一次非常有趣的 SQL 优化经历

一次非常有趣的 SQL 优化经历
阅读本文大概需要 6 分钟。

前言

在网上刷到一篇数据库优化的文章，自己也来研究一波。

场景

数据库版本：5.7.25 ，运行在虚拟机中。

课程表
```
#课程表
create table Course(
c_id int PRIMARY KEY,
name varchar(10)
)
```
增加 100 条数据
```
#增加课程表100条数据
DROP PROCEDURE IF EXISTS insert_Course;
DELIMITER $
CREATE PROCEDURE insert_Course()
BEGIN
    DECLARE i INT DEFAULT 1;
        WHILE i<=100 DO
        INSERT INTO Course(`c_id`,`name`) VALUES(i, CONCAT('语文',i+''));
        SET i = i+1;
    END WHILE;
END $
CALL insert_Course();
```
运行耗时
```
CALL insert_Course();
> OK
> 时间: 0.152s
```
课程数据

学生表
```
#学生表
create table Student(
s_id int PRIMARY KEY,
name varchar(10)
)
```
增加 7W 条数据
```
#学生表增加70000条数据
DROP PROCEDURE IF EXISTS insert_Student;
DELIMITER $
CREATE PROCEDURE insert_Student()
BEGIN
    DECLARE i INT DEFAULT 1;
        WHILE i<=70000 DO
        INSERT INTO Student(`s_id`,`name`) VALUES(i, CONCAT('张三',i+''));
        SET i = i+1;
    END WHILE;
END $
CALL insert_Student();
```
运行结果
```
CALL insert_Student();
> OK
> 时间: 175.838s
```
学生数据

成绩表
```
#成绩表
CREATE table Result(
r_id int PRIMARY KEY,
s_id int,
c_id int,
score int
)
```
增加 70W 条数据
```
#成绩表增加70W条数据
DROP PROCEDURE IF EXISTS insert_Result;
DELIMITER $
CREATE PROCEDURE insert_Result()
BEGIN
    DECLARE i INT DEFAULT 1;
        DECLARE sNum INT DEFAULT 1;
        DECLARE cNum INT DEFAULT 1;
        WHILE i<=700000 DO
                if (sNum%70000 = 0) THEN
                    set sNum = 1;
                elseif (cNum%100 = 0) THEN 
                    set cNum = 1;
                end if;
        INSERT INTO Result(`r_id`,`s_id`,`c_id`,`score`) VALUES(i,sNum ,cNum , (RAND()*99)+1);
        SET i = i+1;
                SET sNum = sNum+1;
                SET cNum = cNum+1;
    END WHILE;
END $
CALL insert_Result();
```
运行结果
```
CALL insert_Result();
> OK
> 时间: 2029.5s
```
成绩数据

测试

业务需求

查找语文1 成绩为 100 分的考生

查询语句
```
#查询语文1考100分的考生
select s.* from Student s where s.s_id in 
(select s_id from Result r where r.c_id = 1 and r.score = 100)
```
执行时间：0.937s

查询结果：32 位满足条件的学生

用了 0.9s ，来查看下查询计划：
```
EXPLAIN
select s.* from Student s where s.s_id in 
(select s_id from Result r where r.c_id = 1 and r.score = 100)
```
发现没有用到索引，type 全是 ALL ，那么首先想到的就是建立一个索引，建立索引的字段当然是在 where 条件的字段了。

查询结果中 type 列：all 是全表扫描，index 是通过索引扫描。

先给 Result 表的 c_id 和 score 建立个索引
```
CREATE index result_c_id_index on Result(c_id);

CREATE index result_score_index on Result(score);
```
再次执行上述查询语句，时间为：0.027s

快了 34.7 倍（四舍五入），大大缩短了查询的时间，看来索引能极大程度的提高查询效率，在合适的列上面建立索引很有必要，很多时候都忘记建立索引，数据量小的时候没什么感觉，这优化的感觉很 nice 。

相同的 SQL 语句多次执行，你会发现第一次是最久的，后面执行所需的时间会比第一次执行短些许，原因是，相同语句第二次查询会直接从缓存中读取。

0.027s 很短了，但是还能再进行优化吗，仔细看下执行计划：

查看优化后的 SQL ：
```
SELECT
    `example`.`s`.`s_id` AS `s_id`,
    `example`.`s`.`name` AS `name` 
FROM
    `example`.`Student` `s` semi
    JOIN ( `example`.`Result` `r` ) 
WHERE
    (
    ( `example`.`s`.`s_id` = `<subquery2>`.`s_id` ) 
    AND ( `example`.`r`.`score` = 100 ) 
    AND ( `example`.`r`.`c_id` = 1 ) 
    )
```
怎么查看优化后的语句呢？

方法如下（在命令窗口执行）：
```
#先执行
EXPLAIN
select s.* from Student s where s.s_id in 
(select s_id from Result r where r.c_id = 1 and r.score = 100);
#在执行
show warnings;
```
结果如下

有 type = all

按照之前的想法，该 SQL 执行的顺序是执行子查询
```
select s_id from Result r where r.c_id = 1 and r.score = 100
```
耗时：1.402s

得到如下结果（部分）

然后在执行
```
select s.* from Student s where s.s_id in 
(12871,40987,46729,61381,3955,10687,14047,26917,28897,31174,38896,56518,10774,25030,9778,12544,24721,27295,60361,
38479,46990,66988,6790,35995,46192,47578,58171,63220,6685,67372,46279,64693)
```
耗时：0.222s

比一起执行快多了，查看优化后的 SQL 语句，发现MySQL 竟然不是先执行里层的查询，而是将 SQL 优化成了 exists 字句，执行计划中的 select_type 为 MATERIALIZED（物化子查询）。MySQL 先执行外层查询，在执行里层的查询，这样就要循环学生数量*满足条件的学生 ID 次，也就是 7W * 32 次。

物化子查询：优化器使用物化能够更有效的来处理子查询。物化通过将子查询结果作为一个临时表来加快查询执行速度，正常来说是在内存中的。mysql 第一次需要子查询结果是，它物化结果到一张临时表中。在之后的任何地方需要该结果集，mysql 会再次引用临时表。优化器也许会使用一个哈希索引来使得查询更快速代价更小。索引是唯一的，排除重复并使得表数据更少。

那么改用连接查询呢？

这里为了重新分析连接查询的情况，先暂时删除索引 result_c_id_index ，result_score_index 。
```
DROP index result_c_id_index on Result;
DROP index result_score_index on Result;
```
连接查询
```
select s.* from 
Student s 
INNER JOIN Result r 
on r.s_id = s.s_id 
where r.c_id = 1 and r.score = 100;
```
执行耗时：1.293s

查询结果

用了 1.2s ，来看看执行计划（ EXPLAIN + 查询 SQL 即可查看该 SQL 的执行计划）：

这里有连表的情况出现，我猜想是不是要给 result 表的 s_id 建立个索引
```
CREATE index result_s_id_index on Result(s_id);
show index from Result;
```
在执行连接查询

耗时：1.17s （有点奇怪，按照所看文章的时间应该会变长的）

看下执行计划：

优化后的查询语句为：
```
SELECT
    `example`.`s`.`s_id` AS `s_id`,
    `example`.`s`.`name` AS `name` 
FROM
    `example`.`Student` `s`
    JOIN `example`.`Result` `r` 
WHERE
    (
    ( `example`.`s`.`s_id` = `example`.`r`.`s_id` ) 
    AND ( `example`.`r`.`score` = 100 ) 
    AND ( `example`.`r`.`c_id` = 1 ) 
    )
```
貌似是先做的连接查询，在进行的 where 条件过滤。

回到前面的执行计划：

这里是先做的 where 条件过滤，再做连表，执行计划还不是固定的，那么我们先看下标准的 sql 执行顺序：

正常情况下是先 join 再进行 where 过滤，但是我们这里的情况，如果先 join ，将会有 70W 条数据发送 join ，因此先执行 where 过滤式明智方案，现在为了排除 mysql 的查询优化，我自己写一条优化后的 sql 。

先删除索引
```
DROP index result_s_id_index on Result;
```
执行自己写的优化 sql
```
SELECT
    s.* 
FROM
    (
        SELECT * FROM Result r WHERE r.c_id = 1 AND r.score = 100 
    ) t
INNER JOIN Student s ON t.s_id = s.s_id
```
耗时为：0.413s

比之前 sql 的时间都要短。

查看执行计划

先提取 result 再连表，这样效率就高多了，现在的问题是提取 result 的时候出现了扫描表，那么现在可以明确需要建立相关索引。
```
CREATE index result_c_id_index on Result(c_id);
CREATE index result_score_index on Result(score);
```
再次执行查询
```
SELECT
    s.* 
FROM
    (
        SELECT * FROM Result r WHERE r.c_id = 1 AND r.score = 100 
    ) t
INNER JOIN Student s ON t.s_id = s.s_id
```
耗时为：0.044s

这个时间相当靠谱，快了 10 倍。

执行计划：

我们会看到，先提取 result ，再连表，都用到了索引。

那么再来执行下 sql ：
```
EXPLAIN
select s.* from 
Student s 
INNER JOIN Result r 
on r.s_id = s.s_id 
where r.c_id = 1 and r.score = 100;
```
执行耗时：0.050s

执行计划：

这里是 mysql 进行了查询语句优化，先执行了 where 过滤，再执行连接操作，且都用到了索引。

扩大测试数据，调整内容为 result 表的数据增长到 300W ，学生数据更为分散。
```
DROP PROCEDURE IF EXISTS insert_Result_TO300W;
DELIMITER $
CREATE PROCEDURE insert_Result_TO300W()
BEGIN
    DECLARE i INT DEFAULT 700001;
        DECLARE sNum INT DEFAULT 1;
        DECLARE cNum INT DEFAULT 1;
        WHILE i<=3000000 DO
        INSERT INTO Result(`r_id`,`s_id`,`c_id`,`score`) 
                VALUES(i,(RAND()*69999)+1 ,(RAND()*99)+1 , (RAND()*99)+1);
        SET i = i+1;
    END WHILE;
END $
CALL insert_Result_TO300W();
```
更换了一下数据生成的方式，全部采用随机数格式。

先回顾下：
```
show index from Result;
```
执行 sql
```
select s.* from 
Student s
INNER JOIN Result r
on r.s_id = s.s_id
where r.c_id = 81 and r.score = 84;
```
执行耗时：1.278s

执行计划：

这里用到了 intersect 并集操作，即两个索引同时检索的结果再求并集，再看字段 score 和 c_id 的区分度，但从一个字段看，区分度都不是很大，从 Result 表检索，c_id = 81 检索的结果是 81 ，score = 84 的结果是 84 。

而 c_id = 81 and score = 84 的结果是 19881，即这两个字段联合起来的区分度还是比较高的，因此建立联合索引查询效率将会更高，从另外一个角度看，该表的数据是 300W ，以后会更多，就索引存储而言，都是不小的数目，随着数据量的增加，索引就不能全部加载到内存，而是要从磁盘读取，这样索引的个数越多，读磁盘的开销就越大，因此根据具体业务情况建立多列的联合索引是必要的，我们来试试。
```
DROP index result_c_id_index on Result;
DROP index result_score_index on Result;
CREATE index result_c_id_score_index on Result(c_id,score);
```
指向上述查询语句

消耗时间：0.025s

这个速度就就很快了，可以接受。

该语句的优化暂时告一段落。

总结
- MySQL 嵌套子查询效率确实比较低
- 可以将其优化成连接查询
- 连接表时，可以先用 where 条件对表进行过滤，然后做表连接（虽然 MySQL 会对连表语句做优化）
- 建立合适的索引，必要时建立多列联合索引
- 学会分析 sql 执行计划，mysql 会对 sql 进行优化，所有分析计划很重要
知识扩展

索引优化

上面讲到子查询的优化，以及如何建立索引，而且在多个字段索引时，分别对字段建立了单个索引。

后面发现其实建立联合索引效率会更高，尤其是在数据量较大，单个列区分度不高的情况下。

单列索引

查询语句如下：
```
select * from user_test_copy where sex = 2 and type = 2 and age = 10
```
索引：
```
CREATE index user_test_index_sex on user_test_copy(sex);
CREATE index user_test_index_type on user_test_copy(type);
CREATE index user_test_index_age on user_test_copy(age);
```
分别对 sex ，type ，age 字段做了索引，数据量为300w

查询时间：0.415s

执行计划：

发现 type = index_merge

这是mysql对多个单列索引的优化，对结果集采用intersect并集操作

多列索引

多列索引

我们可以在这3个列上建立多列索引，将表copy一份以便做测试。
```
create index user_test_index_sex_type_age on user_test(sex,type,age);
```
查询语句：
```
select * from user_test where sex = 2 and type = 2 and age = 10
```
执行时间：0.032s

快了10多倍，且多列索引的区分度越高，提高的速度也越多。

执行计划：

最左前缀

多列索引还有最左前缀的特性：

都会使用到索引，即索引的第一个字段sex要出现在where条件中。

执行一下语句：
```
select * from user_test where sex = 2
select * from user_test where sex = 2 and type = 2
select * from user_test where sex = 2 and age = 10
```
索引覆盖

就是查询的列都建立了索引，这样在获取结果集的时候不用再去磁盘获取其它列的数据，直接返回索引数据即可

如：
```
select sex,type,age from user_test where sex = 2 and type = 2 and age = 10
```
执行时间：0.003s

要比取所有字段快的多

排序
```
select * from user_test where sex = 2 and type = 2 ORDER BY user_name
```
时间：0.139s

在排序字段上建立索引会提高排序的效率
```
select * from user_test where sex = 2 and type = 2 ORDER BY user_name
```
最后附上一些sql调优的总结，以后有时间再深入研究
- 列类型尽量定义成数值类型，且长度尽可能短，如主键和外键，类型字段等等
- 建立单列索引
- 根据需要建立多列联合索引
- 当单个列过滤之后还有很多数据，那么索引的效率将会比较低，即列的区分度较低，那么如果在多个列上建立索引，那么多个列的区分度就大多了，将会有显著的效率提高。
- 根据业务场景建立覆盖索引
- 只查询业务需要的字段，如果这些字段被索引覆盖，将极大的提高查询效率
- 多表连接的字段上需要建立索引
- 这样可以极大的提高表连接的效率
- where条件字段上需要建立索引
- 排序字段上需要建立索引
- 分组字段上需要建立索引
- Where条件上不要使用运算函数，以免索引失效
·END·

程序员的成长之路

路虽远，行则必至

本文原发于同名微信公众号「程序员的成长之路」，回复「1024」你懂得，给个赞呗。

微信ID：cxydczzl

往期精彩回顾

程序员接私活的7大平台利器

Java程序员的成长之路

白话TCP为什么需要进行三次握手

Java性能优化的50个细节（珍藏版）

设计电商平台优惠券系统

一个对话让你明白架构师是做什么的？

教你一招用 IDE 编程提升效率的骚操作！

送给程序员们的经典电子书大礼包
相关阅读:
5. support vector machine
机器学习实战（二）决策树
 机器学习实战（一）kNN
深度学习笔记（无）VGG14
深度学习笔记（一）线性分类器（基础知识）
Eclipse代码风格
 windows安装java环境
 linux matlab2013b 安装教程
 小白Linux入门五
 机器学习 0
原文地址：https://www.cnblogs.com/gdjk/p/10598443.html

一次非常有趣的 SQL 优化经历

索引优化

单列索引

多列索引

最左前缀

索引覆盖

排序