推荐关注↓
分享一篇关于SQL优化的硬核文章,全文有点长,建议收藏后慢慢看。
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
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;

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: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
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
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);

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)
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);

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:
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
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 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。
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.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
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)
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:
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 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)。
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!
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。
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。
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。
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 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】。
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。
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_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。
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_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。
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:
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
 ..

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。
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:
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 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
① 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
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。
在看看复合索引中有【<】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。
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)
① 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。
来源:数据分析不是个事儿
- EOF -
↓推荐关注↓
「数据分析与开发」分享数据分析、数据库开发相关技术文章、教程、工具
点赞和在看就是最大的支持❤️
继续阅读
阅读原文