【MySQL索引与优化篇】索引优化与查询优化

索引优化与查询优化

1. 概述

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

2. 索引失效案例

MySQL 提升性能最有效的方式就是 设计合理的索引，但是否用索引都由优化器决定。

优化器是基于 开销(CostBaseOptimizer)，它不是基于 规则(Rule-BasedOptimizer)，也不是基于 语义。怎么开销小就怎么来。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。

索引失效情况：

1. 最佳左前缀法则：对于MySQL多列索引，过滤条件要使用索引必须按照索引建立时的顺序，依次满足，一旦跳过某个字段，索引后面的字段都无法被使用。
2. 计算、函数、类型转换（自动或手动）都会导致索引失效
3. 范围条件右边的列索引失效，多列索引中，过滤条件中索引左边有范围查询的话，则对应列右边的列索引将失效
   • 应用开发中，金额和日期查询往往是范围查询，建立联合索引时务必把涉及范围查询的字段放在索引后面
4. 不等于(!= 或者 <>)索引失效
5. is null可以使用索引，is not null无法使用索引
   • 最好在设计表的时候就将字段设置为not null约束，并给定默认值，int为0，字符串为’’
6. like 以通配符 %开头将无法使用索引
7. or 前后存在非索引的列，索引失效
8. 数据库和表的字符集统一，不同字符集进行比较前需要进行 转换会造成索引失效

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

3. 关联查询优化

3.1 Join语句原理

驱动表就是主表，被驱动表就是从表、非驱动表。Join连接时，无索引时，需遍历主表，逐个与被驱动表比对，嵌套循环遍历被驱动表。MySQL5.5后的版本引入了BNLJ算法来优化嵌套执行。MySQL8.0.18版本前，在被驱动表有索引的情况下运用了INLJ算法，无索引时采用BNLJ算法。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

3.2 Simple Nested-Loop Join（简单嵌套循环连接）

算法：从驱动表A中取出一条数据1，遍历被驱动表B，将匹配到的数据放入result…以此类推，驱动表A中的每一条记录与驱动表B的记录进行判断，算法复杂度为O（A * B），效率很低。MySQL当然不会这么粗暴的进行表的连接。

3.3 Index Nested-Loop Join（索引嵌套循环连接）

Index Nested-Loop Join优化的主要思路是 减少被驱动表数据的匹配次数，所以要求被驱动表上必须 有索引才行。通过驱动表匹配条件直接与被驱动表索引进行匹配，避免和被驱动表的每条记录比较，使得算法复杂度为O(A * LogB)，其中因为索引的结构是B+树，LogB的大小一般不会超过4。如果在B上的索引不是主键，还需要进行回表操作，所以如果被驱动表的索引是主键索引的话效率会更高

3.4 Block Nested-Loop Join（块嵌套循环连接）

该算法不是按SNLJ算法一样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缓冲区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为一次，降低了被驱动表的访问频率。

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减少不必要的字段，可以让join buffer中可以存放更多的列

参数设置:

• block_nested_loop
  • 通过 show variables like '%optimizer_switch%'查看block_nested_loop状态。默认是开启的
• join_buffer_size：默认值：256k

3.5 Hash Join

• Nested Loop：对于被连接的数据子集较小的情况，嵌套循环还是个较好的选择
• 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，内存设置还是join_buffer_size
  • 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l/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

3.6 小结

1. 整体效率：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，而不是单纯指行数)

   -- STRAIGHT_JOIN就是在内连接中使用，而强制使用左表来当驱动表，所以这个特性可以用于一些调优，强制改变mysql的优化器选择的执行计划
   
   select t1.b,t2.* from t1 straight_join t2 on (t1.b=t2.b) where t2.id<=100; #推荐,t2取了所有字段，相对来说join buffer里能存的数据更多
   
   select t1.b,t2.* from t2 straight_join t1 on (t1.b=t2.b) where t2.id<=100; #不推荐
   

3. 为被驱动表匹配的条件增加索引(减少被驱动表的循环匹配次数)

4. 增大join_buffer_size的大小 (一次缓存的数据越多，那么被驱动表的扫表次数就越少)

5. 减少驱动表不必要的字段查询 (字段越少，join buffer 所缓存的数据行数就越多)

4. 子查询优化

执行子查询时需要建立撤销临时表，且临时表还是磁盘都不会有索引，在MySQL中建议使用Join查询来替代子查询，尽量不用not in 或in 函数

select a.* from
(
    select a.* ,b.field 
    from tabname  as a left outer join tabname as b on a.field =b.field
) x where field is null

5. 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 /0 到磁盘进行排序的情况，效率较低

优化建议：

1. 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
2. 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
3. 如果靠过滤条件能过滤掉大部分数据，则使用 FileSort也能接受，order by 在数据过滤后剩余数据量还比较大的时候才会考虑使用索引，否则会优先使用成本低的FileSort
4. 无法使用Index 时考虑对 FileSort 方式进行调优

filesort的两种排序方式：

• 双路排序：从磁盘取排序列，排序完再从磁盘取出对应数据输出
• 单路排序：从磁盘读取查询需要的所有列，排序后输出；需要更大内存空间，如果待排数据量很大，每次只能取sort_fuffer的容量，进行排序再合并，排完再取会导致大量的I/O操作，反而得不偿失

FileSort 优化策略

1. 提高 sort_buffer_size，提升排序时可用的内存容量大小，innodb存储引擎默认值是1MB
2. 尝试提高 max_length_for_sort_data，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。默认1024字节；即提高后会增加使用单路算法的阈值

注意：

order by 时 select * 是大忌，最好只取需要的字段，原因：

• 当查询的字段大小总和小于 max_length_for_sort_data时，而且排序字段不是TEXT|BLOB类型时，会用改进后的排序——单路排序，否则使用多路排序
• 两种算法的数据都有可能超过 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

6. GROUP BY 优化

• where效率高于having，能写在where限定的条件就不要写在having中
• 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

7. 分页查询优化

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

SELECT * FROM student t,(SELECT id FRON student ORDER BY id LIMIT 2000000,10) aWHERE 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

SELECT * FROM student WHERE d > 2000000 LIMIT 10:

优化思路三：游标方式，适合单调递增的数据，每次查询时传入上次查询的末尾的值，需与前端一起配合，和方案二类似，但无法跳页查询

8. 字符串的前缀索引

如果不指定索引长度，则索引会包含整个字符串 index1，指定长度则为前缀索引 index2

mysql> alter table teacher add index index1(email);
#或
mysql> alter table teacher add index index2(email(6));

如果使用的是index1（即email整个字符串的索引结构），执行顺序是这样的：

1. 从index1索引树找到满足索引值是’ [email protected] ’的这条记录，取得ID2的值；
2. 到主键上查到主键值是ID2的行，判断email的值是正确的，将这行记录加入结果集；
3. 取index1索引树上刚刚查到的位置的下一条记录，发现已经不满足email=’ [email protected] ’的
   条件了，循环结束。

这个过程中，只需要回主键索引取一次数据，所以系统认为只扫描了一行。

如果使用的是index2（即email(6)索引结构），执行顺序是这样的：

1. 从index2索引树找到满足索引值是’zhangs’的记录，找到的第一个是ID1；
2. 到主键上查到主键值是ID1的行，判断出email的值不是’ [email protected] ’，这行记录丢弃；
3. 取index2上刚刚查到的位置的下一条记录，发现仍然是’zhangs’，取出ID2，再到ID索引上取整行然
   后判断，这次值对了，将这行记录加入结果集；
4. 重复上一步，直到在idxe2上取到的值不是’zhangs’时，循环结束。

也就是说使用前缀索引，定义好长度，就可以做到既节省空间，又不用额外增加太多的查询成本。前面已经讲过区分度，区分度越高越好。因为区分度越高，意味着重复的键值越少。

注意：使用前缀索引就用不上覆盖索引对查询性能的优化了，这也是在选择是否使用前缀索引时需要考虑的一个因素

9. 索引下推

在二级索引或联合索引中，判断条件中如果还有对应索引中字段，则先判断再回表

select * from student where name > 'a' and sno like '%20'; -- index(name, sno)

上述查询会通过联合索引找到 name > 'a’的数据的同时判断 sno like ‘%20’，之后再进行回表；如无icp(索引下推)，则找到 name > 'a’的数据就会回表，查出数据后再判断sno like ‘%20’

10. 普通索引和唯一索引

普通索引和唯一索引应该怎么选择？其实，这两类索引在查询能力上是没差别的，主要考虑的是对 更新性能 的影响。所以，建议 尽量选择普通索引，但要考虑业务正确性优先

10.1 更新过程

为了说明普通索引和唯一索引对更新语句性能的影响这个问题，介绍一下change buffer。

当需要更新一个数据页时，如果数据页在内存中就直接更新，而如果这个数据页还没有在内存中的话，在不影响数据一致性的前提下， InooDB会将这些更新操作缓存在change buffer中 ，这样就不需要从磁盘中读入这个数据页了。在下次查询需要访问这个数据页的时候，将数据页读入内存，然后执行change buffer中与这个页有关的操作。通过这种方式就能保证这个数据逻辑的正确性。

将change buffer中的操作应用到原数据页，得到最新结果的过程称为 merge 。除了 访问这个数据页 会触发merge外，系统有 后台线程会定期 merge。在 数据库正常关闭（shutdown） 的过程中，也会执行merge操作。

如果能够将更新操作先记录在change buffer，减少读磁盘 ，语句的执行速度会得到明显的提升。而且，数据读入内存是需要占用 buffer pool 的，所以这种方式还能够 避免占用内存 ，提高内存利用率。唯一索引的更新就不能使用change buffer ，实际上也只有普通索引可以使用

10.2 使用场景

首先， 业务正确性优先 。我们的前提是“业务代码已经保证不会写入重复数据”的情况下，讨论性能问题。如果业务不能保证，或者业务就是要求数据库来做约束，那么没得选，必须创建唯一索引。

然后，在一些“ 归档库 ”的场景。比如，线上数据只需要保留半年，然后历史数据保存在归档库。这时候，归档数据已经是确保没有唯一键冲突了。要提高归档效率，可以考虑把表里面的唯一索引改成普通索引

• innodb_change_buffer_max_size：Change Buffer的最大大小，默认为25%的缓冲池大小；
• innodb_change_buffering：Change Buffer的开启状态，默认为all，表示所有插入、更新和删除操作都会使用Change Buffer；

11. 其它查询优化策略

11.1 EXISTS 和 IN 的区分

遵守小表驱动大表

select * from a where cc in (select cc from b) -- a表比b表大

select * from a where exist(select cc from b where b.cc = a.cc) -- a表比b表小

11.2 count(具体字段)的使用

使用innodb存储引擎的情况下，如果使用count(具体字段)要尽量选择二级索引，因为主键是聚簇索引，需要把所有数据加载到内存中。

11.3 关于select *

1. MySQL在解析的过程中，会通过 查询数据字典将 *按序转换为列名
2. 无法使用 覆盖索引

11.4 多使用commit

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

12. 推荐的主键策略

非核心业务：对应表的主键自增ID，如警告、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的

最简单的主键设计：有序的UUID，将UUID时间高位与低位交换，且去除无意义的“-”字符串

UUID = 时间 + UUID版本(16字节) - 时钟序列（4字节） - MAC地址(12字节)

MySQL8.0提供的uuid_to_bin函数实现上述功能

select uuid_to_bin(uuid(), true);

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。