SQL优化

SQL优化

昨天（2022-7-22）上线了我的一个功能，测试环境数据量较小，问题不大，但是上生产之后，直接卡死了，然后就开始了这么一次SQL优化，这里记录一下。

不太方便透露公司的表结构，这里我自己建了几张表，模拟一下就可以了。

肯定有杠精要说表可以不这样设计了，但是事实现在系统就是这样设计的，如果想改动表设计，影响面就太大了（我们急着上线哦）。当然，本文的后面也会给出修改设计的方案，以达到更优解。

1. 创建表

进货单表：

	CREATE TABLE `purchase_order` (
	`id` int(11) NOT NULL AUTO_INCREMENT COMMENT '主键自增id',
	`purchase_time` varchar(255) DEFAULT NULL COMMENT '进货时间',
	`purchase_pre_unit_price` decimal(10,2) unsigned zerofill NOT NULL COMMENT '进货预订单价(元/kg)',
	`purchase_weight` decimal(10,2) unsigned zerofill NOT NULL COMMENT '进货重量(kg)',
	`purchase_bill_no` varchar(255) NOT NULL COMMENT '进货单号',
	PRIMARY KEY (`id`)
	) ENGINE=InnoDB AUTO_INCREMENT=62181 DEFAULT CHARSET=utf8 COMMENT='进货单';

进货结算单表：

	CREATE TABLE `settlement_voucher` (
	`id` int(11) NOT NULL AUTO_INCREMENT COMMENT '自增ID',
	`purchase_bill_no` varchar(512) DEFAULT NULL COMMENT '进货单号',
	`settlement_bill_no` varchar(64) NOT NULL COMMENT '结算单号',
	`unit_price` decimal(10,2) unsigned zerofill NOT NULL COMMENT '实际结算单价（元/kg）',
	`settlement_weight` decimal(10,2) unsigned zerofill NOT NULL COMMENT '实际结算重量（kg）',
	`cut_off_time` datetime DEFAULT NULL ON UPDATE CURRENT_TIMESTAMP COMMENT '结算时间',
	PRIMARY KEY (`id`),
	KEY `idx_settlement_bill_no` (`settlement_bill_no`)
	) ENGINE=InnoDB AUTO_INCREMENT=63288 DEFAULT CHARSET=utf8 COMMENT='进货结算单';

发票表：

	CREATE TABLE `invoice` (
	`id` int(11) NOT NULL AUTO_INCREMENT COMMENT '主键ID',
	`invoice_code` varchar(255) NOT NULL COMMENT '发票代码',
	`invoice_number` varchar(255) NOT NULL COMMENT '发票号码',
	`pay_amount` decimal(10,2) DEFAULT NULL COMMENT '发票金额',
	PRIMARY KEY (`id`),
	KEY `idx_invoice_number` (`invoice_number`)
	) ENGINE=InnoDB DEFAULT CHARSET=utf8 COMMENT='发票表';

发票-结算单关联表：

	CREATE TABLE `settlement_invoice_relation` (
	`id` int(11) NOT NULL AUTO_INCREMENT COMMENT '主键ID',
	`invoice_code` varchar(255) DEFAULT NULL COMMENT '发票代码',
	`invoice_number` varchar(255) DEFAULT NULL COMMENT '发票号码',
	`settlement_bill_no` varchar(64) DEFAULT NULL COMMENT '结算单号',
	PRIMARY KEY (`id`),
	KEY `idx_settlement_bill_no` (`settlement_bill_no`),
	KEY `idx_invoice_number` (`invoice_number`)
	) ENGINE=InnoDB DEFAULT CHARSET=utf8 COMMENT='发票-结算单关联表';

以上是我自己创建的几张表，先介绍一下这几张表的关系：

• 进货单表(purchase_order)和进货结算单表(settlement_voucher)通过进货单号(purchase_bill_no)关联。这里值得注意的是：
  • 一个进货单可以对应多个进货结算单，通过purchase_bill_no关联，如以下数据：
  • 一个进货结算单可以对应多个进货单，通过purchase_bill_no关联，settlement_voucher表中的purchase_bill_no字段存放多个进货单号，使用英文逗号隔开。如以下数据：
• 发票表(invoice)和结算单表(settlement_voucher)有一个关联关系表(settlement_invoice_relation)
  • 发票表和关联关系表使用invoice_code和invoice_number关联
  • 结算单表和关联关系表使用settlement_bill_no关联
  • 发票和结算单是多对多的关系

2. 需求

现在需要以进货结算单表(settlement_voucher)查询出一个列表：

• 列表字段有【进货时间(多个使用英文逗号隔开)、进货平均单价、进货预定总金额，结算单号，结算平均单价，结算金额，结算时间，发票号码(多个使用英文逗号隔开)，发票代码(多个使用英文逗号隔开)】
• 查询条件有：进货时间(一个进货结算单对应多个进货单时，只要有一个进货单的时间在范围内，就查询到)，结算时间，发票号码(一个结算单对应多个发票时，只要有一个发票能关联上，就查询到)
• 根据结算时间排序

当然，实际当时的那个需求，列表字段比这多，查询条件也比这多......

3. 给表插入数据

先给货单表(purchase_order)和进货结算单表(settlement_voucher)各自插入10万条数据，我这里使用了存储过程：

	begin
	declare i int;
	declare purchase_weight decimal(10,2);
	declare unit_price decimal(10,2);
	declare purchase_bill_no varchar(255);
	declare settlement_bill_no varchar(255);
	set i=0;
	while i<100000 do
	select ROUND(RAND()*100,2) into purchase_weight from dual;
	select ROUND(RAND()*10,2) into unit_price from dual;
	select CONCAT('purchase-',LPAD(i,8,'0')) into purchase_bill_no from dual;
	select CONCAT('settlement-',LPAD(i,8,'0')) into settlement_bill_no from dual;
	-- 插入进货单表，进货时间随机生成
	insert into purchase_order(purchase_time,purchase_pre_unit_price,purchase_weight,purchase_bill_no)
	select (DATE_ADD(NOW(), INTERVAL FLOOR(1 - (RAND() * 864000)) SECOND )),
	unit_price,purchase_weight,purchase_bill_no from dual;
	-- 插入结算单表，结算时间随机生成
	insert into settlement_voucher(purchase_bill_no,settlement_bill_no,unit_price,settlement_weight,cut_off_time)
	select purchase_bill_no,settlement_bill_no,unit_price,purchase_weight,
	(DATE_ADD(NOW(), INTERVAL FLOOR(1 - (RAND() * 864000)) SECOND )) from dual;
	set i=i+1;
	end while;
	end

调用存储过程生成数据：

call pre();

生成之后需要随机改几条数据，模拟一个进货单可以对应多个进货结算单，以及一个进货结算单可以对应多个进货单两种情况（这样数据更真实一点）。

一个进货单可以对应多个进货结算单的情况就不模拟了，这种情况其实对这次查询的影响并不大。

一个进货结算单可以对应多个进货单的情况：

再创建一些发票数据和结算单-发票关联数据，需要体现多对多的关系：

	insert into invoice(invoice_code,invoice_number,pay_amount)
	VALUES
	('111111','1111100','1000'),
	('111112','1111101','1001'),
	('111113','1111102','1002'),
	('111114','1111103','1003'),
	('111115','1111104','1004'),
	('111116','1111105','1005'),
	('111117','1111106','1006'),
	('111118','1111107','1007'),
	('111119','1111108','1008'),
	('111110','1111109','1009');
	INSERT into settlement_invoice_relation(invoice_code,invoice_number,settlement_bill_no)
	VALUES
	('111111','1111100','settlement-00000000'),
	('111112','1111101','settlement-00000000'),
	('111113','1111102','settlement-00000000'),
	('111114','1111103','settlement-00000004'),
	('111114','1111103','settlement-00000006'),
	('111114','1111103','settlement-00000030'),
	('111116','1111105','settlement-00000041'),
	('111117','1111106','settlement-00000041'),
	('111118','1111107','settlement-00000043');

4. 开始根据需求写SQL

优化第一步，当然是想让产品经理去掉一些查询条件，避免进货单表和进货结算表关联了，但是你懂的。。。。。。

这里就以进货时间为条件查询为例（因为主要就是进货单和进货结算单关联导致慢查询），记得需求哦，就是一个进货结算单可能对应多个进货单，只要有其中一个进货单在时间范围内，就需要查询出这条进货结算单

还有：我上面创建的表中索引也模拟了当时优化之前的索引......

4.1 第一版

	select
	GROUP_CONCAT(po.purchase_time) as 进货时间,
	AVG(IFNULL(po.purchase_pre_unit_price,0)) as 进货均价,
	t.settlement_bill_no as 结算单号,
	AVG(IFNULL(t.unit_price,0)) as 结算均价,
	any_value(t.cut_off_time) as 结算时间,
	any_value(invoice_tmp.invoice_code) as 发票代码,
	any_value(invoice_tmp.invoice_number) as 发票号码
	from settlement_voucher t
	left join purchase_order po on FIND_IN_SET(po.purchase_bill_no,t.purchase_bill_no)>0
	left join (
	select sir.settlement_bill_no,
	GROUP_CONCAT(i.invoice_number) invoice_number,
	GROUP_CONCAT(i.invoice_code) invoice_code
	from settlement_invoice_relation sir, invoice i
	where sir.invoice_code = i.invoice_code and sir.invoice_number = i.invoice_number
	group by sir.settlement_bill_no
	) invoice_tmp on invoice_tmp.settlement_bill_no = t.settlement_bill_no
	where 1=1
	-- and t.settlement_bill_no='settlement-00000000'
	and EXISTS(select 1 from purchase_order po1 where FIND_IN_SET(po1.purchase_bill_no,t.purchase_bill_no)>0
	and po1.purchase_time >='2022-07-01 00:00:00'
	)
	and EXISTS(select 1 from purchase_order po1 where FIND_IN_SET(po1.purchase_bill_no,t.purchase_bill_no)>0
	and po1.purchase_time <='2022-07-23 23:59:59'
	)
	group by t.settlement_bill_no;

第一版SQL当时在本地环境执行是用了5秒左右，此时就已经意识到问题了，这别说上生产了，就是在测试环境都得挂掉。

但是看看我在自己的垃圾服务器（双核4G）上跑这条SQL吧，是根本执行不出来的（虽然公司服务器好一些，但是生产环境确实卡死了）：

当时就还没没看执行计划，一眼看去，这个SQL中用到了FIND_IN_SET，肯定是不会走索引的，建了索引也没用，也就是主要是进货单表(purchase_order)和进货结算单表settlement_voucher关联会很慢，毕竟他们是多对多的关系，再加上这恶心的需求。所以现在想想该怎么才能不用 FIND_IN_SET。

对，吃饭期间，突发奇想：我应该可以把进货结算单表拆成一个临时表，如果进货结算单表对应了5个进货单，我就把进货结算单拆成5条数据，这五条数据除了进货单号不一样，其他字段都 一样，这样就可以不用FIND_IN_SET了。

说干就干，于是有了下面第二版SQL。

4.2 第二版

向把进货结算单表拆分成上面说的临时表，需要添加一个表：

	CREATE TABLE `incre_table` (
	`id` int(11) NOT NULL AUTO_INCREMENT,
	PRIMARY KEY (`id`)
	) ENGINE=InnoDB DEFAULT CHARSET=utf8 COMMENT='用于分割进货结算单表';
	-- 注意：这里一个进货结算单对应多少个进货单，这里就要依次插入多少条数据，我这里10条 就够用了
	insert into incre_table(id) VALUES(1);
	insert into incre_table(id) VALUES(2);
	insert into incre_table(id) VALUES(3);
	insert into incre_table(id) VALUES(4);
	insert into incre_table(id) VALUES(5);
	insert into incre_table(id) VALUES(6);
	insert into incre_table(id) VALUES(7);
	insert into incre_table(id) VALUES(8);
	insert into incre_table(id) VALUES(9);
	insert into incre_table(id) VALUES(10);

先来看看怎么把一条进货结算单数据拆分成多条：

	select
	sv.cut_off_time,
	sv.settlement_bill_no,
	sv.unit_price,
	sv.settlement_weight,
	SUBSTRING_INDEX(SUBSTRING_INDEX(sv.purchase_bill_no,',',it.id),',',-1) purchase_bill_no
	from settlement_voucher sv
	RIGHT JOIN incre_table it on it.id<=(LENGTH(sv.purchase_bill_no) - LENGTH(REPLACE(sv.purchase_bill_no,',','')) + 1)
	where sv.settlement_bill_no='settlement-00000000';

来解释一下这个骚操作：

• 首先我创建了一个只有id的表incre_table，插入了十条数据，并且这十条数据必须是1-10。
• 然后我使用settlement_voucher 右连接了 incre_table，并且只取incre_table中id小于或等于进货单数量的数据。这样就控制了这条SQL应该查询多少条数据（就刚好是一个进货结算单对应的进货单条数）。
• 然后使用SUBSTRING_INDEX去一个一个拆分settlement_voucher表中的进货单号

这套SQL执行的结果就是：

综合起来，就写好了第二版SQL：

	select
	GROUP_CONCAT(po.purchase_time) as 进货时间,
	AVG(IFNULL(po.purchase_pre_unit_price,0)) as 进货均价,
	t.settlement_bill_no as 结算单号,
	AVG(IFNULL(t.unit_price,0)) as 结算均价,
	any_value(t.cut_off_time) as 结算时间,
	any_value(invoice_tmp.invoice_code) as 发票代码,
	any_value(invoice_tmp.invoice_number) as 发票号码
	from (
	select
	sv.cut_off_time,
	sv.settlement_bill_no,
	sv.unit_price,
	sv.settlement_weight,
	SUBSTRING_INDEX(SUBSTRING_INDEX(sv.purchase_bill_no,',',it.id),',',-1) purchase_bill_no
	from settlement_voucher sv
	RIGHT JOIN incre_table it on it.id<=(LENGTH(sv.purchase_bill_no) - LENGTH(REPLACE(sv.purchase_bill_no,',','')) + 1)
	) t
	left join purchase_order po on po.purchase_bill_no = t.purchase_bill_no
	left join (
	select sir.settlement_bill_no,
	GROUP_CONCAT(i.invoice_number) invoice_number,
	GROUP_CONCAT(i.invoice_code) invoice_code
	from settlement_invoice_relation sir, invoice i
	where sir.invoice_code = i.invoice_code and sir.invoice_number = i.invoice_number
	group by sir.settlement_bill_no
	) invoice_tmp on invoice_tmp.settlement_bill_no = t.settlement_bill_no
	where 1=1
	-- and t.settlement_bill_no='settlement-00000000'
	and po.purchase_time >='2022-07-01 00:00:00'
	and po.purchase_time <='2022-07-23 23:59:59'
	group by t.settlement_bill_no;

测试查询数据结果肯定是没有问题的哦！！！

好的，到这里终于把所有用到FIND_IN_SET的地方去掉了，这时看索引就有意义了！

看看执行计划吧：

阿西巴，一堆的全表扫描，看看上面第二版SQL，发现进货表(purchase_order)的purchase_bill_no字段是应该走索引的，按道理这个字段一般设计表的时候就应该已经加索引了，但是我以为只是我以为，它确实没加索引，好的，那就给它加上索引吧：

create index idx_purchase_bill_no on purchase_order(purchase_bill_no);

加完是这个索引后，再看看执行计划：

purchase_order表的purchase_bill_no已经走了索引，但是settlement_invoice_relation咋不走索引，它是有两个索引的。。。。。。

再看看在我的垃圾服务器上执行，看能不能执行出来：

好了，为了让settlement_invoice_relation表的查询也走索引，开始下一轮的SQL优化

4.3 第三版

就不在下面去聚合获取invoice_code和invoice_number了，在上面来聚合，至于要以这两个字段作为查询条件，那可以把下面这条SQL再包一层，作为一个临时表再查询一遍，这里就不演示了

	select
	GROUP_CONCAT(po.purchase_time) as 进货时间,
	AVG(IFNULL(po.purchase_pre_unit_price,0)) as 进货均价,
	t.settlement_bill_no as 结算单号,
	AVG(IFNULL(t.unit_price,0)) as 结算均价,
	any_value(t.cut_off_time) as 结算时间,
	GROUP_CONCAT(DISTINCT invoice_tmp.invoice_code) as 发票代码,
	GROUP_CONCAT(DISTINCT invoice_tmp.invoice_number) as 发票号码
	from (
	select
	sv.cut_off_time,
	sv.settlement_bill_no,
	sv.unit_price,
	sv.settlement_weight,
	SUBSTRING_INDEX(SUBSTRING_INDEX(sv.purchase_bill_no,',',it.id),',',-1) purchase_bill_no
	from settlement_voucher sv
	RIGHT JOIN incre_table it on it.id<=(LENGTH(sv.purchase_bill_no) - LENGTH(REPLACE(sv.purchase_bill_no,',','')) + 1)
	) t
	left join purchase_order po on po.purchase_bill_no = t.purchase_bill_no
	left join (
	select sir.settlement_bill_no,
	i.invoice_number,
	i.invoice_code
	from settlement_invoice_relation sir, invoice i
	where sir.invoice_code = i.invoice_code and sir.invoice_number = i.invoice_number
	) invoice_tmp on invoice_tmp.settlement_bill_no = t.settlement_bill_no
	where 1=1
	-- and t.settlement_bill_no='settlement-00000000'
	and po.purchase_time >='2022-07-01 00:00:00'
	and po.purchase_time <='2022-07-23 23:59:59'
	group by t.settlement_bill_no;

再看看执行计划：

这时，基本优化结束，再看看在我的垃圾服务器上跑出的结果：

到这里，基本上生产上是可以在三秒以内查询出来了，本次SQL优化就到此结束了！！！

但是，其实还是可以继续优化的，但是设计到系统改的地方比较多了，影响面比较大，这里就说一下思路，暂时不能实践：

可以把进货单表purchase_order和进货结算单表settlement_voucher之间，建立一个中间表，实现多对多的关系，再加以索引，应该会更快，而且可以一劳永逸，以后这种关联都会比较方便了！