一篇文章带你搞懂慢SQL以及优化的策略

文章目录

    • 一、什么是慢SQL ?
    • 二、为什么要对慢SQL进行优化?
    • 三、数据库性能
      • 1. 最大数据量
      • 2. 最大并发数
      • 3. 查询耗时0.5秒
      • 4. 具体实施
    • 四、数据库表的设计
      • 1. 数据类型
      • 2. 避免空值
      • 3. text 类型优化
    • 五、索引优化
      • 1. 索引分类
      • 2. 索引优化
    • 六、SQL 优化
      • 1. 分批处理
      • 2. 操作符<>优化
      • 3. OR优化
      • 4. IN优化
      • 5. 不做列运算
      • 6. 避免Select all
      • 7. Like优化
      • 8. Join 优化
      • 9. Limit 优化
    • 七、其他SQL

一、什么是慢SQL ?

分析MySQL语句查询性能的方法除了使用 EXPLAIN 输出执行计划,还可以让MySQL记录下查询超过指定时间的语句,我们将超过指定时间的SQL语句查询称为“慢查询”。

慢查询日志就是记录这些sql的日志。

查看/设置“慢查询”的时间定义:

show variables like "long%";

一篇文章带你搞懂慢SQL以及优化的策略_第1张图片
如上述语句输出,“慢查询”的时间定义为10秒(方便测试,一般设置为1-10秒)。

使用下面语句定义“慢查询”时间

set long_query_time=0.0001;

开启“慢查询”记录功能

show variables like "slow%";

一篇文章带你搞懂慢SQL以及优化的策略_第2张图片
上述语句查看“慢查询”的配置信息,你可以自定义日志文件的存放,但必须将 slow_query_log 全局变量设置为“ON”状态,执行以下语句:

set global slow_query_log=ON;

一篇文章带你搞懂慢SQL以及优化的策略_第3张图片

二、为什么要对慢SQL进行优化?

每个SQL执行都需要消耗一定I/O资源,SQL执行的快慢,决定资源被占用时间的长短。

假设总资源是10,有一条慢SQL占用了3的资源共计1分钟。

那么在这1分钟时间内,其他SQL能够分配的资源总量就是7,如此循环,当资源分配完的时候,所有新的SQL执行将会排队等待。

从应用的角度看:SQL执行时间长意味着等待,在OLTP应用当中,用户的体验较差

三、数据库性能

1. 最大数据量

抛开数据量和并发数,谈性能都是耍流氓。MySQL没有限制单表最大记录数,它取决于操作系统对文件大小的限制。
一篇文章带你搞懂慢SQL以及优化的策略_第4张图片
《阿里巴巴Java开发手册》提出单表行数超过500万行或者单表容量超过2GB,才推荐分库分表。

性能由综合因素决定,抛开业务复杂度,影响程度依次是硬件配置、MySQL配置、数据表设计、索引优化。500万这个值仅供参考,并非铁律。

分库分表是个周期长而风险高的大活儿,应该尽可能在当前结构上优化,比如升级硬件、迁移历史数据等等,实在没辙了再分

2. 最大并发数

并发数是指同一时刻数据库能处理多少个请求,由max_connectionsmax_user_connections决定。

max_connections是指MySQL实例的最大连接数,上限值是16384,max_user_connections是指每个数据库用户的最大连接数。

MySQL会为每个连接提供缓冲区,意味着消耗更多的内存。

如果连接数设置太高硬件吃不消,太低又不能充分利用硬件。

一般要求两者比值超过10%,计算方法如下:

max_used_connections / max_connections * 100% = 3/100 *100%3%

查看最大连接数与响应最大连接数:

show variables like '%max_connections%';
show variables like '%max_user_connections%';

在配置文件my.cnf中修改最大连接数

[mysqld]
max_connections = 100
max_used_connections = 20

3. 查询耗时0.5秒

建议将单次查询耗时控制在0.5秒以内,0.5秒是个经验值,源于用户体验的3秒原则

如果用户的操作3秒内没有响应,将会厌烦甚至退出。

响应时间=客户端UI渲染耗时+网络请求耗时+应用程序处理耗时+查询数据库耗时,0.5秒就是留给数据库1/6的处理时间。

4. 具体实施

相比NoSQL数据库,MySQL是个娇气脆弱的家伙。

它就像体育课上的女同学,一点纠纷就和同学闹别扭(扩容难),跑两步就气喘吁吁(容量小并发低),常常身体不适要请假(SQL约束太多)。

如今大家都会搞点分布式,应用程序扩容比数据库要容易得多,所以实施原则是数据库少干活,应用程序多干活。

  • 充分利用但不滥用索引,须知索引也消耗磁盘和CPU。
  • 不推荐使用数据库函数格式化数据,交给应用程序处理。
  • 不推荐使用外键约束,用应用程序保证数据准确性。
  • 写多读少的场景,不推荐使用唯一索引,用应用程序保证唯一性。
  • 适当冗余字段,尝试创建中间表,用应用程序计算中间结果,用空间换时间。
  • 不允许执行极度耗时的事务,配合应用程序拆分成更小的事务。
  • 预估重要数据表(比如订单表)的负载和数据增长态势,提前优化。

或者:

  • 将数据存放在更快的地方。

  • 如果数据量不大,变化频率不高,但访问频率很高,此时应该考虑将数据放在应用端的缓存当中或者Redis这样的缓存当中,以提高存取速度。如果数据不做过滤、关联、排序等操作,仅按照key进行存取,且不考虑强一致性需求,也可考虑选用NoSQL数据库。

  • 适当合并I/O

    • 分别执行select c1 from t1与select c2 from t1,与执行select c1,c2 from t1相比,后者开销更小
    • 合并时也需要考虑执行时间的增加。
  • 利用分布式架构:在面对海量的数据时,通常的做法是将数据和I/O分散到多台主机上去执行

  • 不在业务高峰期批量更新或查询数据库,避免在业务高峰期alter表。

  • 禁止在主库上执行 sum,count 等复杂的统计分析语句,可以使用从库来执行。

  • 禁止使用 order by rand().

  • 禁止单条 SQL 语句同时更新多个表。

  • 使用 prepared statement 语句,只传参数,比传递 SQL 语句更高效;一次解析,多次使用;降低SQL

  • 事务要简单,整个事务的时间长度不要太长,SQL结束后及时提交。

  • SQL语句尽可能简单 大SQL语句尽可能拆成小SQL语句,MySQL对复杂SQL支持不好。

四、数据库表的设计

1. 数据类型

数据类型的选择原则:更简单或者占用空间更小。

  • 如果长度能够满足,整型尽量使用 tinyint、smallint、medium_int 而非int。
  • 如果字符串长度确定,采用char类型。
  • 如果varchar能够满足,不采用text类型。
  • 精度要求较高的使用 decimal 类型,也可以使用 BIGINT,比如精确两位小数就乘以100后保存。
  • 尽量采用 timestamp 而非 datetime。
    一篇文章带你搞懂慢SQL以及优化的策略_第5张图片

相比 datetime,timestamp 占用更少的空间,以UTC的格式储存自动转换时区。

2. 避免空值

MySQL中字段为NULL时依然占用空间,会使索引、索引统计更加复杂。

从NULL值更新到非NULL无法做到原地更新,容易发生索引分裂影响性能。

尽可能将NULL值用有意义的值代替,也能避免SQL语句里面包含is not null的判断

3. text 类型优化

由于text字段储存大量数据,表容量会很早涨上去,影响其他字段的查询性能。

建议抽取出来放在子表里,用业务主键关联。

五、索引优化

1. 索引分类

普通索引:最基本的索引。

组合索引:多个字段上建立的索引,能够加速复合查询条件的检索。

唯一索引:与普通索引类似,但索引列的值必须唯一,允许有空值。

组合唯一索引:列值的组合必须唯一。

主键索引:特殊的唯一索引,用于唯一标识数据表中的某一条记录,不允许有空值,一般用primary key约束。

全文索引:用于海量文本的查询,MySQL5.6之后的InnoDB和MyISAM均支持全文索引,由于查询精度以及扩展性不佳,更多的企业选择Elasticsearch。

2. 索引优化

分页查询很重要,如果查询数据量超过30%,MYSQL不会使用索引。

单表索引数不超过5个、单个索引字段数不超过5个。

字符串可使用前缀索引,前缀长度控制在5-8个字符。

字段唯一性太低,增加索引没有意义,如:是否删除、性别。

合理使用覆盖索引,如下所示:

select login_name, nick_name from member where login_name = ?

login_name, nick_name两个字段建立组合索引,比login_name简单索引要更快。

六、SQL 优化

1. 分批处理

鱼塘挖开小口子放水,水面有各种漂浮物。
浮萍和树叶总能顺利通过出水口,而树枝会挡住其他物体通过,有时还会卡住,需要人工清理。
MySQL就是鱼塘,最大并发数和网络带宽就是出水口,用户SQL就是漂浮物。

不带分页参数的查询或者影响大量数据的update和delete操作,都是树枝,我们要把它打散分批处理

举例说明:
业务描述:更新用户所有已过期的优惠券为不可用状态。

update status=0 FROM `coupon` WHERE expire_date <= #{currentDate} and status=1;

如果大量优惠券需要更新为不可用状态,执行这条SQL可能会堵死其他SQL,分批处理伪代码如下:

int pageNo = 1;
int PAGE_SIZE = 100;
while(true) {
    List<Integer> batchIdList = queryList('select id FROM `coupon` WHERE expire_date <= #{currentDate} and status = 1 limit #{(pageNo-1) * PAGE_SIZE},#{PAGE_SIZE}');
    if (CollectionUtils.isEmpty(batchIdList)) {
        return;
    }
    update('update status = 0 FROM `coupon` where status = 1 and id in #{batchIdList}')
    pageNo ++;
}

2. 操作符<>优化

通常<>操作符无法使用索引,举例如下,查询金额不为100元的订单:

select id from orders where amount != 100;

如果金额为100的订单极少,这种数据分布严重不均的情况下,有可能使用索引。

鉴于这种不确定性,采用union聚合搜索结果,改写方法如下:

(select id from orders where amount > 100)
 union all
(select id from orders where amount < 100 and amount > 0)

3. OR优化

在Innodb引擎下or无法使用组合索引,比如:

select id,product_name from orders where mobile_no = '13421800407' or user_id = 100;

OR 无法命中mobile_no + user_id的组合索引,可采用union,如下所示:

(select id,product_name from orders where mobile_no = '13421800407')
 union
(select id,product_name from orders where user_id = 100);

此时id和product_name字段都有索引,查询才最高效。

4. IN优化

IN适合主表大子表小,EXIST适合主表小子表大

由于查询优化器的不断升级,很多场景这两者性能差不多一样了。

尝试改为join查询,举例如下:

select id from orders where user_id in (select id from user where level = 'VIP');

采用 join 如下:

select o.id from orders o left join user u on o.user_id = u.id where u.level = 'VIP';

5. 不做列运算

通常在查询条件列运算会导致索引失效,如下所示:

查询当日订单

select id from order where date_format(create_time,'%Y-%m-%d') = '2019-07-01';

date_format 函数会导致这个查询无法使用索引,改写后:

select id from order where create_time between '2019-07-01 00:00:00' and '2019-07-01 23:59:59';

6. 避免Select all

如果不查询表中所有的列,避免使用SELECT *,它会进行全表扫描,不能有效利用索引。

7. Like优化

在SQL中,尽量不使用like,且禁止使用前缀是%的like匹配。

like用于模糊查询,举个例子(field已建立索引):

SELECT column FROM table WHERE field like '%keyword%';

这个查询未命中索引,换成下面的写法:

SELECT column FROM table WHERE field like 'keyword%';

去除了前面的%查询将会命中索引,但是产品经理一定要前后模糊匹配呢?全文索引fulltext可以尝试一下,但Elasticsearch才是终极武器。

8. Join 优化

避免使用大表做 JOIN,使用group by分组、自动排序

join的实现是采用Nested Loop Join算法,就是通过驱动表的结果集作为基础数据,通过该结数据作为过滤条件到下一个表中循环查询数据,然后合并结果。

如果有多个join,则将前面的结果集作为循环数据,再次到后一个表中查询数据。

驱动表和被驱动表尽可能增加查询条件,满足ON的条件而少用Where,用小结果集驱动大结果集。

被驱动表的join字段上加上索引,无法建立索引的时候,设置足够的Join Buffer Size。

禁止join连接三个以上的表,尝试增加冗余字段。

9. Limit 优化

当只要一行数据时使用LIMIT 1 。

limit用于分页查询时越往后翻性能越差,解决的原则:缩小扫描范围,如下所示:

select * from orders order by id desc limit 100000,10 

耗时0.4秒

select * from orders order by id desc limit 1000000,10

耗时5.2秒

先筛选出ID缩小查询范围,写法如下:

select * from orders where id > (select id from orders order by id desc  limit 1000000, 1) order by id desc limit 0,10

耗时0.5秒

如果查询条件仅有主键ID,写法如下:

select id from orders where id between 1000000 and 1000010 order by id desc

耗时0.3秒

七、其他SQL

一篇文章带你搞懂慢SQL以及优化的策略_第6张图片

【参考】

【1】https://zhuanlan.zhihu.com/p/394710746
【2】https://cloud.tencent.com/developer/article/1523059
【3】https://www.jianshu.com/p/6864abb4d885
【4】https://database.51cto.com/art/202006/618217.htm
【5】https://juejin.cn/post/6844903489676509197
【6】https://www.jianshu.com/p/43091bfa8aa7
【7】https://www.cnblogs.com/zjfjava/p/12257772.html

你可能感兴趣的:(sql,数据库,mysql)