MySQL索引優(yōu)化實例分析
更新時間：2022年07月29日 15:19:15 作者：Hz488
這篇文章主要介紹了MySQL索引優(yōu)化實例分析，文章圍繞主題展開詳細的內(nèi)容介紹，具有一定的參考價值，需要的朋友可以參考一下
1.數(shù)據(jù)準備
#1.建立員工表，并創(chuàng)建name,age,position索引，id為自增主鍵
CREATE TABLE `employees` (
?`id` int(11) NOT NULL AUTO_INCREMENT,
?`name` varchar(24) NOT NULL DEFAULT '' COMMENT '姓名',
?`age` int(11) NOT NULL DEFAULT '0' COMMENT '年齡',
?`position` varchar(20) NOT NULL DEFAULT '' COMMENT '職位',
?`hire_time` timestamp NOT NULL DEFAULT CURRENT_TIMESTAMP COMMENT '入職時間',
?PRIMARY KEY (`id`),
?KEY `idx_name_age_position` (`name`,`age`,`position`) USING BTREE
) ENGINE=InnoDB AUTO_INCREMENT=100010 DEFAULT CHARSET=utf8 COMMENT='員工記錄表'
# 2.前面插入三條數(shù)據(jù),并建立employees_min_copy表插入這三條數(shù)據(jù)
INSERT INTO employees (name,age,`position`,hire_time) VALUES
('LiLei',22,'manager','2021-08-17 21:00:55')
,('HanMeimei',23,'dev','2021-08-17 21:00:55')
,('Lucy',23,'dev','2021-08-17 21:00:55')
;
#3.再通過執(zhí)行計劃向表中插入十萬條數(shù)據(jù)
#3.1建立存儲過程，往employees表中插入數(shù)據(jù)（MySQL8.0版本）
DELIMITER $$
USE `zhebase`$$
DROP PROCEDURE IF EXISTS `batch_insert_employees`$$
CREATE PROCEDURE `batch_insert_employees`(IN `start_number` BIGINT,IN `counts` BIGINT)
BEGIN
? ?DECLARE start_number BIGINT DEFAULT start_number;
? ?DECLARE stop_number BIGINT DEFAULT start_number;
? ?SET stop_number=start_number + counts;
? ?WHILE start_number < stop_number DO
? ? ? ?INSERT INTO employees(name,age,position,hire_time) VALUES(CONCAT('zhang',start_number),start_number,'dev',now());
? ? ? ?SET start_number=start_number+1;
? ?END WHILE ;
? ?COMMIT;
END$$
DELIMITER ;
#3.2執(zhí)行存儲過程插入十萬條數(shù)據(jù)
CALL batch_insert_employees(1,100000);2.實例一
1.聯(lián)合索引第一個字段用范圍不會走索引
EXPLAIN SELECT * FROM employees WHERE name > 'LiLei' AND age = 22 AND position ='manager';
原因：MySQL 內(nèi)部可能覺得第一個字段就用范圍，結(jié)果集應該很大，還需要回表，回表效率不高，不如直接采用全表掃描 但是我們可以強制走索引
EXPLAIN SELECT * FROM employees force index(idx_name_age_position) WHERE name > 'LiLei' AND age = 22 AND position ='manager';
-- 關閉查詢緩存 set global query_cache_size=0; set global query_cache_type=0; -- 執(zhí)行時間0.321s SELECT * FROM employees WHERE name > 'LiLei'; -- 執(zhí)行時間0.458s SELECT * FROM employees force index(idx_name_age_position) WHERE name > 'LiLei';
使用了強制走索引讓聯(lián)合索引第一個字段范圍查找也走索引，掃描的行rows看上去也少了點，但是最終查找效率不一定比全表掃描高，因為回表效率不高
對于這種情況，如果可以使用覆蓋索引，就使用覆蓋索引進行優(yōu)化
EXPLAIN SELECT name,age,position FROM employees WHERE name > 'LiLei' AND age = 22 AND position ='manager';
2.in 和 or 在表數(shù)據(jù)量比較大的情況會走索引，在表記錄不多的情況下會選擇全表掃描
EXPLAIN SELECT * FROM employees
WHERE name in ('LiLei','HanMeimei','Lucy')
AND age = 22
AND position ='manager';
#表數(shù)據(jù)量大走索引，數(shù)據(jù)量小全表掃描
EXPLAIN SELECT * FROM employees
WHERE (name = 'LiLei' or name = 'HanMeimei')
AND age = 22
AND position ='manager';
將十萬行數(shù)據(jù)的employees表復制一份插入幾行數(shù)據(jù)，再進行查詢
發(fā)現(xiàn)進行了全表掃描
3.like xx% 無論數(shù)據(jù)量多少一般情況都會走索引
EXPLAIN SELECT * FROM employees WHERE name like 'LiLei%' AND age = 22 AND position ='manager';
MySQL 底層使用索引下推（Index Condition Pushdown，ICP） 來對 like xx%進行優(yōu)化。
索引下推： 對于輔助的聯(lián)合索引(idx_name_age_position)，通常按照最左前綴原則，SELECT * FROM employees WHERE name like 'LiLei%' AND age = 22 AND position ='manager' 因為在 name 是范圍查詢，過濾完后，age 和 position 是無序的，后續(xù)索引無法使用，只會走name字段索引。
- MySQL5.6 以前： 先在索引樹中匹配 name 是 'LiLei' 開頭的索引，然后根據(jù)索引下的主鍵進行回表操作，在主鍵索引上在匹配 age 和 position
- MySQL 5.6以后： 引入索引下推，先在索引樹種匹配 name 是 'LiLei' 開頭的索引，同時將該所與樹通有的所有條件字段進行判斷，過濾掉不符合條件的記錄再回表匹配其他條件及查詢整行數(shù)據(jù)。
- 優(yōu)點： 過濾掉不符合條件的記錄之后再回表，可以有效的減少回表次數(shù)，提高查詢效率。
MySQL 范圍查找為什么沒有使用索引下推優(yōu)化？ 可能因為范圍查找結(jié)果集一般較大，like xx%在大多數(shù)情況下，過濾后結(jié)果集較小。而結(jié)果集大的時候，每次檢索出來都要匹配后面的字段，不一定比立即回表要快。但是也不是絕對的，有些時候 Like xx%也不會走索引下推。
3.MySQL如何選擇合適的索引？
先來看兩條 SQL 語句：
# MySQL直接使用全表掃描 EXPLAIN select * from employees where name > 'a'; # MySQL走索引 EXPLAIN select * from employees where name > 'zzz';
我們發(fā)現(xiàn)第一條 SQL 進行了全表掃描，第二條 SQL 走了索引。對應第一條SQL，MySQL 通過計算執(zhí)行成本發(fā)現(xiàn)走索引成本比全部掃描更高（走索引需要遍歷 name 字段，再進行回表操作查出最終數(shù)據(jù)，比直接查聚簇索引樹更慢)。對于這種情況可以使用覆蓋索引進行優(yōu)化。至于 MySQL 如何選擇最終索引，可以用 Trace 工具進行查看。但開啟trace工具會影響 MySQL 性能，用完之后需立即關閉。
#開啟trace set session optimizer_trace="enabled=on",end_markers_in_json=on; #關閉trace set session optimizer_trace="enabled=off"; #使用trace select * from employees where name > 'a' order by position; select * from information_schema.OPTIMIZER_TRACE;
下面是執(zhí)行后的Trace中的內(nèi)容：
{
?"steps": [
? ?{
? ? ?#第一階段：SQL準備階段，格式化sql
? ? ?"join_preparation": {
? ? ? ?"select#": 1,
? ? ? ?"steps": [
? ? ? ? ?{
? ? ? ? ? ?"expanded_query": "/* select#1 */ select `employees`.`id` AS `id`,`employees`.`name` AS `name`,`employees`.`age` AS `age`,`employees`.`position` AS `position`,`employees`.`hire_time` AS `hire_time` from `employees` where (`employees`.`name` > 'a') order by `employees`.`position` limit 0,200"
? ? ? ? ?}
? ? ? ?] /* steps */
? ? ?} /* join_preparation */
? ?},
? ?{
? ? ?#第二階段：SQL優(yōu)化階段
? ? ?"join_optimization": {
? ? ? ?"select#": 1,
? ? ? ?"steps": [
? ? ? ? ?{
? ? ? ? ? ?#條件處理
? ? ? ? ? ?"condition_processing": {
? ? ? ? ? ? ?"condition": "WHERE",
? ? ? ? ? ? ?"original_condition": "(`employees`.`name` > 'a')",
? ? ? ? ? ? ?"steps": [
? ? ? ? ? ? ? ?{
? ? ? ? ? ? ? ? ?"transformation": "equality_propagation",
? ? ? ? ? ? ? ? ?"resulting_condition": "(`employees`.`name` > 'a')"
? ? ? ? ? ? ? ?},
? ? ? ? ? ? ? ?{
? ? ? ? ? ? ? ? ?"transformation": "constant_propagation",
? ? ? ? ? ? ? ? ?"resulting_condition": "(`employees`.`name` > 'a')"
? ? ? ? ? ? ? ?},
? ? ? ? ? ? ? ?{
? ? ? ? ? ? ? ? ?"transformation": "trivial_condition_removal",
? ? ? ? ? ? ? ? ?"resulting_condition": "(`employees`.`name` > 'a')"
? ? ? ? ? ? ? ?}
? ? ? ? ? ? ?] /* steps */
? ? ? ? ? ?} /* condition_processing */
? ? ? ? ?},
? ? ? ? ?{
? ? ? ? ? ?"substitute_generated_columns": {
? ? ? ? ? ?} /* substitute_generated_columns */
? ? ? ? ?},
? ? ? ? ?{
? ? ? ? ? ?#表依賴詳情
? ? ? ? ? ?"table_dependencies": [
? ? ? ? ? ? ?{
? ? ? ? ? ? ? ?"table": "`employees`",
? ? ? ? ? ? ? ?"row_may_be_null": false,
? ? ? ? ? ? ? ?"map_bit": 0,
? ? ? ? ? ? ? ?"depends_on_map_bits": [
? ? ? ? ? ? ? ?] /* depends_on_map_bits */
? ? ? ? ? ? ?}
? ? ? ? ? ?] /* table_dependencies */
? ? ? ? ?},
? ? ? ? ?{
? ? ? ? ? ?"ref_optimizer_key_uses": [
? ? ? ? ? ?] /* ref_optimizer_key_uses */
? ? ? ? ?},
? ? ? ? ?{
? ? ? ? ? ?#預估表的訪問成本
? ? ? ? ? ?"rows_estimation": [
? ? ? ? ? ? ?{
? ? ? ? ? ? ? ?"table": "`employees`",
? ? ? ? ? ? ? ?"range_analysis": {
? ? ? ? ? ? ? ? ?"table_scan": { --全表掃描情況
? ? ? ? ? ? ? ? ? ?"rows": 93205, --掃描行數(shù)
? ? ? ? ? ? ? ? ? ?"cost": 9394.9 --查詢成本
? ? ? ? ? ? ? ? ?} /* table_scan */,
? ? ? ? ? ? ? ? ?#查詢可能使用的索引
? ? ? ? ? ? ? ? ?"potential_range_indexes": [
? ? ? ? ? ? ? ? ? ?{
? ? ? ? ? ? ? ? ? ? ?"index": "PRIMARY", ?--主鍵索引
? ? ? ? ? ? ? ? ? ? ?"usable": false, -- 是否使用
? ? ? ? ? ? ? ? ? ? ?"cause": "not_applicable"
? ? ? ? ? ? ? ? ? ?},
? ? ? ? ? ? ? ? ? ?{
? ? ? ? ? ? ? ? ? ? ?#輔助索引
? ? ? ? ? ? ? ? ? ? ?"index": "idx_name_age_position",
? ? ? ? ? ? ? ? ? ? ?"usable": true,
? ? ? ? ? ? ? ? ? ? ?"key_parts": [
? ? ? ? ? ? ? ? ? ? ? ?"name",
? ? ? ? ? ? ? ? ? ? ? ?"age",
? ? ? ? ? ? ? ? ? ? ? ?"position",
? ? ? ? ? ? ? ? ? ? ? ?"id"
? ? ? ? ? ? ? ? ? ? ?] /* key_parts */
? ? ? ? ? ? ? ? ? ?}
? ? ? ? ? ? ? ? ?] /* potential_range_indexes */,
? ? ? ? ? ? ? ? ?"setup_range_conditions": [
? ? ? ? ? ? ? ? ?] /* setup_range_conditions */,
? ? ? ? ? ? ? ? ?"group_index_range": {
? ? ? ? ? ? ? ? ? ?"chosen": false,
? ? ? ? ? ? ? ? ? ?"cause": "not_group_by_or_distinct"
? ? ? ? ? ? ? ? ?} /* group_index_range */,
? ? ? ? ? ? ? ? ?"skip_scan_range": {
? ? ? ? ? ? ? ? ? ?"potential_skip_scan_indexes": [
? ? ? ? ? ? ? ? ? ? ?{
? ? ? ? ? ? ? ? ? ? ? ?"index": "idx_name_age_position",
? ? ? ? ? ? ? ? ? ? ? ?"usable": false,
? ? ? ? ? ? ? ? ? ? ? ?"cause": "query_references_nonkey_column"
? ? ? ? ? ? ? ? ? ? ?}
? ? ? ? ? ? ? ? ? ?] /* potential_skip_scan_indexes */
? ? ? ? ? ? ? ? ?} /* skip_scan_range */,
? ? ? ? ? ? ? ? ?#分析各個索引使用成本
? ? ? ? ? ? ? ? ?"analyzing_range_alternatives": {
? ? ? ? ? ? ? ? ? ?"range_scan_alternatives": [
? ? ? ? ? ? ? ? ? ? ?{
? ? ? ? ? ? ? ? ? ? ? ?"index": "idx_name_age_position",
? ? ? ? ? ? ? ? ? ? ? ?"ranges": [
? ? ? ? ? ? ? ? ? ? ? ? ?"a < name" --索引使用范圍
? ? ? ? ? ? ? ? ? ? ? ?] /* ranges */,
? ? ? ? ? ? ? ? ? ? ? ?"index_dives_for_eq_ranges": true,
? ? ? ? ? ? ? ? ? ? ? ?"rowid_ordered": false, --使用該索引獲取的記錄是否按照主鍵排序
? ? ? ? ? ? ? ? ? ? ? ?"using_mrr": false,
? ? ? ? ? ? ? ? ? ? ? ?"index_only": false, --是否使用覆蓋索引
? ? ? ? ? ? ? ? ? ? ? ?"rows": 46602, --索引掃描行數(shù)
? ? ? ? ? ? ? ? ? ? ? ?"cost": 16311, --索引使用成本
? ? ? ? ? ? ? ? ? ? ? ?"chosen": false, --是否選擇該索引
? ? ? ? ? ? ? ? ? ? ? ?"cause": "cost"
? ? ? ? ? ? ? ? ? ? ?}
? ? ? ? ? ? ? ? ? ?] /* range_scan_alternatives */,
? ? ? ? ? ? ? ? ? ?"analyzing_roworder_intersect": {
? ? ? ? ? ? ? ? ? ? ?"usable": false,
? ? ? ? ? ? ? ? ? ? ?"cause": "too_few_roworder_scans"
? ? ? ? ? ? ? ? ? ?} /* analyzing_roworder_intersect */
? ? ? ? ? ? ? ? ?} /* analyzing_range_alternatives */
? ? ? ? ? ? ? ?} /* range_analysis */
? ? ? ? ? ? ?}
? ? ? ? ? ?] /* rows_estimation */
? ? ? ? ?},
? ? ? ? ?{
? ? ? ? ? ?"considered_execution_plans": [
? ? ? ? ? ? ?{
? ? ? ? ? ? ? ?"plan_prefix": [
? ? ? ? ? ? ? ?] /* plan_prefix */,
? ? ? ? ? ? ? ?"table": "`employees`",
? ? ? ? ? ? ? ?"best_access_path": { --最優(yōu)訪問路徑
? ? ? ? ? ? ? ? ?"considered_access_paths": [ --最終選擇的訪問路徑
? ? ? ? ? ? ? ? ? ?{
? ? ? ? ? ? ? ? ? ? ?"rows_to_scan": 93205,
? ? ? ? ? ? ? ? ? ? ?"filtering_effect": [
? ? ? ? ? ? ? ? ? ? ?] /* filtering_effect */,
? ? ? ? ? ? ? ? ? ? ?"final_filtering_effect": 0.5,
? ? ? ? ? ? ? ? ? ? ?"access_type": "scan", --訪問類型：為scan，全表掃描
? ? ? ? ? ? ? ? ? ? ?"resulting_rows": 46602,
? ? ? ? ? ? ? ? ? ? ?"cost": 9392.8,
? ? ? ? ? ? ? ? ? ? ?"chosen": true ?--確定選擇
? ? ? ? ? ? ? ? ? ?}
? ? ? ? ? ? ? ? ?] /* considered_access_paths */
? ? ? ? ? ? ? ?} /* best_access_path */,
? ? ? ? ? ? ? ?"condition_filtering_pct": 100,
? ? ? ? ? ? ? ?"rows_for_plan": 46602,
? ? ? ? ? ? ? ?"cost_for_plan": 9392.8,
? ? ? ? ? ? ? ?"chosen": true
? ? ? ? ? ? ?}
? ? ? ? ? ?] /* considered_execution_plans */
? ? ? ? ?},
? ? ? ? ?{
? ? ? ? ? ?"attaching_conditions_to_tables": {
? ? ? ? ? ? ?"original_condition": "(`employees`.`name` > 'a')",
? ? ? ? ? ? ?"attached_conditions_computation": [
? ? ? ? ? ? ? ?{
? ? ? ? ? ? ? ? ?"table": "`employees`",
? ? ? ? ? ? ? ? ?"rechecking_index_usage": {
? ? ? ? ? ? ? ? ? ?"recheck_reason": "low_limit",
? ? ? ? ? ? ? ? ? ?"limit": 200,
? ? ? ? ? ? ? ? ? ?"row_estimate": 46602
? ? ? ? ? ? ? ? ?} /* rechecking_index_usage */
? ? ? ? ? ? ? ?}
? ? ? ? ? ? ?] /* attached_conditions_computation */,
? ? ? ? ? ? ?"attached_conditions_summary": [
? ? ? ? ? ? ? ?{
? ? ? ? ? ? ? ? ?"table": "`employees`",
? ? ? ? ? ? ? ? ?"attached": "(`employees`.`name` > 'a')"
? ? ? ? ? ? ? ?}
? ? ? ? ? ? ?] /* attached_conditions_summary */
? ? ? ? ? ?} /* attaching_conditions_to_tables */
? ? ? ? ?},
? ? ? ? ?{
? ? ? ? ? ?"optimizing_distinct_group_by_order_by": {
? ? ? ? ? ? ?"simplifying_order_by": {
? ? ? ? ? ? ? ?"original_clause": "`employees`.`position`",
? ? ? ? ? ? ? ?"items": [
? ? ? ? ? ? ? ? ?{
? ? ? ? ? ? ? ? ? ?"item": "`employees`.`position`"
? ? ? ? ? ? ? ? ?}
? ? ? ? ? ? ? ?] /* items */,
? ? ? ? ? ? ? ?"resulting_clause_is_simple": true,
? ? ? ? ? ? ? ?"resulting_clause": "`employees`.`position`"
? ? ? ? ? ? ?} /* simplifying_order_by */
? ? ? ? ? ?} /* optimizing_distinct_group_by_order_by */
? ? ? ? ?},
? ? ? ? ?{
? ? ? ? ? ?"reconsidering_access_paths_for_index_ordering": {
? ? ? ? ? ? ?"clause": "ORDER BY",
? ? ? ? ? ? ?"steps": [
? ? ? ? ? ? ?] /* steps */,
? ? ? ? ? ? ?"index_order_summary": {
? ? ? ? ? ? ? ?"table": "`employees`",
? ? ? ? ? ? ? ?"index_provides_order": false,
? ? ? ? ? ? ? ?"order_direction": "undefined",
? ? ? ? ? ? ? ?"index": "unknown",
? ? ? ? ? ? ? ?"plan_changed": false
? ? ? ? ? ? ?} /* index_order_summary */
? ? ? ? ? ?} /* reconsidering_access_paths_for_index_ordering */
? ? ? ? ?},
? ? ? ? ?{
? ? ? ? ? ?"finalizing_table_conditions": [
? ? ? ? ? ? ?{
? ? ? ? ? ? ? ?"table": "`employees`",
? ? ? ? ? ? ? ?"original_table_condition": "(`employees`.`name` > 'a')",
? ? ? ? ? ? ? ?"final_table_condition ? ": "(`employees`.`name` > 'a')"
? ? ? ? ? ? ?}
? ? ? ? ? ?] /* finalizing_table_conditions */
? ? ? ? ?},
? ? ? ? ?{
? ? ? ? ? ?"refine_plan": [
? ? ? ? ? ? ?{
? ? ? ? ? ? ? ?"table": "`employees`"
? ? ? ? ? ? ?}
? ? ? ? ? ?] /* refine_plan */
? ? ? ? ?},
? ? ? ? ?{
? ? ? ? ? ?"considering_tmp_tables": [
? ? ? ? ? ? ?{
? ? ? ? ? ? ? ?"adding_sort_to_table_in_plan_at_position": 0
? ? ? ? ? ? ?} /* filesort */
? ? ? ? ? ?] /* considering_tmp_tables */
? ? ? ? ?}
? ? ? ?] /* steps */
? ? ?} /* join_optimization */
? ?},
? ?{
? ? ?#第三階段：SQL執(zhí)行階段
? ? ?"join_execution": {
? ? ? ?"select#": 1,
? ? ? ?"steps": [
? ? ? ? ?{
? ? ? ? ? ?"sorting_table_in_plan_at_position": 0,
? ? ? ? ? ?"filesort_information": [
? ? ? ? ? ? ?{
? ? ? ? ? ? ? ?"direction": "asc",
? ? ? ? ? ? ? ?"table": "`employees`",
? ? ? ? ? ? ? ?"field": "position"
? ? ? ? ? ? ?}
? ? ? ? ? ?] /* filesort_information */,
? ? ? ? ? ?"filesort_priority_queue_optimization": {
? ? ? ? ? ? ?"limit": 200,
? ? ? ? ? ? ?"chosen": true
? ? ? ? ? ?} /* filesort_priority_queue_optimization */,
? ? ? ? ? ?"filesort_execution": [
? ? ? ? ? ?] /* filesort_execution */,
? ? ? ? ? ?"filesort_summary": {
? ? ? ? ? ? ?"memory_available": 262144,
? ? ? ? ? ? ?"key_size": 40,
? ? ? ? ? ? ?"row_size": 186,
? ? ? ? ? ? ?"max_rows_per_buffer": 201,
? ? ? ? ? ? ?"num_rows_estimate": 285696,
? ? ? ? ? ? ?"num_rows_found": 100003,
? ? ? ? ? ? ?"num_initial_chunks_spilled_to_disk": 0,
? ? ? ? ? ? ?"peak_memory_used": 38994,
? ? ? ? ? ? ?"sort_algorithm": "std::stable_sort",
? ? ? ? ? ? ?"unpacked_addon_fields": "using_priority_queue",
? ? ? ? ? ? ?"sort_mode": "<fixed_sort_key, additional_fields>"
? ? ? ? ? ?} /* filesort_summary */
? ? ? ? ?}
? ? ? ?] /* steps */
? ? ?} /* join_execution */
? ?}
?] /* steps */
}由 Trace字段可知，全表掃描的 cost_for_plan = 9394.9 小于使用索引 cost_for_plan = 16311，故最終選擇全表掃描。
4.常見 SQL 深入優(yōu)化
4.1.Order by與Group by優(yōu)化
# 案例1 explain select * from employees where name = 'Lucy' and position = 'dev' order by age;
分析： 案例1 由最左前綴法則分析出索引中間不能出現(xiàn)斷層，只使用了 name 索引前綴，也可以從key_len = 3n + 2 看出。age 索引列用在排序過程中，因為Extra字段里沒有 Using filesort 而是 Using index condition 。
#案例2 explain select * from employees where name = 'Lucy' order by position;
分析： 案例2 索引查詢使用了 name 索引前綴，但排序由于跳過了 age 所以Extra字段出現(xiàn)了 Using filesort 。
#案例3 explain select * from employees where name = 'Lucy' ?order by age, position;
分析： 案例3 查詢時使用了 name 索引，age 和 postion 用于排序，不會出現(xiàn) Using filesort
#案例4 explain select * from employees where name = 'Lucy' ?order by position,age;
分析： 案例4 查詢時使用了 name 索引，age 和 postion 順序與創(chuàng)建索引樹不一致，出現(xiàn)了 Using filesort
#案例5 explain select * from employees where name = 'Lucy' and age = 22 order by position,age;
分析： 案例5 查詢時使用了 name 索引，age 和 postion 順序與創(chuàng)建索引樹不一致，但 name、age 為常量，MySQL 會自動優(yōu)化，不會出現(xiàn) Using filesort
#案例6 explain select * from employees where name = 'Lucy' order byage,position desc;
分析： 案例6 排序順序一樣，但 order by 默認升序，導致與索引的排序方式不同，出現(xiàn)了 Using filesort 。 MySQL8.0 以上版本有降序索引可以支持這種查詢。
#案例7 explain select * from employees where name = 'Lucy' or name = 'LiLei' order by age;
分析： 案例7 對于排序來說，多個相等條件也是范圍查詢，出現(xiàn)了 Using filesort 。
#案例8 #SQL-1 explain select * from employees where name > 'zzz' order by name; #SQL-2 explain select * from employees where name > 'a' order by name;
分析： 案例8 原因同前面的例子，可以使用覆蓋索引優(yōu)化。
MySQL排序總結(jié)：
1、MySQL支持兩種方式的排序 filesort 和 index，Using index是指MySQL掃描索引本身完成排序。Using filesort 是指MySQL掃描聚簇索引（整張表）進行排序。index效率高，filesort效率低。
2、order by 滿足兩種情況會使用 Using index（不絕對）
- a.order by 語句使用索引最左前列。
- b.使用 where 子句與 order by 子句條件列組合滿足索引最左前列。
3、盡量在索引列上完成排序，遵循最左前綴法則。
4、如果 order by 的條件不在索引列上，就會產(chǎn)生Using filesort。
5、能用覆蓋索引盡量用覆蓋索引
6、group by 與 order by 很類似，其實質(zhì)是先排序后分組（group by 底層：先執(zhí)行一次 order by 再進行分組），遵照索引創(chuàng)建順序的最左前綴法則。對于group by的優(yōu)化如果不需要排序的可以加上order by null 禁止排序。注意，where高于having，能寫在where中的限定條件就不要去having限定了。
Using filesort 文件排序原理 filesort文件排序方式有：
- 單路排序：是一次性取出滿足條件行的所有字段，然后在 sort buffer 中進行排序。用trace工具得到sort_mode信息顯示< sort_key, additional_fields >或者< sort_key, packed_additional_fields >
- 雙路排序（又叫回表排序模式） ：先根據(jù)相應的條件取出相應的排序字段和可以直接定位行數(shù)據(jù)的行 ID，然后在 sort buffer 中進行排序，排序完后需要再次取回其它需要的字段。用trace工具得到sort_mode信息顯示< sort_key, rowid >
MySQL 通過比較系統(tǒng)變量 max_length_for_sort_data(默認1024字節(jié)) 的大小和需要查詢的字段總大小來判斷使用哪種排序模式。
- 字段的總長度 < max_length_for_sort_data ，使用單路排序
- 字段的總長度 >max_length_for_sort_data ，使用雙路排序
select * from employees where name = 'Lucy' order by position;
"join_execution": { ? ?--Sql執(zhí)行階段
? ? ? ?"select#": 1,
? ? ? ?"steps": [
? ? ? ? ?{
? ? ? ? ? ?"filesort_information": [
? ? ? ? ? ? ?{
? ? ? ? ? ? ? ?"direction": "asc",
? ? ? ? ? ? ? ?"table": "`employees`",
? ? ? ? ? ? ? ?"field": "position"
? ? ? ? ? ? ?}
? ? ? ? ? ?] /* filesort_information */,
? ? ? ? ? ?"filesort_priority_queue_optimization": {
? ? ? ? ? ? ?"usable": false,
? ? ? ? ? ? ?"cause": "not applicable (no LIMIT)"
? ? ? ? ? ?} /* filesort_priority_queue_optimization */,
? ? ? ? ? ?"filesort_execution": [
? ? ? ? ? ?] /* filesort_execution */,
? ? ? ? ? ?"filesort_summary": { ? ? ? ? ? ? ? ? ? ? ?--文件排序信息
? ? ? ? ? ? ?"rows": 10000, ? ? ? ? ? ? ? ? ? ? ? ? ? --預計掃描行數(shù)
? ? ? ? ? ? ?"examined_rows": 10000, ? ? ? ? ? ? ? ? ?--參與排序的行
? ? ? ? ? ? ?"number_of_tmp_files": 3, ? ? ? ? ? ? ? ?--使用臨時文件的個數(shù)，如果為0代表全部使用的sort_buffer內(nèi)存排序，否則使用的磁盤文件排序
? ? ? ? ? ? ?"sort_buffer_size": 262056, ? ? ? ? ? ? ?--排序緩存的大小，單位Byte
? ? ? ? ? ? ?"sort_mode": "<sort_key, packed_additional_fields>" ? ? ? --排序方式，此處是路排序
? ? ? ? ? ?} /* filesort_summary */
? ? ? ? ?}
? ? ? ?] /* steps */
? ? ?} /* join_execution */單路排序會把所有需要查詢的字段都放到 sort buffer 中排序，而雙路排序只會把主鍵和需要排序的字段放到 sort buffer 中進行排序，然后再通過主鍵回到原表查詢需要的字段。
單路排序過程：
- a.從索引 name 找到第一個滿足 name = 'Lucy' 條件的主鍵 id
- b.回表根據(jù)主鍵 id 取出整行，取出所有字段的值，存入 sort_buffer 中
- c.從索引name找到下一個滿足 name = 'Lucy' 條件的主鍵 id
- d.重復步驟 2、3 直到不滿足 name = 'Lucy'
- e.對 sort_buffer 中的數(shù)據(jù)按照字段 position 進行排序
- f.返回結(jié)果
雙路排序過程：
- a.從索引 name 找到第一個滿足 name ='Lucy' 的主鍵 id
- b.根據(jù)主鍵 id 取出整行，把排序字段 position 和主鍵 id 這兩個字段放到 sort buffer 中
- c.從索引 name 取下一個滿足 name = 'Lucy' 記錄的主鍵 id
- d.重復 3、4 直到不滿足 name = 'Lucy'
- e.對 sort_buffer 中的字段 position 和主鍵 id 按照字段 position 進行排序
- f.遍歷排序好的 id 和字段 position，按照 id 的值回到原表中取出所有字段的值返回
4.2.分頁查詢優(yōu)化
select * from employees limit 10000,10
這條 SQL 語句實際查詢了 10010 條記錄，然后丟棄了前面的 10000 條記錄，所以，在 數(shù)據(jù)量很大時，執(zhí)行效率是非常非常低的。一般需要對分頁查詢進行優(yōu)化。 優(yōu)化方法： 1.根據(jù)自增且連續(xù)的主鍵排序的分頁查詢
select * from employees where id > 90000 limit 5;
當一個表的主鍵連續(xù)且自增時，可以使用該方法進行優(yōu)化，但如果自增不連續(xù)會造成數(shù)據(jù)丟失。
2.根據(jù)非主鍵字段排序的分頁查詢
#優(yōu)化前 select * from employees ORDER BY name limit 90000,5; #優(yōu)化后 select * from employees e inner join (select id from employees order by name limit 90000,5) ed on e.id = ed.id;
先通過排序和分頁操作先查出主鍵，然后根據(jù)主鍵查出對應的記錄。
4.3.join關聯(lián)查詢優(yōu)化
4.3.1.數(shù)據(jù)準備
#示例表 # 創(chuàng)建t1,t2表，主鍵id,單值索引a CREATE TABLE `t1` ( ?`id` int(11) NOT NULL AUTO_INCREMENT, ?`a` int(11) DEFAULT NULL, ?`b` int(11) DEFAULT NULL, ?PRIMARY KEY (`id`), ?KEY `idx_a` (`a`) ) ENGINE=InnoDB DEFAULT CHARSET=utf8; create table t2 like t1; #存儲過程往t1,t2表插入數(shù)據(jù) DELIMITER $$ USE `zhebase`$$ DROP PROCEDURE IF EXISTS `batch_insert_t1`$$ CREATE PROCEDURE `batch_insert_t1`(IN `start_number` BIGINT,IN `counts` BIGINT) BEGIN ? ?DECLARE start_number BIGINT DEFAULT start_number; ? ?DECLARE stop_number BIGINT DEFAULT start_number; ? ?SET stop_number=start_number + counts; ? ?WHILE start_number < stop_number DO ? ? ? ?INSERT INTO t1(a,b) VALUES(start_number,start_number); ? ? ? ?SET start_number=start_number+1; ? ?END WHILE ; ? ?COMMIT; END$$ DELIMITER ; DELIMITER $$ USE `zhebase`$$ DROP PROCEDURE IF EXISTS `batch_insert_t2`$$ CREATE PROCEDURE `batch_insert_t2`(IN `start_number` BIGINT,IN `counts` BIGINT) BEGIN ? ?DECLARE start_number BIGINT DEFAULT start_number; ? ?DECLARE stop_number BIGINT DEFAULT start_number; ? ?SET stop_number=start_number + counts; ? ?WHILE start_number < stop_number DO ? ? ? ?INSERT INTO t2(a,b) VALUES(start_number,start_number); ? ? ? ?SET start_number=start_number+1; ? ?END WHILE ; ? ?COMMIT; END$$ DELIMITER ; #執(zhí)行存儲過程往t1表插入10000條記錄,t2表插入100條記錄 CALL batch_insert_t1(1,10000); CALL batch_insert_t2(1,100);
4.3.2.MySQL 表關聯(lián)常見的兩種算法
- 嵌套循環(huán)連接 Nested-Loop Join(NLJ) 算法
- 基于塊的嵌套循環(huán)連接 Block Nested-Loop Join(BNL)算法
- MySQL對于被驅(qū)動表的關聯(lián)字段沒索引的關聯(lián)查詢，一般都會使用 BNL 算法。如果有索引一般選擇 NLJ 算法，有索引的情況下 NLJ 算法比 BNL算法性能更高
1.嵌套循環(huán)連接 Nested-Loop Join(NLJ) 算法 原理：一次一行循環(huán)地從第一張表（驅(qū)動表）中讀取行，在這行數(shù)據(jù)中取到關聯(lián)字段，根據(jù)關聯(lián)字段在另一張表（被驅(qū)動表）里取出滿足條件的行，然后取出兩張表的結(jié)果合集。
explain select * from t1 inner join t2 on t1.a= t2.a;
從執(zhí)行計劃可以了解的信息：
- a.驅(qū)動表是 t2，被驅(qū)動表是 t1( inner join 時 SQL優(yōu)化器會小表驅(qū)動大表，外連接則根據(jù)連接類型區(qū)分）
- b.使用了 NLJ 算法。如果執(zhí)行計劃 Extra 中未出現(xiàn) Using join buffer 則表示使用的 join 算法是 NLJ
整個過程會讀取 t2 表的所有數(shù)據(jù)(掃描100行)，然后遍歷這每行數(shù)據(jù)中字段 a 的值，根據(jù) t2 表中 a 的值索引掃描 t1 表中的對應行(掃描100次 t1 表的索引，1次掃描可以認為最終只掃描 t1 表一行完整數(shù)據(jù)，也就是總共 t1 表也掃描了100行)。因此整個過程掃描了 200 行 。
2. 基于塊的嵌套循環(huán)連接 Block Nested-Loop Join(BNL)算法 原理：把驅(qū)動表的數(shù)據(jù)讀入到 join_buffer 中，然后掃描被驅(qū)動表，把被驅(qū)動表每一行取出來跟 join_buffer 中的數(shù)據(jù)做對比
explain select * from t1 inner join t2 on t1.b= t2.b;
整個過程對表 t1 和 t2 都做了一次全表掃描，因此掃描的總行數(shù)為10000(表 t1 的數(shù)據(jù)總量) + 100(表 t2 的數(shù)據(jù)總量) = 10100。并且 join_buffer 里的數(shù)據(jù)是無序的，因此對表 t1 中的每一行，都要做 100 次判斷，所以內(nèi)存中的判斷次數(shù)是 100 * 10000= 100 萬次（非掃描次數(shù)） 。 注意： join_buffer 的大小是由參數(shù) join_buffer_size 控制，默認256k。如果 t2 放不下就會使用分段策略（先從 t2 表取出部分數(shù)據(jù)，比對完就清空 join_buffer，再重新拿出來余下的部分進行比對）。
被驅(qū)動表的關聯(lián)字段無索引為什么要選擇使用 BNL 算法而不使用 NLJ 算法？ 如第二條 SQL，如果使用 NLJ 算法掃描行數(shù)為 100 * 10000 = 100萬，這個是磁盤掃描。使用 BNL 算法僅需掃描 100100 行。
對于表關聯(lián) SQL 的優(yōu)化
- 盡量少關聯(lián)（在阿里規(guī)范中，關聯(lián)表不能超過三種，可以后端代碼單獨查詢，循環(huán)關聯(lián)）
- 小表驅(qū)動大表，寫多表連接 SQL 時如果明確知道哪張表是小表可以用straight_join寫法固定連接驅(qū)動方式，節(jié)約 MySQL 優(yōu)化器判斷時間.
select * from t2 straight_join t1 on t2.a = t1.a; 代表指定mysql選著 t2 表作為驅(qū)動表 - 關聯(lián)字段加索引，大表關聯(lián)字段一定要加索引，盡量使得 MySQL 在進行 join 操作時選擇NLJ算法
- 多表連接是非常難以優(yōu)化的，最好95%的場景都使用單表來完成，復雜場景交個JAVA代碼，大規(guī)模計算交給大數(shù)據(jù)工具，無需效率才考慮連接
4.4.in和exsits優(yōu)化
原則：小表驅(qū)動大表
# in 先執(zhí)行括號里面的 select * from A where id in (select id from B) ? #exists 先執(zhí)行括號外面的 #select * 可以用 select 1 替換，沒有區(qū)別 #exists 子查詢內(nèi)部會進行優(yōu)化，并非逐條對比 #exists 子查詢往往也可以用 jion 來代替，何種最優(yōu)需要具體問題具體分析 select * from A where exists (select 1 from B where B.id = A.id)
4.5.count(*)查詢優(yōu)化
注意：根據(jù)某個字段 count 不會統(tǒng)計字段為 null 的行
#掃描二級索引，按行累加 explain select count(1) from employees; #掃描輔助索引按行累加（輔助索引比聚簇索引?。? explain select count(id) from employees; #把 name 拿到內(nèi)存，不為 null 就累加 explain select count(name) from employees; #不取值，按行累加 explain select count(*) from employees;
四條語句的效率幾乎可以忽略，效率對比如下： 字段有索引： count(* )≈count(1)>count(字段)>count(主鍵 id) 段)>count(主鍵 id) 字段無索引： count(*)≈count(1)>count(主鍵 id)>count(字段)
常見優(yōu)化方法：
- 1.對于 MyISAM 存儲引擎的表做不帶 where 條件的 count 查詢性能是很高的，數(shù)據(jù)總行數(shù)直接寫在磁盤上，查詢不需要計算。innodb 存儲引擎的表則不會記錄(因為有MVCC機制)
- 2.對與不用知道確切行的可以直接使用
show table status，它是一個估值，使用該查詢效率很高 - 3.將總數(shù)維護到 Redis 里面，插入或刪除表數(shù)據(jù)行的時候同時維護 Redis 里的表總行數(shù) key 的計數(shù)值(用 incr 或 decr 命令)，但是這種方式可能不準，很難保證表操作和Redis 操作的事務一致性。
- 4.增加數(shù)據(jù)庫計數(shù)表，插入或刪除表數(shù)據(jù)行的時候同時維護計數(shù)表，且它們在同一個事務里操作
5.索引設計原則
- 1、代碼先行，索引后上，先開發(fā)完主體業(yè)務代碼，再把涉及到該表相關sql都要拿出來分析之后再建立索引。
- 2、聯(lián)合索引盡量覆蓋條件，可以設計一個或者兩三個聯(lián)合索引(單值索引要少建)，讓每一個聯(lián)合索引都盡量去包含SQL語句里的 where、order by、group by 的字段，且這些聯(lián)合索引字段順序盡量滿足 SQL查詢的最左前綴原則。
- 3、不要在小基數(shù)字段上建立索引，無法進行快速的二分查找，不能能發(fā)揮出B+樹快速二分查找的優(yōu)勢來，沒有意義
- 4、盡量對字段類型較小的列設計索引，盡量對字段類型較小的列設計索引，比如 Tinyint 之類，字段類型較小的話，占用磁盤空間小，搜索的時性能更好。
- 5、長字符串可以采用前綴索引，比如針對某個字段的前20個字符建立索引，即：每個值的前20個字符放入索引樹中，搜索時會先匹配前而是個字符，再回表到聚簇索引取出來完整的 name 字段值進行比較。但排序（order by 和 group by）時無法使用該索引。
- 6、where 與 order by 沖突時優(yōu)先 where，大多數(shù)情況下根據(jù)索引進行 where 篩選一般篩選出來的數(shù)據(jù)比較少，然后做排序成本會更低。
- 7、基于慢SQL查詢做優(yōu)化，可以根據(jù)監(jiān)控后臺的一些慢SQL，針對這些慢 SQL 查詢做特定的索引優(yōu)化（MySQL有提供，只需設置具體參數(shù)）。
到此這篇關于MySQL索引優(yōu)化實例分析的文章就介紹到這了,更多相關MySQL索引優(yōu)化內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關文章希望大家以后多多支持腳本之家！
相關文章
CentOS系統(tǒng)下如何設置mysql每天自動備份
備份是容災的基礎，是指為防止系統(tǒng)出現(xiàn)操作失誤或系統(tǒng)故障導致數(shù)據(jù)丟失，而將全部或部分數(shù)據(jù)集合從應用主機的硬盤或陣列復制到其它的存儲介質(zhì)的過程。本文將詳細介紹在CentOS系統(tǒng)下如何設置mysql每天自動備份，有需要的朋友們下面來一起看看吧。2016-10-10
這篇文章主要介紹了Mysql5.7.18的安裝與主從復制圖文詳解,需要的朋友可以參考下2017-08-08
這篇文章主要介紹了MySQL 函數(shù)索引及優(yōu)化方案的相關資料，幫助大家更好的理解和學習MySQL，感興趣的朋友可以了解下2020-09-09
Mysql中distinct與group by的去重方面的區(qū)別
distinct簡單來說就是用來去重的，而group by的設計目的則是用來聚合統(tǒng)計的，兩者在能夠?qū)崿F(xiàn)的功能上有些相同之處，但應該仔細區(qū)分，因為用錯場景的話，效率相差可以倍計。2020-03-03
很多人可能會把日期類型的字段的類型設置為 date或者 datetime，但是這些不是當前時間，那么如何把字段時間設置成當前時間，本文就具體來介紹一下2021-05-05
MySQL字符串轉(zhuǎn)數(shù)字的3種方式實例
這篇文章主要給大家介紹了關于MySQL字符串轉(zhuǎn)數(shù)字的3種方式,在使用mysql中經(jīng)常遇到要將字符串數(shù)字轉(zhuǎn)換成可計算數(shù)字,文中給出了詳細的代碼示例和圖文介紹,需要的朋友可以參考下2023-08-08
這篇文章主要給大家介紹了關于MySQL按指定字符合并以及拆分的相關資料，文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值，需要的朋友們下面來一起學習學習吧2020-06-06
本篇文章是對利用word vb宏來生成sql的方法進行了詳細的分析介紹，需要的朋友參考下2013-06-06
這篇文章主要介紹了SQL行轉(zhuǎn)列與列轉(zhuǎn)行，違章以SQL數(shù)據(jù)展開詳細內(nèi)容，具有一定的參考價值，需要的小伙伴可以參考一下，希望對你有所幫助2022-03-03
連接MySQL時出現(xiàn)1449與1045異常解決辦法
這篇文章主要介紹了連接MySQL時出現(xiàn)1449與1045異常解決辦法的相關資料,通過IP鏈接MySQL的時候會出現(xiàn)1499與1054錯誤異常的情況，這里提供解決辦法，需要的朋友可以參考下2017-09-09