造完这万字,就不信你的SQL语句还会掉链子!

数据分析不是个事儿 2022-08-22 09:37:00
很多朋友在做数据分析时,分析两分钟,跑数两小时?

 

在使用SQL过程中不仅要关注数据结果,同样要注意SQL语句的执行效率。

 

本文涉及三部分,篇幅较长,建议收藏便于查阅:

 

  • SQL介绍

  • SQL优化方法

  • SQL优化实例

 

一、MySQL的基本架构

 

 

1、MySQL的基础架构图

 

 

左边的client可以看成是客户端,客户端有很多,像我们经常你使用的CMD黑窗口,像我们经常用于学习的WorkBench,像企业经常使用的Navicat工具,它们都是一个客户端。右边的这一大堆都可以看成是Server(MySQL的服务端),我们将Server在细分为sql层和存储引擎层。

 

当查询出数据以后,会返回给执行器。执行器一方面将结果写到查询缓存里面,当你下次再次查询的时候,就可以直接从查询缓存中获取到数据了。另一方面,直接将结果响应回客户端。

 

 

2、查询数据库的引擎

 

1)show engines;

 

 

2)show variables like “%storage_engine%”;

 

 

 

3、指定数据库对象的存储引擎

 

  •  
  •  
  •  
  •  
  •  
  •  
create table tb(    id int(4) auto_increment,    name varchar(5),    dept varchar(5),    primary key(id)) engine=myISAM auto_increment=1 default charset=utf8;

 

二、SQL优化

 

 

1、为什么需要进行SQL优化?

 

在进行多表连接查询、子查询等操作的时候,由于你写出的SQL语句欠佳,导致的服务器执行时间太长,我们等待结果的时间太长。基于此,我们需要学习怎么优化SQL。

 

 

2、mysql的编写过程和解析过程

 

1)编写过程

 

  •  
select dinstinct  ..from  ..join ..on ..where ..group by ..having ..order by ..limit ..

 

2)解析过程

 

  •  
from .. on.. join ..where ..group by ..having ..select dinstinct ..order by ..limit ..

 

提供一个网站,详细说明了mysql解析过程:

 

https://www.cnblogs.com/annsshadow/p/5037667.html

 

 

3、SQL优化:主要就是优化索引

 

优化SQL,最重要的就是优化SQL索引。

 

索引相当于字典的目录。利用字典目录查找汉字的过程,就相当于利用SQL索引查找某条记录的过程。有了索引,就可以很方便快捷的定位某条记录。

 

1)什么是索引?

 

索引就是帮助MySQL高效获取数据的一种【数据结构】。索引是一种树结构,MySQL中一般用的是【B+树】。

 

2)索引图示说明(这里用二叉树来帮助我们理解索引)

 

树形结构的特点是:子元素比父元素小的,放在左侧;子元素比父元素大的,放在右侧。

 

这个图示只是为了帮我们简单理解索引的,真实的关于【B+树】的说明,我们会在下面进行说明。

 

 

索引是怎么查找数据的呢?两个字【指向】,上图中我们给age列指定了一个索引,即类似于右侧的这种树形结构。mysql表中的每一行记录都有一个硬件地址,例如索引中的age=50,指向的就是源表中该行的标识符(“硬件地址”)。也就是说,树形索引建立了与源表中每行记录硬件地址的映射关系,当你指定了某个索引,这种映射关系也就建成了,这就是为什么我们可以通过索引快速定位源表中记录的原因。

 

以【select * from student where age=33】查询语句为例。当我们不加索引的时候,会从上到下扫描源表,当扫描到第5行的时候,找到了我们想要找到了元素,一共是查询了5次。当添加了索引以后,就直接在树形结构中进行查找,33比50小,就从左侧查询到了23,33大于23,就又查询到了右侧,这下找到了33,整个索引结束,一共进行了3次查找。是不是很方便,假如我们此时需要查找age=62,你再想想“添加索引”前后,查找次数的变化情况。

 

 

4、索引的弊端

 

1)当数据量很大的时候,索引也会很大(当然相比于源表来说,还是相当小的),也需要存放在内存/硬盘中(通常存放在硬盘中),占据一定的内存空间/物理空间。

 

2)索引并不适用于所有情况:

 

  • 少量数据;

  • 频繁进行改动的字段,不适合做索引;

  • 很少使用的字段,不需要加索引;

 

3)索引会提高数据查询效率,但是会降低“增、删、改”的效率。当不使用索引的时候,我们进行数据的增删改,只需要操作源表即可,但是当我们添加索引后,不仅需要修改源表,也需要再次修改索引,很麻烦。尽管是这样,添加索引还是很划算的,因为我们大多数使用的就是查询,“查询”对于程序的性能影响是很大的。

 

 

5、索引的优势

 

1)提高查询效率(降低了IO使用率)。当创建了索引后,查询次数减少了。

 

2)降低CPU使用率。比如说【…order by age desc】这样一个操作,当不加索引,会把源表加载到内存中做一个排序操作,极大的消耗了资源。但是使用了索引以后,第一索引本身就小一些,第二索引本身就是排好序的,左边数据最小,右边数据最大。

 

 

6、B+树图示说明

 

MySQL中索引使用的就是B+树结构。

 

 

首先,Btree一般指的都是【B+树】,数据全部存放在叶子节点中。对于上图来说,最下面的第3层,属于叶子节点,真实数据部份都是存放在叶子节点当中的。那么对于第1、2层中的数据又是干嘛的呢?答:用于分割指针块儿的,比如说小于26的找P1,介于26-30之间的找P2,大于30的找P3。

 

其次,三层【B+树】可以存放上百万条数据。这么多数据怎么放的呢?增加“节点数”。图中我们只有三个节点。

 

最后,【B+树】中查询任意数据的次数,都是n次,n表示的是【B+树】的高度。

 

三、索引的分类与创建

 

 

1、索引分类

 

1)单值索引

 

利用表中的某一个字段创建单值索引。一张表中往往有多个字段,也就是说每一列其实都可以创建一个索引,这个根据我们实际需求来进行创建。还需要注意的一点就是,一张表可以创建多个“单值索引”。

 

假如某一张表既有age字段,又有name字段,我们可以分别对age、name创建一个单值索引,这样一张表就有了两个单值索引。

 

2)唯一索引

 

也是利用表中的某一个字段创建单值索引,与单值索引不同的是:创建唯一索引的字段中的数据,不能有重复值。像age肯定有很多人的年龄相同,像name肯定有些人是重名的,因此都不适合创建“唯一索引”。像编号id、学号sid,对于每个人都不一样,因此可以用于创建唯一索引。

 

3)复合索引

 

多个列共同构成的索引。比如说我们创建这样一个“复合索引”(name,age),先利用name进行索引查询,当name相同的时候,我们利用age再进行一次筛选。注意:复合索引的字段并不是非要都用完,当我们利用name字段索引出我们想要的结果以后,就不需要再使用age进行再次筛选了。

 

 

2、创建索引

 

1)语法

 

语法:create 索引类型 索引名 on 表(字段);

 

建表语句如下:

 

查询表结构如下:

 

 

2)创建索引的第一种方式

 

  • 创建单值索引

 

  •  
create index dept_index on tb(dept);

 

  • 创建唯一索引:这里我们假定name字段中的值都是唯一的

 

  •  
create unique index name_index on tb(name);

 

  • 创建复合索引

 

  •  
create index dept_name_index on tb(dept,name);

 

3)创建索引的第二种方式

 

先删除之前创建的索引以后,再进行这种创建索引方式的测试;

 

语法:alter table 表名 add 索引类型 索引名(字段)

 

  • 创建单值索引

 

  •  
alter table tb add index dept_index(dept);

 

  • 创建唯一索引:这里我们假定name字段中的值都是唯一的

 

  •  
alter table tb add unique index name_index(name);

 

  • 创建复合索引

 

  •  
alter table tb add index dept_name_index(dept,name);

 

4)补充说明

 

如果某个字段是primary key,那么该字段默认就是主键索引。

 

主键索引和唯一索引非常相似。

 

  • 相同点:该列中的数据都不能有相同值。

 

  • 不同点:主键索引不能有null值,但是唯一索引可以有null值。

 

 

3、索引删除和索引查询

 

1)索引删除

 

语法:drop index 索引名 on 表名;

 

  •  
drop index name_index on tb;

 

2)索引查询

 

语法:show index from 表名;

 

  •  
show index from tb;

 

结果如下:

 

 

四、SQL性能问题的探索

 

人为优化:需要我们使用explain分析SQL的执行计划。该执行计划可以模拟SQL优化器执行SQL语句,可以帮助我们了解到自己编写SQL的好坏。

 

SQL优化器自动优化:最开始讲述MySQL执行原理的时候,我们已经知道MySQL有一个优化器,当你写了一个SQL语句的时候,SQL优化器如果认为你写的SQL语句不够好,就会自动写一个好一些的等价SQL去执行。

 

SQL优化器自动优化功能【会干扰】我们的人为优化功能。当我们查看了SQL执行计划以后,如果写的不好,我们会去优化自己的SQL。当我们以为自己优化的很好的时候,最终的执行计划,并不是按照我们优化好的SQL语句来执行的,而是有时候将我们优化好的SQL改变了,去执行。

 

SQL优化是一种概率问题,有时候系统会按照我们优化好的SQL去执行结果(优化器觉得你写的差不多,就不会动你的SQL)。有时候优化器仍然会修改我们优化好的SQL,然后再去执行。

 

 

1、查看执行计划

 

语法:explain + SQL语句

 

eg:explain select * from tb;

 

 

2、“执行计划”中需要知道的几个“关键字”

 

  • id :编号

  • select_type :查询类型

  • table :表

  • type :类型

  • possible_keys :预测用到的索引

  • key :实际使用的索引

  • key_len :实际使用索引的长度

  • ref :表之间的引用

  • rows :通过索引查询到的数据量

  • Extra :额外的信息

 

 

3、建表语句和插入数据

 

  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
# 建表语句create table course(    cid int(3),    cname varchar(20),    tid int(3));

create table teacher(    tid int(3),    tname varchar(20),    tcid int(3));

create table teacherCard(    tcid int(3),    tcdesc varchar(200));

# 插入数据insert into course values(1,'java',1);insert into course values(2,'html',1);insert into course values(3,'sql',2);insert into course values(4,'web',3);

insert into teacher values(1,'tz',1);insert into teacher values(2,'tw',2);insert into teacher values(3,'tl',3);

insert into teacherCard values(1,'tzdesc') ;insert into teacherCard values(2,'twdesc') ;insert into teacherCard values(3,'tldesc') ;

 

五、explain执行计划常用关键字详解

 

 

1、id关键字的使用说明

 

1)案例:查询课程编号为2或教师证编号为3的老师信息:

 

  •  
  •  
  •  
  •  
  •  
# 查看执行计划explain select t.*from teacher t,course c,teacherCard tcwhere t.tid = c.tid and t.tcid = tc.tcidand (c.cid = 2 or tc.tcid = 3);

 

结果如下:

 

 

接着,在往teacher表中增加几条数据。

 

  •  
  •  
  •  
insert into teacher values(4,'ta',4);insert into teacher values(5,'tb',5);insert into teacher values(6,'tc',6);

 

再次查看执行计划。

 

  •  
  •  
  •  
  •  
  •  
# 查看执行计划explain select t.*from teacher t,course c,teacherCard tcwhere t.tid = c.tid and t.tcid = tc.tcidand (c.cid = 2 or tc.tcid = 3);

 

结果如下:

 

 

表的执行顺序 ,因表数量改变而改变的原因:笛卡尔积。

 

  •  
  •  
  •  
  •  
  •  
  •  
a   b   c2   3   4最终:2 * 3 * 4  = 6 * 4 = 24c   b   a4   3   2最终:4 * 3 * 2 = 12 * 2 = 24

 

分析:最终执行的条数,虽然是一致的。但是中间过程,有一张临时表是6,一张临时表是12,很明显6 < 12,对于内存来说,数据量越小越好,因此优化器肯定会选择第一种执行顺序。

 

结论:id值相同,从上往下顺序执行。表的执行顺序因表数量的改变而改变。

 

2)案例:查询教授SQL课程的老师的描述(desc)

 

  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
# 查看执行计划explain select tc.tcdesc from teacherCard tc where tc.tcid = (    select t.tcid from teacher t     where  t.tid =      (select c.tid from course c where c.cname = 'sql'));

 

结果如下:

 

 

结论:id值不同,id值越大越优先查询。这是由于在进行嵌套子查询时,先查内层,再查外层。

 

3)针对②做一个简单的修改

 

  •  
  •  
  •  
  •  
# 查看执行计划explain select t.tname ,tc.tcdesc from teacher t,teacherCard tc where t.tcid= tc.tcidand t.tid = (select c.tid from course c where cname = 'sql') ;

 

结果如下:

 

 

结论:id值有相同,又有不同。id值越大越优先;id值相同,从上往下顺序执行。

 

 

2、select_type关键字的使用说明:查询类型

 

 

1)simple:简单查询

 

不包含子查询,不包含union查询。

 

  •  
explain select * from teacher;

 

结果如下:

 

 

2)primary:包含子查询的主查询(最外层)

 

3)subquery:包含子查询的主查询(非最外层)

 

4)derived:衍生查询(用到了临时表)

 

  • 在from子查询中,只有一张表;

 

  • 在from子查询中,如果table1 union table2,则table1就是derived表;

 

  •  
  •  
explain select  cr.cname     from ( select * from course where tid = 1  union select * from course where tid = 2 ) cr ;

 

结果如下:

 

 

5)union:union之后的表称之为union表,如上例

 

6)union result:告诉我们,哪些表之间使用了union查询

 

 

3、type关键字的使用说明:索引类型

 

system、const只是理想状况,实际上只能优化到index --> range --> ref这个级别。要对type进行优化的前提是,你得创建索引。

 

 

1)system

 

源表只有一条数据(实际中,基本不可能);

 

衍生表只有一条数据的主查询(偶尔可以达到)。

 

2)const

 

仅仅能查到一条数据的SQL ,仅针对Primary key或unique索引类型有效。

 

  •  
explain select tid from test01 where tid =1 ;

 

结果如下:

 

 

删除以前的主键索引后,此时我们添加一个其他的普通索引:

 

  •  
  •  
  •  
create index test01_index on test01(tid) ;# 再次查看执行计划explain select tid from test01 where tid =1 ;

 

结果如下:

 

 

3)eq_ref

 

唯一性索引,对于每个索引键的查询,返回匹配唯一行数据(有且只有1个,不能多 、不能0),并且查询结果和数据条数必须一致。

 

此种情况常见于唯一索引和主键索引。

 

  •  
  •  
  •  
  •  
delete from teacher where tcid >= 4;alter table teacherCard add constraint pk_tcid primary key(tcid);alter table teacher add constraint uk_tcid unique index(tcid) ;explain select t.tcid from teacher t,teacherCard tc where t.tcid = tc.tcid ;

 

结果如下:

 

 

总结:以上SQL,用到的索引是t.tcid,即teacher表中的tcid字段;如果teacher表的数据个数和连接查询的数据个数一致(都是3条数据),则有可能满足eq_ref级别;否则无法满足。条件很苛刻,很难达到。

 

4)ref

 

非唯一性索引,对于每个索引键的查询,返回匹配的所有行(可以0,可以1,可以多)

 

准备数据:

 

 

创建索引,并查看执行计划:

 

  •  
  •  
  •  
  •  
# 添加索引alter table teacher add index index_name (tname) ;# 查看执行计划explain select * from teacher     where tname = 'tz';

 

结果如下:

 

 

5)range

 

检索指定范围的行 ,where后面是一个范围查询(between, >, <, >=, in)

 

in有时候会失效,从而转为无索引时候的ALL

 

  •  
  •  
  •  
  •  
  •  
# 添加索引alter table teacher add index tid_index (tid) ;# 查看执行计划:以下写了一种等价SQL写法,查看执行计划explain select t.* from teacher t where t.tid in (1,2) ;explain select t.* from teacher t where t.tid <3 ;

 

结果如下:

 

 

6)index

 

查询全部索引中的数据(扫描整个索引)

 

7)ALL

 

查询全部源表中的数据(暴力扫描全表)

 

 

注意:cid是索引字段,因此查询索引字段,只需要扫描索引表即可。但是tid不是索引字段,查询非索引字段,需要暴力扫描整个源表,会消耗更多的资源。

 

 

4、possible_keys和key

 

possible_keys可能用到的索引。是一种预测,不准。了解一下就好。

 

key指的是实际使用的索引。

 

  •  
  •  
  •  
  •  
  •  
  •  
# 先给course表的cname字段,添加一个索引create index cname_index on course(cname);# 查看执行计划explain select t.tname ,tc.tcdesc from teacher t,teacherCard tcwhere t.tcid= tc.tcidand t.tid = (select c.tid from course c where cname = 'sql') ;

 

结果如下:

 

 

有一点需要注意的是:如果possible_key/key是NULL,则说明没用索引。

 

 

5、key_len

 

索引的长度,用于判断复合索引是否被完全使用(a,b,c)。

 

1)新建一张新表,用于测试

 

  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
# 创建表create table test_kl(    name char(20) not null default '');# 添加索引alter table test_kl add index index_name(name) ;# 查看执行计划explain select * from test_kl where name ='' ;

 

结果如下:

 

 

结果分析:因为我没有设置服务端的字符集,因此默认的字符集使用的是latin1,对于latin1一个字符代表一个字节,因此这列的key_len的长度是20,表示使用了name这个索引。

 

2)给test_kl表,新增name1列,该列没有设置“not null”

 

结果如下:

 

 

结果分析:如果索引字段可以为null,则mysql底层会使用1个字节用于标识。

 

3)删除原来的索引name和name1,新增一个复合索引

 

  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
# 删除原来的索引name和name1drop index index_name on test_kl ;drop index index_name1 on test_kl ;# 增加一个复合索引 create index name_name1_index on test_kl(name,name1);# 查看执行计划explain select * from test_kl where name1 = '' ; --121explain select * from test_kl where name = '' ; --60

 

结果如下:

 

 

结果分析:对于下面这个执行计划,可以看到我们只使用了复合索引的第一个索引字段name,因此key_len是20,这个很清楚。再看上面这个执行计划,我们虽然仅仅在where后面使用了复合索引字段中的name1字段,但是你要使用复合索引的第2个索引字段,会默认使用了复合索引的第1个索引字段name,由于name1可以是null,因此key_len = 20 + 20 + 1 = 41呀!

 

4)再次怎加一个name2字段,并为该字段创建一个索引

 

不同的是:该字段数据类型是varchar

 

  •  
  •  
  •  
  •  
  •  
  •  
# 新增一个字段name2,name2可以为nullalter table test_kl add column name2 varchar(20) ; # 给name2字段,设置为索引字段alter table test_kl add index name2_index(name2) ;# 查看执行计划explain select * from test_kl where name2 = '' ;

 

结果如下:

 

 

结果分析:key_len = 20 + 1 + 2,这个20 + 1我们知道,这个2又代表什么呢?原来varchar属于可变长度,在mysql底层中,用2个字节标识可变长度。

 

 

6、ref

 

这里的ref的作用,指明当前表所参照的字段。

 

注意与type中的ref值区分。在type中,ref只是type类型的一种选项值。

 

  •  
  •  
  •  
  •  
  •  
  •  
# 给course表的tid字段,添加一个索引create index tid_index on course(tid);# 查看执行计划explain select * from course c,teacher t where c.tid = t.tid  and t.tname = 'tw';

 

结果如下:

 

 

结果分析:有两个索引,c表的c.tid引用的是t表的tid字段,因此可以看到显示结果为【数据库名.t.tid】,t表的t.name引用的是一个常量"tw",因此可以看到结果显示为const,表示一个常量。

 

 

7、rows

 

被索引优化查询的数据个数 (实际通过索引而查询到的数据个数)

 

  •  
  •  
  •  
  •  
explain select * from course c,teacher t  where c.tid = t.tidand t.tname = 'tz' ;

 

结果如下:

 

 

 

8、extra

 

表示其他的一些说明,也很有用。

 

1)using filesort:针对单索引的情况

 

当出现了这个词,表示你当前的SQL性能消耗较大。表示进行了一次“额外”的排序。常见于order by语句中。

 

  • 什么是“额外”的排序?

 

为了讲清楚这个,我们首先要知道什么是排序。我们为了给某一个字段进行排序的时候,首先你得先查询到这个字段,然后在将这个字段进行排序。

 

紧接着,我们查看如下两个SQL语句的执行计划。

 

  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
# 新建一张表,建表同时创建索引create table test02(    a1 char(3),    a2 char(3),    a3 char(3),    index idx_a1(a1),    index idx_a2(a2),    index idx_a3(a3));# 查看执行计划explain select * from test02 where a1 ='' order by a1 ;explain select * from test02 where a1 ='' order by a2 ;

 

结果如下:

 

 

结果分析:对于第一个执行计划,where后面我们先查询了a1字段,然后再利用a1做了依次排序,这个很轻松。但是对于第二个执行计划,where后面我们查询了a1字段,然而利用的却是a2字段进行排序,此时myql底层会进行一次查询,进行“额外”的排序。

 

总结:对于单索引,如果排序和查找是同一个字段,则不会出现using filesort;如果排序和查找不是同一个字段,则会出现using filesort;因此where哪些字段,就order by哪些些字段。

 

2)using filesort:针对复合索引的情况

 

不能跨列(官方术语:最佳左前缀)

 

  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
# 删除test02的索引drop index idx_a1 on test02;drop index idx_a2 on test02;drop index idx_a3 on test02;# 创建一个复合索引alter table test02 add index idx_a1_a2_a3 (a1,a2,a3) ;# 查看下面SQL语句的执行计划explain select *from test02 where a1='' order by a3 ;  --using filesortexplain select *from test02 where a2='' order by a3 ; --using filesortexplain select *from test02 where a1='' order by a2 ;

 

结果如下:

 

 

结果分析:复合索引的顺序是(a1,a2,a3),可以看到a1在最左边,因此a1就叫做“最佳左前缀”,如果要使用后面的索引字段,必须先使用到这个a1字段。对于explain1,where后面我们使用a1字段,但是后面的排序使用了a3,直接跳过了a2,属于跨列;对于explain2,where后面我们使用了a2字段,直接跳过了a1字段,也属于跨列;对于explain3,where后面我们使用a1字段,后面使用的是a2字段,因此没有出现【using filesort】。

 

3)using temporary

 

当出现了这个词,也表示你当前的SQL性能消耗较大。这是由于当前SQL用到了临时表。一般出现在group by中。

 

  •  
  •  
explain select a1 from test02 where a1 in ('1','2','3') group by a1 ;explain select a1 from test02 where a1 in ('1','2','3') group by a2 ; --using temporary

 

结果如下:

 

 

结果分析:当你查询哪个字段,就按照那个字段分组,否则就会出现using temporary。

 

针对using temporary,我们再看一个例子:

 

using temporary表示需要额外再使用一张表,一般出现在group by语句中。虽然已经有表了,但是不适用,必须再来一张表。

 

再次来看mysql的编写过程和解析过程。

 

  • 编写过程

 

  •  
select dinstinct  ..from  ..join ..on ..where ..group by ..having ..order by ..limit .

.

  • 解析过程

 

  •  
from .. on.. join ..where ..group by ..having ..select dinstinct ..order by ..limit ..

 

很显然,where后是group by,然后才是select。基于此,我们再查看如下两个SQL语句的执行计划。

 

  •  
  •  
explain select * from test03 where a2=2 and a4=4 group by a2,a4;explain select * from test03 where a2=2 and a4=4 group by a3;

 

分析如下:对于第一个执行计划,where后面是a2和a4,接着我们按照a2和a4分组,很明显这两张表已经有了,直接在a2和a4上分组就行了。但是对于第二个执行计划,where后面是a2和a4,接着我们却按照a3分组,很明显我们没有a3这张表,因此有需要再来一张临时表a3。因此就会出现using temporary。

 

4)using index

 

当你看到这个关键词,恭喜你,表示你的SQL性能提升了。

 

using index称之为“索引覆盖”。

 

当出现了using index,就表示不用读取源表,而只利用索引获取数据,不需要回源表查询。

 

只要使用到的列,全部出现在索引中,就是索引覆盖。

 

  •  
  •  
  •  
  •  
  •  
  •  
  •  
# 删除test02中的复合索引idx_a1_a2_a3drop index idx_a1_a2_a3 on test02;# 重新创建一个复合索引idx_a1_a2create index idx_a1_a2 on test02(a1,a2);# 查看执行计划explain select a1,a3 from test02 where a1='' or a3= '' ;explain select a1,a2 from test02 where a1='' and a2= '' ;

 

结果如下:

 

 

结果分析:我们创建的是a1和a2的复合索引,对于第一个执行计划,我们却出现了a3,该字段并没有创建索引,因此没有出现using index,而是using where,表示我们需要回表查询。对于第二个执行计划,属于完全的索引覆盖,因此出现了using index。

 

针对using index,我们再查看一个案例:

 

  •  
  •  
explain select a1,a2 from test02 where a1='' or a2= '' ;explain select a1,a2 from test02;

 

结果如下:

 

如果用到了索引覆盖(using index时),会对possible_keys和key造成影响:

 

  • 如果没有where,则索引只出现在key中;

 

  • 如果有where,则索引 出现在key和possible_keys中。

 

5)using where

 

表示需要【回表查询】,表示既在索引中进行了查询,又回到了源表进行了查询。

 

  •  
  •  
  •  
  •  
  •  
  •  
# 删除test02中的复合索引idx_a1_a2drop index idx_a1_a2 on test02;# 将a1字段,新增为一个索引create index a1_index on test02(a1);# 查看执行计划explain select a1,a3 from test02 where a1="" and a3="" ;

 

结果如下:

 

 

结果分析:我们既使用了索引a1,表示我们使用了索引进行查询。但是又对于a3字段,我们并没有使用索引,因此对于a3字段,需要回源表查询,这个时候出现了using where。

 

6)impossible where(了解)

 

当where子句永远为False的时候,会出现impossible where

 

  •  
  •  
# 查看执行计划explain select a1 from test02 where a1="a" and a1="b" ;

 

结果如下:

 

 

六、优化示例

 

 

1、引入案例

 

  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
# 创建新表create table test03(    a1 int(4) not null,    a2 int(4) not null,    a3 int(4) not null,    a4 int(4) not null);# 创建一个复合索引create index a1_a2_a3_test03 on test03(a1,a2,a3);# 查看执行计划explain select a3 from test03 where a1=1 and a2=2 and a3=3;

 

结果如下:

 

 

推荐写法:复合索引顺序和使用顺序一致。

 

下面看看【不推荐写法】:复合索引顺序和使用顺序不一致。

 

  •  
  •  
# 查看执行计划explain select a3 from test03 where a3=1 and a2=2 and a1=3;

 

结果如下:

 

 

结果分析:虽然结果和上述结果一致,但是不推荐这样写。但是这样写怎么又没有问题呢?这是由于SQL优化器的功劳,它帮我们调整了顺序。

 

最后再补充一点:对于复合索引,不要跨列使用

 

  •  
  •  
# 查看执行计划explain select a3 from test03 where a1=1 and a3=2 group by a3;

 

结果如下:

 

 

结果分析:a1_a2_a3是一个复合索引,我们使用a1索引后,直接跨列使用了a3,直接跳过索引a2,因此索引a3失效了,当使用a3进行分组的时候,就会出现using where。

 

 

2、单表优化

 

  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
# 创建新表create table book(        bid int(4) primary key,        name varchar(20) not null,        authorid int(4) not null,        publicid int(4) not null,        typeid int(4) not null );# 插入数据insert into book values(1,'tjava',1,1,2) ;insert into book values(2,'tc',2,1,2) ;insert into book values(3,'wx',3,2,1) ;insert into book values(4,'math',4,2,3) ;

 

结果如下:

 

 

案例:查询authorid=1且typeid为2或3的bid,并根据typeid降序排列。

 

  •  
  •  
  •  
  •  
explain select bid from book where typeid in(2,3) and authorid=1  order by typeid desc ;

 

结果如下:

 

 

这是没有进行任何优化的SQL,可以看到typ为ALL类型,extra为using filesort,可以想象这个SQL有多恐怖。

 

优化:添加索引的时候,要根据MySQL解析顺序添加索引,又回到了MySQL的解析顺序,下面我们再来看看MySQL的解析顺序。

 

  •  
from .. on.. join ..where ..group by ..having ..select dinstinct ..order by ..limit ..

 

1)优化1:基于此,我们进行索引的添加,并再次查看执行计划。

 

  •  
  •  
  •  
  •  
  •  
  •  
  •  
# 添加索引create index typeid_authorid_bid on book(typeid,authorid,bid);# 再次查看执行计划explain select bid from book where typeid in(2,3) and authorid=1  order by typeid desc ;

 

结果如下:

 

 

结果分析:结果并不是和我们想象的一样,还是出现了using where,查看索引长度key_len=8,表示我们只使用了2个索引,有一个索引失效了。

 

2)优化2:使用了in有时候会导致索引失效,基于此有了如下一种优化思路。

 

将in字段放在最后面。需要注意一点:每次创建新的索引的时候,最好是删除以前的废弃索引,否则有时候会产生干扰(索引之间)。

 

  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
# 删除以前的索引drop index typeid_authorid_bid on book;# 再次创建索引create index authorid_typeid_bid on book(authorid,typeid,bid);# 再次查看执行计划explain select bid from book where authorid=1  and typeid in(2,3)  order by typeid desc ;

 

结果如下:

 

 

结果分析:这里虽然没有变化,但是这是一种优化思路。

 

 

3、总结

 

  • 最佳做前缀,保持索引的定义和使用的顺序一致性

  • 索引需要逐步优化(每次创建新索引,根据情况需要删除以前的废弃索引)

  • 将含In的范围查询,放到where条件的最后,防止失效

 

本例中同时出现了Using where(需要回原表); Using index(不需要回原表):原因,where authorid=1 and typeid in(2,3)中authorid在索引(authorid,typeid,bid)中,因此不需要回原表(直接在索引表中能查到);

 

而typeid虽然也在索引(authorid,typeid,bid)中,但是含in的范围查询已经使该typeid索引失效,因此相当于没有typeid这个索引,所以需要回原表(using where);

 

例如以下没有了In,则不会出现using where:

 

  •  
  •  
  •  
explain select bid from book where  authorid=1 and typeid =3order by typeid desc ;

 

结果如下:

 

 

 

4、两表优化

 

  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
# 创建teacher2新表create table teacher2(        tid int(4) primary key,        cid int(4) not null);# 插入数据insert into teacher2 values(1,2);insert into teacher2 values(2,1);insert into teacher2 values(3,3);# 创建course2新表create table course2(    cid int(4) ,    cname varchar(20));# 插入数据insert into course2 values(1,'java');insert into course2 values(2,'python');insert into course2 values(3,'kotlin');

 

案例:使用一个左连接,查找教java课程的所有信息。

 

  •  
  •  
  •  
  •  
  •  
  •  
explain select *from teacher2 t left outer join course2 con t.cid=c.cid where c.cname='java';

 

结果如下:

 

 

1)优化

 

对于两张表,索引往哪里加?

 

答:对于表连接,小表驱动大表。索引建立在经常使用的字段上。

 

为什么小表驱动大表好一些呢?

 

  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
    小表:10    大表:300# 小表驱动大表select ...where 小表.x10=大表.x300 ;for(int i=0;i<小表.length10;i++){    for(int j=0;j<大表.length300;j++)    {        ...    }}# 大表驱动小表select ...where 大表.x300=小表.x10 ;for(int i=0;i<大表.length300;i++){    for(int j=0;j<小表.length10;j++)    {        ...    }}

 

分析:以上2个FOR循环,最终都会循环3000次;但是对于双层循环来说:一般建议,将数据小的循环,放外层。数据大的循环,放内层。不用管这是为什么,这是编程语言的一个原则,对于双重循环,外层循环少,内存循环大,程序的性能越高。

 

结论:当编写【…on t.cid=c.cid】时,将数据量小的表放左边(假设此时t表数据量小,c表数据量大。)

 

我们已经知道了,对于两表连接,需要利用小表驱动大表,例如【…on t.cid=c.cid】,t如果是小表(10条),c如果是大表(300条),那么t每循环1次,就需要循环300次,即t表的t.cid字段属于,经常使用的字段,因此需要给cid字段添加索引。

 

更深入的说明:一般情况下,左连接给左表加索引。右连接给右表加索引。其他表需不需要加索引,我们逐步尝试。

 

  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
# 给左表的字段加索引create index cid_teacher2 on teacher2(cid);# 查看执行计划explain select *from teacher2 t left outer join course2 con t.cid=c.cid where c.cname='java';

 

结果如下:

 

 

当然你可以下去接着优化,给cname添加一个索引。索引优化是一个逐步的过程,需要一点点尝试。

 

  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
# 给cname的字段加索引create index cname_course2 on course2(cname);# 查看执行计划explain select t.cid,c.cnamefrom teacher2 t left outer join course2 con t.cid=c.cid where c.cname='java';

 

结果如下:

 

 

最后补充一个:Using join buffer是extra中的一个选项,表示Mysql引擎使用了“连接缓存”,即MySQL底层动了你的SQL,你写的太差了。

 

 

5、三表优化

 

  • 大于等于张表,优化原则一样

  • 小表驱动大表

  • 索引建立在经常查询的字段上

 

七、避免索引失效的一些原则

 

1)复合索引需要注意的点

 

  • 不要跨列或无序使用(最佳左前缀)

  • 尽量使用全索引匹配,也就是说,你建立几个索引,就使用几个索引

 

2)不要在索引上进行任何操作(计算、函数、类型转换),否则索引失效

 

  •  
  •  
explain select * from book where authorid = 1 and typeid = 2;explain select * from book where authorid*2 = 1 and typeid = 2 ;

 

结果如下:

 

 

3)索引不能使用不等于(!= <>)或is null (is not null),否则自身以及右侧所有全部失效(针对大多数情况)。复合索引中如果有>,则自身和右侧索引全部失效。

 

  •  
  •  
  •  
# 针对不是复合索引的情况explain select * from book where authorid != 1 and typeid =2 ;explain select * from book where authorid != 1 and typeid !=2 ;

 

结果如下:

 

 

再观看下面这个案例:

 

  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
# 删除单独的索引drop index authorid_index on book;drop index typeid_index on book;# 创建一个复合索引alter table book add index idx_book_at (authorid,typeid);# 查看执行计划explain select * from book where authorid > 1 and typeid = 2 ;explain select * from book where authorid = 1 and typeid > 2 ;

 

结果如下:

 

 

结论:复合索引中如果有【>】,则自身和右侧索引全部失效。

 

再看看复合索引中有【<】的情况:

 

 

我们学习索引优化 ,是一个大部分情况适用的结论,但由于SQL优化器等原因 该结论不是100%正确。一般而言, 范围查询(> < in),之后的索引失效。

 

4)SQL优化,是一种概率层面的优化。至于是否实际使用了我们的优化,需要通过explain进行推测。

 

  •  
  •  
  •  
  •  
  •  
  •  
  •  
# 删除复合索引drop index authorid_typeid_bid on book;# 为authorid和typeid,分别创建索引create index authorid_index on book(authorid);create index typeid_index on book(typeid);# 查看执行计划explain select * from book where authorid = 1 and typeid =2 ;

 

结果如下:

 

 

结果分析:我们创建了两个索引,但是实际上只使用了一个索引。因为对于两个单独的索引,程序觉得只用一个索引就够了,不需要使用两个。

 

当我们创建一个复合索引,再次执行上面的SQL:

 

  •  
  •  
# 查看执行计划explain select * from book where authorid = 1 and typeid =2 ;

 

结果如下:

 

 

5)索引覆盖,百分之百没问题

 

6)like尽量以“常量”开头,不要以’%'开头,否则索引失效

 

  •  
  •  
  •  
explain select * from teacher where tname like "%x%" ;explain select * from teacher  where tname like 'x%';explain select tname from teacher  where tname like '%x%';

 

结果如下:

 

 

结论如下:like尽量不要使用类似"%x%"情况,但是可以使用"x%"情况。如果非使用 "%x%"情况,需要使用索引覆盖。

 

7)尽量不要使用类型转换(显示、隐式),否则索引失效

 

  •  
  •  
explain select * from teacher where tname = 'abc' ;explain select * from teacher where tname = 123 ;

 

结果如下:

 

 

8)尽量不要使用or,否则索引失效

 

  •  
  •  
explain select * from teacher where tname ='' and tcid >1 ;explain select * from teacher where tname ='' or tcid >1 ;

 

结果如下:

 

 

注意:or很猛,会让自身索引和左右两侧的索引都失效。

 

八、一些其他的优化方法

 

 

1、exists和in的优化

 

如果主查询的数据集大,则使用i关键字,效率高。

 

如果子查询的数据集大,则使用exist关键字,效率高。

 

  •  
  •  
select ..from table where exist (子查询) ;select ..from table where 字段 in  (子查询) ;

 

 

2、order by优化

 

  • IO就是访问硬盘文件的次数

 

  • using filesort 有两种算法:双路排序、单路排序(根据IO的次数)

 

  • MySQL4.1之前默认使用双路排序;双路:扫描2次磁盘(1:从磁盘读取排序字段,对排序字段进行排序(在buffer中进行的排序)2:扫描其他字段)

 

  • MySQL4.1之后默认使用单路排序:只读取一次(全部字段),在buffer中进行排序。但种单路排序会有一定的隐患(不一定真的是“单路/1次IO”,有可能多次IO)。原因:如果数据量特别大,则无法将所有字段的数据一次性读取完毕,因此会进行“分片读取、多次读取”。

 

  • 注意:单路排序 比双路排序 会占用更多的buffer。

 

  • 单路排序在使用时,如果数据大,可以考虑调大buffer的容量大小:

 

  •  
  •  
# 不一定真的是“单路/1次IO”,有可能多次IOset max_length_for_sort_data = 1024 

 

如果max_length_for_sort_data值太低,则mysql会自动从 单路->双路(太低:需要排序的列的总大小超过了max_length_for_sort_data定义的字节数)

 

提高order by查询的策略:

 

  • 选择使用单路、双路;调整buffer的容量大小

  • 避免使用select * …(select后面写所有字段,也比写*效率高)

  • 复合索引,不要跨列使用 ,避免using filesort保证全部的排序字段,排序的一致性(都是升序或降序)

 

来源丨公众号:数据分析不是个事儿(ID:sjfxbsgs_lqf)
dbaplus社群欢迎广大技术人员投稿,投稿邮箱:editor@dbaplus.cn
 

活动预告