第二十八章：索引优化与优化查询

第二十八章：索引优化与优化查询

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

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。

28.1：数据准备

1. 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`)
   ) ENGINE=INNODB AUTO_INCREMENT=1 DEFAULT CHARSET=utf8;
   

2. 防止创建存储函数报错

   SET GLOBAL log_bin_trust_function_creators=1; 
   

3. 创建存储函数

   #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 ;
   

4. 创建存储过程

   #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 ;
   

5. 执行存储过程

   #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);
   

28.2：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。

​ 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。

1. 全值匹配我最爱

   # 没有索引时运行与下面的创建索引后运行会发现执行时间的变化
   EXPLAIN SELECT SQL_NO_CACHE * FROM student WHERE age=30;
   EXPLAIN SELECT SQL_NO_CACHE * FROM student WHERE age=30 AND classId=4;
   EXPLAIN SELECT SQL_NO_CACHE * FROM student WHERE age=30 AND classId=4 AND NAME = 'abcd';
   
   # 创建索引
   CREATE INDEX idx_age ON student(age);
   CREATE INDEX idx_age_classid ON student(age,classId);
   CREATE INDEX idx_age_classid_name ON student(age,classId,NAME);
   

2. 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。

   # 删除全值匹配建立的索引
   DROP INDEX idx_age ON student;
   DROP INDEX idx_age_classid ON student;
   
   # 只有第三条sql才能使用索引
   EXPLAIN SELECT SQL_NO_CACHE * FROM student WHERE student.age=30 AND student.name = 'abcd' ;
   EXPLAIN SELECT SQL_NO_CACHE * FROM student WHERE student.classid=1 AND student.name = 'abcd';
   EXPLAIN SELECT SQL_NO_CACHE * FROM student WHERE classid=4 AND student.age=30 AND student.name = 'abcd'; 
   

3. 主键插入顺序

   ​ 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：
   

   ​ 可这个数据页已经满了，再插进来咋办呢？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。

4. 计算、函数、类型转换(自动或手动)导致索引失效

   # 创建索引
   CREATE INDEX idx_name ON student(NAME);
   # 第一条sql能使用idx_name索引，第二条sql不行
   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'; 
   
   # 创建索引
   CREATE INDEX idx_sno ON student(stuno);
   # 第二条sql能使用idx_sno索引，第一条sql不行
   EXPLAIN SELECT SQL_NO_CACHE id, stuno, NAME FROM student WHERE stuno+1 = 900001;
   EXPLAIN SELECT SQL_NO_CACHE id, stuno, NAME FROM student WHERE stuno = 900000;
   
   # 不能使用索引
   EXPLAIN SELECT id, stuno, NAME FROM student WHERE SUBSTRING(NAME, 1,3)='abc';
   

5. 类型转换导致索引失效

   # 第二条sql能使用idx_name索引，第一条sql不行
   EXPLAIN SELECT SQL_NO_CACHE * FROM student WHERE NAME = 123; 
   EXPLAIN SELECT SQL_NO_CACHE * FROM student WHERE NAME = '123'; 
   

6. 范围条件右边的列索引失效

   # 删除可能对下面sql产生干扰的索引
   ALTER TABLE student DROP INDEX idx_name;
   # 使用idx_age_classid_name索引的len为10，而使用idx_age_name_cid索引的len为63
   EXPLAIN SELECT SQL_NO_CACHE * FROM student 
   WHERE student.age=30 AND student.classId>20 AND student.name = 'abc' ; 
   # 新建索引
   CREATE INDEX idx_age_name_cid ON student(age,NAME,classId);
   

7. 不等于(!= 或者 <>)索引失效

   # 新建索引
   CREATE INDEX idx_name ON student(NAME);
   # 下面两条sql都无法使用索引
   EXPLAIN SELECT SQL_NO_CACHE * FROM student WHERE student.name <> 'abc' ;
   EXPLAIN SELECT SQL_NO_CACHE * FROM student WHERE student.name != 'abc' ;
   

8. is null可以使用使用索引，is not null无法使用索引

   # 可以使用索引
   EXPLAIN SELECT SQL_NO_CACHE * FROM student WHERE age IS NULL; 
   # 不能使用索引
   EXPLAIN SELECT SQL_NO_CACHE * FROM student WHERE age IS NOT NULL; 
   

9. 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%'; 
   # 不能使用索引
   EXPLAIN SELECT SQL_NO_CACHE * FROM student WHERE NAME LIKE '%ab%';
   

10. 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，那么索引也会失效。也就是说，OR前后的两个条件中的列都是索引时，查询中才能使用索引。

    # 只建立一个索引
    CREATE INDEX idx_age ON student(age);
    # 无法使用索引，只有建立下面的一个索引，才能使用索引
    EXPLAIN SELECT SQL_NO_CACHE * FROM student WHERE age = 10 OR classid = 100;
    
    CREATE INDEX idx_cid ON student(classid);
    

11. 数据库和表的字符集统一使用utf8mb4

    ​ 统一使用uft8mb4(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。

28.3：关联查询优化

1. 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)));
   INSERT INTO `type`(card) VALUES(FLOOR(1 + (RAND() * 20)));
   INSERT INTO `type`(card) VALUES(FLOOR(1 + (RAND() * 20)));
   INSERT INTO `type`(card) VALUES(FLOOR(1 + (RAND() * 20)));
   INSERT INTO `type`(card) VALUES(FLOOR(1 + (RAND() * 20)));
   INSERT INTO `type`(card) VALUES(FLOOR(1 + (RAND() * 20)));
   INSERT INTO `type`(card) VALUES(FLOOR(1 + (RAND() * 20)));
   INSERT INTO `type`(card) VALUES(FLOOR(1 + (RAND() * 20)));
   INSERT INTO `type`(card) VALUES(FLOOR(1 + (RAND() * 20)));
   INSERT INTO `type`(card) VALUES(FLOOR(1 + (RAND() * 20)));
   INSERT INTO `type`(card) VALUES(FLOOR(1 + (RAND() * 20)));
   INSERT INTO `type`(card) VALUES(FLOOR(1 + (RAND() * 20)));
   INSERT INTO `type`(card) VALUES(FLOOR(1 + (RAND() * 20)));
   INSERT INTO `type`(card) VALUES(FLOOR(1 + (RAND() * 20)));
   INSERT INTO `type`(card) VALUES(FLOOR(1 + (RAND() * 20)));
   INSERT INTO `type`(card) VALUES(FLOOR(1 + (RAND() * 20)));
   INSERT INTO `type`(card) VALUES(FLOOR(1 + (RAND() * 20)));
   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)));
   INSERT INTO book(card) VALUES(FLOOR(1 + (RAND() * 20)));
   INSERT INTO book(card) VALUES(FLOOR(1 + (RAND() * 20)));
   INSERT INTO book(card) VALUES(FLOOR(1 + (RAND() * 20)));
   INSERT INTO book(card) VALUES(FLOOR(1 + (RAND() * 20)));
   INSERT INTO book(card) VALUES(FLOOR(1 + (RAND() * 20)));
   INSERT INTO book(card) VALUES(FLOOR(1 + (RAND() * 20)));
   INSERT INTO book(card) VALUES(FLOOR(1 + (RAND() * 20)));
   INSERT INTO book(card) VALUES(FLOOR(1 + (RAND() * 20)));
   INSERT INTO book(card) VALUES(FLOOR(1 + (RAND() * 20)));
   INSERT INTO book(card) VALUES(FLOOR(1 + (RAND() * 20)));
   INSERT INTO book(card) VALUES(FLOOR(1 + (RAND() * 20)));
   INSERT INTO book(card) VALUES(FLOOR(1 + (RAND() * 20)));
   INSERT INTO book(card) VALUES(FLOOR(1 + (RAND() * 20)));
   INSERT INTO book(card) VALUES(FLOOR(1 + (RAND() * 20)));
   INSERT INTO book(card) VALUES(FLOOR(1 + (RAND() * 20)));
   INSERT INTO book(card) VALUES(FLOOR(1 + (RAND() * 20)));
   INSERT INTO book(card) VALUES(FLOOR(1 + (RAND() * 20)));
   INSERT INTO book(card) VALUES(FLOOR(1 + (RAND() * 20)));
   

2. 采用左外连接

   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;
   

3. 采用内连接

   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)));
   INSERT INTO `type`(card) VALUES(FLOOR(1 + (RAND() * 20)));
   INSERT INTO `type`(card) VALUES(FLOOR(1 + (RAND() * 20)));
   INSERT INTO `type`(card) VALUES(FLOOR(1 + (RAND() * 20)));
   INSERT INTO `type`(card) VALUES(FLOOR(1 + (RAND() * 20)));
   INSERT INTO `type`(card) VALUES(FLOOR(1 + (RAND() * 20)));
   INSERT INTO `type`(card) VALUES(FLOOR(1 + (RAND() * 20)));
   INSERT INTO `type`(card) VALUES(FLOOR(1 + (RAND() * 20)));
   INSERT INTO `type`(card) VALUES(FLOOR(1 + (RAND() * 20)));
   INSERT INTO `type`(card) VALUES(FLOOR(1 + (RAND() * 20)));
   INSERT INTO `type`(card) VALUES(FLOOR(1 + (RAND() * 20)));
   INSERT INTO `type`(card) VALUES(FLOOR(1 + (RAND() * 20)));
   INSERT INTO `type`(card) VALUES(FLOOR(1 + (RAND() * 20)));
   INSERT INTO `type`(card) VALUES(FLOOR(1 + (RAND() * 20)));
   INSERT INTO `type`(card) VALUES(FLOOR(1 + (RAND() * 20)));
   INSERT INTO `type`(card) VALUES(FLOOR(1 + (RAND() * 20)));
   INSERT INTO `type`(card) VALUES(FLOOR(1 + (RAND() * 20)));
   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;
   

4. join语句原理

   ​ 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：上边是驱动表、下边是被驱动表。驱动表是主表，被驱动表就是从表、非驱动表。

     # 对于外连接和内连接来说，谁是驱动表，谁是被驱动表示优化器说了算的，并不是按照sql书写表名的先后顺序
     # 建表
     CREATE TABLE a(f1 INT, f2 INT, INDEX(f1))ENGINE=INNODB;
     CREATE TABLE b(f1 INT, f2 INT)ENGINE=INNODB;
     # 插入数据
     INSERT INTO a VALUES(1,1),(2,2),(3,3),(4,4),(5,5),(6,6);
     INSERT INTO b VALUES(3,3),(4,4),(5,5),(6,6),(7,7),(8,8);
     
     #测试1
     EXPLAIN SELECT * FROM a LEFT JOIN b ON(a.f1=b.f1) WHERE (a.f2=b.f2);
     #测试2
     EXPLAIN SELECT * FROM a LEFT JOIN b ON(a.f1=b.f1) AND (a.f2=b.f2);
     #测试3
     EXPLAIN SELECT * FROM a JOIN b ON(a.f1=b.f1) WHERE (a.f2=b.f2);
     

   • 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。
     

     可以看到这种方式效率是非常低的，以上述表A数据100条，表B数据1000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
     内标扫描次数	A
     读取记录数	A + B * A
     JOIN比较次数	A * B
     回表读取记录次数	0

   • 索引嵌套循环连接(Index Nested-Loop Join)

     ​ Index Nested-Loop Join其优化器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。通过外层匹配条件直接与内层索引进行匹配，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)

   • 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IO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。

开销统计	SNLJ	INLJ	BNLJ
外表扫描次数	1	1	1
内表扫描次数	A	0	A * used_column_size / join_buffer_size + 1
读取记录数	A + B * A	A + B(match)	A + B * (A * used_column_size / join_buffer_size)
JOIN比较次数	B * A	A * Index(Height)	B * A
回表读取记录次数	0	B(match)(if possible)	0

参数设置

1. block_nested_loop

   通过show variables like '%optimizer_switch%'查看block_nested_loop状态。默认是开启的。

2. join_buffer_size

   ​ 驱动表能不能一次加载完，要看join buffer能不能存储所有的数据，默认情况下join_buffer_size=256K。

   ​ join_buffer_size的最大值在32位系统可以申请4G，而在64位操作系统下可以申请大于4G的Join Buffer空间。(64位Windows除外，其大值会被截断为4GB并发出警告)。

   • 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。

     1. 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。

     2. 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IO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。

        类别	Nested Loop	Hash Join
        使用条件	任何条件	等值连接(=)
        相关资源	CPU、磁盘IO	内存、临时空间
        相关资源	当有高选择性索引或进行限制性搜索时效率比较高，能够快速返回第一次的搜索结果	当缺乏索引或者索引条件模糊时，Hash Join比Nested Loop有效。在数据仓库环境下，如果表的记录数多，效率高。
        缺点	当索引丢失或者查询条件限制不够时，效率很低，当表的记录数多时，效率低。	为建立哈希表，需要大量内存。第一次的结果返回较慢。

28.4：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：

1. 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，在撤销这些临时表。这样会消耗过多的CPU和IO资源，产生大量的慢查询。
2. 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。
3. 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。

28.5：排序优化

1. 排序优化

   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子句避免使用FileSort排序。当前，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后面是相同的列就是用单索引列，如果不同就是用联合索引。
   • 无法使用Index时，需要对FileSort方式进行调优。

   #删除student和class表中的非主键索引
   DROP INDEX idx_cid ON student;
   DROP INDEX idx_age ON student;
   DROP INDEX idx_name ON student;
   DROP INDEX idx_age_name_cid ON student;
   DROP INDEX idx_sno ON student;
   DROP INDEX idx_age_classid_name ON student;
   DROP INDEX idx_monitor ON class;
   
   SHOW INDEX FROM student;
   SHOW INDEX FROM class;
   #过程一：没有索引，不使用索引
   EXPLAIN SELECT SQL_NO_CACHE * FROM student ORDER BY age,classid; 
   EXPLAIN SELECT SQL_NO_CACHE * FROM student ORDER BY age,classid LIMIT 10; 
   
   #过程二：order by时不limit，索引失效
   #创建索引  
   CREATE  INDEX idx_age_classid_name ON student (age,classid,NAME);
   #不限制,索引失效
   EXPLAIN  SELECT SQL_NO_CACHE * FROM student ORDER BY age,classid; 
   #增加limit过滤条件，使用上索引了。
   EXPLAIN  SELECT SQL_NO_CACHE * FROM student ORDER BY age,classid LIMIT 10;  
   
   #过程三：order by时顺序错误，索引失效
   #创建索引age,classid,stuno
   CREATE  INDEX idx_age_classid_stuno ON student (age,classid,stuno); 
   # 第三条和第四条sql使用了索引
   EXPLAIN  SELECT * FROM student ORDER BY classid LIMIT 10;
   EXPLAIN  SELECT * FROM student ORDER BY classid,NAME LIMIT 10;  
   EXPLAIN  SELECT * FROM student ORDER BY age,classid,stuno LIMIT 10; 
   EXPLAIN  SELECT * FROM student ORDER BY age,classid LIMIT 10;
   EXPLAIN  SELECT * FROM student ORDER BY age LIMIT 10;
   
   #过程四：order by时规则不一致, 索引失效 （顺序错，不索引；方向反，不索引）
   # 第4条sql使用了索引
   EXPLAIN  SELECT * FROM student ORDER BY age DESC, classid ASC LIMIT 10;
   EXPLAIN  SELECT * FROM student ORDER BY classid DESC, NAME DESC LIMIT 10;
   EXPLAIN  SELECT * FROM student ORDER BY age ASC,classid DESC LIMIT 10; 
   EXPLAIN  SELECT * FROM student ORDER BY age DESC, classid DESC LIMIT 10;
   
   #过程五：无过滤，不索引
   # 第一条、第二条、第三条都使用了索引
   EXPLAIN  SELECT * FROM student WHERE age=45 ORDER BY classid;
   EXPLAIN  SELECT * FROM student WHERE  age=45 ORDER BY classid,NAME; 
   EXPLAIN  SELECT * FROM student WHERE  classid=45 ORDER BY age;
   EXPLAIN  SELECT * FROM student WHERE  classid=45 ORDER BY age LIMIT 10;
   
   # 总结
   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*/
   

2. 案例实战

   #实战：测试filesort和index排序
   DROP INDEX idx_age_classid_name ON student;
   DROP INDEX idx_age_classid_stuno ON student;
   
   EXPLAIN SELECT SQL_NO_CACHE * FROM student WHERE age = 30 AND stuno <101000 ORDER BY NAME ;
   
   #方案一: 为了去掉filesort我们可以把索引建成
   CREATE INDEX idx_age_name ON student(age,NAME);
   EXPLAIN SELECT SQL_NO_CACHE * FROM student WHERE age = 30 AND stuno <101000 ORDER BY NAME ;
   
   #方案二：
   CREATE INDEX idx_age_stuno_name ON student(age,stuno,NAME);
   EXPLAIN SELECT SQL_NO_CACHE * FROM student WHERE age = 30 AND stuno <101000 ORDER BY NAME ;
   

   • 两个索引同时存在，mysql自动选择最优的方案。但是，随着数据量的变化，选择的索引也会随之变化的。
   • 当【范围条件】和【group by或者order by】的字段出现二选一时，优先观察条件字段的过滤数量，如果过滤的数据足够多，而需要排序的数据并不多时，优先把索引放在范围字段上。反之，亦然。

3. 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filesorts会有两种算法：双路排序和单路排序。

   • 双路排序（慢）

     1. MySQL4.1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，对他们进行排序，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。
     2. 从磁盘取排序字段，在buffer进行排序，再从磁盘取其他字段。

     取一批数据，要对磁盘进行两次扫描，众所周知，IO是很耗时的，所以在mysql4.1之后，出现了第二种改进的算法，就是单路排序。

   • 单路排序（快）

     1. 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

     1. 由于单路是后出的，总体而言好过双路
     2. 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IO。
        • 单路本来想省一次IO操作，反而导致了大量的I/O操作，反而得不偿失。

   • 优化策略

     1. 尝试提高sort_buffer_size

        不管用哪种算法，提高这个参数都会提高效率，要根据系统的能力去提高，因为这个参数是针对每个进程(connection)的1M-8M之间调整。MySQL5.7 InnoDB存储引擎默认值是1048576字节，1MB。

        SHOW VARIABLES LIKE '%sort_buffer_size%';
        

     2. 尝试提高max_length_for_sort_data

        提高这个参数，会增加用改进算法的概率。

        SHOW VARIABLES LIKE '%max_length_for_sort_data%'; #默认1024字节
        

        ​ 但是如果设的太高，数据总容量超出sort_buffer_size的概率就增大，明显症状是高的磁盘IO活动和低的处理器使用率。如果需要返回的列的总长度大于max_length_for_sort_data，使用双路算法，否则使用单路算法。1024-8192字节之间调整。

     3. Order by 时select *是一个大忌。最好只Query需要的字段。原因

        • 当Query的字段大小总和小于max_length_for_sort_data，而且排序字段不是TEXT | BLOB类型时，会用改进后的算法——单路排序，否则用老算法——多路排序。
        • 两种算法的数据都有可能超出sort_buffer_size的容量，超出之后，会创建tmp文件进行合并排序，导致多次I/O,但是用单路排序算法的风险会更大一些，所以要提高sort_buffer_size。

28.6：BROUP BY优化

1. group by使用索引的原则几乎跟order by一致，group by即使没有使用过滤条件用到索引，也可以直接使用索引。
2. group by先排序再分组，遵照索引建的最佳左前缀法则。
3. 当无法使用索引列，增大max_length_for_sort_data和sort_buffer_size参数的设置。
4. where效率高于having，能写在where限定的条件就不要写在having中了。
5. 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、distince这些语句较为耗费CPU，数据库的CPU资源是及其宝贵的。
6. 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。

28.7：优化分页查询

​ 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;

1. 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;
   

2. 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;
   

28.8：优先考虑覆盖索引

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他们索引的数据，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。

   #删除之前的索引
   DROP INDEX idx_age_name ON student;
   DROP INDEX idx_age_stuno_name ON student;
   
   # 创建索引
   CREATE INDEX idx_age_name ON student (age,NAME);
   
   #举例1：第一条sql没有用到索引，第二条sql用到索引
   EXPLAIN SELECT * FROM student WHERE age <> 20;
   EXPLAIN SELECT age,NAME FROM student WHERE age <> 20;
   
   #举例2：第一条sql没有用到索引，第二条sql用到索引
   EXPLAIN SELECT * FROM student WHERE NAME LIKE '%abc';
   EXPLAIN SELECT id,age FROM student WHERE NAME LIKE '%abc';
   

2. 覆盖索引的利弊

   • 好处

     1. 避免Innodb表进行索引的二次查询(回表)

        ​ Innodb是以聚集索引的顺序来存储的，对于Innodb来说，二级索引在叶子节点中所保存的是行的主键信息，如果使用二级索引查询数据，在查找到相应的键值后，还需要通过主键进行二次查询才能获取我们真实所需要的数据。

        ​ 在覆盖索引中，二级索引的键值中可以获取所要的数据，避免了对主键的二次查询，减少了IO操作，提升了查询效率。

     2. 可以把随机IO变成顺序IO加快查询效率

        ​ 由于覆盖索引是按键值的顺序存储的，对于IO密集型的范围查找来说，对比随机从磁盘读取每一行的数据IO要少的多，因此利用覆盖索引在访问时也可以把磁盘的随机读取的IO转变成索引查找的顺序IO。

        ​ 由于覆盖索引可以减少树的搜索次数，显著提升查询性能，所以使用覆盖索引是一个常用的性能优化手段。

   • 弊端

     ​ 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。

28.9：索引下推

1. 使用前后对比

   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。

   • 如果没有ICP，存储引擎会遍历索引以定位基表中的行，并将他们返回给MySQL服务器，由MySQL服务器评估WHERE后面的条件是否保留行。

   • 启动ICP后，如果部分WHERE条件可以仅使用索引中的列进行筛选，则MySQL服务器会把这部分WHERE条件放到存储引擎筛选。然后，存储引擎通过使用索引条目来筛选数据，并且只有在满足这一条件时才从表中读取行。

     ​ 好处：ICP可以减少存储引擎必须访问基表的次数和MySQL服务器必须访问存储引擎的次数。但是，ICP的加速效果取决于在存储引擎内通过**ICP筛选**掉的数据的比例。

2. ICP的开启、关闭

   默认情况下启动索引条件下推。可以通过设置系统变量optimizer_switch控制：index_condition_pushdown

   # 关闭索引下推
   SET optimizer_switch = 'index_condition_pushdown=off';
   # 打开索引下推
   SET optimizer_switch = 'index_condition_pushdown=on';
   

3. 代码测试

   use atguigu1;
   # 举例1：使用了索引下推
   EXPLAIN SELECT * FROM s1 WHERE key1 > 'z' AND key1 LIKE '%a';
   
   #举例2：
   CREATE TABLE `people` (
         `id` INT NOT NULL AUTO_INCREMENT,
         `zipcode` VARCHAR(20) COLLATE utf8_bin DEFAULT NULL,
         `firstname` VARCHAR(20) COLLATE utf8_bin DEFAULT NULL,
         `lastname` VARCHAR(20) COLLATE utf8_bin DEFAULT NULL,
         `address` VARCHAR(50) COLLATE utf8_bin DEFAULT NULL,
         PRIMARY KEY (`id`),
         KEY `zip_last_first` (`zipcode`,`lastname`,`firstname`)
   ) ENGINE=INNODB AUTO_INCREMENT=5 DEFAULT CHARSET=utf8mb3 COLLATE=utf8_bin;
   
   INSERT INTO `people` VALUES 
   ('1', '000001', '三', '张', '北京市'), 
   ('2', '000002', '四', '李', '南京市'), 
   ('3', '000003', '五', '王', '上海市'), 
   ('4', '000001', '六', '赵', '天津市');
   # 使用了索引下推
   EXPLAIN SELECT * FROM people WHERE zipcode='000001' AND lastname LIKE '%张%' AND address LIKE '%北京市%';
   
   #使用索引下推和不使用索引下推的对比
   #创建存储过程
   DELIMITER //
   	CREATE PROCEDURE  insert_people( max_num INT )
   BEGIN  
   	DECLARE i INT DEFAULT 0;   
    	SET autocommit = 0;    
    	REPEAT  
    		SET i = i + 1;  
    		INSERT INTO people (zipcode, firstname, lastname, address) VALUES ('000001', '六', '赵', '天津市');  
    		UNTIL i = max_num  
    	END REPEAT;  
    	COMMIT; 
   END //
   DELIMITER ;
   
   # 调用存储过程
   CALL insert_people(1000000);
   
   # 使用索引下推时执行时间为259ms
   SELECT * FROM people WHERE zipcode='000001' AND lastname LIKE '%张%';
   
   # 关闭索引下推
   SET optimizer_switch = 'index_condition_pushdown=on';
   
   # 不使用索引下推时执行时间为2940ms
   SELECT * FROM people WHERE zipcode='000001' AND lastname LIKE '%张%';
   

4. ICP的使用条件

   • 如果访问的类型为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ICP。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。

28.10：其他查询优化策略

1. EXISTS和IN的区分

   索引是个前提，其实选择与否还是要看表的大小。你可以将选择的标准理解为小表驱动大表。在这种方式下效率是最高的。

   # B小于A时使用
   SELECT * FROM A WHERE cc IN (SELECT cc FROM B);
   # A小于B时使用
   SELECT * FROM A WHERE EXISTS (SELECT cc FROM B WHERE B.cc = A.cc);
   

2. COUNT(*)与COUNT(具体字段)效率

   ​ 在MySQL中统计数据表的行数，可以使用三种方式：SELECT COUNT(*)、SELECT COUNT(1)和SELECTCOUNT(具体字段)，使用这三者之间的查询效率是怎样的？

   • COUNT(*)和C0UNT(1)都是对所有结果进行COUNT，COUNT(*)和COUNT(1)本质上并没有区别。如果有WHERE子句，则是对所有符合筛选条件的数据行进行统计；如果没有WHERE子句，则是对数据表的数据行数进行统计。
   • 如果是MyISAM存储引擎，统计数据表的行数只需要o(1)的复杂度，这是因为每张MylSAM的数据表都有一个meta信息存储了row_count值，而一致性则由表级锁来保证。
   • 如果是InnoDB存储引擎，因为InnoDB支持事务，采用行级锁和MVCC机制，所以无法像MyISAM一样，维护个row_count变量，因此需要采用扫描全表，o(n)复杂度，进行循环+计数的方式来完成统计。
   • 在InnoDB引擎中，如果采用COUNT(具体字段)来统计数据行数，要尽量采用二级索引。因为主键采用的索引是聚簇索引，聚簇索引包含的信息多，明显会大于二级索引（非聚簇索引）。对于C0UNT(*)和C0UNT(1)来说，它们不需要查找具体的行，只是统计行数，系统会自动采用占用空间更小的二级索引来进行统计。

   如果有多个二级索引，会使用key_len小的二级索引进行扫描。当没有二级索引的时候，才会采用主键索引来进行统计。

3. 关于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。

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。

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。
   • 被程序语句获得的所。
   • redo / undo log buffer中的空间。
   • 管理上述3中资源的内部花费。