來源:美團(tuán)技術(shù)博客
鏈接:http://tech.meituan.com/mysql-index.html
MySQL憑借著出色的性能、低廉的成本妙痹、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。雖然性能出色,但所謂“好馬配好鞍”环戈,如何能夠更好的使用它,已經(jīng)成為開發(fā)工程師的必修課获列,我們經(jīng)常會(huì)從職位描述上看到諸如“精通MySQL”谷市、“SQL語句優(yōu)化”、“了解數(shù)據(jù)庫原理”等要求击孩。我們知道一般的應(yīng)用系統(tǒng)迫悠,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)性能問題巩梢,遇到最多的创泄,也是最容易出問題的,還是一些復(fù)雜的查詢操作括蝠,所以查詢語句的優(yōu)化顯然是重中之重鞠抑。
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)化工作忌警,共計(jì)十余個(gè)系統(tǒng)搁拙,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)雜性提升法绵,遇到的問題千奇百怪箕速,五花八門,匪夷所思朋譬。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)化慢查詢盐茎。
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徙赢。
并且興致沖沖的找到了我字柠,“這個(gè)SQL需要優(yōu)化探越,給我把每個(gè)字段都加上索引”
我很驚訝,問道“為什么需要每個(gè)字段都加上索引窑业?”
“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)合索引钦幔,因?yàn)槭亲钭笄熬Y匹配,所以operate_time需要放到最后数冬,而且還需要把其他相關(guān)的查詢都拿來节槐,需要做一個(gè)綜合評(píng)估」丈矗”
“聯(lián)合索引铜异?最左前綴匹配?綜合評(píng)估秸架?”工程師不禁陷入了沉思揍庄。
多數(shù)情況下,我們知道索引能夠提高查詢效率东抹,但應(yīng)該如何建立索引蚂子?索引的順序如何?許多人卻只知道大概缭黔。其實(shí)理解這些概念并不難食茎,而且索引的原理遠(yuǎn)沒有想象的那么復(fù)雜。
MySQL索引原理
索引目的
索引的目的在于提高查詢效率馏谨,可以類比字典别渔,如果要查“mysql”這個(gè)單詞,我們肯定需要定位到m字母惧互,然后從下往下找到y(tǒng)字母哎媚,再找到剩下的sql。如果沒有索引喊儡,那么你可能需要把所有單詞看一遍才能找到你想要的拨与,如果我想找到m開頭的單詞呢?或者ze開頭的單詞呢艾猜?是不是覺得如果沒有索引买喧,這個(gè)事情根本無法完成?
索引原理
除了詞典匆赃,生活中隨處可見索引的例子淤毛,如火車站的車次表、圖書的目錄等炸庞。它們的原理都是一樣的钱床,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)果荚斯,同時(shí)把隨機(jī)的事件變成順序的事件埠居,也就是我們總是通過同一種查找方式來鎖定數(shù)據(jù)查牌。
數(shù)據(jù)庫也是一樣,但顯然要復(fù)雜許多滥壕,因?yàn)椴粌H面臨著等值查詢纸颜,還有范圍查詢(>、<绎橘、between胁孙、in)、模糊查詢(like)称鳞、并集查詢(or)等等涮较。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?我們回想字典的例子冈止,能不能把數(shù)據(jù)分成段狂票,然后分段查詢呢?最簡(jiǎn)單的如果1000條數(shù)據(jù)熙暴,1到100分成第一段闺属,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)周霉,只要找第三段就可以了掂器,一下子去除了90%的無效數(shù)據(jù)。但如果是1千萬的記錄呢俱箱,分成幾段比較好国瓮?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匠楚,具有不錯(cuò)的查詢性能巍膘。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芋簿,數(shù)據(jù)庫實(shí)現(xiàn)比較復(fù)雜峡懈,數(shù)據(jù)保存在磁盤上,而為了提高性能与斤,每次又可以把部分?jǐn)?shù)據(jù)讀入內(nèi)存來計(jì)算肪康,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(jiǎn)單的搜索樹難以滿足復(fù)雜的應(yīng)用場(chǎng)景撩穿。
磁盤IO與預(yù)讀
前面提到了訪問磁盤磷支,那么這里先簡(jiǎn)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)食寡,每次讀取數(shù)據(jù)花費(fèi)的時(shí)間可以分為尋道時(shí)間雾狈、旋轉(zhuǎn)延遲、傳輸時(shí)間三個(gè)部分抵皱,尋道時(shí)間指的是磁臂移動(dòng)到指定磁道所需要的時(shí)間善榛,主流磁盤一般在5ms以下辩蛋;旋轉(zhuǎn)延遲就是我們經(jīng)常聽說的磁盤轉(zhuǎn)速,比如一個(gè)磁盤7200轉(zhuǎn)移盆,表示每分鐘能轉(zhuǎn)7200次悼院,也就是說1秒鐘能轉(zhuǎn)120次,旋轉(zhuǎn)延遲就是1/120/2 = 4.17ms咒循;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)間据途,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)叙甸。那么訪問一次磁盤的時(shí)間颖医,即一次磁盤IO的時(shí)間約等于5+4.17 = 9ms左右,聽起來還挺不錯(cuò)的裆蒸,但要知道一臺(tái)500 -MIPS的機(jī)器每秒可以執(zhí)行5億條指令便脊,因?yàn)橹噶钜揽康氖请姷男再|(zhì),換句話說執(zhí)行一次IO的時(shí)間可以執(zhí)行40萬條指令光戈,數(shù)據(jù)庫動(dòng)輒十萬百萬乃至千萬級(jí)數(shù)據(jù)哪痰,每次9毫秒的時(shí)間,顯然是個(gè)災(zāi)難久妆。下圖是計(jì)算機(jī)硬件延遲的對(duì)比圖晌杰,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)化筷弦,當(dāng)一次IO時(shí)肋演,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)烂琴,因?yàn)榫植款A(yù)讀性原理告訴我們爹殊,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)很快被訪問到奸绷。每一次IO讀取的數(shù)據(jù)我們稱之為一頁(page)梗夸。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号醉,也就是我們讀取一頁內(nèi)的數(shù)據(jù)時(shí)候反症,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)非常有幫助畔派。
索引的數(shù)據(jù)結(jié)構(gòu)
前面講了生活中索引的例子铅碍,索引的基本原理,數(shù)據(jù)庫的復(fù)雜性线椰,又講了操作系統(tǒng)的相關(guān)知識(shí)胞谈,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,一定會(huì)有它的背景和使用場(chǎng)景烦绳,我們現(xiàn)在總結(jié)一下悔叽,我們需要這種數(shù)據(jù)結(jié)構(gòu)能夠做些什么,其實(shí)很簡(jiǎn)單爵嗅,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)笨蚁。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睹晒?就這樣,b+樹應(yīng)運(yùn)而生括细。
詳解b+樹
如上圖伪很,是一顆b+樹,關(guān)于b+樹的定義可以參見B+樹奋单,這里只說一些重點(diǎn)锉试,淺藍(lán)色的塊我們稱之為一個(gè)磁盤塊,可以看到每個(gè)磁盤塊包含幾個(gè)數(shù)據(jù)項(xiàng)(深藍(lán)色所示)和指針(黃色所示)览濒,如磁盤塊1包含數(shù)據(jù)項(xiàng)17和35呆盖,包含指針P1、P2贷笛、P3应又,P1表示小于17的磁盤塊,P2表示在17和35之間的磁盤塊乏苦,P3表示大于35的磁盤塊株扛。真實(shí)的數(shù)據(jù)存在于葉子節(jié)點(diǎn)即3、5汇荐、9洞就、10、13掀淘、15旬蟋、28、29革娄、36咖为、60、75稠腊、79躁染、90、99架忌。非葉子節(jié)點(diǎn)只不存儲(chǔ)真實(shí)的數(shù)據(jù)吞彤,只存儲(chǔ)指引搜索方向的數(shù)據(jù)項(xiàng),如17、35并不真實(shí)存在于數(shù)據(jù)表中饰恕。
b+樹的查找過程
如圖所示挠羔,如果要查找數(shù)據(jù)項(xiàng)29,那么首先會(huì)把磁盤塊1由磁盤加載到內(nèi)存埋嵌,此時(shí)發(fā)生一次IO破加,在內(nèi)存中用二分查找確定29在17和35之間,鎖定磁盤塊1的P2指針雹嗦,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)范舀,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,發(fā)生第二次IO了罪,29在26和30之間锭环,鎖定磁盤塊3的P2指針,通過指針加載磁盤塊8到內(nèi)存泊藕,發(fā)生第三次IO辅辩,同時(shí)內(nèi)存中做二分查找找到29,結(jié)束查詢娃圆,總計(jì)三次IO玫锋。真實(shí)的情況是,3層的b+樹可以表示上百萬的數(shù)據(jù)讼呢,如果上百萬的數(shù)據(jù)查找只需要三次IO景醇,性能提高將是巨大的,如果沒有索引吝岭,每個(gè)數(shù)據(jù)項(xiàng)都要發(fā)生一次IO三痰,那么總共需要百萬次的IO,顯然成本非常非常高窜管。
b+樹性質(zhì)
1.通過上面的分析散劫,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幕帆,每個(gè)磁盤塊的數(shù)據(jù)項(xiàng)的數(shù)量是m获搏,則有h=㏒(m+1)N,當(dāng)數(shù)據(jù)量N一定的情況下失乾,m越大常熙,h越小碱茁;而m = 磁盤塊的大小 / 數(shù)據(jù)項(xiàng)的大小裸卫,磁盤塊的大小也就是一個(gè)數(shù)據(jù)頁的大小,是固定的纽竣,如果數(shù)據(jù)項(xiàng)占的空間越小墓贿,數(shù)據(jù)項(xiàng)的數(shù)量越多茧泪,樹的高度越低。這就是為什么每個(gè)數(shù)據(jù)項(xiàng)聋袋,即索引字段要盡量的小队伟,比如int占4字節(jié),要比bigint8字節(jié)少一半幽勒。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)嗜侮,一旦放到內(nèi)層節(jié)點(diǎn),磁盤塊的數(shù)據(jù)項(xiàng)會(huì)大幅度下降啥容,導(dǎo)致樹增高锈颗。當(dāng)數(shù)據(jù)項(xiàng)等于1時(shí)將會(huì)退化成線性表。
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)干毅,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泼返,比如當(dāng)(張三,20,F)這樣的數(shù)據(jù)來檢索的時(shí)候硝逢,b+樹會(huì)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绅喉,最后得到檢索的數(shù)據(jù)渠鸽;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)柴罐,因?yàn)榻⑺阉鳂涞臅r(shí)候name就是第一個(gè)比較因子徽缚,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)革屠,b+樹可以用name來指定搜索方向凿试,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)都找到似芝,然后再匹配性別是F的數(shù)據(jù)了那婉, 這個(gè)是非常重要的性質(zhì),即索引的最左匹配特性党瓮。
慢查詢優(yōu)化
關(guān)于MySQL索引原理是比較枯燥的東西详炬,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寞奸。我們回頭來看看一開始我們說的慢查詢呛谜,了解完索引原理之后,大家是不是有什么想法呢枪萄?先總結(jié)一下索引的幾大基本原則
建索引的幾大原則
1.最左前綴匹配原則隐岛,非常重要的原則,mysql會(huì)一直向右匹配直到遇到范圍查詢(>瓷翻、<礼仗、between、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)順序的索引元践,d是用不到索引的韭脊,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(diào)整单旁。
2.=和in可以亂序沪羔,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(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(*)象浑,表示字段不重復(fù)的比例蔫饰,比例越大我們掃描的記錄數(shù)越少,唯一鍵的區(qū)分度是1愉豺,而一些狀態(tài)篓吁、性別字段可能在大數(shù)據(jù)面前區(qū)分度就是0,那可能有人會(huì)問蚪拦,這個(gè)比例有什么經(jīng)驗(yàn)值嗎杖剪?使用場(chǎng)景不同,這個(gè)值也很難確定驰贷,一般需要join的字段我們都要求是0.1以上盛嘿,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”括袒,比如from_unixtime(create_time) = ’2014-05-29’就不能使用到索引次兆,原因很簡(jiǎn)單,b+樹中存的都是數(shù)據(jù)表中的字段值锹锰,但進(jìn)行檢索時(shí)芥炭,需要把所有元素都應(yīng)用函數(shù)才能比較,顯然成本太大恃慧。所以語句應(yīng)該寫成create_time = unix_timestamp(’2014-05-29’);
5.盡量的擴(kuò)展索引蚤认,不要新建索引。比如表中已經(jīng)有a的索引糕伐,現(xiàn)在要加(a,b)的索引砰琢,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良瞧、operator_id陪汽、type、operate_time的聯(lián)合索引褥蚯;其中status挚冤、operator_id、type的順序可以顛倒赞庶,所以我才會(huì)說训挡,把這個(gè)表的所有相關(guān)查詢都找到澳骤,會(huì)綜合分析;
比如還有如下查詢
select*from task where status = 0 and type=12 limit 1 0;
select count(*) from task where status = 0;
那么索引建立成(status,type,operator_id,operate_time)就是非常正確的澜薄,因?yàn)榭梢愿采w到所有情況为肮。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,具體用法和字段含義可以參考官網(wǎng)explain-output肤京,這里需要強(qiáng)調(diào)rows是核心指標(biāo)颊艳,絕大部分rows小的語句執(zhí)行一定很快(有例外,下面會(huì)講到)忘分。所以優(yōu)化語句基本上都是在優(yōu)化rows棋枕。
慢查詢優(yōu)化基本步驟
0.先運(yùn)行看看是否真的很慢,注意設(shè)置SQL_NO_CACHE
1.where條件單表查妒峦,鎖定最小返回記錄表重斑。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,單表每個(gè)字段分別查詢肯骇,看哪個(gè)字段的區(qū)分度最高
2.explain查看執(zhí)行計(jì)劃窥浪,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(chǎng)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
很多情況下累盗,我們寫SQL只是為了實(shí)現(xiàn)功能寒矿,這只是第一步突琳,不同的語句書寫方式對(duì)于效率往往有本質(zhì)的差別若债,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)行一下拆融,53條記錄 1.87秒蠢琳,又沒有用聚合語句,比較慢
53rowsinset(1.87sec)
1.explain
簡(jiǎn)述一下執(zhí)行計(jì)劃镜豹,首先mysql根據(jù)idx_last_upd_date索引掃描cm_log表獲得379條記錄傲须;然后查表掃描了63727條記錄,分為兩部分趟脂,derived表示構(gòu)造表泰讽,也就是不存在的表,可以簡(jiǎn)單理解成是一個(gè)語句形成的結(jié)果集昔期,后面的數(shù)字表示語句的ID已卸。derived2表示的是ID = 2的查詢構(gòu)造了虛擬表,并且返回了63727條記錄硼一。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)累澡,首先全表掃描employee表13317條記錄蛀骇,然后根據(jù)索引emp_certificate_empid關(guān)聯(lián)emp_certificate表瞳氓,rows = 1表示,每個(gè)關(guān)聯(lián)都只鎖定了一條記錄橡淑,效率比較高。獲得后蕊梧,再和cm_log的379條記錄根據(jù)規(guī)則關(guān)聯(lián)霞赫。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都用不到望几,因?yàn)閏m_log只鎖定了379條記錄绩脆。
如何優(yōu)化呢?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呢橄抹?仔細(xì)分析語句不難發(fā)現(xiàn)靴迫,其基本思想是如果cm_log的ref_table是EmpCertificate就關(guān)聯(lián)emp_certificate表,如果ref_table是Employee就關(guān)聯(lián)employee表楼誓,我們完全可以拆成兩部分玉锌,并用union連接起來,注意這里用union疟羹,而不用union all是因?yàn)樵Z句有“distinct”來得到唯一的記錄主守,而union恰好具備了這種功能。如果原語句中沒有distinct不需要去重榄融,我們就可以直接使用union all了参淫,因?yàn)槭褂胾nion需要去重的動(dòng)作,會(huì)影響SQL性能愧杯。
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
UNION
SELECT
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(chǎng)景涎才,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)一下力九,只需要10ms 降低了近200倍耍铜!
明確應(yīng)用場(chǎng)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)分度越高的列跌前,越容易鎖定更少的記錄棕兼,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(zhǎng)時(shí)間,951條數(shù)據(jù)6.22秒抵乓,真的很慢
951rowsinset(6.22sec)
1.先explain伴挚,rows達(dá)到了361萬,type = ALL表明是全表掃描
2.所有字段都應(yīng)用查詢返回記錄數(shù)灾炭,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)
我們看到accurate_result這個(gè)字段的區(qū)分度非常低茎芋,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
同樣的區(qū)分度也很低咆贬,根據(jù)理論败徊,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)論掏缎,兩個(gè)列的區(qū)分度都很低皱蹦,即便加上索引也只能適應(yīng)這種情況煤杀,很難做普遍性的優(yōu)化,比如當(dāng)sync_status 0沪哺、3分布的很平均沈自,那么鎖定記錄也是百萬級(jí)別的
4.找業(yè)務(wù)方去溝通,看看使用場(chǎng)景辜妓。業(yè)務(wù)方是這么來使用這個(gè)SQL語句的枯途,每隔五分鐘會(huì)掃描符合條件的數(shù)據(jù),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)太多籍滴,1000個(gè)左右酪夷。了解了業(yè)務(wù)方的使用場(chǎng)景后,優(yōu)化這個(gè)SQL就變得簡(jiǎn)單了孽惰,因?yàn)闃I(yè)務(wù)方保證了數(shù)據(jù)的不平衡晚岭,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,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勋功,快了30多倍坦报。
952rowsinset(0.20sec)
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)化狂鞋,大部分時(shí)候只需要把where條件里面的字段依照規(guī)則加上索引就好片择,如果只是這種“無腦”優(yōu)化的話,顯然一些區(qū)分度非常低的列骚揍,不應(yīng)該加索引的列也會(huì)被加上索引字管,這樣會(huì)對(duì)插入、更新性能造成嚴(yán)重的影響疏咐,同時(shí)也有可能影響其它的查詢語句纤掸。所以我們第4步調(diào)差SQL的使用場(chǎng)景非常關(guān)鍵脐供,我們只有知道這個(gè)業(yè)務(wù)場(chǎng)景浑塞,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) ascreated_time,
from_unixtime(c.last_modified) aslast_modified,
c.last_modified_user_id
FROM
contact c
INNER JOIN contact_branch cb onc.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_infoo ei 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(zhǎng)時(shí)間政己,10條記錄用了13秒酌壕,已經(jīng)不可忍受
10rowsinset(13.06sec)
1.explain
從執(zhí)行計(jì)劃上看,mysql先查org_emp_info表掃描8849記錄歇由,再用索引idx_userid_status關(guān)聯(lián)branch_user表卵牍,再用索引idx_branch_id關(guān)聯(lián)contact_branch表,最后主鍵關(guān)聯(lián)contact表沦泌。
rows返回的都非常少糊昙,看不到有什么異常情況。我們?cè)诳匆幌抡Z句谢谦,發(fā)現(xiàn)后面有order by + limit組合释牺,會(huì)不會(huì)是排序量太大搞的萝衩?于是我們簡(jiǎn)化SQL,去掉后面的order by 和 limit没咙,看看到底用了多少記錄來排序
SELECT
count(*)
FROM
contact c
INNER JOIN contact_branch cb onc.id = cb.contact_id
INNER JOIN branch_user bu on cb.branch_id = bu.branch_id and bu.statusin (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|
+----------+
1rowinset(5.19sec)
發(fā)現(xiàn)排序之前居然鎖定了778878條記錄猩谊,如果針對(duì)70萬的結(jié)果集排序,將是災(zāi)難性的祭刚,怪不得這么慢牌捷,那我們能不能換個(gè)思路,先根據(jù)contact的created_time排序涡驮,再來join會(huì)不會(huì)比較快呢暗甥?
于是改造成下面的語句,也可以用straight_join來優(yōu)化
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
WHERE
EXISTS (
SELECT
1
FROM
contact_branch cb
INNER JOIN branch_userbu on cb.branch_id = bu.branch_id and bu.statusin (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
WHERE
c.id = cb.contact_id
)
ORDER BY
c.created_time desc limit 0,10;
驗(yàn)證一下效果 預(yù)計(jì)在1ms內(nèi)捉捅,提升了13000多倍淋袖!
10rowsinset(0.00sec)
本以為至此大工告成,但我們?cè)谇懊娴姆治鲋新┝艘粋€(gè)細(xì)節(jié)锯梁,先排序再join和先join再排序理論上開銷是一樣的即碗,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條記錄陌凳,然后再去join過濾剥懒,當(dāng)發(fā)現(xiàn)不夠10條的時(shí)候,再次去10條合敦,再次join初橘,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)難的充岛,極端情況保檐,內(nèi)層一條數(shù)據(jù)都找不到,mysql還傻乎乎的每次取10條崔梗,幾乎遍歷了這個(gè)數(shù)據(jù)表夜只!
用不同參數(shù)的SQL試驗(yàn)下
SELECT
sql_no_cachec.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.statusin (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;
Emptyset(2min18.99sec)
2 min 18.99 sec!比之前的情況還糟糕很多蒜魄。由于mysql的nested loop機(jī)制扔亥,遇到這種情況,基本是無法優(yōu)化的谈为。這條語句最終也只能交給應(yīng)用系統(tǒng)去優(yōu)化自己的邏輯了旅挤。
通過這個(gè)例子我們可以看到,并不是所有語句都能優(yōu)化伞鲫,而往往我們優(yōu)化時(shí)粘茄,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)重的后果秕脓。所以柒瓣,第一:不要指望所有語句都能通過SQL優(yōu)化瘪菌,第二:不要過于自信,只針對(duì)具體case來優(yōu)化嘹朗,而忽略了更復(fù)雜的情況师妙。
慢查詢的案例就分析到這兒,以上只是一些比較典型的案例屹培。我們?cè)趦?yōu)化過程中遇到過超過1000行默穴,涉及到16個(gè)表join的“垃圾SQL”,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褪秀,也遇到過varchar等值比較沒有寫單引號(hào)蓄诽,還遇到過笛卡爾積查詢直接把從庫搞死。再多的案例其實(shí)也只是一些經(jīng)驗(yàn)的積累媒吗,如果我們熟悉查詢優(yōu)化器仑氛、索引的內(nèi)部原理,那么分析這些案例就變得特別簡(jiǎn)單了闸英。
寫在后面的話
本文以一個(gè)慢查詢案例引入了MySQL索引原理锯岖、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(zhǎng)時(shí)間的語句優(yōu)化后才發(fā)現(xiàn)甫何,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)化出吹,同樣是MySQL,可以用來支撐Google/FaceBook/Taobao應(yīng)用辙喂,但可能連你的個(gè)人網(wǎng)站都撐不住捶牢。套用最近比較流行的話:“查詢?nèi)菀祝瑑?yōu)化不易巍耗,且寫且珍惜秋麸!”
推薦擴(kuò)展文章:btree索引生效原則