一次非常有趣的 SQL 优化经历
阅读本文大概需要 6 分钟。
前言
在网上刷到一篇数据库优化的文章，自己也来研究一波。
场景
数据库版本：5.7.25 ，运行在虚拟机中。
课程表
#课程表 create table Course( c_id int PRIMARY KEY, name varchar(10) )
增加 100 条数据
#增加课程表100条数据
DROP PROCEDURE IF EXISTS insert_Course;
DELIMITER $
CREATE PROCEDURE insert_Course()
BEGIN
DECLARE i INT DEFAULT 1;
WHILE i<=100 DO
INSERT INTO Course(\`c_id\`,\`name\`) VALUES(i, CONCAT('语文',i+''));
SET i = i+1;
END WHILE;
END $
CALL insert_Course();运行耗时
CALL insert_Course(); > OK > 时间: 0.152s
课程数据
学生表
#学生表 create table Student( s_id int PRIMARY KEY, name varchar(10) )
增加 7W 条数据
#学生表增加70000条数据
DROP PROCEDURE IF EXISTS insert_Student;
DELIMITER $
CREATE PROCEDURE insert_Student()
BEGIN
DECLARE i INT DEFAULT 1;
WHILE i<=70000 DO
INSERT INTO Student(\`s_id\`,\`name\`) VALUES(i, CONCAT('张三',i+''));
SET i = i+1;
END WHILE;
END $
CALL insert_Student();运行结果
CALL insert_Student(); > OK > 时间: 175.838s
学生数据
成绩表
#成绩表 CREATE table Result( r_id int PRIMARY KEY, s_id int, c_id int, score int )
增加 70W 条数据
#成绩表增加70W条数据 DROP PROCEDURE IF EXISTS insert_Result; DELIMITER $ CREATE PROCEDURE insert_Result() BEGIN DECLARE i INT DEFAULT 1; DECLARE sNum INT DEFAULT 1; DECLARE cNum INT DEFAULT 1; WHILE i<=700000 DO if (sNum%70000 = 0) THEN set sNum = 1; elseif (cNum%100 = 0) THEN set cNum = 1; end if; INSERT INTO Result(\`r\_id\`,\`s\_id\`,\`c_id\`,\`score\`) VALUES(i,sNum ,cNum , (RAND()*99)+1); SET i = i+1; SET sNum = sNum+1; SET cNum = cNum+1; END WHILE; END $ CALL insert_Result();
运行结果
CALL insert_Result(); > OK > 时间: 2029.5s
成绩数据
测试
业务需求
查找 语文1 成绩为 100 分的考生
查询语句
#查询语文1考100分的考生 select s.* from Student s where s.s_id in (select s\_id from Result r where r.c\_id = 1 and r.score = 100)
执行时间：0.937s
查询结果：32 位满足条件的学生
用了 0.9s ，来查看下查询计划：
EXPLAIN select s.* from Student s where s.s_id in (select s\_id from Result r where r.c\_id = 1 and r.score = 100)
发现没有用到索引，type 全是 ALL ，那么首先想到的就是建立一个索引，建立索引的字段当然是在 where 条件的字段了。
查询结果中 type 列：all 是全表扫描，index 是通过索引扫描。
先给 Result 表的 c_id 和 score 建立个索引
CREATE index result\_c\_id\_index on Result(c\_id); CREATE index result\_score\_index on Result(score);
再次执行上述查询语句，时间为：0.027s
快了 34.7 倍（四舍五入），大大缩短了查询的时间，看来索引能极大程度的提高查询效率，在合适的列上面建立索引很有必要，很多时候都忘记建立索引，数据量小的时候没什么感觉，这优化的感觉很 nice 。
相同的 SQL 语句多次执行，你会发现第一次是最久的，后面执行所需的时间会比第一次执行短些许，原因是，相同语句第二次查询会直接从缓存中读取。
0.027s 很短了，但是还能再进行优化吗，仔细看下执行计划：
查看优化后的 SQL ：
SELECT \`example\`.\`s\`.\`s\_id\` AS \`s\_id\`, \`example\`.\`s\`.\`name\` AS \`name\` FROM \`example\`.\`Student\` \`s\` semi JOIN ( \`example\`.\`Result\` \`r\` ) WHERE ( ( \`example\`.\`s\`.\`s\_id\` = `<subquery2>`.\`s\_id\` ) AND ( \`example\`.\`r\`.\`score\` = 100 ) AND ( \`example\`.\`r\`.\`c_id\` = 1 ) )
怎么查看优化后的语句呢？
方法如下（在命令窗口执行）：
#先执行 EXPLAIN select s.* from Student s where s.s_id in (select s\_id from Result r where r.c\_id = 1 and r.score = 100); #在执行 show warnings;
结果如下
有 type = all
按照之前的想法，该 SQL 执行的顺序是执行子查询
select s\_id from Result r where r.c\_id = 1 and r.score = 100
耗时：1.402s
得到如下结果（部分）
然后在执行
select s.* from Student s where s.s_id in (12871,40987,46729,61381,3955,10687,14047,26917,28897,31174,38896,56518,10774,25030,9778,12544,24721,27295,60361, 38479,46990,66988,6790,35995,46192,47578,58171,63220,6685,67372,46279,64693)
耗时：0.222s
比一起执行快多了，查看优化后的 SQL 语句，发现MySQL 竟然不是先执行里层的查询，而是将 SQL 优化成了 exists 字句，执行计划中的 select_type 为 MATERIALIZED（物化子查询）。MySQL 先执行外层查询，在执行里层的查询，这样就要循环学生数量满足条件的学生 ID 次，也就是 7W 32 次。
物化子查询： 优化器使用物化能够更有效的来处理子查询。物化通过将子查询结果作为一个临时表来加快查询执行速度，正常来说是在内存中的。mysql 第一次需要子查询结果是，它物化结果到一张临时表中。在之后的任何地方需要该结果集，mysql 会再次引用临时表。优化器也许会使用一个哈希索引来使得查询更快速代价更小。索引是唯一的，排除重复并使得表数据更少。
那么改用连接查询呢？
这里为了重新分析连接查询的情况，先暂时删除索引 result_c_id_index ，result_score_index 。
DROP index result\_c\_id_index on Result; DROP index result\_score\_index on Result;
连接查询
select s.* from Student s INNER JOIN Result r on r.s\_id = s.s\_id where r.c_id = 1 and r.score = 100;
执行耗时：1.293s
查询结果
用了 1.2s ，来看看执行计划（ EXPLAIN + 查询 SQL 即可查看该 SQL 的执行计划）：
这里有连表的情况出现，我猜想是不是要给 result 表的 s_id 建立个索引
CREATE index result\_s\_id\_index on Result(s\_id); show index from Result;
在执行连接查询
耗时：1.17s （有点奇怪，按照所看文章的时间应该会变长的）
看下执行计划：
优化后的查询语句为：
SELECT \`example\`.\`s\`.\`s\_id\` AS \`s\_id\`, \`example\`.\`s\`.\`name\` AS \`name\` FROM \`example\`.\`Student\` \`s\` JOIN \`example\`.\`Result\` \`r\` WHERE ( ( \`example\`.\`s\`.\`s\_id\` = \`example\`.\`r\`.\`s\_id\` ) AND ( \`example\`.\`r\`.\`score\` = 100 ) AND ( \`example\`.\`r\`.\`c_id\` = 1 ) )
貌似是先做的连接查询，在进行的 where 条件过滤。
回到前面的执行计划：
这里是先做的 where 条件过滤，再做连表，执行计划还不是固定的，那么我们先看下标准的 sql 执行顺序：
正常情况下是先 join 再进行 where 过滤，但是我们这里的情况，如果先 join ，将会有 70W 条数据发送 join ，因此先执行 where 过滤式明智方案，现在为了排除 mysql 的查询优化，我自己写一条优化后的 sql 。
先删除索引
DROP index result\_s\_id_index on Result;
执行自己写的优化 sql
SELECT s.* FROM ( SELECT * FROM Result r WHERE r.c_id = 1 AND r.score = 100 ) t INNER JOIN Student s ON t.s\_id = s.s\_id
耗时为：0.413s
比之前 sql 的时间都要短。
查看执行计划
先提取 result 再连表，这样效率就高多了，现在的问题是提取 result 的时候出现了扫描表，那么现在可以明确需要建立相关索引。
CREATE index result\_c\_id\_index on Result(c\_id); CREATE index result\_score\_index on Result(score);
再次执行查询
SELECT s.* FROM ( SELECT * FROM Result r WHERE r.c_id = 1 AND r.score = 100 ) t INNER JOIN Student s ON t.s\_id = s.s\_id
耗时为：0.044s
这个时间相当靠谱，快了 10 倍。
执行计划：
我们会看到，先提取 result ，再连表，都用到了索引。
那么再来执行下 sql ：
EXPLAIN select s.* from Student s INNER JOIN Result r on r.s\_id = s.s\_id where r.c_id = 1 and r.score = 100;
执行耗时：0.050s
执行计划：
这里是 mysql 进行了查询语句优化，先执行了 where 过滤，再执行连接操作，且都用到了索引。
扩大测试数据，调整内容为 result 表的数据增长到 300W ，学生数据更为分散。
DROP PROCEDURE IF EXISTS insert\_Result\_TO300W; DELIMITER $ CREATE PROCEDURE insert\_Result\_TO300W() BEGIN DECLARE i INT DEFAULT 700001; DECLARE sNum INT DEFAULT 1; DECLARE cNum INT DEFAULT 1; WHILE i<=3000000 DO INSERT INTO Result(\`r\_id\`,\`s\_id\`,\`c_id\`,\`score\`) VALUES(i,(RAND()\*69999)+1 ,(RAND()\*99)+1 , (RAND()*99)+1); SET i = i+1; END WHILE; END $ CALL insert\_Result\_TO300W();
更换了一下数据生成的方式，全部采用随机数格式。
先回顾下：
show index from Result;
执行 sql
select s.* from Student s INNER JOIN Result r on r.s\_id = s.s\_id where r.c_id = 81 and r.score = 84;
执行耗时：1.278s
执行计划：
这里用到了 intersect 并集操作，即两个索引同时检索的结果再求并集，再看字段 score 和 c_id 的区分度，但从一个字段看，区分度都不是很大，从 Result 表检索，c_id = 81 检索的结果是 81 ，score = 84 的结果是 84 。
而 c_id = 81 and score = 84 的结果是 19881，即这两个字段联合起来的区分度还是比较高的，因此建立联合索引查询效率将会更高，从另外一个角度看，该表的数据是 300W ，以后会更多，就索引存储而言，都是不小的数目，随着数据量的增加，索引就不能全部加载到内存，而是要从磁盘读取，这样索引的个数越多，读磁盘的开销就越大，因此根据具体业务情况建立多列的联合索引是必要的，我们来试试。
DROP index result\_c\_id_index on Result; DROP index result\_score\_index on Result; CREATE index result\_c\_id\_score\_index on Result(c_id,score);
指向上述查询语句
消耗时间：0.025s
这个速度就就很快了，可以接受。
该语句的优化暂时告一段落。
总结
- MySQL 嵌套子查询效率确实比较低
- 可以将其优化成连接查询
- 连接表时，可以先用 where 条件对表进行过滤，然后做表连接（虽然 MySQL 会对连表语句做优化）
- 建立合适的索引，必要时建立多列联合索引
- 学会分析 sql 执行计划，mysql 会对 sql 进行优化，所有分析计划很重要
知识扩展
索引优化
上面讲到子查询的优化，以及如何建立索引，而且在多个字段索引时，分别对字段建立了单个索引。
后面发现其实建立联合索引效率会更高，尤其是在数据量较大，单个列区分度不高的情况下。
单列索引
查询语句如下：
select * from user\_test\_copy where sex = 2 and type = 2 and age = 10
索引：
CREATE index user\_test\_index\_sex on user\_test_copy(sex); CREATE index user\_test\_index\_type on user\_test_copy(type); CREATE index user\_test\_index\_age on user\_test_copy(age);
分别对 sex ，type ，age 字段做了索引，数据量为300w
查询时间：0.415s
执行计划：
发现 type = index_merge
这是mysql对多个单列索引的优化，对结果集采用intersect并集操作
多列索引
多列索引
我们可以在这3个列上建立多列索引，将表copy一份以便做测试。
create index user\_test\_index\_sex\_type\_age on user\_test(sex,type,age);
查询语句：
select * from user_test where sex = 2 and type = 2 and age = 10
执行时间：0.032s
快了10多倍，且多列索引的区分度越高，提高的速度也越多。
执行计划：
最左前缀
多列索引还有最左前缀的特性：
都会使用到索引，即索引的第一个字段sex要出现在where条件中。
执行一下语句：
select * from user_test where sex = 2 select * from user_test where sex = 2 and type = 2 select * from user_test where sex = 2 and age = 10
索引覆盖
就是查询的列都建立了索引，这样在获取结果集的时候不用再去磁盘获取其它列的数据，直接返回索引数据即可
如：
select sex,type,age from user_test where sex = 2 and type = 2 and age = 10
执行时间：0.003s
要比取所有字段快的多
排序
select * from user\_test where sex = 2 and type = 2 ORDER BY user\_name
时间：0.139s
在排序字段上建立索引会提高排序的效率
select * from user\_test where sex = 2 and type = 2 ORDER BY user\_name
最后附上一些sql调优的总结，以后有时间再深入研究
- 列类型尽量定义成数值类型，且长度尽可能短，如主键和外键，类型字段等等
- 建立单列索引
- 根据需要建立多列联合索引
- 当单个列过滤之后还有很多数据，那么索引的效率将会比较低，即列的区分度较低，那么如果在多个列上建立索引，那么多个列的区分度就大多了，将会有显著的效率提高。
- 根据业务场景建立覆盖索引
- 只查询业务需要的字段，如果这些字段被索引覆盖，将极大的提高查询效率
- 多表连接的字段上需要建立索引
- 这样可以极大的提高表连接的效率
- where条件字段上需要建立索引
- 排序字段上需要建立索引
- 分组字段上需要建立索引
- Where条件上不要使用运算函数，以免索引失效
·END·
程序员的成长之路
路虽远，行则必至
本文原发于 同名微信公众号「程序员的成长之路」，回复「1024」你懂得，给个赞呗。
微信ID：cxydczzl
往期精彩回顾