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:
SQL介绍
SQL优化方法
SQL优化实例
1、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
show engines;
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;
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
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?..
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。
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】。
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:a.少量数据;b.频繁进行改动的字段,不适合做索引;c.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。
关于B+树的说明:
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。
3、索引的分类与创建
1)索引分类
单值索引
唯一索引
复合索引
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。
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。
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
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:
创建索引的第一种方式
Ⅰ 创建单值索引
create?index?dept_index?on?tb(dept);
Ⅱ 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);
Ⅲ 创建复合索引
create?index?dept_name_index?on?tb(dept,name);
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)
Ⅰ 创建单值索引
alter?table?tb?add?index?dept_index(dept);
Ⅱ 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);
Ⅲ 创建复合索引
alter?table?tb?add?index?dept_name_index(dept,name);
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
索引删除
语法:drop index 索引名 on 表名;
drop?index?name_index?on?tb;
索引查询
语法:show index from 表名;
show?index?from?tb;
结果如下:
4、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
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')?;
explain执行计划常用关键字详解
1)id关键字的使用说明
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?tc
where?t.tid?=?c.tid?and?t.tcid?=?tc.tcid
and?(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?tc
where?t.tid?=?c.tid?and?t.tcid?=?tc.tcid
and?(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???c
2???3???4
最终:2 * 3 * 4 ?= 6 * 4 = 24
c???b???a
4???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。
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。
针对做一个简单的修改
#?查看执行计划
explain?select?t.tname?,tc.tcdesc?from?teacher?t,teacherCard?tc
where?t.tcid=?tc.tcid
and?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
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:
primary:包含子查询的主查询(最外层)
subquery:包含子查询的主查询(非最外层)
derived:衍生查询(用到了临时表)
a.在from子查询中,只有一张表;
b.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:
union:union之后的表称之为union表,如上例
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。
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)。
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:
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。
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:
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?
结果如下:
index
查询全部索引中的数据(扫描整个索引)
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?tc
where?t.tcid=?tc.tcid
and?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)。
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。
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。
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name1
drop?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?=?''?;?--121
explain?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!
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null
alter?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(这个目前还是有点疑惑)
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.tid
and?t.tname?=?'tz'?;
结果如下:
8)extra
表示其他的一些说明,也很有用。
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。
Ⅰ 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。
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?filesort
explain?select?*from?test02?where?a2=''?order?by?a3?;?--using?filesort
explain?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】。
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,我们在看一个例子:
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。
Ⅰ 编写过程
select?dinstinct??..from??..join?..on?..where?..group?by?..having?..order?by?..limit?..
Ⅱ 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。
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_a3
drop?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,我们在查看一个案例:
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:
a.如果没有where,则索引只出现在key中;
b.如果有where,则索引 出现在key和possible_keys中。
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_a2
drop?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。
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:
6、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?..
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。
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。
总结如下:
a.最佳做前缀,保持索引的定义和使用的顺序一致性
b.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)
c.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?=3
order?by?typeid?desc?;
结果如下:
3)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?c
on?t.cid=c.cid
where?c.cname='java';
结果如下:
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
{
for(int?j=0;j
{
...
}
}
#?大表驱动小表
select?...where?大表.x300=小表.x10?;
for(int?i=0;i
{
for(int?j=0;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?c
on?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.cname
from?teacher2?t
left?outer?join?course2?c
on?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。
4)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
7、避免索引失效的一些原则
复合索引需要注意的点
复合索引,不要跨列或无序使用(最佳左前缀)
复合索引,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
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:
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。
在看看复合索引中有【
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。
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:
索引覆盖,百分之百没问题
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。
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:
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。
8、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IO
set?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)
篇幅很长,内容较多,建议收藏。
领取专属 10元无门槛券
私享最新 技术干货