我們知道一般的應(yīng)用系統(tǒng)，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，遇到最多的，也是最容易出問題的，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。

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。

MySQL索引原理

1.索引目的

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

2.索引原理

除了詞典，生活中隨處可見索引的例子，如火車站的車次表、圖書的目錄等。

它們的原理都是一樣的，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，同時把隨機(jī)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)。

數(shù)據(jù)庫也是一樣，但顯然要復(fù)雜許多，因?yàn)椴粌H面臨著等值查詢，還有范圍查詢(>、<、between、in)、模糊查詢(like)、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)對所有的問題呢？我們回想字典的例子，能不能把數(shù)據(jù)分成段，然后分段查詢呢？最簡單的如果1000條數(shù)據(jù)，1到100分成第一段，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)，只要找第三段就可以了，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，分成幾段比較好？稍有算法基礎(chǔ)的同學(xué)會想到搜索樹，其平均復(fù)雜度是lgN，具有不錯的查詢性能。但這里我們忽略了一個關(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，數(shù)據(jù)庫實(shí)現(xiàn)比較復(fù)雜，數(shù)據(jù)保存在磁盤上，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，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。

3.磁盤IO與預(yù)讀

前面提到了訪問磁盤，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，每次讀取數(shù)據(jù)花費(fèi)的時間可以分為尋道時間、旋轉(zhuǎn)延遲、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，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，比如一個磁盤7200轉(zhuǎn)，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；傳輸時間指的是從磁盤讀出或?qū)?shù)據(jù)寫入磁盤的時間，一般在零點(diǎn)幾毫秒，相對于前兩個時間可以忽略不計。那么訪問一次磁盤的時間，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，但要知道一臺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)，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)，每次9毫秒的時間，顯然是個災(zāi)難。下圖是計算機(jī)硬件延遲的對比圖，供大家參考：

考慮到磁盤IO是非常高昂的操作，計算機(jī)操作系統(tǒng)做了一些優(yōu)化，當(dāng)一次IO時，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)，因?yàn)榫植款A(yù)讀性原理告訴我們，當(dāng)計算機(jī)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。每一次IO讀取的數(shù)據(jù)我們稱之為一頁(page)。

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，也就是我們讀取一頁內(nèi)的數(shù)據(jù)時候，實(shí)際上才發(fā)生了一次IO，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。

4.索引的數(shù)據(jù)結(jié)構(gòu)

前面講了生活中索引的例子，索引的基本原理，數(shù)據(jù)庫的復(fù)雜性，又講了操作系統(tǒng)的相關(guān)知識，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，一定會有它的背景和使用場景，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，其實(shí)很簡單，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。

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？就這樣，b+樹應(yīng)運(yùn)而生。

5.詳解b+樹

如上圖，是一顆b+樹，關(guān)于b+樹的定義可以參見B+樹，這里只說一些重點(diǎn)，淺藍(lán)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(xiàng)（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(xiàng)17和35，包含指針P1、P2、P3，P1表示小于17的磁盤塊，P2表示在17和35之間的磁盤塊，P3表示大于35的磁盤塊。真實(shí)的數(shù)據(jù)存在于葉子節(jié)點(diǎn)即3、5、9、10、13、15、28、29、36、60、75、79、90、99。非葉子節(jié)點(diǎn)只不存儲真實(shí)的數(shù)據(jù)，只存儲指引搜索方向的數(shù)據(jù)項(xiàng)，如17、35并不真實(shí)存在于數(shù)據(jù)表中。

6.b+樹的查找過程

如圖所示，如果要查找數(shù)據(jù)項(xiàng)29，那么首先會把磁盤塊1由磁盤加載到內(nèi)存，此時發(fā)生一次IO，在內(nèi)存中用二分查找確定29在17和35之間，鎖定磁盤塊1的P2指針，內(nèi)存時間因?yàn)榉浅６蹋ㄏ啾却疟P的IO）可以忽略不計，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，29在26和30之間，鎖定磁盤塊3的P2指針，通過指針加載磁盤塊8到內(nèi)存，發(fā)生第三次IO，同時內(nèi)存中做二分查找找到29，結(jié)束查詢，總計三次IO。真實(shí)的情況是，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，性能提高將是巨大的，如果沒有索引，每個數(shù)據(jù)項(xiàng)都要發(fā)生一次IO，那么總共需要百萬次的IO，顯然成本非常非常高。

7.b+樹性質(zhì)

1.通過上面的分析，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，每個磁盤塊的數(shù)據(jù)項(xiàng)的數(shù)量是m，則有h=㏒(m+1)N，當(dāng)數(shù)據(jù)量N一定的情況下，m越大，h越小；而m = 磁盤塊的大小 / 數(shù)據(jù)項(xiàng)的大小，磁盤塊的大小也就是一個數(shù)據(jù)頁的大小，是固定的，如果數(shù)據(jù)項(xiàng)占的空間越小，數(shù)據(jù)項(xiàng)的數(shù)量越多，樹的高度越低。這就是為什么每個數(shù)據(jù)項(xiàng)，即索引字段要盡量的小，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(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)，磁盤塊的數(shù)據(jù)項(xiàng)會大幅度下降，導(dǎo)致樹增高。當(dāng)數(shù)據(jù)項(xiàng)等于1時將會退化成線性表。

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)，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，比如當(dāng)(張三,20,F)這樣的數(shù)據(jù)來檢索的時候，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，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，b+樹就不知道下一步該查哪個節(jié)點(diǎn)，因?yàn)榻⑺阉鳂涞臅r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。比如當(dāng)(張三,F)這樣的數(shù)據(jù)來檢索時，b+樹可以用name來指定搜索方向，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，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)，即索引的最左匹配特性。

建立索引的原則

1.最左前綴匹配原則

非常重要的原則，mysql會一直向右匹配直到遇到范圍查詢(>、<、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，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，a,b,d的順序可以任意調(diào)整。

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，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(*)，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，唯一鍵的區(qū)分度是1，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，那可能有人會問，這個比例有什么經(jīng)驗(yàn)值嗎？使用場景不同，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，即平均1條掃描10條記錄

4.索引列不能參與計算，保持列“干凈”

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(jìn)行檢索時，需要把所有元素都應(yīng)用函數(shù)才能比較，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(kuò)展索引，不要新建索引。

比如表中已經(jīng)有a的索引，現(xiàn)在要加(a,b)的索引，那么只需要修改原來的索引即可

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，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，下面會講到）。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，注意設(shè)置SQL_NO_CACHE

1.where條件單表查，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，單表每個字段分別查詢，看哪個字段的區(qū)分度最高

2.explain查看執(zhí)行計劃，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

慢查詢優(yōu)化案例

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(shí)現(xiàn)功能，這只是第一步，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，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(yùn)行一下，53條記錄 1.87秒，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)行計劃，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，分為兩部分，derived表示構(gòu)造表，也就是不存在的表，可以簡單理解成是一個語句形成的結(jié)果集，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，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)，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，rows = 1表示，每個關(guān)聯(lián)都只鎖定了一條記錄，效率比較高。獲得后，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)，返回的數(shù)據(jù)絕大部分cm_log都用不到，因?yàn)閏m_log只鎖定了379條記錄。

如何優(yōu)化呢？可以看到我們在運(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？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，如果ref_table是Employee就關(guān)聯(lián)employee表，我們完全可以拆成兩部分，并用union連接起來，注意這里用union，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，我們就可以直接使用union all了，因?yàn)槭褂胾nion需要去重的動作，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，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，只需要10ms 降低了近200倍！

+----+--------------+------------+--------+---------------------------------+-------------------+---------+-----------------------+------+-------------+
| 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，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，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)行多長時間,951條數(shù)據(jù)6.22秒，真的很慢

951 rows in set (6.22 sec)

1.先explain，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)，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這個字段的區(qū)分度非常低，整個表只有-1,0,1三個值，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，根據(jù)理論，也不適合建立索引

問題分析到這，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，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，比如當(dāng)sync_status 0、3分布的很平均，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。業(yè)務(wù)方是這么來使用這個SQL語句的，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，1000個左右。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，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，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，快了30多倍。

952 rows in set (0.20 sec)

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，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，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，不應(yīng)該加索引的列也會被加上索引，這樣會對插入、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。

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。

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。

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”，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，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。再多的案例其實(shí)也只是一些經(jīng)驗(yàn)的積累，如果我們熟悉查詢優(yōu)化器、索引的內(nèi)部原理，那么分析這些案例就變得特別簡單了。

以上就是MySQL數(shù)據(jù)庫的索引原理與慢SQL優(yōu)化的5大原則的詳細(xì)內(nèi)容，更多關(guān)于MySQL數(shù)據(jù)庫的索引原理與慢SQL優(yōu)化原則的資料請關(guān)注腳本之家其它相關(guān)文章！