MySQL憑借著出色的性能、低廉的成本姑蓝、豐富的資源，已經(jīng)成為絕大多數(shù)互聯(lián)網(wǎng)公司的首選關(guān)系型數(shù)據(jù)庫吕粗。雖然性能出色纺荧，但所謂“好馬配好鞍”，如何能夠更好的使用它，已經(jīng)成為開發(fā)工程師的必修課宙暇，我們經(jīng)常會(huì)從職位描述上看到諸如“精通MySQL”输枯、“SQL語句優(yōu)化”、“了解數(shù)據(jù)庫原理”等要求客给。我們知道一般的應(yīng)用系統(tǒng)用押，讀寫比例在10:1左右，而且插入操作和一般的更新操作很少出現(xiàn)性能問題靶剑，遇到最多的蜻拨，也是最容易出問題的，還是一些復(fù)雜的查詢操作桩引，所以查詢語句的優(yōu)化顯然是重中之重缎讼。
本人從13年7月份起，一直在美團(tuán)核心業(yè)務(wù)系統(tǒng)部做慢查詢的優(yōu)化工作坑匠，共計(jì)十余個(gè)系統(tǒng)血崭，累計(jì)解決和積累了上百個(gè)慢查詢案例。隨著業(yè)務(wù)的復(fù)雜性提升厘灼，遇到的問題千奇百怪夹纫，五花八門，匪夷所思设凹。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)化慢查詢舰讹。
一個(gè)慢查詢引發(fā)的思考
select count(*) from task
where status=2
and operator_id=20839
and operate_time>1371169729
and operate_time<1371174603
and type=2;
系統(tǒng)使用者反應(yīng)有一個(gè)功能越來越慢，于是工程師找到了上面的SQL闪朱。并且興致沖沖的找到了我月匣，“這個(gè)SQL需要優(yōu)化，給我把每個(gè)字段都加上索引”我很驚訝奋姿，問道“為什么需要每個(gè)字段都加上索引锄开？”“把查詢的字段都加上索引會(huì)更快”工程師信心滿滿“這種情況完全可以建一個(gè)聯(lián)合索引，因?yàn)槭亲钭笄熬Y匹配称诗，所以operate_time需要放到最后萍悴，而且還需要把其他相關(guān)的查詢都拿來，需要做一個(gè)綜合評(píng)估寓免⊥诵龋”“聯(lián)合索引？最左前綴匹配再榄？綜合評(píng)估狡刘？”工程師不禁陷入了沉思。多數(shù)情況下困鸥，我們知道索引能夠提高查詢效率嗅蔬，但應(yīng)該如何建立索引剑按？索引的順序如何？許多人卻只知道大概澜术。其實(shí)理解這些概念并不難艺蝴，而且索引的原理遠(yuǎn)沒有想象的那么復(fù)雜。
索引目的
索引的目的在于提高查詢效率鸟废，可以類比字典猜敢，如果要查“mysql”這個(gè)單詞，我們肯定需要定位到m字母盒延，然后從下往下找到y(tǒng)字母缩擂，再找到剩下的sql。如果沒有索引添寺，那么你可能需要把所有單詞看一遍才能找到你想要的胯盯，如果我想找到m開頭的單詞呢？或者ze開頭的單詞呢计露？是不是覺得如果沒有索引博脑，這個(gè)事情根本無法完成？
索引原理
除了詞典票罐，生活中隨處可見索引的例子叉趣，如火車站的車次表、圖書的目錄等该押。它們的原理都是一樣的君账，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(jié)果，同時(shí)把隨機(jī)的事件變成順序的事件沈善，也就是我們總是通過同一種查找方式來鎖定數(shù)據(jù)。數(shù)據(jù)庫也是一樣椭蹄，但顯然要復(fù)雜許多闻牡，因?yàn)椴粌H面臨著等值查詢，還有范圍查詢(>绳矩、<罩润、between、in)翼馆、模糊查詢(like)割以、并集查詢(or)等等。數(shù)據(jù)庫應(yīng)該選擇怎么樣的方式來應(yīng)對(duì)所有的問題呢应媚？我們回想字典的例子严沥，能不能把數(shù)據(jù)分成段，然后分段查詢呢中姜？最簡單的如果1000條數(shù)據(jù)消玄，1到100分成第一段跟伏，101到200分成第二段，201到300分成第三段......這樣查第250條數(shù)據(jù)翩瓜，只要找第三段就可以了受扳，一下子去除了90%的無效數(shù)據(jù)。但如果是1千萬的記錄呢兔跌，分成幾段比較好勘高？稍有算法基礎(chǔ)的同學(xué)會(huì)想到搜索樹，其平均復(fù)雜度是lgN坟桅，具有不錯(cuò)的查詢性能华望。但這里我們忽略了一個(gè)關(guān)鍵的問題，復(fù)雜度模型是基于每次相同的操作成本來考慮的桦卒，數(shù)據(jù)庫實(shí)現(xiàn)比較復(fù)雜立美，數(shù)據(jù)保存在磁盤上，而為了提高性能方灾，每次又可以把部分?jǐn)?shù)據(jù)讀入內(nèi)存來計(jì)算建蹄，因?yàn)槲覀冎涝L問磁盤的成本大概是訪問內(nèi)存的十萬倍左右，所以簡單的搜索樹難以滿足復(fù)雜的應(yīng)用場景裕偿。
磁盤IO與預(yù)讀
前面提到了訪問磁盤洞慎，那么這里先簡單介紹一下磁盤IO和預(yù)讀，磁盤讀取數(shù)據(jù)靠的是機(jī)械運(yùn)動(dòng)嘿棘，每次讀取數(shù)據(jù)花費(fèi)的時(shí)間可以分為尋道時(shí)間劲腿、旋轉(zhuǎn)延遲、傳輸時(shí)間三個(gè)部分鸟妙，尋道時(shí)間指的是磁臂移動(dòng)到指定磁道所需要的時(shí)間焦人，主流磁盤一般在5ms以下；旋轉(zhuǎn)延遲就是我們經(jīng)常聽說的磁盤轉(zhuǎn)速重父，比如一個(gè)磁盤7200轉(zhuǎn)花椭，表示每分鐘能轉(zhuǎn)7200次，也就是說1秒鐘能轉(zhuǎn)120次，旋轉(zhuǎn)延遲就是1/120/2 = 4.17ms；傳輸時(shí)間指的是從磁盤讀出或?qū)?shù)據(jù)寫入磁盤的時(shí)間渗钉，一般在零點(diǎn)幾毫秒，相對(duì)于前兩個(gè)時(shí)間可以忽略不計(jì)袋倔。那么訪問一次磁盤的時(shí)間，即一次磁盤IO的時(shí)間約等于5+4.17 = 9ms左右折柠，聽起來還挺不錯(cuò)的宾娜，但要知道一臺(tái)500 -MIPS的機(jī)器每秒可以執(zhí)行5億條指令，因?yàn)橹噶钜揽康氖请姷男再|(zhì)扇售，換句話說執(zhí)行一次IO的時(shí)間可以執(zhí)行40萬條指令碳默，數(shù)據(jù)庫動(dòng)輒十萬百萬乃至千萬級(jí)數(shù)據(jù)贾陷，每次9毫秒的時(shí)間，顯然是個(gè)災(zāi)難嘱根。下圖是計(jì)算機(jī)硬件延遲的對(duì)比圖髓废，供大家參考：
考慮到磁盤IO是非常高昂的操作，計(jì)算機(jī)操作系統(tǒng)做了一些優(yōu)化该抒，當(dāng)一次IO時(shí)慌洪，不光把當(dāng)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(nèi)存緩沖區(qū)內(nèi)凑保，因?yàn)榫植款A(yù)讀性原理告訴我們冈爹，當(dāng)計(jì)算機(jī)訪問一個(gè)地址的數(shù)據(jù)的時(shí)候，與其相鄰的數(shù)據(jù)也會(huì)很快被訪問到欧引。每一次IO讀取的數(shù)據(jù)我們稱之為一頁(page)频伤。具體一頁有多大數(shù)據(jù)跟操作系統(tǒng)有關(guān)，一般為4k或8k芝此，也就是我們讀取一頁內(nèi)的數(shù)據(jù)時(shí)候憋肖，實(shí)際上才發(fā)生了一次IO，這個(gè)理論對(duì)于索引的數(shù)據(jù)結(jié)構(gòu)設(shè)計(jì)非常有幫助婚苹。
索引的數(shù)據(jù)結(jié)構(gòu)
前面講了生活中索引的例子岸更，索引的基本原理，數(shù)據(jù)庫的復(fù)雜性膊升，又講了操作系統(tǒng)的相關(guān)知識(shí)怎炊，目的就是讓大家了解，任何一種數(shù)據(jù)結(jié)構(gòu)都不是憑空產(chǎn)生的廓译，一定會(huì)有它的背景和使用場景评肆，我們現(xiàn)在總結(jié)一下，我們需要這種數(shù)據(jù)結(jié)構(gòu)能夠做些什么非区，其實(shí)很簡單瓜挽，那就是：每次查找數(shù)據(jù)時(shí)把磁盤IO次數(shù)控制在一個(gè)很小的數(shù)量級(jí)，最好是常數(shù)數(shù)量級(jí)院仿。那么我們就想到如果一個(gè)高度可控的多路搜索樹是否能滿足需求呢？就這樣速和，b+樹應(yīng)運(yùn)而生歹垫。
詳解b+樹
b+樹的查找過程
如圖所示，如果要查找數(shù)據(jù)項(xiàng)29河哑，那么首先會(huì)把磁盤塊1由磁盤加載到內(nèi)存避诽，此時(shí)發(fā)生一次IO，在內(nèi)存中用二分查找確定29在17和35之間璃谨，鎖定磁盤塊1的P2指針沙庐，內(nèi)存時(shí)間因?yàn)榉浅６蹋ㄏ啾却疟P的IO）可以忽略不計(jì)，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(nèi)存佳吞，發(fā)生第二次IO拱雏，29在26和30之間，鎖定磁盤塊3的P2指針底扳，通過指針加載磁盤塊8到內(nèi)存铸抑，發(fā)生第三次IO，同時(shí)內(nèi)存中做二分查找找到29衷模，結(jié)束查詢鹊汛，總計(jì)三次IO蒲赂。真實(shí)的情況是，3層的b+樹可以表示上百萬的數(shù)據(jù)刁憋，如果上百萬的數(shù)據(jù)查找只需要三次IO滥嘴，性能提高將是巨大的，如果沒有索引职祷，每個(gè)數(shù)據(jù)項(xiàng)都要發(fā)生一次IO氏涩，那么總共需要百萬次的IO，顯然成本非常非常高有梆。
b+樹性質(zhì)
1.通過上面的分析是尖，我們知道IO次數(shù)取決于b+數(shù)的高度h，假設(shè)當(dāng)前數(shù)據(jù)表的數(shù)據(jù)為N泥耀，每個(gè)磁盤塊的數(shù)據(jù)項(xiàng)的數(shù)量是m饺汹，則有h=㏒(m+1)N，當(dāng)數(shù)據(jù)量N一定的情況下痰催，m越大兜辞，h越小夸溶；而m = 磁盤塊的大小 / 數(shù)據(jù)項(xiàng)的大小逸吵，磁盤塊的大小也就是一個(gè)數(shù)據(jù)頁的大小，是固定的缝裁，如果數(shù)據(jù)項(xiàng)占的空間越小扫皱，數(shù)據(jù)項(xiàng)的數(shù)量越多，樹的高度越低捷绑。這就是為什么每個(gè)數(shù)據(jù)項(xiàng)韩脑，即索引字段要盡量的小，比如int占4字節(jié)粹污，要比bigint8字節(jié)少一半段多。這也是為什么b+樹要求把真實(shí)的數(shù)據(jù)放到葉子節(jié)點(diǎn)而不是內(nèi)層節(jié)點(diǎn)，一旦放到內(nèi)層節(jié)點(diǎn)壮吩，磁盤塊的數(shù)據(jù)項(xiàng)會(huì)大幅度下降进苍，導(dǎo)致樹增高。當(dāng)數(shù)據(jù)項(xiàng)等于1時(shí)將會(huì)退化成線性表鸭叙。
2.當(dāng)b+樹的數(shù)據(jù)項(xiàng)是復(fù)合的數(shù)據(jù)結(jié)構(gòu)觉啊，比如(name,age,sex)的時(shí)候，b+數(shù)是按照從左到右的順序來建立搜索樹的递雀，比如當(dāng)(張三,20,F)這樣的數(shù)據(jù)來檢索的時(shí)候柄延，b+樹會(huì)優(yōu)先比較name來確定下一步的所搜方向蚀浆，如果name相同再依次比較age和sex缀程，最后得到檢索的數(shù)據(jù)搜吧；但當(dāng)(20,F)這樣的沒有name的數(shù)據(jù)來的時(shí)候，b+樹就不知道下一步該查哪個(gè)節(jié)點(diǎn)杨凑，因?yàn)榻⑺阉鳂涞臅r(shí)候name就是第一個(gè)比較因子滤奈，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(dāng)(張三,F)這樣的數(shù)據(jù)來檢索時(shí)撩满，b+樹可以用name來指定搜索方向蜒程，但下一個(gè)字段age的缺失，所以只能把名字等于張三的數(shù)據(jù)都找到伺帘，然后再匹配性別是F的數(shù)據(jù)了昭躺， 這個(gè)是非常重要的性質(zhì)，即索引的最左匹配特性伪嫁。
慢查詢優(yōu)化
關(guān)于MySQL索引原理是比較枯燥的東西领炫，大家只需要有一個(gè)感性的認(rèn)識(shí)，并不需要理解得非常透徹和深入张咳。我們回頭來看看一開始我們說的慢查詢帝洪，了解完索引原理之后，大家是不是有什么想法呢脚猾？先總結(jié)一下索引的幾大基本原則
建索引的幾大原則
1.最左前綴匹配原則葱峡，非常重要的原則，mysql會(huì)一直向右匹配直到遇到范圍查詢(>龙助、<砰奕、between、like)就停止匹配泌参，比如a = 1 and b = 2 and c > 3 and d = 4 如果建立(a,b,c,d)順序的索引脆淹，d是用不到索引的，如果建立(a,b,d,c)的索引則都可以用到沽一，a,b,d的順序可以任意調(diào)整盖溺。
2.=和in可以亂序，比如a = 1 and b = 2 and c = 3 建立(a,b,c)索引可以任意順序铣缠，mysql的查詢優(yōu)化器會(huì)幫你優(yōu)化成索引可以識(shí)別的形式
3.盡量選擇區(qū)分度高的列作為索引,區(qū)分度的公式是count(distinct col)/count(*)烘嘱，表示字段不重復(fù)的比例，比例越大我們掃描的記錄數(shù)越少蝗蛙，唯一鍵的區(qū)分度是1蝇庭，而一些狀態(tài)、性別字段可能在大數(shù)據(jù)面前區(qū)分度就是0捡硅，那可能有人會(huì)問哮内，這個(gè)比例有什么經(jīng)驗(yàn)值嗎？使用場景不同，這個(gè)值也很難確定北发，一般需要join的字段我們都要求是0.1以上纹因，即平均1條掃描10條記錄
4.索引列不能參與計(jì)算，保持列“干凈”琳拨，比如from_unixtime(create_time) = ’2014-05-29’就不能使用到索引瞭恰，原因很簡單，b+樹中存的都是數(shù)據(jù)表中的字段值狱庇，但進(jìn)行檢索時(shí)惊畏，需要把所有元素都應(yīng)用函數(shù)才能比較，顯然成本太大密任。所以語句應(yīng)該寫成create_time = unix_timestamp(’2014-05-29’);5.盡量的擴(kuò)展索引颜启，不要新建索引。比如表中已經(jīng)有a的索引浪讳，現(xiàn)在要加(a,b)的索引农曲，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，最開始的sql語句的索引應(yīng)該是status驻债、operator_id乳规、type、operate_time的聯(lián)合索引合呐；其中status暮的、operator_id、type的順序可以顛倒淌实，所以我才會(huì)說冻辩，把這個(gè)表的所有相關(guān)查詢都找到，會(huì)綜合分析拆祈；比如還有如下查詢
select * from task where status = 0 and type = 12 limit 10;
select count(*) from task where status = 0 ;
那么索引建立成(status,type,operator_id,operate_time)就是非常正確的恨闪，因?yàn)榭梢愿采w到所有情況。這個(gè)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(guān)于explain命令相信大家并不陌生放坏，具體用法和字段含義可以參考官網(wǎng)explain-output咙咽，這里需要強(qiáng)調(diào)rows是核心指標(biāo)，絕大部分rows小的語句執(zhí)行一定很快（有例外淤年，下面會(huì)講到）钧敞。所以優(yōu)化語句基本上都是在優(yōu)化rows。
慢查詢優(yōu)化基本步驟
0.先運(yùn)行看看是否真的很慢麸粮，注意設(shè)置SQL_NO_CACHE1.where條件單表查溉苛，鎖定最小返回記錄表。這句話的意思是把查詢語句的where都應(yīng)用到表中返回的記錄數(shù)最小的表開始查起弄诲，單表每個(gè)字段分別查詢愚战，看哪個(gè)字段的區(qū)分度最高
2.explain查看執(zhí)行計(jì)劃，是否與1預(yù)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(wù)方使用場景5.加索引時(shí)參照建索引的幾大原則6.觀察結(jié)果，不符合預(yù)期繼續(xù)從0分析
幾個(gè)慢查詢案例
下面幾個(gè)例子詳細(xì)解釋了如何分析和優(yōu)化慢查詢
復(fù)雜語句寫法
很多情況下寂玲，我們寫SQL只是為了實(shí)現(xiàn)功能视乐，這只是第一步，不同的語句書寫方式對(duì)于效率往往有本質(zhì)的差別敢茁，這要求我們對(duì)mysql的執(zhí)行計(jì)劃和索引原則有非常清楚的認(rèn)識(shí)，請(qǐng)看下面的語句
select distinct cert.emp_id from cm_log cl inner join ( select emp.id as emp_id, emp_cert.id as cert_id from employee emp left join emp_certificate emp_cert on emp.id = emp_cert.emp_id where emp.is_deleted=0 ) cert on ( cl.ref_table='Employee' and cl.ref_oid= cert.emp_id ) or ( cl.ref_table='EmpCertificate' and cl.ref_oid= cert.cert_id ) where cl.last_upd_date >='2013-11-07 15:03:00' and cl.last_upd_date<='2013-11-08 16:00:00';
0.先運(yùn)行一下留美，53條記錄 1.87秒彰檬，又沒有用聚合語句，比較慢
53 rows in set (1.87 sec)
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 | <derived2> | 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(jì)劃谎砾，首先mysql根據(jù)idx_last_upd_date索引掃描cm_log表獲得379條記錄逢倍；然后查表掃描了63727條記錄，分為兩部分景图，derived表示構(gòu)造表较雕，也就是不存在的表，可以簡單理解成是一個(gè)語句形成的結(jié)果集挚币，后面的數(shù)字表示語句的ID亮蒋。derived2表示的是ID = 2的查詢構(gòu)造了虛擬表，并且返回了63727條記錄妆毕。我們?cè)賮砜纯碔D = 2的語句究竟做了寫什么返回了這么大量的數(shù)據(jù)慎玖，首先全表掃描employee表13317條記錄，然后根據(jù)索引emp_certificate_empid關(guān)聯(lián)emp_certificate表笛粘，rows = 1表示趁怔，每個(gè)關(guān)聯(lián)都只鎖定了一條記錄，效率比較高薪前。獲得后润努，再和cm_log的379條記錄根據(jù)規(guī)則關(guān)聯(lián)。從執(zhí)行過程上可以看出返回了太多的數(shù)據(jù)示括，返回的數(shù)據(jù)絕大部分cm_log都用不到铺浇，因?yàn)閏m_log只鎖定了379條記錄。如何優(yōu)化呢垛膝？可以看到我們?cè)谶\(yùn)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呢随抠？仔細(xì)分析語句不難發(fā)現(xiàn)，其基本思想是如果cm_log的ref_table是EmpCertificate就關(guān)聯(lián)emp_certificate表繁涂，如果ref_table是Employee就關(guān)聯(lián)employee表拱她，我們完全可以拆成兩部分，并用union連接起來扔罪，注意這里用union秉沼，而不用union all是因?yàn)樵Z句有“distinct”來得到唯一的記錄，而union恰好具備了這種功能。如果原語句中沒有distinct不需要去重唬复，我們就可以直接使用union all了矗积，因?yàn)槭褂胾nion需要去重的動(dòng)作，會(huì)影響SQL性能敞咧。優(yōu)化過的語句如下
select emp.id from cm_log cl inner join employee emp on cl.ref_table = 'Employee' and cl.ref_oid = emp.id where cl.last_upd_date >='2013-11-07 15:03:00' and cl.last_upd_date<='2013-11-08 16:00:00' and emp.is_deleted = 0 unionselect emp.id from cm_log cl inner join emp_certificate ec on cl.ref_table = 'EmpCertificate' and cl.ref_oid = ec.id inner join employee emp on emp.id = ec.emp_id where cl.last_upd_date >='2013-11-07 15:03:00' and cl.last_upd_date<='2013-11-08 16:00:00' and emp.is_deleted = 0
4.不需要了解業(yè)務(wù)場景棘捣，只需要改造的語句和改造之前的語句保持結(jié)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(shí)驗(yàn)一下休建，只需要10ms 降低了近200倍乍恐！
+----+--------------+------------+--------+---------------------------------+-------------------+---------+-----------------------+------+-------------+
| 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 | <union1,2> | ALL | NULL | NULL | NULL | NULL | NULL | |
+----+--------------+------------+--------+---------------------------------+-------------------+---------+-----------------------+------+-------------+
53 rows in set (0.01 sec)
明確應(yīng)用場景
舉這個(gè)例子的目的在于顛覆我們對(duì)列的區(qū)分度的認(rèn)知，一般上我們認(rèn)為區(qū)分度越高的列测砂，越容易鎖定更少的記錄茵烈，但在一些特殊的情況下，這種理論是有局限性的
select * from stage_poi sp where sp.accurate_result=1 and ( sp.sync_status=0 or sp.sync_status=2 or sp.sync_status=4 );
0.先看看運(yùn)行多長時(shí)間,951條數(shù)據(jù)6.22秒砌些，真的很慢
951 rows in set (6.22 sec)
1.先explain呜投，rows達(dá)到了361萬，type = ALL表明是全表掃描
+----+-------------+-------+------+---------------+------+---------+------+---------+-------------+
| 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(yīng)用查詢返回記錄數(shù)存璃，因?yàn)槭菃伪聿樵?0已經(jīng)做過了951條
3.讓explain的rows 盡量逼近951
看一下accurate_result = 1的記錄數(shù)
select count(*),accurate_result from stage_poi group by accurate_result;
+----------+-----------------+
| count(*) | accurate_result |
+----------+-----------------+
| 1023 | -1 |
| 2114655 | 0 |
| 972815 | 1 |
+----------+-----------------+
我們看到accurate_result這個(gè)字段的區(qū)分度非常低仑荐，整個(gè)表只有-1,0,1三個(gè)值，加上索引也無法鎖定特別少量的數(shù)據(jù)
再看一下sync_status字段的情況
select count(*),sync_status from stage_poi group by sync_status;
+----------+-------------+
| count(*) | sync_status |
+----------+-------------+
| 3080 | 0 |
| 3085413 | 3 |
+----------+-------------+
同樣的區(qū)分度也很低纵东，根據(jù)理論释漆，也不適合建立索引
問題分析到這，好像得出了這個(gè)表無法優(yōu)化的結(jié)論篮迎，兩個(gè)列的區(qū)分度都很低男图，即便加上索引也只能適應(yīng)這種情況，很難做普遍性的優(yōu)化甜橱，比如當(dāng)sync_status 0逊笆、3分布的很平均，那么鎖定記錄也是百萬級(jí)別的
4.找業(yè)務(wù)方去溝通岂傲，看看使用場景难裆。業(yè)務(wù)方是這么來使用這個(gè)SQL語句的，每隔五分鐘會(huì)掃描符合條件的數(shù)據(jù)镊掖，處理完成后把sync_status這個(gè)字段變成1,五分鐘符合條件的記錄數(shù)并不會(huì)太多乃戈，1000個(gè)左右。了解了業(yè)務(wù)方的使用場景后亩进，優(yōu)化這個(gè)SQL就變得簡單了症虑，因?yàn)闃I(yè)務(wù)方保證了數(shù)據(jù)的不平衡，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)則归薛，使用如下語句建立索引
alter table stage_poi add index idx_acc_status(accurate_result,sync_status);
6.觀察預(yù)期結(jié)果,發(fā)現(xiàn)只需要200ms谍憔，快了30多倍匪蝙。
952 rows in set (0.20 sec)
我們?cè)賮砘仡櫼幌路治鰡栴}的過程，單表查詢相對(duì)來說比較好優(yōu)化习贫，大部分時(shí)候只需要把where條件里面的字段依照規(guī)則加上索引就好逛球，如果只是這種“無腦”優(yōu)化的話，顯然一些區(qū)分度非常低的列苫昌，不應(yīng)該加索引的列也會(huì)被加上索引颤绕，這樣會(huì)對(duì)插入、更新性能造成嚴(yán)重的影響祟身，同時(shí)也有可能影響其它的查詢語句奥务。所以我們第4步調(diào)差SQL的使用場景非常關(guān)鍵，我們只有知道這個(gè)業(yè)務(wù)場景月而，才能更好地輔助我們更好的分析和優(yōu)化查詢語句。
無法優(yōu)化的語句
select 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) as created_time, from_unixtime(c.last_modified) as last_modified, c.last_modified_user_id from contact c inner join contact_branch cb on c.id = cb.contact_id inner join branch_user bu on cb.branch_id = bu.branch_id and bu.status in ( 1, 2) inner join org_emp_info oei on oei.data_id = bu.user_id and oei.node_left >= 2875 and oei.node_right <= 10802 and oei.org_category = - 1 order by c.created_time desc limit 0 , 10;
還是幾個(gè)步驟0.先看語句運(yùn)行多長時(shí)間议纯，10條記錄用了13秒父款，已經(jīng)不可忍受
10 rows in set (13.06 sec)
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(jì)劃上看，mysql先查org_emp_info表掃描8849記錄瞻凤，再用索引idx_userid_status關(guān)聯(lián)branch_user表憨攒，再用索引idx_branch_id關(guān)聯(lián)contact_branch表，最后主鍵關(guān)聯(lián)contact表阀参。rows返回的都非常少肝集，看不到有什么異常情況。我們?cè)诳匆幌抡Z句蛛壳，發(fā)現(xiàn)后面有order by + limit組合杏瞻，會(huì)不會(huì)是排序量太大搞的？于是我們簡化SQL衙荐，去掉后面的order by 和 limit捞挥，看看到底用了多少記錄來排序
select
count(*)
from
contact c
inner join
contact_branch cb
on c.id = cb.contact_id
inner join
branch_user bu
on cb.branch_id = bu.branch_id
and bu.status in (
1,
2)
inner join
org_emp_info oei
on oei.data_id = bu.user_id
and oei.node_left >= 2875
and oei.node_right <= 10802
and oei.org_category = - 1
+----------+
| count(*) |
+----------+
| 778878 |
+----------+
1 row in set (5.19 sec)
發(fā)現(xiàn)排序之前居然鎖定了778878條記錄，如果針對(duì)70萬的結(jié)果集排序忧吟，將是災(zāi)難性的砌函，怪不得這么慢，那我們能不能換個(gè)思路溜族，先根據(jù)contact的created_time排序讹俊，再來join會(huì)不會(huì)比較快呢？于是改造成下面的語句煌抒，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) as created_time,from_unixtime(c.last_modified) as last_modified,c.last_modified_user_idfromcontact cwhereexists (select1fromcontact_branch cbinner joinbranch_user buon cb.branch_id = bu.branch_idand bu.status in (1,2)inner joinorg_emp_info oeion oei.data_id = bu.user_idand oei.node_left >= 2875and oei.node_right <= 10802and oei.org_category = - 1wherec.id = cb.contact_id)order byc.created_time desc limit 0 ,10;
驗(yàn)證一下效果 預(yù)計(jì)在1ms內(nèi)仍劈，提升了13000多倍！
10 rows in set (0.00 sec)
本以為至此大工告成寡壮，但我們?cè)谇懊娴姆治鲋新┝艘粋€(gè)細(xì)節(jié)耳奕，先排序再join和先join再排序理論上開銷是一樣的绑青，為何提升這么多是因?yàn)橛幸粋€(gè)limit！大致執(zhí)行過程是：mysql先按索引排序得到前10條記錄屋群，然后再去join過濾闸婴，當(dāng)發(fā)現(xiàn)不夠10條的時(shí)候，再次去10條芍躏，再次join邪乍，這顯然在內(nèi)層join過濾的數(shù)據(jù)非常多的時(shí)候，將是災(zāi)難的对竣，極端情況庇楞，內(nèi)層一條數(shù)據(jù)都找不到，mysql還傻乎乎的每次取10條否纬，幾乎遍歷了這個(gè)數(shù)據(jù)表吕晌！用不同參數(shù)的SQL試驗(yàn)下
select sql_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) as created_time, from_unixtime(c.last_modified) as last_modified, c.last_modified_user_id from contact c where exists ( select 1 from contact_branch cb inner join branch_user bu on cb.branch_id = bu.branch_id and bu.status in ( 1, 2) inner join org_emp_info oei on oei.data_id = bu.user_id and oei.node_left >= 2875 and oei.node_right <= 2875 and oei.org_category = - 1 where c.id = cb.contact_id ) order by c.created_time desc limit 0 , 10;Empty set (2 min 18.99 sec)
2 min 18.99 sec！比之前的情況還糟糕很多临燃。由于mysql的nested loop機(jī)制睛驳，遇到這種情況，基本是無法優(yōu)化的膜廊。這條語句最終也只能交給應(yīng)用系統(tǒng)去優(yōu)化自己的邏輯了乏沸。通過這個(gè)例子我們可以看到，并不是所有語句都能優(yōu)化爪瓜，而往往我們優(yōu)化時(shí)蹬跃，由于SQL用例回歸時(shí)落掉一些極端情況，會(huì)造成比原來還嚴(yán)重的后果铆铆。所以蝶缀，
第一：不要指望所有語句都能通過SQL優(yōu)化，
第二：不要過于自信薄货，只針對(duì)具體case來優(yōu)化扼劈，而忽略了更復(fù)雜的情況。
慢查詢的案例就分析到這兒菲驴，以上只是一些比較典型的案例荐吵。我們?cè)趦?yōu)化過程中遇到過超過1000行，涉及到16個(gè)表join的“垃圾SQL”赊瞬，也遇到過線上線下數(shù)據(jù)庫差異導(dǎo)致應(yīng)用直接被慢查詢拖死先煎，也遇到過varchar等值比較沒有寫單引號(hào)，還遇到過笛卡爾積查詢直接把從庫搞死巧涧。再多的案例其實(shí)也只是一些經(jīng)驗(yàn)的積累薯蝎，如果我們熟悉查詢優(yōu)化器、索引的內(nèi)部原理谤绳，那么分析這些案例就變得特別簡單了占锯。
寫在后面的話
本文以一個(gè)慢查詢案例引入了MySQL索引原理袒哥、優(yōu)化慢查詢的一些方法論;并針對(duì)遇到的典型案例做了詳細(xì)的分析。其實(shí)做了這么長時(shí)間的語句優(yōu)化后才發(fā)現(xiàn)消略，任何數(shù)據(jù)庫層面的優(yōu)化都抵不上應(yīng)用系統(tǒng)的優(yōu)化堡称，同樣是MySQL，可以用來支撐Google/FaceBook/Taobao應(yīng)用艺演，但可能連你的個(gè)人網(wǎng)站都撐不住却紧。套用最近比較流行的話：“查詢?nèi)菀祝瑑?yōu)化不易胎撤，且寫且珍惜晓殊！”
相關(guān)閱讀：
如何優(yōu)雅的實(shí)現(xiàn)文件上傳或下載
本文地址為《MySQL索引原理及慢查詢優(yōu)化》伤提！轉(zhuǎn)載至微信公眾號(hào)“美團(tuán)點(diǎn)評(píng)技術(shù)團(tuán)隊(duì)”巫俺。
