SQL 性能优化技巧 part1

SELECT id, state, city
  FROM Addresses1 A1
 WHERE state IN (SELECT state
                   FROM Addresses2 A2
                  WHERE A1.id = A2.id)
    AND city IN (SELECT city
                   FROM Addresses2 A2
                  WHERE A1.id = A2.id);

这段代码用到了两个子查询，也就产生了两个中间表，可以像下面这样写：

SELECT *
  FROM Addresses1 A1
 WHERE id || state || city
 IN (SELECT id || state|| city
       FROM Addresses2 A2);

?使用延迟查询优化 limit [offset]，[rows]

 

经常出现类似以下的 SQL 语句：

SELECT * FROM film LIMIT 100000, 10

Offset 特别大！这是我司出现很多慢 SQL 的主要原因之一，尤其是在跑任务需要分页执行时，经常跑着跑着 Offset 就跑到几十万了，导致任务越跑越慢。

 

LIMIT 能很好地解决分页问题，但如果 Offset 过大的话，会造成严重的性能问题。

 

原因主要是因为 MySQL 每次会把一整行都扫描出来，扫描 Offset 遍，找到 Offset 之后会抛弃 Offset 之前的数据，再从 Offset 开始读取 10 条数据，显然，这样的读取方式问题。

 

可以通过延迟查询的方式来优化，假设有以下 SQL，有组合索引（sex，rating）：

SELECT <cols> FROM profiles where sex=‘M‘ order by rating limit 100000, 10;

 

则上述写法可以改成如下写法：

SELECT <cols>
  FROM profiles 
inner join
(SELECT id form FROM profiles where x.sex=‘M‘ order by rating limit 100000, 10)
as x using(id);

这里利用了覆盖索引的特性，先从覆盖索引中获取 100010 个 id，再丢充掉前 100000 条 id，保留最后 10 个 id 即可，丢掉 100000 条 id 不是什么大的开销，所以这样可以显著提升性能。

 

?利用 LIMIT 1 取得唯一行

 

数据库引擎只要发现满足条件的一行数据则立即停止扫描，，这种情况适用于只需查找一条满足条件的数据的情况。

 

?注意组合索引，要符合最左匹配原则才能生效

 

假设存在这样顺序的一个联合索引“col_1, col_2, col_3”。这时，指定条件的顺序就很重要。

○ SELECT * FROM SomeTable WHERE col_1 = 10 AND col_2 = 100 AND col_3 = 500;

○ SELECT * FROM SomeTable WHERE col_1 = 10 AND col_2 = 100 ;

× SELECT * FROM SomeTable WHERE col_2 = 100 AND col_3 = 500 ;

 

前面两条会命中索引，第三条由于没有先匹配 col_1，导致无法命中索引， 另外如果无法保证查询条件里列的顺序与索引一致，可以考虑将联合索引 拆分为多个索引。

 

?使用 LIKE 谓词时，只有前方一致的匹配才能用到索引（最左匹配原则）

 

× SELECT * FROM SomeTable WHERE col_1 LIKE ‘%a‘;

× SELECT * FROM SomeTable WHERE col_1 LIKE ‘%a%‘;

○ SELECT * FROM SomeTable WHERE col_1 LIKE ‘a%‘;

 

上例中，只有第三条会命中索引，前面两条进行后方一致或中间一致的匹配无法命中索引。

 

?简单字符串表达式

 

模型字符串可以使用 _ 时，尽可能避免使用 %，假设某一列上为 char(5)。

 

不推荐：

SELECT 
    first_name,
    last_name,
    homeroom_nbr
  FROM Students
 WHERE homeroom_nbr LIKE ‘A-1%‘;

推荐：

SELECT first_name, last_name
homeroom_nbr
  FROM Students
 WHERE homeroom_nbr LIKE ‘A-1__‘; --模式字符串中包含了两个下划线

?尽量使用自增 id 作为主键

 

比如现在有一个用户表，有人说身份证是唯一的，也可以用作主键，理论上确实可以，不过用身份证作主键的话，一是占用空间相对于自增主键大了很多，二是很容易引起频繁的页分裂，造成性能问题。

 

主键选择的几个原则：自增，尽量小，不要对主键进行修改。

 

?如何优化 count(*)

 

使用以下 SQL 会导致慢查询：

SELECT COUNT(*) FROM SomeTable

SELECT COUNT(1) FROM SomeTable

 

原因是会造成全表扫描，有人说 COUNT(*) 不是会利用主键索引去查找吗，怎么还会慢，这就要谈到 MySQL 中的聚簇索引和非聚簇索引了。

 

聚簇索引叶子节点上存有主键值+整行数据，非聚簇索叶子节点上则存有辅助索引的列值+主键值，如下：

所以就算对 COUNT(*) 使用主键查找，由于每次取出主键索引的叶子节点时，取的是一整行的数据，效率必然不高。

 

但是非聚簇索引叶子节点只存储了「列值+主键值」，这也启发我们可以用非聚簇索引来优化，假设表有一列叫 status，为其加上索引后，可以用以下语句优化：

SELECT COUNT(status) FROM SomeTable

 

有人曾经测过（见文末参考链接），假设有 100 万行数据，使用聚簇索引来查找行数的，比使用 COUNT(*) 查找速度快 10 几倍。不过需要注意的是通过这种方式无法计算出  status 值为 null 的那些行。

 

如果主键是连续的，可以利用 MAX(id) 来查找，MAX 也利用到了索引，只需要定位到最大 id 即可，性能极好，如下，秒现结果：

SELECT MAX(id) FROM SomeTable

 

说句题句话，有人说用 MyISAM 引擎调用 COUNT(*) 非常快，那是因为它提前把行数存在磁盘中了，直接拿，当然很快，不过如果有 WHERE 的限制。

 

?避免使用 SELECT *，尽量利用覆盖索引来优化性能

 

SELECT * 会提取出一整行的数据，如果查询条件中用的是组合索引进行查找，还会导致回表（先根据组合索引找到叶子节点，再根据叶子节点上的主键回表查询一整行），降低性能。

 

而如果我们所要的数据就在组合索引里，只需读取组合索引列，这样网络带宽将大大减少,假设有组合索引列 (col_1, col_2)。

 

推荐用：

SELECT col_1, col_2
  FROM SomeTable
 WHERE col_1 = xxx AND col_2 = xxx

不推荐用：

SELECT *
  FROM SomeTable
 WHERE col_1 = xxx AND  col_2 = xxx

?如有必要，使用 force index() 强制走某个索引

 

业务团队曾经出现类似以下的慢 SQL 查询：

 

SELECT *
  FROM  SomeTable
 WHERE `status` = 0
   AND `gmt_create` > 1490025600
   AND `gmt_create` < 1490630400
   AND `id` > 0
   AND `post_id` IN (‘67778‘, ‘67811‘, ‘67833‘, ‘67834‘, ‘67839‘, ‘67852‘, ‘67861‘, ‘67868‘, ‘67870‘, ‘67878‘, ‘67909‘, ‘67948‘, ‘67951‘, ‘67963‘, ‘67977‘, ‘67983‘, ‘67985‘, ‘67991‘, ‘68032‘, ‘68038‘/*... omitted 480 items ...*/)
order by id asc limit 200;

post_id 也加了索引，理论上走 post_id 索引会很快查询出来，但实现了通过 EXPLAIN 发现走的却是 id 的索引（这里隐含了一个常见考点，在多个索引的情况下, MySQL 会如何选择索引）。

 

而 id > 0 这个查询条件没啥用，直接导致了全表扫描， 所以在有多个索引的情况下一定要慎用。

 

可以使用 force index 来强制走某个索引，以这个例子为例，可以强制走 post_id 索引，效果立杆见影。

 

这种由于表中有多个索引导致 MySQL 误选索引造成慢查询的情况在业务中也是非常常见。

 

一方面是表索引太多，另一方面也是由于 SQL 语句本身太过复杂导致， 针对本例这种复杂的 SQL 查询，其实用 ElasticSearch 搜索引擎来查找更合适，有机会到时出一篇文章说说。

 

?使用 EXPLAIN 来查看 SQL 执行计划

 

上个点说了，可以使用 EXPLAIN 来分析 SQL 的执行情况，如怎么发现上文中的最左匹配原则不生效呢，执行 「EXPLAIN+SQL 语句」可以发现 key 为 None，说明确实没有命中索引：

 在提供 SQL 查询的同时，也贴心地加了一个 EXPLAIN 功能及 SQL 的优化建议，建议各大公司效仿，如图示：

?批量插入，速度更快

 

当需要插入数据时，批量插入比逐条插入性能更高。

 

推荐用：

-- 批量插入
INSERT INTO TABLE (id, user_id, title) VALUES (1, 2, ‘a‘),(2,3,‘b‘);

不推荐用：

INSERT INTO TABLE (id, user_id, title) VALUES (1, 2, ‘a‘);
INSERT INTO TABLE (id, user_id, title) VALUES (2,3,‘b‘);

批量插入 SQL 执行效率高的主要原因是合并后日志量 MySQL 的 binlog 和 innodb 的事务让日志减少了，降低日志刷盘的数据量和频率，从而提高了效率。

 

?慢日志 SQL 定位

 

前面我们多次说了 SQL 的慢查询，那么该怎么定位这些慢查询 SQL 呢，主要用到了以下几个参数：

这几个参数一定要配好，再根据每条慢查询对症下药，像我司每天都会把这些慢查询提取出来通过邮件给形式发送给各个业务团队，以帮忙定位解决。

 

小结：业务生产中可能还有很多 CASE 导致了慢查询，其实细细品一下，都会发现这些都和 MySQL 索引的底层数据 B+ 树有莫大的关系。