vlambda博客
学习文章列表

MYSQL优化技巧:5 大步骤 + 10 个案例


需要重点关注type、rows、filtered、extra。
type由上至下,效率越来越高
  • ALL 全表扫描
  • index 索引全扫描
  • range 索引范围扫描,常用语<,<=,>=,between,in等操作
  • ref 使用非唯一索引扫描或唯一索引前缀扫描,返回单条记录,常出现在关联查询中
  • eq_ref 类似ref,区别在于使用的是唯一索引,使用主键的关联查询
  • const/system 单条记录,系统会把匹配行中的其他列作为常数处理,如主键或唯一索引查询
  • null MySQL不访问任何表或索引,直接返回结果
虽然上至下,效率越来越高,但是根据cost模型,假设有两个索引 idx1(a, b, c), idx2(a, c),SQL为 select * from t where a = 1 and b in (1, 2) order by c;如果走idx1,那么是type为range,如果走idx2,那么type是ref;当需要扫描的行数,使用idx2大约是idx1的5倍以上时,会用idx1,否则会用idx2
Extra
  • Using filesort:MySQL需要额外的一次传递,以找出如何按排序顺序检索行。通过根据联接类型浏览所有行并为所有匹配WHERE子句的行保存排序关键字和行的指针来完成排序。然后关键字被排序,并按排序顺序检索行。
  • Using temporary:使用了临时表保存中间结果,性能特别差,需要重点优化
  • Using index:表示相应的 select 操作中使用了覆盖索引(Coveing Index),避免访问了表的数据行,效率不错!如果同时出现 using where,意味着无法直接通过索引查找来查询到符合条件的数据。
  • Using index condition:MySQL5.6之后新增的ICP,using index condtion就是使用了ICP(索引下推),在存储引擎层进行数据过滤,而不是在服务层过滤,利用索引现有的数据减少回表的数据。

了解SQL执行的线程的状态及消耗的时间。
默认是关闭的,开启语句“set profiling = 1;”

 
   
   
 
SHOW  PROFILES ;
SHOW PROFILE  FOR  QUERY   #{id};

trace分析优化器如何选择执行计划,通过trace文件能够进一步了解为什么优惠券选择A执行计划而不选择B执行计划。

 
   
   
 
set optimizer_trace= "enabled=on";
set optimizer_trace_max_mem_size= 1000000;
select *  from information_schema.optimizer_trace;

  • 优化索引
  • 优化SQL语句:修改SQL、IN 查询分段、时间查询分段、基于上一次数据过滤
  • 改用其他实现方式:ES、数仓等
  • 数据碎片处理
基于微服务的思想,构建在 B2C 电商场景下的项目实战。核心技术栈,是 Spring Boot + Dubbo 。未来,会重构成 Spring Cloud Alibaba 。
项目地址:https://github.com/YunaiV/onemall

索引

 
   
   
 
KEY `idx_shopid_orderno` (`shop_id`,`order_no`)
SQL语句

 
   
   
 
select *  from _t  where orderno= ''
查询匹配从左往右匹配,要使用order_no走索引,必须查询条件携带shop_id或者索引( shop_id, order_no)调换前后顺序。

索引

 
   
   
 
KEY `idx_mobile` (`mobile`)
SQL语句

 
   
   
 
select *  from _user  where mobile= 12345678901
隐式转换相当于在索引上做运算,会让索引失效。mobile是字符类型,使用了数字,应该使用字符串匹配,否则MySQL会用到隐式替换,导致索引失效。

索引

 
   
   
 
KEY `idx_a_b_c` (`a`, `b`, `c`)
SQL语句

 
   
   
 
select *  from _t  where a =  1  and b =  2  order  by c  desc  limit  1000010;
对于大分页的场景,可以优先让产品优化需求,如果没有优化的,有如下两种优化方式:
一种是把上一次的最后一条数据,也即上面的c传过来,然后做“c < xxx”处理,但是这种一般需要改接口协议,并不一定可行。
另一种是采用延迟关联的方式进行处理,减少SQL回表,但是要记得索引需要完全覆盖才有效果,SQL改动如下

 
   
   
 
SELECT
 t1.*
FROM
 _t t1,
 (  SELECT  id  FROM _t  WHERE a =  1  AND b =  2  ORDER  BY c  DESC  LIMIT  1000010 ) t2
WHERE
 t1.id = t2.id;

索引

 
   
   
 
KEY `idx_shopid_status_created` (`shop_id`, `order_status`, `created_at`)
SQL语句

 
   
   
 
SELECT
 *
FROM
 _order
WHERE
 shop_id =  1
  AND order_status  IN (  123 )
ORDER  BY
 created_at  DESC
  LIMIT  10
in查询在MySQL底层是通过 n*m的方式去搜索,类似union,但是效率比union高。
in查询在进行cost代价计算时( 代价 = 元组数 * IO平均值),是通过将in包含的数值,一条条去查询获取元组数的,因此这个计算过程会比较的慢,所以MySQL设置了个临界值( eq_range_index_dive_limit),5.6之后超过这个临界值后该列的cost就不参与计算了。
因此会导致执行计划选择不准确。默认是200,即in条件超过了200个数据,会导致in的代价计算存在问题,可能会导致Mysql选择的索引不准确。
处理方式,可以( order_statuscreated_at)互换前后顺序,并且调整SQL为延迟关联。

索引

 
   
   
 
KEY `idx_shopid_created_status` (`shop_id`, `created_at`, `order_status`)
SQL语句

 
   
   
 
SELECT
 *
FROM
 _order
WHERE
 shop_id =  1
  AND created_at >  '2021-01-01 00:00:00'
  AND order_status =  10
范围查询还有“IN、between”


 
   
   
 
select *  from _order  where shop_id= 1  and order_status  not  in ( 1, 2)

select *  from _order  where shop_id= 1  and order_status !=  1
在索引上,避免使用NOT、!=、<>、!<、!>、NOT EXISTS、NOT IN、NOT LIKE等

如果要求访问的数据量很小,则优化器还是会选择辅助索引,但是当访问的数据占整个表中数据的蛮大一部分时(一般是20%左右),优化器会选择通过聚集索引来查找数据。

 
   
   
 
select *  from _order  where  order_status =  1
查询出所有未支付的订单,一般这种订单是很少的,即使建了索引,也没法使用索引。


 
   
   
 
select  sum(amt)  from _t  where a =  1  and b  in ( 123and c >  '2020-01-01';

select *  from _t  where a =  1  and b  in ( 123and c >  '2020-01-01'  limit  10;
如果是统计某些数据,可能改用数仓进行解决;
如果是业务上就有那么复杂的查询,可能就不建议继续走SQL了,而是采用其他的方式进行解决,比如使用ES等进行解决。


 
   
   
 
select *  from _t  where a= 1  order  by b  desc, c  asc
desc 和asc混用时会导致索引失效

对于推送业务的数据存储,可能数据量会很大,如果在方案的选择上,最终选择存储在MySQL上,并且做7天等有效期的保存。
那么需要注意,频繁的清理数据,会照成数据碎片,需要联系DBA进行数据碎片处理。



个人博客网站:https://programmerblog.xyz


文章推荐