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
物理查询优化和逻辑查询优化两大块。物理查询优化是通过索引和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' ;
mysql> EXPLAIN SELECT SQL_NO_CACHE * FROM student WHERE student.classid=1 AND student.name =' abcd ' ;
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';
EXPLAIN SELECT SQL_NO_CACHE * FROM student WHERE NAME = 123;
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' ;
# 用到了索引
EXPLAIN SELECT SQL_NO_CACHE NAME FROM student WHERE student.name != 'abc' ;
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;
EXPLAIN SELECT SQL_NO_CACHE * FROM student WHERE age IS NOT NULL;
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%';
# 无法使用索引
EXPLAIN SELECT SQL_NO_CACHE * FROM student WHERE NAME LIKE '%ab%';
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';
- 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：
-
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。
- 对于
- 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
- 整体效率比较:INLJ > BNLJ > SNLJ
- 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)│ - 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)
- 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)
- 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)
- 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。
- 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。
- 执行子查询时，MySQL需要
-
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
FileSort和Index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。
- 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
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:
双路排序和单路排序 - 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。
- 从磁盘读取查询需要的
- 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;
- 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 ;
- 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;
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。
- 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，
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。
错! - 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);
- 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。