背景

MySQL憑借著出色的性能隐轩、低廉的成本、豐富的資源渤早，已經(jīng)成為絕大多數(shù)互聯(lián)網(wǎng)公司的首選關系型數(shù)據(jù)庫职车。雖然性能出色，但所謂“好馬配好鞍”鹊杖，如何能夠更好的使用它悴灵，已經(jīng)成為開發(fā)工程師的必修課，我們經(jīng)常會從職位描述上看到諸如“精通MySQL”骂蓖、“SQL語句優(yōu)化”积瞒、“了解數(shù)據(jù)庫原理”等要求。我們知道一般的應用系統(tǒng)登下，讀寫比例在10:1左右茫孔，而且插入操作和一般的更新操作很少出現(xiàn)性能問題，遇到最多的庐船，也是最容易出問題的银酬，還是一些復雜的查詢操作嘲更，所以查詢語句的優(yōu)化顯然是重中之重筐钟。

本人從2013年7月份起，一直在美團核心業(yè)務系統(tǒng)部做慢查詢的優(yōu)化工作赋朦，共計十余個系統(tǒng)篓冲，累計解決和積累了上百個慢查詢案例。隨著業(yè)務的復雜性提升宠哄，遇到的問題千奇百怪壹将，五花八門，匪夷所思毛嫉。本文旨在以開發(fā)工程師的角度來解釋數(shù)據(jù)庫索引的原理和如何優(yōu)化慢查詢诽俯。

一個慢查詢引發(fā)的思考

selectcount(*)fromtaskwherestatus=2andoperator_id=20839andoperate_time>1371169729andoperate_time<1371174603andtype=2;

系統(tǒng)使用者反應有一個功能越來越慢，于是工程師找到了上面的SQL承粤。

并且興致沖沖的找到了我暴区，“這個SQL需要優(yōu)化闯团，給我把每個字段都加上索引”。

我很驚訝仙粱，問道：“為什么需要每個字段都加上索引房交？”

“把查詢的字段都加上索引會更快”，工程師信心滿滿伐割。

“這種情況完全可以建一個聯(lián)合索引候味，因為是最左前綴匹配，所以operate_time需要放到最后隔心，而且還需要把其他相關的查詢都拿來白群，需要做一個綜合評估∮不簦”

“聯(lián)合索引川抡？最左前綴匹配？綜合評估须尚？”工程師不禁陷入了沉思。

多數(shù)情況下耐床，我們知道索引能夠提高查詢效率撩轰，但應該如何建立索引堪嫂？索引的順序如何皆串？許多人卻只知道大概。其實理解這些概念并不難恶复，而且索引的原理遠沒有想象的那么復雜怜森。

MySQL索引原理

索引目的

索引的目的在于提高查詢效率，可以類比字典谤牡，如果要查“mysql”這個單詞副硅，我們肯定需要定位到m字母，然后從下往下找到y(tǒng)字母翅萤，再找到剩下的sql恐疲。如果沒有索引，那么你可能需要把所有單詞看一遍才能找到你想要的培己，如果我想找到m開頭的單詞呢？或者ze開頭的單詞呢疮蹦？是不是覺得如果沒有索引，這個事情根本無法完成愕乎？

索引原理

除了詞典，生活中隨處可見索引的例子壁公，如火車站的車次表感论、圖書的目錄等。它們的原理都是一樣的紊册，通過不斷的縮小想要獲得數(shù)據(jù)的范圍來篩選出最終想要的結果比肄，同時把隨機的事件變成順序的事件，也就是我們總是通過同一種查找方式來鎖定數(shù)據(jù)囊陡。

數(shù)據(jù)庫也是一樣芳绩，但顯然要復雜許多妥色，因為不僅面臨著等值查詢笔呀，還有范圍查詢(>授账、<屋确、between刨啸、in)离例、模糊查詢(like)艘包、并集查詢(or)等等。數(shù)據(jù)庫應該選擇怎么樣的方式來應對所有的問題呢耀盗？我們回想字典的例子想虎，能不能把數(shù)據(jù)分成段，然后分段查詢呢叛拷？最簡單的如果1000條數(shù)據(jù)磷醋，1到100分成第一段，101到200分成第二段胡诗，201到300分成第三段……這樣查第250條數(shù)據(jù)煌恢，只要找第三段就可以了骇陈，一下子去除了90%的無效數(shù)據(jù)。但如果是1千萬的記錄呢瑰抵，分成幾段比較好你雌？稍有算法基礎的同學會想到搜索樹，其平均復雜度是lgN二汛，具有不錯的查詢性能婿崭。但這里我們忽略了一個關鍵的問題，復雜度模型是基于每次相同的操作成本來考慮的肴颊，數(shù)據(jù)庫實現(xiàn)比較復雜氓栈，數(shù)據(jù)保存在磁盤上，而為了提高性能婿着，每次又可以把部分數(shù)據(jù)讀入內存來計算授瘦，因為我們知道訪問磁盤的成本大概是訪問內存的十萬倍左右醋界，所以簡單的搜索樹難以滿足復雜的應用場景。

磁盤IO與預讀

前面提到了訪問磁盤提完，那么這里先簡單介紹一下磁盤IO和預讀形纺，磁盤讀取數(shù)據(jù)靠的是機械運動，每次讀取數(shù)據(jù)花費的時間可以分為尋道時間徒欣、旋轉延遲逐样、傳輸時間三個部分，尋道時間指的是磁臂移動到指定磁道所需要的時間打肝，主流磁盤一般在5ms以下官研；旋轉延遲就是我們經(jīng)常聽說的磁盤轉速，比如一個磁盤7200轉闯睹，表示每分鐘能轉7200次戏羽，也就是說1秒鐘能轉120次，旋轉延遲就是1/120/2 = 4.17ms楼吃；傳輸時間指的是從磁盤讀出或將數(shù)據(jù)寫入磁盤的時間始花，一般在零點幾毫秒，相對于前兩個時間可以忽略不計孩锡。那么訪問一次磁盤的時間酷宵，即一次磁盤IO的時間約等于5+4.17 = 9ms左右，聽起來還挺不錯的躬窜，但要知道一臺500 -MIPS的機器每秒可以執(zhí)行5億條指令浇垦，因為指令依靠的是電的性質，換句話說執(zhí)行一次IO的時間可以執(zhí)行40萬條指令荣挨，數(shù)據(jù)庫動輒十萬百萬乃至千萬級數(shù)據(jù)男韧，每次9毫秒的時間，顯然是個災難默垄。下圖是計算機硬件延遲的對比圖此虑，供大家參考：

various-system-software-hardware-latencies

考慮到磁盤IO是非常高昂的操作，計算機操作系統(tǒng)做了一些優(yōu)化口锭，當一次IO時朦前，不光把當前磁盤地址的數(shù)據(jù)，而是把相鄰的數(shù)據(jù)也都讀取到內存緩沖區(qū)內鹃操，因為局部預讀性原理告訴我們韭寸，當計算機訪問一個地址的數(shù)據(jù)的時候，與其相鄰的數(shù)據(jù)也會很快被訪問到荆隘。每一次IO讀取的數(shù)據(jù)我們稱之為一頁(page)恩伺。具體一頁有多大數(shù)據(jù)跟操作系統(tǒng)有關，一般為4k或8k臭胜，也就是我們讀取一頁內的數(shù)據(jù)時候莫其，實際上才發(fā)生了一次IO癞尚，這個理論對于索引的數(shù)據(jù)結構設計非常有幫助耸三。

索引的數(shù)據(jù)結構

前面講了生活中索引的例子乱陡，索引的基本原理，數(shù)據(jù)庫的復雜性仪壮，又講了操作系統(tǒng)的相關知識憨颠，目的就是讓大家了解，任何一種數(shù)據(jù)結構都不是憑空產生的积锅，一定會有它的背景和使用場景爽彤，我們現(xiàn)在總結一下，我們需要這種數(shù)據(jù)結構能夠做些什么缚陷，其實很簡單适篙，那就是：每次查找數(shù)據(jù)時把磁盤IO次數(shù)控制在一個很小的數(shù)量級，最好是常數(shù)數(shù)量級箫爷。那么我們就想到如果一個高度可控的多路搜索樹是否能滿足需求呢嚷节？就這樣，b+樹應運而生虎锚。

詳解b+樹

b+樹

如上圖硫痰，是一顆b+樹，關于b+樹的定義可以參見B+樹窜护，這里只說一些重點效斑，淺藍色的塊我們稱之為一個磁盤塊，可以看到每個磁盤塊包含幾個數(shù)據(jù)項（深藍色所示）和指針（黃色所示）柱徙，如磁盤塊1包含數(shù)據(jù)項17和35缓屠，包含指針P1、P2护侮、P3藏研，P1表示小于17的磁盤塊，P2表示在17和35之間的磁盤塊概行，P3表示大于35的磁盤塊蠢挡。真實的數(shù)據(jù)存在于葉子節(jié)點即3、5凳忙、9业踏、10、13涧卵、15勤家、28、29柳恐、36伐脖、60热幔、75、79讼庇、90绎巨、99。非葉子節(jié)點只不存儲真實的數(shù)據(jù)蠕啄，只存儲指引搜索方向的數(shù)據(jù)項场勤，如17、35并不真實存在于數(shù)據(jù)表中歼跟。

b+樹的查找過程

如圖所示和媳，如果要查找數(shù)據(jù)項29，那么首先會把磁盤塊1由磁盤加載到內存哈街，此時發(fā)生一次IO留瞳，在內存中用二分查找確定29在17和35之間，鎖定磁盤塊1的P2指針骚秦，內存時間因為非常短（相比磁盤的IO）可以忽略不計她倘，通過磁盤塊1的P2指針的磁盤地址把磁盤塊3由磁盤加載到內存，發(fā)生第二次IO骤竹，29在26和30之間帝牡，鎖定磁盤塊3的P2指針，通過指針加載磁盤塊8到內存蒙揣，發(fā)生第三次IO靶溜，同時內存中做二分查找找到29，結束查詢懒震，總計三次IO罩息。真實的情況是，3層的b+樹可以表示上百萬的數(shù)據(jù)个扰，如果上百萬的數(shù)據(jù)查找只需要三次IO瓷炮，性能提高將是巨大的，如果沒有索引递宅，每個數(shù)據(jù)項都要發(fā)生一次IO娘香，那么總共需要百萬次的IO，顯然成本非常非常高办龄。

b+樹性質

1.通過上面的分析烘绽，我們知道IO次數(shù)取決于b+數(shù)的高度h，假設當前數(shù)據(jù)表的數(shù)據(jù)為N俐填，每個磁盤塊的數(shù)據(jù)項的數(shù)量是m安接，則有h=㏒(m+1)N，當數(shù)據(jù)量N一定的情況下英融，m越大盏檐，h越行健；而m = 磁盤塊的大小 / 數(shù)據(jù)項的大小胡野，磁盤塊的大小也就是一個數(shù)據(jù)頁的大小材失，是固定的，如果數(shù)據(jù)項占的空間越小给涕，數(shù)據(jù)項的數(shù)量越多豺憔，樹的高度越低额获。這就是為什么每個數(shù)據(jù)項够庙，即索引字段要盡量的小，比如int占4字節(jié)抄邀，要比bigint8字節(jié)少一半耘眨。這也是為什么b+樹要求把真實的數(shù)據(jù)放到葉子節(jié)點而不是內層節(jié)點，一旦放到內層節(jié)點境肾，磁盤塊的數(shù)據(jù)項會大幅度下降剔难，導致樹增高。當數(shù)據(jù)項等于1時將會退化成線性表奥喻。

2.當b+樹的數(shù)據(jù)項是復合的數(shù)據(jù)結構偶宫，比如(name,age,sex)的時候，b+數(shù)是按照從左到右的順序來建立搜索樹的环鲤，比如當(張三,20,F)這樣的數(shù)據(jù)來檢索的時候纯趋，b+樹會優(yōu)先比較name來確定下一步的所搜方向，如果name相同再依次比較age和sex冷离，最后得到檢索的數(shù)據(jù)吵冒；但當(20,F)這樣的沒有name的數(shù)據(jù)來的時候，b+樹就不知道下一步該查哪個節(jié)點西剥，因為建立搜索樹的時候name就是第一個比較因子痹栖，必須要先根據(jù)name來搜索才能知道下一步去哪里查詢。比如當(張三,F)這樣的數(shù)據(jù)來檢索時瞭空，b+樹可以用name來指定搜索方向揪阿，但下一個字段age的缺失，所以只能把名字等于張三的數(shù)據(jù)都找到咆畏，然后再匹配性別是F的數(shù)據(jù)了南捂， 這個是非常重要的性質，即索引的最左匹配特性鳖眼。

慢查詢優(yōu)化

關于MySQL索引原理是比較枯燥的東西黑毅，大家只需要有一個感性的認識，并不需要理解得非常透徹和深入钦讳。我們回頭來看看一開始我們說的慢查詢矿瘦，了解完索引原理之后枕面，大家是不是有什么想法呢？先總結一下索引的幾大基本原則：

建索引的幾大原則

1.最左前綴匹配原則缚去，非常重要的原則潮秘，mysql會一直向右匹配直到遇到范圍查詢(>、<易结、between枕荞、like)就停止匹配，比如a = 1 and b = 2 and c > 3 and d = 4 如果建立(a,b,c,d)順序的索引搞动，d是用不到索引的躏精，如果建立(a,b,d,c)的索引則都可以用到，a,b,d的順序可以任意調整鹦肿。

2.=和in可以亂序矗烛，比如a = 1 and b = 2 and c = 3 建立(a,b,c)索引可以任意順序，mysql的查詢優(yōu)化器會幫你優(yōu)化成索引可以識別的形式箩溃。

3.盡量選擇區(qū)分度高的列作為索引瞭吃，區(qū)分度的公式是count(distinct col)/count(*)，表示字段不重復的比例涣旨，比例越大我們掃描的記錄數(shù)越少歪架，唯一鍵的區(qū)分度是1，而一些狀態(tài)霹陡、性別字段可能在大數(shù)據(jù)面前區(qū)分度就是0和蚪，那可能有人會問，這個比例有什么經(jīng)驗值嗎穆律？使用場景不同惠呼，這個值也很難確定，一般需要join的字段我們都要求是0.1以上峦耘，即平均1條掃描10條記錄剔蹋。

4.索引列不能參與計算，保持列“干凈”辅髓，比如from_unixtime(create_time) = ’2014-05-29’就不能使用到索引，原因很簡單，b+樹中存的都是數(shù)據(jù)表中的字段值，但進行檢索時阳准，需要把所有元素都應用函數(shù)才能比較张峰，顯然成本太大趟据。所以語句應該寫成create_time = unix_timestamp(’2014-05-29’)。

5.盡量的擴展索引盅视，不要新建索引弱恒。比如表中已經(jīng)有a的索引杀赢，現(xiàn)在要加(a,b)的索引烘跺，那么只需要修改原來的索引即可。

回到開始的慢查詢

根據(jù)最左匹配原則脂崔，最開始的sql語句的索引應該是status滤淳、operator_id、type砌左、operate_time的聯(lián)合索引脖咐；其中status、operator_id汇歹、type的順序可以顛倒屁擅，所以我才會說，把這個表的所有相關查詢都找到秤朗，會綜合分析煤蹭；比如還有如下查詢：

select*fromtaskwherestatus=0andtype=12limit10;

selectcount(*)fromtaskwherestatus=0;

那么索引建立成(status,type,operator_id,operate_time)就是非常正確的笔喉，因為可以覆蓋到所有情況取视。這個就是利用了索引的最左匹配的原則

查詢優(yōu)化神器 - explain命令

關于explain命令相信大家并不陌生，具體用法和字段含義可以參考官網(wǎng)explain-output常挚，這里需要強調rows是核心指標作谭，絕大部分rows小的語句執(zhí)行一定很快（有例外，下面會講到）奄毡。所以優(yōu)化語句基本上都是在優(yōu)化rows折欠。

慢查詢優(yōu)化基本步驟

0.先運行看看是否真的很慢，注意設置SQL_NO_CACHE

1.where條件單表查吼过，鎖定最小返回記錄表锐秦。這句話的意思是把查詢語句的where都應用到表中返回的記錄數(shù)最小的表開始查起，單表每個字段分別查詢盗忱，看哪個字段的區(qū)分度最高

2.explain查看執(zhí)行計劃酱床，是否與1預期一致（從鎖定記錄較少的表開始查詢）

3.order by limit 形式的sql語句讓排序的表優(yōu)先查

4.了解業(yè)務方使用場景

5.加索引時參照建索引的幾大原則

6.觀察結果，不符合預期繼續(xù)從0分析

幾個慢查詢案例

下面幾個例子詳細解釋了如何分析和優(yōu)化慢查詢趟佃。

復雜語句寫法

很多情況下扇谣，我們寫SQL只是為了實現(xiàn)功能，這只是第一步闲昭，不同的語句書寫方式對于效率往往有本質的差別罐寨，這要求我們對mysql的執(zhí)行計劃和索引原則有非常清楚的認識，請看下面的語句：

selectdistinctcert.emp_idfromcm_log clinnerjoin(selectemp.idasemp_id,? ? ? ? emp_cert.idascert_idfromemployee empleftjoinemp_certificate emp_certonemp.id = emp_cert.emp_idwhereemp.is_deleted=0) certon(? ? ? ? cl.ref_table='Employee'andcl.ref_oid= cert.emp_id? ? ? )or(? ? ? ? cl.ref_table='EmpCertificate'andcl.ref_oid= cert.cert_id? ? ? )wherecl.last_upd_date >='2013-11-07 15:03:00'andcl.last_upd_date<='2013-11-08 16:00:00';

0.先運行一下序矩，53條記錄 1.87秒鸯绿，又沒有用聚合語句，比較慢

53 rows inset(1.87sec)

1.explain

+----+-------------+------------+-------+---------------------------------+-----------------------+---------+-------------------+-------+--------------------------------+| id | select_type | table? ? ? | type? | possible_keys? ? ? ? ? ? ? ? ? | key? ? ? ? ? ? ? ? ? | key_len | ref? ? ? ? ? ? ? | rows? | Extra? ? ? ? ? ? ? ? ? ? ? ? ? |+----+-------------+------------+-------+---------------------------------+-----------------------+---------+-------------------+-------+--------------------------------+|? 1 | PRIMARY? ? | cl? ? ? ? | range | cm_log_cls_id,idx_last_upd_date | idx_last_upd_date? ? | 8? ? ? | NULL? ? ? ? ? ? ? |? 379 | Using where; Using temporary? ||? 1 | PRIMARY? ? | | ALL? | NULL? ? ? ? ? ? ? ? ? ? ? ? ? ? | NULL? ? ? ? ? ? ? ? ? | NULL? ? | NULL? ? ? ? ? ? ? | 63727 | Using where; Using join buffer ||? 2 | DERIVED? ? | emp? ? ? ? | ALL? | NULL? ? ? ? ? ? ? ? ? ? ? ? ? ? | NULL? ? ? ? ? ? ? ? ? | NULL? ? | NULL? ? ? ? ? ? ? | 13317 | Using where? ? ? ? ? ? ? ? ? ? ||? 2 | DERIVED? ? | emp_cert? | ref? | emp_certificate_empid? ? ? ? ? | emp_certificate_empid | 4? ? ? | meituanorg.emp.id |? ? 1 | Using index? ? ? ? ? ? ? ? ? ? |+----+-------------+------------+-------+---------------------------------+-----------------------+---------+-------------------+-------+--------------------------------+

簡述一下執(zhí)行計劃，首先mysql根據(jù)idx_last_upd_date索引掃描cm_log表獲得379條記錄瓶蝴；然后查表掃描了63727條記錄幔烛，分為兩部分，derived表示構造表囊蓝，也就是不存在的表饿悬，可以簡單理解成是一個語句形成的結果集，后面的數(shù)字表示語句的ID聚霜。derived2表示的是ID = 2的查詢構造了虛擬表狡恬，并且返回了63727條記錄。我們再來看看ID = 2的語句究竟做了寫什么返回了這么大量的數(shù)據(jù)蝎宇，首先全表掃描employee表13317條記錄弟劲，然后根據(jù)索引emp_certificate_empid關聯(lián)emp_certificate表，rows = 1表示姥芥，每個關聯(lián)都只鎖定了一條記錄兔乞，效率比較高。獲得后凉唐，再和cm_log的379條記錄根據(jù)規(guī)則關聯(lián)庸追。從執(zhí)行過程上可以看出返回了太多的數(shù)據(jù)，返回的數(shù)據(jù)絕大部分cm_log都用不到台囱，因為cm_log只鎖定了379條記錄淡溯。

如何優(yōu)化呢？可以看到我們在運行完后還是要和cm_log做join,那么我們能不能之前和cm_log做join呢簿训？仔細分析語句不難發(fā)現(xiàn)咱娶，其基本思想是如果cm_log的ref_table是EmpCertificate就關聯(lián)emp_certificate表，如果ref_table是Employee就關聯(lián)employee表强品，我們完全可以拆成兩部分膘侮，并用union連接起來，注意這里用union的榛，而不用union all是因為原語句有“distinct”來得到唯一的記錄琼了，而union恰好具備了這種功能。如果原語句中沒有distinct不需要去重困曙，我們就可以直接使用union all了表伦，因為使用union需要去重的動作，會影響SQL性能慷丽。

優(yōu)化過的語句如下：

selectemp.idfromcm_log clinnerjoinemployee emponcl.ref_table ='Employee'andcl.ref_oid = emp.idwherecl.last_upd_date >='2013-11-07 15:03:00'andcl.last_upd_date<='2013-11-08 16:00:00'andemp.is_deleted =0unionselectemp.idfromcm_log clinnerjoinemp_certificate econcl.ref_table ='EmpCertificate'andcl.ref_oid = ec.idinnerjoinemployee emponemp.id = ec.emp_idwherecl.last_upd_date >='2013-11-07 15:03:00'andcl.last_upd_date<='2013-11-08 16:00:00'andemp.is_deleted =0

4.不需要了解業(yè)務場景蹦哼，只需要改造的語句和改造之前的語句保持結果一致

5.現(xiàn)有索引可以滿足，不需要建索引

6.用改造后的語句實驗一下要糊，只需要10ms 降低了近200倍纲熏！

+----+--------------+------------+--------+---------------------------------+-------------------+---------+-----------------------+------+-------------+| id | select_type? | table? ? ? | type? | possible_keys? ? ? ? ? ? ? ? ? | key? ? ? ? ? ? ? | key_len | ref? ? ? ? ? ? ? ? ? | rows | Extra? ? ? |+----+--------------+------------+--------+---------------------------------+-------------------+---------+-----------------------+------+-------------+|? 1 | PRIMARY? ? ? | cl? ? ? ? | range? | cm_log_cls_id,idx_last_upd_date | idx_last_upd_date | 8? ? ? | NULL? ? ? ? ? ? ? ? ? |? 379 | Using where ||? 1 | PRIMARY? ? ? | emp? ? ? ? | eq_ref | PRIMARY? ? ? ? ? ? ? ? ? ? ? ? | PRIMARY? ? ? ? ? | 4? ? ? | meituanorg.cl.ref_oid |? ? 1 | Using where ||? 2 | UNION? ? ? ? | cl? ? ? ? | range? | cm_log_cls_id,idx_last_upd_date | idx_last_upd_date | 8? ? ? | NULL? ? ? ? ? ? ? ? ? |? 379 | Using where ||? 2 | UNION? ? ? ? | ec? ? ? ? | eq_ref | PRIMARY,emp_certificate_empid? | PRIMARY? ? ? ? ? | 4? ? ? | meituanorg.cl.ref_oid |? ? 1 |? ? ? ? ? ? ||? 2 | UNION? ? ? ? | emp? ? ? ? | eq_ref | PRIMARY? ? ? ? ? ? ? ? ? ? ? ? | PRIMARY? ? ? ? ? | 4? ? ? | meituanorg.ec.emp_id? |? ? 1 | Using where || NULL | UNION RESULT | | ALL? ? | NULL? ? ? ? ? ? ? ? ? ? ? ? ? ? | NULL? ? ? ? ? ? ? | NULL? ? | NULL? ? ? ? ? ? ? ? ? | NULL |? ? ? ? ? ? |+----+--------------+------------+--------+---------------------------------+-------------------+---------+-----------------------+------+-------------+53 rows inset(0.01sec)

明確應用場景

舉這個例子的目的在于顛覆我們對列的區(qū)分度的認知，一般上我們認為區(qū)分度越高的列，越容易鎖定更少的記錄局劲，但在一些特殊的情況下勺拣，這種理論是有局限性的。

select*fromstage_poi spwheresp.accurate_result=1and(? ? ? sp.sync_status=0orsp.sync_status=2orsp.sync_status=4);

0.先看看運行多長時間,951條數(shù)據(jù)6.22秒鱼填，真的很慢药有。

951 rows inset(6.22sec)

1.先explain，rows達到了361萬苹丸，type = ALL表明是全表掃描愤惰。

+----+-------------+-------+------+---------------+------+---------+------+---------+-------------+| id | select_type | table | type | possible_keys | key? | key_len | ref? | rows? ? | Extra? ? ? |+----+-------------+-------+------+---------------+------+---------+------+---------+-------------+|? 1 | SIMPLE? ? ? | sp? ? | ALL? | NULL? ? ? ? ? | NULL | NULL? ? | NULL | 3613155 | Using where |+----+-------------+-------+------+---------------+------+---------+------+---------+-------------+

2.所有字段都應用查詢返回記錄數(shù)，因為是單表查詢 0已經(jīng)做過了951條赘理。

3.讓explain的rows 盡量逼近951宦言。

看一下accurate_result = 1的記錄數(shù)：

selectcount(*),accurate_resultfromstage_poigroupbyaccurate_result;+----------+-----------------+| count(*) | accurate_result |+----------+-----------------+|? ? 1023 |? ? ? ? ? ? ? -1 ||? 2114655 |? ? ? ? ? ? ? 0 ||? 972815 |? ? ? ? ? ? ? 1 |+----------+-----------------+

我們看到accurate_result這個字段的區(qū)分度非常低，整個表只有-1,0,1三個值商模，加上索引也無法鎖定特別少量的數(shù)據(jù)奠旺。

再看一下sync_status字段的情況：

selectcount(*),sync_statusfromstage_poigroupbysync_status;+----------+-------------+| count(*) | sync_status |+----------+-------------+|? ? 3080 |? ? ? ? ? 0 ||? 3085413 |? ? ? ? ? 3 |+----------+-------------+

同樣的區(qū)分度也很低，根據(jù)理論施流，也不適合建立索引响疚。

問題分析到這，好像得出了這個表無法優(yōu)化的結論嫂沉，兩個列的區(qū)分度都很低稽寒，即便加上索引也只能適應這種情況，很難做普遍性的優(yōu)化趟章，比如當sync_status 0、3分布的很平均慎王，那么鎖定記錄也是百萬級別的蚓土。

4.找業(yè)務方去溝通，看看使用場景赖淤。業(yè)務方是這么來使用這個SQL語句的蜀漆，每隔五分鐘會掃描符合條件的數(shù)據(jù)，處理完成后把sync_status這個字段變成1,五分鐘符合條件的記錄數(shù)并不會太多咱旱，1000個左右确丢。了解了業(yè)務方的使用場景后，優(yōu)化這個SQL就變得簡單了吐限，因為業(yè)務方保證了數(shù)據(jù)的不平衡鲜侥，如果加上索引可以過濾掉絕大部分不需要的數(shù)據(jù)。

5.根據(jù)建立索引規(guī)則诸典，使用如下語句建立索引

altertablestage_poiaddindexidx_acc_status(accurate_result,sync_status);

6.觀察預期結果,發(fā)現(xiàn)只需要200ms描函，快了30多倍。

952 rows inset(0.20sec)

我們再來回顧一下分析問題的過程，單表查詢相對來說比較好優(yōu)化舀寓，大部分時候只需要把where條件里面的字段依照規(guī)則加上索引就好胆数，如果只是這種“無腦”優(yōu)化的話，顯然一些區(qū)分度非常低的列互墓，不應該加索引的列也會被加上索引必尼，這樣會對插入、更新性能造成嚴重的影響篡撵，同時也有可能影響其它的查詢語句胰伍。所以我們第4步調差SQL的使用場景非常關鍵，我們只有知道這個業(yè)務場景酸休，才能更好地輔助我們更好的分析和優(yōu)化查詢語句骂租。

無法優(yōu)化的語句

selectc.id,? c.name,? c.position,? c.sex,? c.phone,? c.office_phone,? c.feature_info,? c.birthday,? c.creator_id,? c.is_keyperson,? c.giveup_reason,? c.status,? c.data_source,? from_unixtime(c.created_time)ascreated_time,? from_unixtime(c.last_modified)aslast_modified,? c.last_modified_user_idfromcontact cinnerjoincontact_branch cbonc.id = cb.contact_idinnerjoinbranch_user buoncb.branch_id = bu.branch_idandbu.statusin(1,2)innerjoinorg_emp_info oeionoei.data_id = bu.user_idandoei.node_left >=2875andoei.node_right <=10802andoei.org_category = -1orderbyc.created_timedesclimit0,10;

還是幾個步驟。

0.先看語句運行多長時間斑司，10條記錄用了13秒渗饮，已經(jīng)不可忍受。

10 rows inset(13.06sec)

1.explain

+----+-------------+-------+--------+-------------------------------------+-------------------------+---------+--------------------------+------+----------------------------------------------+| id | select_type | table | type? | possible_keys? ? ? ? ? ? ? ? ? ? ? | key? ? ? ? ? ? ? ? ? ? | key_len | ref? ? ? ? ? ? ? ? ? ? ? | rows | Extra? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? |+----+-------------+-------+--------+-------------------------------------+-------------------------+---------+--------------------------+------+----------------------------------------------+|? 1 | SIMPLE? ? ? | oei? | ref? ? | idx_category_left_right,idx_data_id | idx_category_left_right | 5? ? ? | const? ? ? ? ? ? ? ? ? ? | 8849 | Using where; Using temporary; Using filesort ||? 1 | SIMPLE? ? ? | bu? ? | ref? ? | PRIMARY,idx_userid_status? ? ? ? ? | idx_userid_status? ? ? | 4? ? ? | meituancrm.oei.data_id? |? 76 | Using where; Using index? ? ? ? ? ? ? ? ? ? ||? 1 | SIMPLE? ? ? | cb? ? | ref? ? | idx_branch_id,idx_contact_branch_id | idx_branch_id? ? ? ? ? | 4? ? ? | meituancrm.bu.branch_id? |? ? 1 |? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ||? 1 | SIMPLE? ? ? | c? ? | eq_ref | PRIMARY? ? ? ? ? ? ? ? ? ? ? ? ? ? | PRIMARY? ? ? ? ? ? ? ? | 108? ? | meituancrm.cb.contact_id |? ? 1 |? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? |+----+-------------+-------+--------+-------------------------------------+-------------------------+---------+--------------------------+------+----------------------------------------------+

從執(zhí)行計劃上看宿刮，mysql先查org_emp_info表掃描8849記錄互站，再用索引idx_userid_status關聯(lián)branch_user表，再用索引idx_branch_id關聯(lián)contact_branch表僵缺，最后主鍵關聯(lián)contact表胡桃。

rows返回的都非常少，看不到有什么異常情況磕潮。我們在看一下語句翠胰，發(fā)現(xiàn)后面有order by + limit組合，會不會是排序量太大搞的自脯？于是我們簡化SQL之景，去掉后面的order by 和 limit，看看到底用了多少記錄來排序膏潮。

selectcount(*)fromcontact cinnerjoincontact_branch cbonc.id = cb.contact_idinnerjoinbranch_user buoncb.branch_id = bu.branch_idandbu.statusin(1,2)innerjoinorg_emp_info oeionoei.data_id = bu.user_idandoei.node_left >=2875andoei.node_right <=10802andoei.org_category = -1+----------+|count(*) |+----------+|778878|+----------+1rowinset(5.19sec)

發(fā)現(xiàn)排序之前居然鎖定了778878條記錄锻狗，如果針對70萬的結果集排序，將是災難性的焕参，怪不得這么慢轻纪，那我們能不能換個思路，先根據(jù)contact的created_time排序叠纷，再來join會不會比較快呢刻帚？

于是改造成下面的語句，也可以用straight_join來優(yōu)化：

selectc.id,c.name,c.position,c.sex,c.phone,c.office_phone,c.feature_info,c.birthday,c.creator_id,c.is_keyperson,c.giveup_reason,c.status,c.data_source,? from_unixtime(c.created_time)ascreated_time,? from_unixtime(c.last_modified)aslast_modified,c.last_modified_user_id? from? contactcwhereexists (? ? ? select1from? ? ? ? contact_branch cb? ? ? ? innerjoinbranch_user bu? ? ? ? ? ? ? ? ? ? on? cb.branch_id = bu.branch_id? ? ? ? ? ? ? ? ? ? and bu.statusin(1,2)? ? ? ? ? ? ? innerjoinorg_emp_info oei? ? ? ? ? ? ? ? ? ? ? ? ? on? oei.data_id = bu.user_id? ? ? ? ? ? ? ? ? ? ? ? ? and oei.node_left >=2875and oei.node_right <=10802and oei.org_category = -1wherec.id = cb.contact_id? ? ? ? ? )? ? ? order byc.created_time desc? limit0,10;

驗證一下效果 預計在1ms內讲岁，提升了13000多倍我擂！

10 rows inset(0.00sec)

本以為至此大工告成衬以，但我們在前面的分析中漏了一個細節(jié)，先排序再join和先join再排序理論上開銷是一樣的校摩，為何提升這么多是因為有一個limit看峻！大致執(zhí)行過程是：mysql先按索引排序得到前10條記錄，然后再去join過濾衙吩，當發(fā)現(xiàn)不夠10條的時候互妓，再次去10條，再次join坤塞，這顯然在內層join過濾的數(shù)據(jù)非常多的時候冯勉，將是災難的，極端情況摹芙，內層一條數(shù)據(jù)都找不到灼狰，mysql還傻乎乎的每次取10條，幾乎遍歷了這個數(shù)據(jù)表浮禾！

用不同參數(shù)的SQL試驗下：

selectsql_no_cache? c.id,? c.name,? c.position,? c.sex,? c.phone,? c.office_phone,? c.feature_info,? c.birthday,? c.creator_id,? c.is_keyperson,? c.giveup_reason,? c.status,? c.data_source,? from_unixtime(c.created_time)ascreated_time,? from_unixtime(c.last_modified)aslast_modified,? c.last_modified_user_idfromcontact cwhereexists(select1fromcontact_branch cbinnerjoinbranch_user buoncb.branch_id = bu.branch_idandbu.statusin(1,2)innerjoinorg_emp_info oeionoei.data_id = bu.user_idandoei.node_left >=2875andoei.node_right <=2875andoei.org_category = -1wherec.id = cb.contact_id? ? ? ? ? ? ? ? )orderbyc.created_timedesclimit0,10;Emptyset(2min18.99sec)

2 min 18.99 sec交胚！比之前的情況還糟糕很多。由于mysql的nested loop機制盈电，遇到這種情況蝴簇，基本是無法優(yōu)化的。這條語句最終也只能交給應用系統(tǒng)去優(yōu)化自己的邏輯了匆帚。

通過這個例子我們可以看到熬词，并不是所有語句都能優(yōu)化，而往往我們優(yōu)化時吸重，由于SQL用例回歸時落掉一些極端情況互拾，會造成比原來還嚴重的后果。所以晤锹，第一：不要指望所有語句都能通過SQL優(yōu)化摩幔，第二：不要過于自信，只針對具體case來優(yōu)化鞭铆，而忽略了更復雜的情況。

慢查詢的案例就分析到這兒焦影，以上只是一些比較典型的案例车遂。我們在優(yōu)化過程中遇到過超過1000行，涉及到16個表join的“垃圾SQL”斯辰，也遇到過線上線下數(shù)據(jù)庫差異導致應用直接被慢查詢拖死舶担，也遇到過varchar等值比較沒有寫單引號，還遇到過笛卡爾積查詢直接把從庫搞死彬呻。再多的案例其實也只是一些經(jīng)驗的積累衣陶，如果我們熟悉查詢優(yōu)化器柄瑰、索引的內部原理，那么分析這些案例就變得特別簡單了剪况。

寫在后面的話

本文以一個慢查詢案例引入了MySQL索引原理教沾、優(yōu)化慢查詢的一些方法論;并針對遇到的典型案例做了詳細的分析。其實做了這么長時間的語句優(yōu)化后才發(fā)現(xiàn)译断，任何數(shù)據(jù)庫層面的優(yōu)化都抵不上應用系統(tǒng)的優(yōu)化授翻，同樣是MySQL，可以用來支撐Google/FaceBook/Taobao應用孙咪，但可能連你的個人網(wǎng)站都撐不住堪唐。套用最近比較流行的話：“查詢容易，優(yōu)化不易翎蹈，且寫且珍惜淮菠！”

參考文獻：

1.《高性能MySQL》 2.《數(shù)據(jù)結構與算法分析》