本文轉(zhuǎn)自美團技術(shù)團隊
感謝提供這么棒的文章

MySQL憑借著出色的性能++、低廉的成本、豐富的資源城看，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。雖然性能出色杏慰，但所謂“好馬配好鞍”测柠，如何能夠更好的使用它炼鞠，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”轰胁、“SQL語句優(yōu)化”谒主、“了解數(shù)據(jù)庫原理”等要求。我們知道一般的應(yīng)用系統(tǒng)赃阀，讀寫比例在10:1左右霎肯，而且插入操作和一般的更新操作很少出現(xiàn)性能問題，遇到最多的榛斯，也是最容易出問題的观游，還是一些復(fù)雜的查詢操作，所以查詢語句的優(yōu)化顯然是重中之重驮俗。

本人從13年7月份起懂缕，一直在美團核心業(yè)務(wù)系統(tǒng)部做慢查詢的優(yōu)化工作，共計十余個系統(tǒng)王凑，累計解決和積累了上百個慢查詢案例搪柑。隨著業(yè)務(wù)的復(fù)雜性提升，遇到的問題千奇百怪荤崇，五花八門拌屏，匪夷所思。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)化慢查詢术荤。

一個慢查詢引發(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)有一個功能越來越慢倚喂，于是工程師找到了上面的SQL。
并且興致沖沖的找到了我瓣戚，“這個SQL需要優(yōu)化端圈，給我把每個字段都加上索引”
我很驚訝，問道“為什么需要每個字段都加上索引子库？”
“把查詢的字段都加上索引會更快”工程師信心滿滿
“這種情況完全可以建一個聯(lián)合索引舱权，因為是最左前綴匹配，所以operate_time需要放到最后仑嗅，而且還需要把其他相關(guān)的查詢都拿來宴倍，需要做一個綜合評估〔旨迹”
“聯(lián)合索引鸵贬？最左前綴匹配？綜合評估脖捻？”工程師不禁陷入了沉思阔逼。
多數(shù)情況下，我們知道索引能夠提高查詢效率地沮，但應(yīng)該如何建立索引嗜浮？索引的順序如何羡亩？許多人卻只知道大概。其實理解這些概念并不難危融，而且索引的原理遠(yuǎn)沒有想象的那么復(fù)雜畏铆。

MySQL索引原理

索引目的

索引的目的在于提高查詢效率，可以類比字典吉殃，如果要查“mysql”這個單詞及志，我們肯定需要定位到m字母，然后從下往下找到y(tǒng)字母寨腔，再找到剩下的sql速侈。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迫卢，如果我想找到m開頭的單詞呢倚搬？或者ze開頭的單詞呢？是不是覺得如果沒有索引乾蛤，這個事情根本無法完成每界？

索引原理

除了詞典，生活中隨處可見索引的例子家卖，如火車站的車次表眨层、圖書的目錄等。它們的原理都是一樣的上荡，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)果趴樱，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)酪捡。
數(shù)據(jù)庫也是一樣叁征，但顯然要復(fù)雜許多，因為不僅面臨著等值查詢逛薇，還有范圍查詢(>捺疼、<、between永罚、in)啤呼、模糊查詢(like)、并集查詢(or)等等呢袱。數(shù)據(jù)庫應(yīng)該選擇怎么樣的方式來應(yīng)對所有的問題呢官扣？我們回想字典的例子，能不能把數(shù)據(jù)分成段产捞，然后分段查詢呢醇锚？最簡單的如果1000條數(shù)據(jù)哼御，1到100分成第一段坯临，101到200分成第二段焊唬，201到300分成第三段......這樣查第250條數(shù)據(jù)，只要找第三段就可以了看靠，一下子去除了90%的無效數(shù)據(jù)赶促。但如果是1千萬的記錄呢，分成幾段比較好挟炬？稍有算法基礎(chǔ)的同學(xué)會想到搜索樹鸥滨，其平均復(fù)雜度是lgN，具有不錯的查詢性能谤祖。但這里我們忽略了一個關(guān)鍵的問題婿滓，復(fù)雜度模型是基于每次相同的操作成本來考慮的，數(shù)據(jù)庫實現(xiàn)比較復(fù)雜粥喜，數(shù)據(jù)保存在磁盤上凸主，而為了提高性能，每次又可以把部分?jǐn)?shù)據(jù)讀入內(nèi)存來計算额湘，因為我們知道訪問磁盤的成本大概是訪問內(nèi)存的十萬倍左右卿吐，所以簡單的搜索樹難以滿足復(fù)雜的應(yīng)用場景。

磁盤IO與預(yù)讀

前面提到了訪問磁盤锋华，那么這里先簡單介紹一下磁盤IO和預(yù)讀嗡官，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毯焕、旋轉(zhuǎn)延遲衍腥、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纳猫，主流磁盤一般在5ms以下紧阔；旋轉(zhuǎn)延遲就是我們經(jīng)常聽說的磁盤轉(zhuǎn)速，比如一個磁盤7200轉(zhuǎn)续担，表示每分鐘能轉(zhuǎn)7200次擅耽，也就是說1秒鐘能轉(zhuǎn)120次，旋轉(zhuǎn)延遲就是1/120/2 = 4.17ms物遇；傳輸時間指的是從磁盤讀出或?qū)?shù)據(jù)寫入磁盤的時間乖仇，一般在零點幾毫秒，相對于前兩個時間可以忽略不計询兴。那么訪問一次磁盤的時間乃沙，即一次磁盤IO的時間約等于5+4.17 = 9ms左右，聽起來還挺不錯的诗舰，但要知道一臺500 -MIPS的機器每秒可以執(zhí)行5億條指令警儒，因為指令依靠的是電的性質(zhì)，換句話說執(zhí)行一次IO的時間可以執(zhí)行40萬條指令，數(shù)據(jù)庫動輒十萬百萬乃至千萬級數(shù)據(jù)蜀铲，每次9毫秒的時間边琉，顯然是個災(zāi)難。下圖是計算機硬件延遲的對比圖记劝，供大家參考：

image

考慮到磁盤IO是非常高昂的操作变姨，計算機操作系統(tǒng)做了一些優(yōu)化，當(dāng)一次IO時厌丑，不光把當(dāng)前磁盤地址的數(shù)據(jù)定欧，而是把相鄰的數(shù)據(jù)也都讀取到內(nèi)存緩沖區(qū)內(nèi)，因為局部預(yù)讀性原理告訴我們怒竿，當(dāng)計算機訪問一個地址的數(shù)據(jù)的時候砍鸠，與其相鄰的數(shù)據(jù)也會很快被訪問到。每一次IO讀取的數(shù)據(jù)我們稱之為一頁(page)耕驰。具體一頁有多大數(shù)據(jù)跟操作系統(tǒng)有關(guān)睦番，一般為4k或8k，也就是我們讀取一頁內(nèi)的數(shù)據(jù)時候耍属，實際上才發(fā)生了一次IO托嚣，這個理論對于索引的數(shù)據(jù)結(jié)構(gòu)設(shè)計非常有幫助。

索引的數(shù)據(jù)結(jié)構(gòu)

前面講了生活中索引的例子厚骗，索引的基本原理示启，數(shù)據(jù)庫的復(fù)雜性，又講了操作系統(tǒng)的相關(guān)知識领舰，目的就是讓大家了解夫嗓，任何一種數(shù)據(jù)結(jié)構(gòu)都不是憑空產(chǎn)生的，一定會有它的背景和使用場景冲秽，我們現(xiàn)在總結(jié)一下舍咖，我們需要這種數(shù)據(jù)結(jié)構(gòu)能夠做些什么，其實很簡單锉桑，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)量級排霉，最好是常數(shù)數(shù)量級。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民轴？就這樣攻柠，b+樹應(yīng)運而生。

詳解b+樹

b+樹

如上圖后裸，是一顆b+樹瑰钮，關(guān)于b+樹的定義可以參見B+樹，這里只說一些重點微驶，淺藍(lán)色的塊我們稱之為一個磁盤塊浪谴，可以看到每個磁盤塊包含幾個數(shù)據(jù)項（深藍(lán)色所示）和指針（黃色所示），如磁盤塊1包含數(shù)據(jù)項17和35，包含指針P1苟耻、P2篇恒、P3，P1表示小于17的磁盤塊梁呈，P2表示在17和35之間的磁盤塊，P3表示大于35的磁盤塊蘸秘。真實的數(shù)據(jù)存在于葉子節(jié)點即3官卡、5、9醋虏、10寻咒、13、15颈嚼、28毛秘、29、36阻课、60叫挟、75、79限煞、90抹恳、99。非葉子節(jié)點只不存儲真實的數(shù)據(jù)署驻，只存儲指引搜索方向的數(shù)據(jù)項奋献，如17、35并不真實存在于數(shù)據(jù)表中旺上。

b+樹的查找過程

如圖所示瓶蚂，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(nèi)存宣吱，此時發(fā)生一次IO窃这，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指針征候，內(nèi)存時間因為非常短（相比磁盤的IO）可以忽略不計钦听，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倍奢，29在26和30之間朴上，鎖定磁盤塊3的P2指針，通過指針加載磁盤塊8到內(nèi)存卒煞，發(fā)生第三次IO痪宰，同時內(nèi)存中做二分查找找到29，結(jié)束查詢，總計三次IO衣撬。真實的情況是乖订，3層的b+樹可以表示上百萬的數(shù)據(jù)，如果上百萬的數(shù)據(jù)查找只需要三次IO具练，性能提高將是巨大的乍构，如果沒有索引，每個數(shù)據(jù)項都要發(fā)生一次IO扛点，那么總共需要百萬次的IO哥遮，顯然成本非常非常高。

b+樹性質(zhì)

1.通過上面的分析陵究，我們知道IO次數(shù)取決于b+數(shù)的高度h眠饮，假設(shè)當(dāng)前數(shù)據(jù)表的數(shù)據(jù)為N，每個磁盤塊的數(shù)據(jù)項的數(shù)量是m铜邮，則有h=㏒(m+1)N仪召，當(dāng)數(shù)據(jù)量N一定的情況下，m越大松蒜，h越腥用；而m = 磁盤塊的大小 / 數(shù)據(jù)項的大小秸苗，磁盤塊的大小也就是一個數(shù)據(jù)頁的大小咖摹，是固定的，如果數(shù)據(jù)項占的空間越小难述，數(shù)據(jù)項的數(shù)量越多萤晴，樹的高度越低。這就是為什么每個數(shù)據(jù)項胁后，即索引字段要盡量的小店读，比如int占4字節(jié)，要比bigint8字節(jié)少一半。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(nèi)層節(jié)點，一旦放到內(nèi)層節(jié)點步咪，磁盤塊的數(shù)據(jù)項會大幅度下降，導(dǎo)致樹增高殖演。當(dāng)數(shù)據(jù)項等于1時將會退化成線性表。
2.當(dāng)b+樹的數(shù)據(jù)項是復(fù)合的數(shù)據(jù)結(jié)構(gòu)年鸳，比如(name,age,sex)的時候趴久，b+數(shù)是按照從左到右的順序來建立搜索樹的，比如當(dāng)(張三,20,F)這樣的數(shù)據(jù)來檢索的時候搔确，b+樹會優(yōu)先比較name來確定下一步的所搜方向彼棍，如果name相同再依次比較age和sex灭忠，最后得到檢索的數(shù)據(jù)；但當(dāng)(20,F)這樣的沒有name的數(shù)據(jù)來的時候座硕，b+樹就不知道下一步該查哪個節(jié)點弛作，因為建立搜索樹的時候name就是第一個比較因子，必須要先根據(jù)name來搜索才能知道下一步去哪里查詢华匾。比如當(dāng)(張三,F)這樣的數(shù)據(jù)來檢索時映琳，b+樹可以用name來指定搜索方向，但下一個字段age的缺失蜘拉，所以只能把名字等于張三的數(shù)據(jù)都找到萨西，然后再匹配性別是F的數(shù)據(jù)了， 這個是非常重要的性質(zhì)诸尽，即索引的最左匹配特性原杂。

慢查詢優(yōu)化

關(guān)于MySQL索引原理是比較枯燥的東西印颤，大家只需要有一個感性的認(rèn)識您机，并不需要理解得非常透徹和深入。我們回頭來看看一開始我們說的慢查詢年局，了解完索引原理之后际看，大家是不是有什么想法呢？先總結(jié)一下索引的幾大基本原則

建索引的幾大原則

1.最左前綴匹配原則矢否，非常重要的原則仲闽，mysql會一直向右匹配直到遇到范圍查詢(>、<僵朗、between赖欣、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)順序的索引验庙，d是用不到索引的顶吮，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)整粪薛。
2.=和in可以亂序悴了，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
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(*)违寿，表示字段不重復(fù)的比例湃交，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藤巢，而一些狀態(tài)搞莺、性別字段可能在大數(shù)據(jù)面前區(qū)分度就是0，那可能有人會問掂咒，這個比例有什么經(jīng)驗值嗎腮敌？使用場景不同阱当，這個值也很難確定，一般需要join的字段我們都要求是0.1以上糜工，即平均1條掃描10條記錄
4.索引列不能參與計算弊添，保持列“干凈”，比如from_unixtime(create_time) = ’2014-05-29’就不能使用到索引捌木，原因很簡單油坝，b+樹中存的都是數(shù)據(jù)表中的字段值，但進(jìn)行檢索時刨裆，需要把所有元素都應(yīng)用函數(shù)才能比較澈圈，顯然成本太大。所以語句應(yīng)該寫成create_time = unix_timestamp(’2014-05-29’);
5.盡量的擴展索引帆啃，不要新建索引瞬女。比如表中已經(jīng)有a的索引，現(xiàn)在要加(a,b)的索引努潘，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)最左匹配原則诽偷，最開始的sql語句的索引應(yīng)該是status、operator_id疯坤、type报慕、operate_time的聯(lián)合索引；其中status压怠、operator_id眠冈、type的順序可以顛倒，所以我才會說菌瘫，把這個表的所有相關(guān)查詢都找到蜗顽，會綜合分析；
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)就是非常正確的雨让，因為可以覆蓋到所有情況雇盖。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(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宫患，這里需要強調(diào)rows是核心指標(biāo)刊懈，絕大部分rows小的語句執(zhí)行一定很快（有例外，下面會講到）娃闲。所以優(yōu)化語句基本上都是在優(yōu)化rows虚汛。

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(shè)置SQL_NO_CACHE
1.where條件單表查皇帮，鎖定最小返回記錄表卷哩。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，單表每個字段分別查詢属拾，看哪個字段的區(qū)分度最高
2.explain查看執(zhí)行計劃将谊，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.加索引時參照建索引的幾大原則
6.觀察結(jié)果冷溶，不符合預(yù)期繼續(xù)從0分析

幾個慢查詢案例

下面幾個例子詳細(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，我們寫SQL只是為了實現(xiàn)功能尊浓，這只是第一步逞频，不同的語句書寫方式對于效率往往有本質(zhì)的差別，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(rèn)識栋齿，請看下面的語句

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.先運行一下苗胀，53條記錄 1.87秒，又沒有用聚合語句瓦堵，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)行計劃基协，首先mysql根據(jù)idx_last_upd_date索引掃描cm_log表獲得379條記錄；然后查表掃描了63727條記錄菇用，分為兩部分澜驮，derived表示構(gòu)造表，也就是不存在的表惋鸥，可以簡單理解成是一個語句形成的結(jié)果集杂穷，后面的數(shù)字表示語句的ID。derived2表示的是ID = 2的查詢構(gòu)造了虛擬表揩慕，并且返回了63727條記錄亭畜。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)扮休，首先全表掃描employee表13317條記錄迎卤，然后根據(jù)索引emp_certificate_empid關(guān)聯(lián)emp_certificate表，rows = 1表示玷坠，每個關(guān)聯(lián)都只鎖定了一條記錄蜗搔，效率比較高。獲得后八堡，再和cm_log的379條記錄根據(jù)規(guī)則關(guān)聯(lián)樟凄。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都用不到兄渺，因為cm_log只鎖定了379條記錄缝龄。
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呢挂谍？仔細(xì)分析語句不難發(fā)現(xiàn)叔壤，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表口叙，我們完全可以拆成兩部分炼绘，并用union連接起來，注意這里用union妄田，而不用union all是因為原語句有“distinct”來得到唯一的記錄俺亮，而union恰好具備了這種功能驮捍。如果原語句中沒有distinct不需要去重，我們就可以直接使用union all了脚曾，因為使用union需要去重的動作东且，會影響SQL性能。
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)場景本讥，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)有索引可以滿足苇倡，不需要建索引

6.用改造后的語句實驗一下，只需要10ms 降低了近200倍囤踩！

+----+--------------+------------+--------+---------------------------------+-------------------+---------+-----------------------+------+-------------+
| 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

舉這個例子的目的在于顛覆我們對列的區(qū)分度的認(rèn)知旨椒，一般上我們認(rèn)為區(qū)分度越高的列，越容易鎖定更少的記錄堵漱，但在一些特殊的情況下综慎，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.先看看運行多長時間,951條數(shù)據(jù)6.22秒，真的很慢

951 rows in set (6.22 sec)

1.先explain勤庐，rows達(dá)到了361萬示惊，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)，因為是單表查詢 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這個字段的區(qū)分度非常低愉镰，整個表只有-1,0,1三個值米罚，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，根據(jù)理論丈探，也不適合建立索引

問題分析到這录择，好像得出了這個表無法優(yōu)化的結(jié)論，兩個列的區(qū)分度都很低碗降，即便加上索引也只能適應(yīng)這種情況隘竭，很難做普遍性的優(yōu)化，比如當(dāng)sync_status 0讼渊、3分布的很平均动看，那么鎖定記錄也是百萬級別的

4.找業(yè)務(wù)方去溝通，看看使用場景爪幻。業(yè)務(wù)方是這么來使用這個SQL語句的菱皆，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)并不會太多挨稿，1000個左右仇轻。了解了業(yè)務(wù)方的使用場景后，優(yōu)化這個SQL就變得簡單了叶组，因為業(yè)務(wù)方保證了數(shù)據(jù)的不平衡拯田，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甩十，快了30多倍船庇。

952 rows in set (0.20 sec)

我們再來回顧一下分析問題的過程吭产，單表查詢相對來說比較好優(yōu)化，大部分時候只需要把where條件里面的字段依照規(guī)則加上索引就好鸭轮，如果只是這種“無腦”優(yōu)化的話臣淤，顯然一些區(qū)分度非常低的列，不應(yīng)該加索引的列也會被加上索引窃爷，這樣會對插入邑蒋、更新性能造成嚴(yán)重的影響，同時也有可能影響其它的查詢語句按厘。所以我們第4步調(diào)差SQL的使用場景非常關(guān)鍵医吊，我們只有知道這個業(yè)務(wù)場景，才能更好地輔助我們更好的分析和優(yōu)化查詢語句逮京。

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;

還是幾個步驟
0.先看語句運行多長時間卿堂，10條記錄用了13秒，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)行計劃上看懒棉，mysql先查org_emp_info表掃描8849記錄草描，再用索引idx_userid_status關(guān)聯(lián)branch_user表，再用索引idx_branch_id關(guān)聯(lián)contact_branch表策严，最后主鍵關(guān)聯(lián)contact表穗慕。
rows返回的都非常少，看不到有什么異常情況妻导。我們在看一下語句逛绵，發(fā)現(xiàn)后面有order by + limit組合，會不會是排序量太大搞的栗竖？于是我們簡化SQL暑脆，去掉后面的order by 和 limit渠啤，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條記錄狐肢，如果針對70萬的結(jié)果集排序，將是災(zāi)難性的沥曹，怪不得這么慢份名，那我們能不能換個思路，先根據(jù)contact的created_time排序妓美，再來join會不會比較快呢僵腺？
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_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
where
c.id = cb.contact_id
)
order by
c.created_time desc limit 0 ,
10;

驗證一下效果 預(yù)計在1ms內(nèi)壶栋，提升了13000多倍辰如！

10 rows in set (0.00 sec)

本以為至此大工告成，但我們在前面的分析中漏了一個細(xì)節(jié)贵试，先排序再join和先join再排序理論上開銷是一樣的琉兜，為何提升這么多是因為有一個limit凯正！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過濾豌蟋，當(dāng)發(fā)現(xiàn)不夠10條的時候廊散，再次去10條，再次join梧疲，這顯然在內(nèi)層join過濾的數(shù)據(jù)非常多的時候允睹，將是災(zāi)難的，極端情況幌氮，內(nèi)層一條數(shù)據(jù)都找不到缭受，mysql還傻乎乎的每次取10條，幾乎遍歷了這個數(shù)據(jù)表该互！
用不同參數(shù)的SQL試驗下

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贯涎！比之前的情況還糟糕很多。由于mysql的nested loop機制慢洋，遇到這種情況塘雳，基本是無法優(yōu)化的。這條語句最終也只能交給應(yīng)用系統(tǒng)去優(yōu)化自己的邏輯了普筹。
通過這個例子我們可以看到败明，并不是所有語句都能優(yōu)化，而往往我們優(yōu)化時太防，由于SQL用例回歸時落掉一些極端情況妻顶，會造成比原來還嚴(yán)重的后果。所以蜒车，第一：不要指望所有語句都能通過SQL優(yōu)化讳嘱，第二：不要過于自信，只針對具體case來優(yōu)化酿愧，而忽略了更復(fù)雜的情況沥潭。

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嬉挡。我們在優(yōu)化過程中遇到過超過1000行钝鸽，涉及到16個表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庞钢，也遇到過varchar等值比較沒有寫單引號拔恰，還遇到過笛卡爾積查詢直接把從庫搞死。再多的案例其實也只是一些經(jīng)驗的積累基括，如果我們熟悉查詢優(yōu)化器颜懊、索引的內(nèi)部原理，那么分析這些案例就變得特別簡單了。

寫在后面的話

本文以一個慢查詢案例引入了MySQL索引原理河爹、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(xì)的分析使鹅。其實做了這么長時間的語句優(yōu)化后才發(fā)現(xiàn)，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)化昌抠，同樣是MySQL患朱，可以用來支撐Google/FaceBook/Taobao應(yīng)用，但可能連你的個人網(wǎng)站都撐不住炊苫。套用最近比較流行的話：“查詢?nèi)菀撞锰瑑?yōu)化不易，且寫且珍惜侨艾！”

參考

參考文獻(xiàn)如下：

1.《高性能MySQL》

2.《數(shù)據(jù)結(jié)構(gòu)與算法分析》