedOptimizer),也不是基于语义。怎么样开销小就怎么来。另外,SQL语句是否使用索引,跟数据库版本、数据量、数据选择度都有关系。

8.3.1 计算、函数、类型转换(自动或手动)导致索引失效

  • 比较这两种sql写法
# 使用模糊查询
EXPLAIN SELECT SQL_NO_CACHE * FROM student WHERE student.name LIKE 'abc% ';
# 使用函数
EXPLAIN SELECT SQL_NO_CACHE * FROM student WHERE LEFT(student.name, 3) = 'abc ';
  • 创建索引
CREATE INDEX idx_name ON student(NAME);
  • 查看执行计划
EXPLAIN SELECT SQL_NO_CACHE * FROM student WHERE student.name LIKE 'abc%';
EXPLAIN SELECT SQL_NO_CACHE * FROM student WHERE LEFT(student.name,3) = 'abc';
  • 可以看到,使用模糊查询时,索引生效;使用函数,type为ALL,表示没有用到索引,索引失效

  • 此外,在索引列上使用各种计算也会使索引失效,例如:

CREATE INDEX idx_sno ON student(stuno);
EXPLAIN SELECT SQL_NO_CACHE id, stuno, NAME FROM student WHERE stuno+1 = 900001;

8.3.2 类型转换导致索引失效

EXPLAIN SELECT SQL_NO_CACHE * FROM student WHERE NAME = '123'; 

在这里插入图片描述

EXPLAIN SELECT SQL_NO_CACHE * FROM student WHERE NAME = 123; 

在这里插入图片描述

8.3.3 范围条件右边的列索引失效

  • 分析如下sql语句
EXPLAIN SELECT SQL_NO_CACHE * FROM student
WHERE student.age=30 AND student.classId>20 AND student.name = 'abc' ;
  • 索引idx_age_classid_name(建立在(age, classid, name)字段上)无法正常使用。原因是范围条件右边的条件无法使用索引
  • 出现这种情况,应该建立如下索引
create index idx_age_name_classid on student(age,name,classid)
  • 同时,将范围条件放在最右边
EXPLAIN SELECT SQL_NO_CACHE * FROM student 
WHERE student.age=30 AND student.name = 'abc' AND student.classId>20 ;

应用开发中范围查询,例如:金额查询,日期查询往往都是范围查询。应将查询条件放置where语句最后。(创建的联合索引中,务必把范围涉及到的字段写在最后)│

8.3.4 不等于(!= 或者<>)索引失效

EXPLAIN SELECT SQL_NO_CACHE * FROM student WHERE student.name <> 'abc' ;
EXPLAIN SELECT SQL_NO_CACHE * FROM student WHERE student.name != 'abc' ;

image-20221008183129106

# 用到了索引
EXPLAIN SELECT SQL_NO_CACHE NAME FROM student WHERE student.name != 'abc' ;

在这里插入图片描述

8.3.5 is null可以使用索引,is not null无法使用索引

EXPLAIN SELECT SQL_NO_CACHE * FROM student WHERE age IS NULL; 

在这里插入图片描述

EXPLAIN SELECT SQL_NO_CACHE * FROM student WHERE age IS NOT NULL;

在这里插入图片描述

结论:最好在设计数据表的时候就将字段设置为NOT NULL约束,比如你可以将INT类型的字段,默认值设置为0。将字符类型的默认值设置为空字符串(‘’)。
拓展:同理,在查询中使用not like也无法使用索引,导致全表扫描。

8.3.6 like以通配符%开头索引失效

# 可以使用索引
EXPLAIN SELECT SQL_NO_CACHE * FROM student WHERE NAME LIKE 'ab%'; 

在这里插入图片描述

# 无法使用索引
EXPLAIN SELECT SQL_NO_CACHE * FROM student WHERE NAME LIKE '%ab%';

在这里插入图片描述

拓展:Alibaba《Java开发手册》
【强制】页面搜索严禁左模糊或者全模糊,如果需要请走搜索引擎来解决。

8.3.7 OR 前后存在非索引的列,索引失效

  • 在WHERE子句中,如果在OR前的条件列进行了索引,而在OR后的条件列没有进行索引,那么索引会失效。也就是说,OR前后的两个条件中的列都是索引时,查询中才使用索引
  • 因为OR的含义就是两个只要满足一个即可,因此只有一个条件列进行了索引是没有意义的,只要有条件列没有进行索引,就会进行全表扫描,因此索引的条件列也会失效。
  • 如果OR的两边的条件列都有索引,就会对两边的索引列分别进行了扫描,然后将这两个结果集进行了合并。这样做的好处就是避免了全表扫描。例如:
EXPLAIN SELECT SQL_NO_CACHE * FROM student WHERE age = 10 OR NAME = 'Abel';

在这里插入图片描述

  • 因为age字段和name字段上都有索引,所以查询中使用了索引。你能看到这里type为index_merge,意思是联合两个索引。

实例

  • 创建索引index(a, b, c)
Where语句 索引是否被使用
where a= 3 Y,使用到a
where a = 3 and b=5 Y,使用到a,b
where a = 3 and b= 5 and c= 4 Y,使用到a, b, c
where b= 3 或者 where b = 3 and c = 4 或者 where c = 4 N
where a= 3 and c= 5 使用到a,但是c不可以,b中间断了
where a = 3 and b> 4 and c= 5 使用到a和b,c不能用在范围之后,b断了
where a is null and b is not null is null 支持索引但是is not null不支持。所以a可以使用索引,但是b不可以使用
where a <> 3 不能使用索引
where abs(a) =3 不能使用索引
where a = 3 and b like ‘kk%’ and c = 4 Y,使用到a,b,c
where a = 3 and b like ‘%kk’ and c = 4 Y,只用到a
where a = 3 and b like ‘%kk%’ and c = 4 Y,只用到a
where a = 3 and b like 'k%kk% 'and c = 4 Y,使用到a,b,c

一般性建议

  • 对于单列索引,尽量选择针对当前query过滤性更好的索引
  • 在选择组合索引的时候,当前query中过滤性最好的字段在索引字段顺序中,位置越靠前越好
  • 在选择组合索引的时候,尽量选择能够包含当前query中的where子句中更多字段的索引。
  • 在选择组合索引的时候,如果某个字段可能出现范围查询时,尽量把这个字段放在索引次序的最后面。总之,书写SQL语句时,尽量避免造成索引失效的情况。

8.4 关联查询优化

8.4.0 数据准备

#分类
CREATE TABLE IF NOT EXISTS `type` (
`id` INT(10) UNSIGNED NOT NULL AUTO_INCREMENT,
`card` INT(10) UNSIGNED NOT NULL,
PRIMARY KEY (`id`)
);
#图书
CREATE TABLE IF NOT EXISTS `book` (
`bookid` INT(10) UNSIGNED NOT NULL AUTO_INCREMENT,
`card` INT(10) UNSIGNED NOT NULL,
PRIMARY KEY (`bookid`)
);
#向分类表中添加20条记录
INSERT INTO TYPE(card) VALUES(FLOOR(1 + (RAND() * 20)));
INSERT INTO TYPE(card) VALUES(FLOOR(1 + (RAND() * 20)));
...

#向图书表中添加20条记录
INSERT INTO book(card) VALUES(FLOOR(1 + (RAND() * 20)));
INSERT INTO book(card) VALUES(FLOOR(1 + (RAND() * 20)));
...
# 情况1:左外连接
EXPLAIN SELECT SQL_NO_CACHE * FROM `type` LEFT JOIN book ON type.card = book.card;

#添加索引
CREATE INDEX Y ON book(card);

EXPLAIN SELECT SQL_NO_CACHE * FROM `type` LEFT JOIN book ON type.card = book.card;

CREATE INDEX X ON `type`(card);

EXPLAIN SELECT SQL_NO_CACHE * FROM `type` LEFT JOIN book ON type.card = book.card;

DROP INDEX Y ON book;

EXPLAIN SELECT SQL_NO_CACHE * FROM `type` LEFT JOIN book ON type.card = book.card;

# 情况2:内连接
DROP INDEX X ON `type`;

EXPLAIN SELECT SQL_NO_CACHE * FROM `type` INNER JOIN book ON type.card = book.card;

#添加索引
CREATE INDEX Y ON book(card);

EXPLAIN SELECT SQL_NO_CACHE * FROM `type` INNER JOIN book ON type.card = book.card;

CREATE INDEX X ON `type`(card);

#结论:对于内连接来说,查询优化器可以决定谁作为驱动表,谁作为被驱动表出现的
EXPLAIN SELECT SQL_NO_CACHE * FROM `type` INNER JOIN book ON type.card = book.card;

#删除索引
DROP INDEX Y ON book;
#结论:对于内连接来讲,如果表的连接条件中只能有一个字段有索引,则有索引的字段所在的表会被作为被驱动表出现。
EXPLAIN SELECT SQL_NO_CACHE * FROM `type` INNER JOIN book ON type.card = book.card;

CREATE INDEX Y ON book(card);
EXPLAIN SELECT SQL_NO_CACHE * FROM `type` INNER JOIN book ON type.card = book.card;

#向type表中添加数据(20条数据)
INSERT INTO `type`(card) VALUES(FLOOR(1 + (RAND() * 20)));
INSERT INTO `type`(card) VALUES(FLOOR(1 + (RAND() * 20)));
...

#结论:对于内连接来说,在两个表的连接条件都存在索引的情况下,会选择小表作为驱动表。“小表驱动大表”
EXPLAIN SELECT SQL_NO_CACHE * FROM `type` INNER JOIN book ON type.card = book.card;

8.4.1 JOIN的底层原理

  • join方式连接多个表,本质就是各个表之间数据的循环匹配。MySQL5.5版本之前,MySQL只支持一种表间关联方式,就是嵌套循环(Nested Loop Join)。如果关联表的数据量很大,则join关联的执行时间会非常长。在MySQL5.5以后的版本中,MySQL通过引入BNLJ算法来优化嵌套执行。

驱动表和被驱动表

  • 对于内连接来说:
SELECT * FROM A JOIN B ON ...
  • A一定是驱动表吗?不一定,优化器会根据你查询语句做优化,决定先查哪张表。先查询的那张表就是驱动表,反之就是被驱动表。通过explain关键字可以查看。

  • 对于外连接来说:

SELECT * FROM A LEFT JOIN B ON ...
#或
SELECT * FROM B RIGHT JOIN A ON ...
  • 通常,大家会认为A就是驱动表,B就是被驱动表。但也未必。化器有可能会将外连接优化为内连接,既然是内连接了所以谁是驱动表都是有可能的

简单嵌套循环连接(Simple Nested-Loop Join)

  • 算法相当简单,从表A中取出一条数据1,遍历表B,将匹配到的数据放到result.以此类推,驱动表A中的每一条记录与被驱动表B的记录进行判断。如图所示:
    MySQL高级:(八)索引优化与查询优化_第1张图片

  • 可以看到这种方式效率是非常低的,以上述表A数据10o条,表B数据10oo条计算,则A*B=10万次。开销统计如下:

开销统计 SNLJ
外表扫描次数: 1
内表扫描次数: A
读取记录数: A+B*A
JOIN比较次数: B*A
回表读取记录次数: 0
  • 当然mysql肯定不会这么粗暴的去进行表的连接,所以就出现了后面的两种对Nested-Loop Join优化算法

索引嵌套循环连接(Index Nested-Loop Join)

  • Index Nested-Loop Join其优化的思路主要是为了减少内层表数据的匹配次数,所以要求被驱动表上必须有索引才行。通过外层表匹配条件直接与内层表索引进行匹配避免和内层表的每条记录去进行比较,这样极大的减少了对内层表的匹配次数。

  • 驱动表中的每条记录通过被驱动表的索引进行访问,因为索引查询的成本是比较固定的,故mysql优化器都倾向于使用记录数少的表作为驱动表(外表)。

开销统计 SNLJ INLJ
外表扫描次数: 1 1
内表扫描次数: A 0
读取记录数: A+B*A A+B(match)
JOIN比较次数: B*A A*Index(Height)
回表读取记录次数: 0 B(match)(if possible)
  • 如果被驱动表加索引,效率是非常高的,但如果索引不是主键索引,所以还得进行一次回表查询。相比,被驱动表的索引是主键索引,效率会更高

块嵌套循环连接(Block Nested-Loop Join)

  • 如果存在索引,那么会使用index的方式进行join,如果join的列没有索引,被驱动表要扫描的次数太多了。每次访问被驱动表,其表中的记录都会被加载到内存中,然后再从驱动表中取一条与其匹配,匹配结束后清除内存,然后再从驱动表中加载一条记录,然后把被驱动表的记录在加载到内存匹配,这样周而复始,大大增加了I0的次数。为了减少被驱动表的IO次数,就出现了Block Nested-Loop Join的方式。
  • 不再是逐条获取驱动表的数据,而是一块一块的获取,引入了join buffer缓冲区,将驱动表join相关的部分数据列(大小受join buffer的限制)缓存到join buffer中,然后全表扫描被驱动表,被驱动表的每一条记录一次性和join buffer中的所有驱动表记录进行匹配(内存中操作),将简单嵌套循环中的多次比较合并成一次降低了被驱动表的访问频率
  • 默认情况下join_buffer_size=256k

注意:
这里缓存的不只是关联表的列,select后面的列也会缓存起来。
在一个有N个join关联的sql中会分配N-1个join buffer。所以查询的时候尽量械少不必要的字段,可以让joinbuffer中可以存放更多的列。

Hash JOIN

  • 从MySQL的8.0.20版本开始将废弃BNLJ,因为从MySQL8.0.18版本开始就加入了hash join默认都会使用hash join
  • Nested Loop:
    • 对于被连接的数据子集较小的情况,Nested Loop是个较好的选择。
  • Hash Join是做大数据集连接时的常用方式,优化器使用两个表中较小(相对较小)的表利用Join Key在内存中建立散列表,然后扫描较大的表并探测散列表,找出与Hash表匹配的行。
    • 这种方式适用于较小的表完全可以放于内存中的情况,这样总成本就是访问两个表的成本之和。
    • 在表很大的情况下并不能完全放入内存,这时优化器会将它分割成若干不同的分区,不能放入内存的部分就把该分区写入磁盘的临时段,此时要求有较大的临时段从而尽量提高I/O的性能。
    • 它能够很好的工作于没有索引的大表和并行查询的环境中,并提供最好的性能。大多数人都说它是Join的重型升降机。Hash Join只能应用于等值连接(如WHERE A.COL1= B.COL2),这是由Hash的特点决定的。

JOIN小结

  1. 整体效率比较:INLJ > BNLJ > SNLJ
  2. 永远用小结果集驱动大结果集(其本质就是减少外层循环的数据数量) (小的度量单位指的是表行数*每行大小)│
  3. 为被驱动表匹配的条件增加索引(减少内层表的循环匹配次数)
  4. 增大join buffer size的大小(一次缓存的数据越多,那么内层包的扫表次数就越少)
  5. 减少驱动表不必要的字段查询(字段越少,join buffer所缓存的数据就越多)
  6. 在决定哪个表做驱动表的时候,应该是两个表按照各自的条件过滤,过滤完成之后,计算参与join的各个字段的总数据量,数据量小的那个表,就是“小表”,应该作为驱动表。
  7. 不建议使用子查询,建议将子查询SQL报开结合程序多次查询,或使用JOIN来代替子查询

8.5 子查询优化

  • MySQL从4.1版本开始支持子查询,使用子查询可以进行SELECT语句的嵌套查询,即一个SELECT查询的结果作为另一个SELECT语句的条件。子查询可以一次性完成很多逻辑上需要多个步骤才能完成的SQL操作

  • 子查询是MySQL的一项重要的功能,可以帮助我们通过一个SQL语句实现比较复杂的查询。但是,子查询的执行效率不高。原因:

    • 执行子查询时,MySQL需要为内层查询语句的查询结果建立一个临时表,然后外层查询语句从临时表中查询记录。查询完毕后,再撤销这些临时表。这样会消耗过多的CPU和IO资源,产生大量的慢查询。
    • 子查询的结果集存储的临时表,不论是内存临时表还是磁盘临时表都不会存在索引,所以查询性能会受到一定的影响
    • 对于返回结果集比较大的子查询,其对查询性能的影响也就越大。
  • 在MySQL中,可以使用连接(JOIN)查询来替代子查询。连接查询不需要建立临时表,其速度比子查询要快,如果查询中使用索引的话,性能就会更好

结论:尽量不要使用NOT IN或者NOT EXISTS,用LEFT JOIN xxx ON x WHERE xx IS NULL替代

8.6 排序优化

  • 问题:在WHERE条件字段上加索引,但是为什么在ORDERBY字段上还要加索引呢?
  • 回答:在MySQL中,支持两种排序方式,分别是FileSortIndex排序。
    • Index排序中,索引可以保证数据的有序性,不需要再进行排序,效率更高。
    • FileSort排序则一般在内存中进行排序,占用CPU较多。如果待排结果较大,会产生临时文件I/O到磁盘进行排序的情况,效率较低。
  • 优化建议:
    • SQL中,可以在WHERE子句和ORDER BY子句中使用索引,目的是在WHERE子句中避免全表扫描,在ORDER BY子句避免FileSort排序。当然,某些情况下全表扫描,或者FileSort排序不一定比索引慢。但总的来说,我们还是要避免,以提高查询效率。
    • 尽量使用Index完成 ORDER BY排序。如果WHERE和ORDER BY后面是相同的列就使用单索引列;如果不同就使用联合索引。
    • 无法使用Index时,需要对FileSort方式进行调优。

实例

INDEX a_b_c(a,b,c)
order by 能使用索引最左前缀
- ORDER BY a
- ORDER BY a,b
- ORDER BY a,b,c
- ORDER BY a DESC,b DESC,c DESC
如果WHERE使用索引的最左前缀定义为常量,则order by 能使用索引
- WHERE a = const ORDER BY b,c
- WHERE a = const AND b = const ORDER BY c
- WHERE a = const ORDER BY b,c
- WHERE a = const AND b > const ORDER BY b,c
不能使用索引进行排序
- ORDER BY a ASC,b DESC,c DESC /* 排序不一致 */
- WHERE g = const ORDER BY b,c /*丢失a索引*/
- WHERE a = const ORDER BY c /*丢失b索引*/
- WHERE a = const ORDER BY a,d /*d不是索引的一部分*/
- WHERE a in (...) ORDER BY b,c /*对于排序来说,多个相等条件也是范围查询*/

filesort算法:双路排序和单路排序

  • 排序的字段若如果不在索引列上,则filesort会有两种算法:双路排序单路排序
  • 双路排序(慢)
    • MySQL 4.1之前是使用双路排序,字面意思就是两次扫描磁盘,最终得到数据,读取行指针和order by列,对它们进行排序,然后扫描已经排序好的列表,按照列表中的值重新从列表中读取对应的数据输出
    • 取一批数据,要对磁盘进行两次IO,非常耗时
  • 单路排序(快)
    • 从磁盘读取查询需要的所有列,按照order by列在buffer对它们进行排序,然后扫描排序后的列表进行输出,它的效率更快一些,避免了第二次读取数据。并且把随机IO变成了顺序IO,但是它会使用更多的空间,因为它把每一行都保存在内存中了。
  • 结论及引申出的问题
    • 由于单路是后出的,总体而言好过双路
    • 但是用单路有问题
      • 在sort_buffer中,单路比多路要多占用很多空间,因为单路是把所有字段都取出,所以有可能取出的数据的总大小超出了sort_buffer的容量,导致每次只能取sort_buffer容量大小的数据,进行排序(创建tmp文件,多路合并),排完再取sort_buffer容量大小,再排…从而多次I/O。
      • 单路本来想省一次I/O操作,反而导致了大量的I/O操作,反而得不偿失。
  • 优化策略
    • 尝试提高sort_buffer_size
    • 尝试提高max_length_for_sort_data
    • Order by时不要使用select *

8.7 Group By优化

  • group by使用索引的原则几乎跟order by一致,group by即使没有过滤条件用到索引,也可以直接使用索引。
  • group by 先排序再分组,遵照索引建的最佳左前缀法则
  • 当无法使用索引列,增大max_length_for_sort_data和sort_buffer_size参数的设置
  • where效率高于having,能写在where限定的条件就不要写在having中了
  • 减少使用order by,和业务沟通能不排序就不排序,或将排序放到程序端去做。order by、group by、distinct这些语句较为耗费CPU,数据库的CPU资源是极其宝贵的。
  • 包含了order by、group by、distinct这些查询的语句,where条件过滤出来的结果集请保持在1000行以内,否则SQL会很慢。

8.8 分页查询优化

  • 一般分页查询时,通过创建覆盖索引能够比较好地提高性能。一个常见又非常头疼的问题就是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。
EXPLAIN SELECT * FROM student LIMIT 2000000,10;

image-20221009045246791

  • 优化思路一:在索引上完成排序分页操作,最后根据主键关联回原表查询所需要的其他列内容。
EXPLAIN SELECT * FROM student t,(SELECT id FROM student ORDER BY id LIMIT 2000000,10) a WHERE t.id = a.id ;

在这里插入图片描述

  • 优化思路二:该方案适用于主键自增的表,可以把Limit查询转换成某个位置的查询。
EXPLAIN SELECT * FROM student WHERE id > 2000000 LIMIT 10;

在这里插入图片描述

8.9 覆盖索引

8.9.1 什么是覆盖索引

  • 理解方式一:索引是高效找到行的一个方法,但是一般数据库也能使用索引找到一个列的数据,因此它不必读取整个行。毕竟索引叶子节点存储了它们索引的数据;当能通过读取索引就可以得到想要的数据,那就不需要读取行了。一个索引包含了满足查询结果的数据就叫做覆盖索引
  • 理解方式二︰非聚簇复合索引的一种形式,它包括在查询里的SELECT、JOIN和WHERE子句用到的所有列(即建索引的字段正好是覆盖查询条件中所涉及的字段)。
  • 简单说就是,索引列+主键包含SELECT到FROM之间查询的列。
  • 个人理解:用到的列都是有索引的列

8.9.2 覆盖索引的利弊

  • 好处:

    • 避免lnnodb表进行索引的二次查询(回表)
    • 可以把随机IO变成顺序IO加快查询效率
  • 弊端:

    • 为了支持覆盖索引,需要建立冗余索引。

    • 索引字段的维护总是有代价的。因此,在建立冗余索引来支持覆盖索引时就需要权衡考虑了。这是业务DBA,或者称为业务数据架构师的工作。

8.10 索引下推(索引条件下推)

  • 索引下推(Index Condition Pushdown,ICP)是MySQL 5.6中新特性,是一种在存储引擎层使用索引过滤数据的优化方式。
  • 索引下推要求where条件列中有索引列,可以先利用where条件中的索引列筛选数据

8.10.1 不使用索引条件下推优化时的查询过程

  • 获取下一行,首先读取索引信息,然后根据索引将整行数据读取出来。
  • 然后通过where条件判断当前数据是否符合条件,符合返回数据。

8.10.2 使用索引条件下推优化时的查询过程

  • 获取下一行的索引信息。
  • 检查索引中存储的列信息是否符合索引条件,如果符合将整行数据读取出来,如果不符合跳过读取下一行。
  • 用剩余的判断条件,判断此行数据是否符合要求,符合要求返回数据。

8.10.3 ICP的使用条件

  • 如果表访问的类型为range、ref、eq_ref和ref_or_null可以使用ICP
  • ICP可以用于InnoDB和MyISAM表,包括分区表InnoDB和MyISAM表
  • 对于InnoDB表,ICP仅用于二级索引。ICP的目标是减少全行读取次数,从而减少I/o操作。
  • 当SQL使用覆盖索引时,不支持lCP。因为这种情况下使用ICP不会减少I/O。
  • 相关子查询的条件不能使用ICP

8.11 其他查询优化策略

8.11.1 EXISTS和IN的区分

  • 哪种情况下应该使用EXISTS,哪种情况应该用IN?
SELECT * FROM A WHERE cc IN ( SELECT cc FRo B)I
SELECT * FROM A WHERE EXISTS (SELECT cc FROM B WHERE B.cc=A.cc)
  • EXISTS:先遍历外表,再遍历内表

  • IN:先遍历内表,再遍历外表

  • MySQL总是优先与小表驱动大表,因为这样可以减少磁盘IO的次数。所以,选用EXISTS还是IN主要看外表和内表的大小:

    • 当A小于B时,用EXISTS。因为EXISTS的实现,相当于外表循环,实现的逻辑类似于:

      for i in A
      	for j in B
      		if j.cc == i.cc then ...
      
    • 当A大于B时,用IN。因为实现的逻辑类似于:

      for i in B
      	for j in A
      		if j.cc == i.cc then ...
      

8.11.2 COUNT(*)、COUNT(1)与COUNT(具体字段)

  • 分别用COUNT(*)、COUNT(1)与COUNT(具体字段)执行查询50万条记录的student表
# 执行结果0.011sec
SELECT COUNT(*) FROM student;
# 执行结果0.011sec
SELECT COUNT(1) FROM student;
# 执行结果0.011sec
SELECT COUNT(id) FROM student;
# 执行结果0.086
SELECT COUNT(classId) FROM student;
  • 由上面的结果显示:
    • COUNT(*)、COUNT(1)在效率上并没有数量级上差别,基本一致。它们只统计表的记录数,包括为null的记录
    • COUNT(具体字段)则要看具体字段是否为索引列,如果为索引列,则效率与COUNT(*)、COUNT(1)一致;若不为索引列,则效率会差很多。它要统计该字段在表中出现的此处,不包括null。故而要遍历整个表进行判断,若不使用索引,则效率自然会差一些。

8.11.3 SELECT *

  • 在表查询中,建议明确字段,不要使用*作为查询的字段列表,推荐使用SELECT <字段列表>查询。
  • 原因:
    • MySQL在解析的过程中,会通过查询数据字典将"*"按序转换成所有列名,这会大大的耗费资源和时间。
    • 无法使用覆盖索引

8.11.4 LIMIT 1对优化的影响

  • 针对的是会扫描全表的SQL语句,如果你可以确定结果集只有一条,那么加上LIMIT 1的时候,当找到一条结果的时候就不会继续扫描了,这样会加快查询速度
  • 如果数据表已经对字段建立了唯一索引,那么可以通过索引进行查询,不会全表扫描的话,就不需要加上LIMIT 1了。

8.11.5 多使用COMMIT

  • 只要有可能,在程序中尽量多使用COMMIT,这样程序的性能得到提高,需求也会因为COMMIT所释放的资源而减少。
  • COMMIT 所释放的资源:
    • 回滚段上用于恢复数据的信息。
    • 被程序语句获得的锁
    • redo / undo log buffer中的空间。
    • 管理上述3种资源中的内部花费

8.12 淘宝数据库主键是如何设计的?

  • 某些错的离谱的答案还在网上年复一年的流传着,甚至还成为了所谓的MySQL军规。其中,一个最明显的错误就是关于MySQL的主键设计。
  • 大部分人的回答如此自信:用8字节的BIGINT做主键,而不要用INT。!
  • 这样的回答,只站在了数据库这一层,而没有从业务的角度思考主键。主键就是一个自增ID吗?站在2022年的新年档口,用自增做主键,架构设计上可能连及格都拿不到
  • 自增ID做主键,简单易懂,几乎所有数据库都支持自增类型,只是实现上各自有所不同而已。自增ID除了简单,其他都是缺点

8.12.1 自增ID的问题

  • 可靠性不高:存在自增ID回溯的问题,这个问题直到最新版本的MySQL 8.0才修复。
  • 安全性不高:对外暴露的接口可以非常容易猜测对应的信息。比如:/User/1/这样的接口,可以非常容易猜测用尸ID的值为多少,总用户数量有多少,也可以非常容易地通过接口进行数据的爬取。
  • 性能差:自增ID的性能较差,需要在数据库服务器端生成。
  • 交互多:业务还需要额外执行一次类似last_insert_id()的函数才能知道刚才插入的自增值,这需要多一次的网络交互。在海量并发的系统中,多1条SQL,就多一次性能上的开销。
  • 局部唯一性:最重要的一点,自增ID是局部唯一,只在当前数据库实例中唯一,而不是全局唯一或在任意服务器间都是唯一的。对于目前分布式系统来说,这简直就是噩梦。

8.12.2 业务字段作主键的问题

  • 为了能够唯一地标识一个会员的信息,需要为会员信息表设置一个主键。那么,怎么为这个表设置主键,才能达到我们理想的目标呢?这里我们考虑业务字段做主键。

  • 表数据如下

  • 在这个表里,哪个字段比较合适呢?

  • 卡号:会员卡号(cardno)看起来比较合适,因为会员卡号不能为空,而且有唯一性,可以用来标识一条会员记录。不同的会员卡号对应不同的会员,字段“cardno"唯一地标识某一个会员。如果都是这样,会员卡号与会员一一对应,系统是可以正常运行的。但实际情况是,会员卡号可能存在重复使用的情况。比如,张三因为工作变动搬离了原来的地址,不再到商家的i店消费了(退还了会员卡),于是张三就不再是这个商家门店的会员了。但是,商家不想让这个会员卡空着,就把卡号是“10000001”的会员卡发给了王五。

    • 从系统设计的角度看,这个变化只是修改了会员信息表中的卡号是“10000001"这个会员信息,并不会影响到数据一致性。也就是说,修改会员卡号是“10000001”的会员信息,系统的各个模块,都会获取到修改后的会员信息,不会出现“有的模块获取到修改之前的会员信息,有的模块获取到修改后的会员信息,而导致系统内部数据不一致"的情况。因此,从信息系统层面上看是没问题的。

    • 但是从使用系统的业务层面来看,就有很大的问题了,会对商家造成影响。
      比如,我们有一个销售流水表(trans),记录了所有的销售流水明细。2020年12月01日,张三在门店购买了一本书,消费了89元。那么,系统中就有了张三买书的流水记录。

    • 接着,我们查询一下2020年12月01日的会员销售记录:

    • 如果会员卡“10000001”又发给了王五,我们会更改会员信息表。导致查询时:

    • 这次得到的结果是:王五在2020年12月01日,买了一本书,消费89元。显然是错误的!结论:千万不能把会员卡号当做主键

  • 会员卡号 or 身份证号:选择会员电话或身份证号,会员电话可以做主键吗?不行的。

    • 在实际操作中,手机号也存在被运营商收回,重新发给别人用的情况。

    • 身份证号属于个人隐私,顾客不一定愿意给你。

8.12.3 淘宝的主键设计

  • 在淘宝的电商业务中,订单服务是一个核心业务。请问,订单表的主键 淘宝是如何设计的呢?是自增ID吗?

  • 从上图可以发现,订单号不是自增ID!我们详细看下上述4个订单号:

1550672064762308113
1481195847180308113
1431156171142308113
1431146631521308113
  • 订单号是19位的长度,且订单的最后5位都是一样的,都是08113。且订单号的前面14位部分是单调递增的。大胆猜测,淘宝的订单ID设计应该是:
订单ID = 时间 + 去重字段 + 用户ID后6位尾号
  • 这样的设计能做到全局唯一,且对分布式系统查询及其友好。

8.12.4 推荐的主键设计

  • 非核心业务 :对应表的主键自增ID,如告警、日志、监控等信息。
  • 核心业务 :主键设计至少应该是全局唯一且是单调递增。全局唯一保证在各系统之间都是唯一的,单调递增是希望插入时不影响数据库性能。

使用UUID来构造单调主键

  • UUID的特点:全局唯一,占用36字节,数据无序
  • MySQL中UUID组成如下:
UUID = 时间+UUID版本(16字节)- 时钟序列(4字节) - MAC地址(12字节)
  • 以UUID值e0ea12d4-6473-11eb-943c-00155dbaa39d举例:
  • 为什么UUID是随机无序的呢?因为UUID的设计中,将时间低位放在最前面,而这部分的数据是一直在变化的,并且是无序

  • 改造UUID:

    • 若将时间高低位互换,则时间就是单调递增的了,也就变得单调递增了。MySQL 8.0可以更换时间低位和时间高位的存储方式,这样UUID就是有序的UUID了。
    • MySQL 8.0还解决了UUID存在的空间占用的问题,除去了UUID字符串中无意义的"-"字符串,并且将字符串用二进制类型保存,这样存储空间降低为了16字节。
    • 可以通过MySQL8.0提供的uuid_to_bin函数实现上述功能,同样的,MySQL也提供了bin_to_uuid函数进行转化:
    SET @uuid = UUID();
    SELECT @uuid,uuid_to_bin(@uuid),uuid_to_bin(@uuid,TRUE);
    

    MySQL高级:(八)索引优化与查询优化_第2张图片

    • 通过函数uuid_to_bin(@uuid,true)将UUID转化为有序UUID了。全局唯一+单调递增
  • 有序UUID性能测试:16字节的有序UUID,相比之前8字节的自增ID,性能和存储空间对比究竟如何呢?我们来做一个测试,插入1亿条数据,每条数据占用500字节,含有3个二级索引,最终的结果如下所示:

  • 从上图可以看到插入1亿条数据有序UUID是最快的,而且在实际业务使用中有序UIlD在业务端就可以生成。还可以进一步减少SQL的交互次数。另外,虽然有序UUID相比自增ID多了8个字节,但实际只增大了3G的存储空间,还可以接受。

在当今的互联网环境中,非常不推荐自增ID作为主键的数据库设计。更推荐类似有序UUID的全局唯一的实现。
另外在真实的业务系统中,主键还可以加入业务和系统属性,如用户的尾号,机房的信息等。这样的主键设计就更为考验架构师的水平了。

你可能感兴趣的:(数据库,mysql,数据库,sql)