【MySql】mysql 常用查询优化策略详解

谁借莪１个温暖的怀抱￠ 2023-10-02 22:42 74阅读 0赞

## 前言 ##

在程序上线运行一段时间后，一旦数据量上去了，或多或少会感觉到系统出现延迟、卡顿等现象，出现这种问题，就需要程序员或架构师进行系统调优工作了，其中，大量的实践经验表明，调优的手段尽管有很多，但涉及到SQL调优的内容仍然是非常重要的一环，本文将结合实例，总结一些工作中可能涉及到的SQL优化策略；

## 查询优化 ##

可以说，对于大多数系统来说，读多写少一定是常态，这就表示涉及到查询的SQL是非常高频的操作；

**前置准备，给一张测试表添加10万条数据**

使用下面的存储过程给单表造一批数据，将表换成自己的就好了

create procedure addMyData()
    
    	begin
    
    		declare num int;
    		set num =1;
    		
    		while num <= 100000 do
    		
    			insert into XXX_table values(
    				replace(uuid(),'-',''),concat('测试',num),concat('cs',num),'123456'
    			);
     
    			set num =num +1;
    		end while;
    
    	end ;

然后调用该存储过程

call addMyData();

本篇准备了3张表，分别为学生（student）表，班级（class）表，账户(account)表，各自有50万，1万和10万条数据用于测试；

![b9d2e6590f7548b48e75ef757cbdb2b7.png][]

![ac8610f631854b7bbe22f7cb5118522b.png][]

### 1、分页查询优化 ###

分页查询是开发中经常会遇到的，有一种情况是，当分页的数量非常大的时候，查询的时候往往非常耗时，比如查询student表，使用下面的sql查询，耗时达到0.2秒；

![8b56177d1bee401591fb92c0faf0ef2d.png][]

实践经验告诉我们，越往后，分页查询效率越低，这就是分页查询的问题所在， 因为，当在进行分页查询时，如果执行  limit 400000,10  ，此时需要 MySQL 排序前4000 10  记 录，仅仅返回400000 - 4 00010 的记录，其他记录丢弃，查询排序的代价非常大

#### **优化思路：** ####

> 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，可以通过覆盖索引加子查询形式进行优化；

1） 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 t1,(SELECT id FROM student ORDER BY id LIMIT 400000,10) t2 WHERE t1.id =t2.id;

执行上面的sql，可以看到响应时间有一定的提升；

![ec803beaba6a46c399aa3eb45e957e55.png][]

2）对于主键自增的表，可以把Limit 查询转换成某个位置的查询

> select \* from student where id > 400000 limit 10;

执行上面的sql，可以看到响应时间有一定的提升；

![af6ecc206b0a406394a7a1681bf0169d.png][]

### 2、关联查询优化 ###

在实际的业务开发过程中，关联查询可以说随处可见，关联查询的优化核心思路是，最好为关联查询的字段添加索引，这是关键，具体到不同的场景，还需要具体分析，这个跟mysql的引擎在执行优化策略的方案选择时有一定关系；

#### 2.1 左连接或右连接 ####

下面是一个使用left join 的查询，可以预想到这条sql查询的结果集非常大

select t.* from student t left join class cs on t.classId = cs.id;

为了检查下sql的执行效率，使用explain做一下分析，可以看到，第一张表即left join左边的表student走了全表扫描，而class表走了主键索引，尽管结果集较大，还是走了索引；

![42f5c145397c4ee0890f4533c8328fe8.png][]

**针对这种场景的查询，思路如下：**

*  让查询的字段尽量包含在主键索引或者覆盖索引中；
 *  查询的时候尽量使用分页查询；

![5af24ce1edef43f89c303e8594b270b6.png][]

**关于左连接（右连接）的explain结果补充说明**

*  左连接左边的表一般为驱动表，右边的表为被驱动表；
 *  尽可能让数据集小的表作为驱动表，减少mysql内部循环的次数；
 *  两表关联时，explain结果展示中，第一栏一般为驱动表；

#### 2.2 关联查询关联的字段建立索引 ####

看下面的这条sql，其关联字段非表的主键，而是普通的字段；

explain select u.* from tenant t left join `user` u on u.account = t.tenant_name where t.removed is null and u.removed is null;

![9ad45b9653544a278fa2f9cd222f1599.png][]

通过explain分析可以发现，左边的表走了全表扫描，可以考虑给左边的表的tenant\_name和user表的account 各自创建索引；

> create index idx\_name on tenant(tenant\_name);
> 
> create index idx\_account on \`user\`(account);

再次使用explain分析结果如下

![c5ff8193323c4401a2b7b9881483d964.png][]

可以看到第二行type变为ref，rows的数量优化比较明显。这是由左连接特性决定的，LEFT JOIN条件用于确定如何从右表搜索行，左边一定都有，所以右边是我们的关键点,一定需要建立索引 。

#### 2.3 内连接关联的字段建立索引 ####

我们知道，左连接和右连接查询的数据分别是完全包含左表数据，完全包含右表数据，而内连接（inner join 或join） 则是取交集（共有的部分），在这种情况下，驱动表的选择是由mysql优化器自动选择的；

在上面的基础上，首先移除两张表的索引

> ALTER TABLE \`user\` DROP INDEX idx\_account;  
> ALTER TABLE \`tenant\` DROP INDEX idx\_name;

使用explain语句进行分析

![7b000273cea8435d877702285c8b1416.png][]

然后给user表的account字段添加索引，再次执行explain我们发现，user表竟然被当作是被驱动表了；

![a17ed801aa384c519143f36f22b7cf9a.png][]

此时，如果我们给tenant表的tenant\_name加索引，并移除user表的account索引，得出的结果竟然都没有走索引，再次说明，使用内连接的情况下，查询优化器将会根据自己的判断进行选择；

![b444ddb739ec44c5a7f781b10a7d013d.png][]

### 3、子查询优化 ###

子查询在日常编写业务的SQL时也是使用非常频繁的做法，不是说子查询不能用，而是当数据量超出一定的范围之后，子查询的性能下降是很明显的，关于这一点，本人在日常工作中深有体会；

比如下面这条sql，由于student表数据量较大，执行起来耗时非常长，可以看到耗费了将近3秒；

select st.* from student st where st.classId in (
    	
    	select id from class where id > 100
    
    );

![3054d305da3f42e893e8b103f31060f5.png][]

通过执行explain进行分析得知，内层查询 id > 100的子查询尽管用上了主键索引，但是由于结果集太大，带入到外层查询，即作为in的条件时，查询优化器还是走了全表扫描；

![10f6036ffbfd47dc95591eb3ba8ed919.png][]

针对上面的情况，可以考虑下面的优化方式

> select st.id from student st join class cl on st.classId = cl.id where cl.id > 100;

**子查询性能低效的原因**

*  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能走索引 ，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；

> 使用mysql查询时，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，尽量不要使用NOT IN 或者 NOT EXISTS，用LEFT JOIN xxx ON xx WHERE xx IS NULL替代；

#### 一个真实的案例 ####

在下面的这段sql中，优化前使用的是子查询，在一次生产问题的性能分析中，发现某个tenant\_id下的数据达到了35万多，这样直接导致某个列表页面的接口查询耗时达到了5秒左右；

![aeb46b00649d4f1fbe80f0c1cb27cf25.png][]

找到了问题的根源后，尝试使用上面的优化思路进行解决即可，优化后的sql大概如下，

![ed28509229dc407ab264b5ba3b26272e.png][]

### 4、排序（order by）优化 ###

在mysql，排序主要有两种方式

*  Using filesort : 通过表索引或全表扫描，读取满足条件的数据行，然后在排序缓冲区sort  
    buffer中完成排序操作，所有不是通过索引直接返回排序结果的排序都叫 FileSort 排序；
 *  Using index : 通过有序的索引顺序扫描直接返回有序数据，这种情况即为 using index，不需要额外排序，操作效率高；

> 对于以上两种排序方式，Using index的性能高，而Using filesort的性能低，我们在优化排序操作时，尽量要优化为 Using index

#### 4.1 使用age字段进行排序 ####

由于age字段未加索引，查询结果按照age排序的时候发现使用了filesort，排序性能较低；

![5d9ab640296d484bb66f871bd9c53d2c.png][]

给age字段添加索引，再次使用order by时就走了索引；

![0dd3051fd78440e785f3a23513f519b2.png][]

#### 4.2 使用多字段进行排序 ####

通常在实际业务中，参与排序的字段往往不只一个，这时候，就可以对参与排序的多个字段创建联合索引；

如下根据stuno和age排序

![84f1960a831a4e24863177c13592dfa8.png][]

给stuno和age添加联合索引

> create index idx\_stuno\_age on \`student\`(stuno,age);

再次分析时结果如下，此时排序走了索引

![7c04c6fcb3434a1f8c3646b7fcbc20a5.png][]

#### **关于多字段排序时的注意事项**  ####

**1）排序时，需要满足最左前缀法则,否则也会出现 filesort；**

在上面我们创建的联合索引顺序是stuno和age，即stuno在前面，而age在后，如果查询的时候调换排序顺序会怎样呢？通过分析结果发现，走了filesort；

![03feb688ef06434eadb3728d1320b13d.png][]

**2）排序时，排序的类型保持一致**

在保持字段排序顺序不变时，默认情况下，如果都按照升序或者降序时，order by可以使用index，如果一个是升序，另一个是降序会如何呢？分析发现，这种情况下也会走filesort；

![7ebd2f0fabfe4b92a0ff947b39464e31.png][]

### 5、分组（group by）优化 ###

group by 的优化策略和order by 的优化策略非常像，主要列举如下几个要点：

*  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；
 *  当无法使用索引列时，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，能不排序就不排序，或将排序放到程序去做。Order by、groupby、distinct这些语句较为耗费CPU，数据库的CPU资源是极其宝贵的；
 *  如果sql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；

#### 5.1 给group by的字段添加索引 ####

如果字段未加索引，分析结果如下，这种结果性能显然很低效

![47ede843053c4650b0f38df5bdfe55eb.png][]

给stuno添加索引之后

![8d920aa00324433a838b8654a9c92c72.png][]

给stuno和age添加联合索引

![be391a37b63545ada19e82142a9fd9fd.png][]

如果不遵循最佳左前缀，group by 性能将会比较低效

![aa259b3a77bc4b8697d81e98b501bccb.png][]

遵循最佳左前缀的情况如下

![0b605a8c2e68404287ff250e9b73c1ea.png][]

### 6、count 优化 ###

count() 是一个聚合函数，对于返回的结果集，一行行判断，如果 count 函数的参数不是NULL，累计值就加 1，否则不加，最后返回累计值；

> 用法：count（\*）、count（主键）、count（字段）、count（数字）

如下列举了count的几种写法的详细说明

<table style="width:500px;"> 
 <tbody> 
  <tr> 
   <td>用法</td> 
   <td>说明</td> 
  </tr> 
  <tr> 
   <td>count（主键）</td> 
   <td>InnoDB 会遍历整张表，把每一行的主键id值都取出来，返回给服务层，服务层拿到主键后，直接按行进行累加(主键不可能为null)；</td> 
  </tr> 
  <tr> 
   <td>count(*)</td> 
   <td>InnoDB不会把全部字段取出来，而是专门做了优化，不取值，服务层直接按行进行累加;</td> 
  </tr> 
  <tr> 
   <td>count（字段）</td> 
   <td>没有not null 约束 : InnoDB 引擎会遍历整张表把每一行的字段值都取出来，返回给服务层，服务层判断是否为null，不为null，计数累加，有not null 约束：InnoDB 引擎会遍历整张表把每一行的字段值都取出来，返回给服务层，直接按行进行累加；</td> 
  </tr> 
  <tr> 
   <td>count（数字）</td> 
   <td>InnoDB 引擎遍历整张表，但不取值。服务层对于返回的每一行，放一个数字“1”进去，直接按行进行累加；</td> 
  </tr> 
 </tbody> 
</table>

**经验值总结**

> 按照效率排序来看，count(字段) < count(主键 id) < count(1) ≈ count(\*)，所以尽量使用 count(\*)

[b9d2e6590f7548b48e75ef757cbdb2b7.png]: https://img-blog.csdnimg.cn/b9d2e6590f7548b48e75ef757cbdb2b7.png
[ac8610f631854b7bbe22f7cb5118522b.png]: https://img-blog.csdnimg.cn/ac8610f631854b7bbe22f7cb5118522b.png
[8b56177d1bee401591fb92c0faf0ef2d.png]: https://img-blog.csdnimg.cn/8b56177d1bee401591fb92c0faf0ef2d.png
[ec803beaba6a46c399aa3eb45e957e55.png]: https://img-blog.csdnimg.cn/ec803beaba6a46c399aa3eb45e957e55.png
[af6ecc206b0a406394a7a1681bf0169d.png]: https://img-blog.csdnimg.cn/af6ecc206b0a406394a7a1681bf0169d.png
[42f5c145397c4ee0890f4533c8328fe8.png]: https://img-blog.csdnimg.cn/42f5c145397c4ee0890f4533c8328fe8.png
[5af24ce1edef43f89c303e8594b270b6.png]: https://img-blog.csdnimg.cn/5af24ce1edef43f89c303e8594b270b6.png
[9ad45b9653544a278fa2f9cd222f1599.png]: https://img-blog.csdnimg.cn/9ad45b9653544a278fa2f9cd222f1599.png
[c5ff8193323c4401a2b7b9881483d964.png]: https://img-blog.csdnimg.cn/c5ff8193323c4401a2b7b9881483d964.png
[7b000273cea8435d877702285c8b1416.png]: https://img-blog.csdnimg.cn/7b000273cea8435d877702285c8b1416.png
[a17ed801aa384c519143f36f22b7cf9a.png]: https://img-blog.csdnimg.cn/a17ed801aa384c519143f36f22b7cf9a.png
[b444ddb739ec44c5a7f781b10a7d013d.png]: https://img-blog.csdnimg.cn/b444ddb739ec44c5a7f781b10a7d013d.png
[3054d305da3f42e893e8b103f31060f5.png]: https://img-blog.csdnimg.cn/3054d305da3f42e893e8b103f31060f5.png
[10f6036ffbfd47dc95591eb3ba8ed919.png]: https://img-blog.csdnimg.cn/10f6036ffbfd47dc95591eb3ba8ed919.png
[aeb46b00649d4f1fbe80f0c1cb27cf25.png]: https://img-blog.csdnimg.cn/aeb46b00649d4f1fbe80f0c1cb27cf25.png
[ed28509229dc407ab264b5ba3b26272e.png]: https://img-blog.csdnimg.cn/ed28509229dc407ab264b5ba3b26272e.png
[5d9ab640296d484bb66f871bd9c53d2c.png]: https://img-blog.csdnimg.cn/5d9ab640296d484bb66f871bd9c53d2c.png
[0dd3051fd78440e785f3a23513f519b2.png]: https://img-blog.csdnimg.cn/0dd3051fd78440e785f3a23513f519b2.png
[84f1960a831a4e24863177c13592dfa8.png]: https://img-blog.csdnimg.cn/84f1960a831a4e24863177c13592dfa8.png
[7c04c6fcb3434a1f8c3646b7fcbc20a5.png]: https://img-blog.csdnimg.cn/7c04c6fcb3434a1f8c3646b7fcbc20a5.png
[03feb688ef06434eadb3728d1320b13d.png]: https://img-blog.csdnimg.cn/03feb688ef06434eadb3728d1320b13d.png
[7ebd2f0fabfe4b92a0ff947b39464e31.png]: https://img-blog.csdnimg.cn/7ebd2f0fabfe4b92a0ff947b39464e31.png
[47ede843053c4650b0f38df5bdfe55eb.png]: https://img-blog.csdnimg.cn/47ede843053c4650b0f38df5bdfe55eb.png
[8d920aa00324433a838b8654a9c92c72.png]: https://img-blog.csdnimg.cn/8d920aa00324433a838b8654a9c92c72.png
[be391a37b63545ada19e82142a9fd9fd.png]: https://img-blog.csdnimg.cn/be391a37b63545ada19e82142a9fd9fd.png
[aa259b3a77bc4b8697d81e98b501bccb.png]: https://img-blog.csdnimg.cn/aa259b3a77bc4b8697d81e98b501bccb.png
[0b605a8c2e68404287ff250e9b73c1ea.png]: https://img-blog.csdnimg.cn/0b605a8c2e68404287ff250e9b73c1ea.png