常用的MySQL优化

本是古典何须时尚 2022-03-02 11:18 241阅读 0赞

###  ###

*   *  1.EXPLAIN
     *  2.SQL语句中的IN包含的值不能过多
     *  3.SELECT语句务必指明字段名称
     *  4.当只需要一条数据的时候，使用limit 1
     *  5.如果排序字段没有用到索引，就尽量少排序
     *  6.如果限制条件中其他字段没有索引，尽量少用 or
     *  7.尽量用union all代替union
     *  8.不适用ORDER BY RAND()
     *  9.区分in和exists，not in 和not exists
     *  10.使用合理的分页方式以提高分页的效率
     *  11.分段查询
     *  12.避免在 where 子句中对字段进行 null 值 判断
     *  13.不建议使用%前缀模糊查询
     *  14.避免在where子句中对字段进行表达式操作
     *  15.避免隐藏类型转换
     *  16.对应联合索引来说，要遵守最左前缀法则
     *  17.必要时可以使用force index来强制查询某个索引
     *  18.注意范围查询语句
     *  19.关于JOIN优化

## 1.EXPLAIN ##

做MySQL优化，我们要善用 EXPLAIN 查看SQL执行计划。

下面来个简单的示例，标注(1,2,3,4,5)我们要重点关注的数据  
![在这里插入图片描述][20190320124622523.png]  
type列，连接类型。一个好的sql语句至少要达到range级别。杜绝出现all级别  
key列，使用到的索引名。如果没有选择索引，值是NULL。可以采取强制索引方式  
key\_len列，索引长度  
rows列，扫描行数。该值是个预估值  
extra列，详细说明。注意常见的不太友好的值有：Using filesort, Using temporary

## 2.SQL语句中的IN包含的值不能过多 ##

MySQL对于IN做了相应的优化，即将IN中的常量全部存储在一个数组里面，而且这个数组是排好序的。但是如果数值较多，产生的消耗也是比较大的。再例如：select id from table\_name where num in(1,2,3) 对于连续的数值，能用 between 就不要用 in 了；再或者使用连接来替换。

## 3.SELECT语句务必指明字段名称 ##

SELECT \*增加很多不必要的消耗（cpu、io、内存、网络带宽）；增加了使用覆盖索引的可能性；当表结构发生改变时，前断也需要更新。所以要求直接在select后面接上字段名。

## 4.当只需要一条数据的时候，使用limit 1 ##

这是为了使EXPLAIN中type列达到const类型

## 5.如果排序字段没有用到索引，就尽量少排序 ##

## 6.如果限制条件中其他字段没有索引，尽量少用 or ##

or两边的字段中，如果有一个不是索引字段，而其他条件也不是索引字段，会造成该查询不走索引的情况。很多时候使用 union all 或者是union(必要的时候)的方式来代替“or”会得到更好的效果

## 7.尽量用union all代替union ##

union和union all的差异主要是前者需要将结果集合并后再进行唯一性过滤操作，这就会涉及到排序，增加大量的CPU运算，加大资源消耗及延迟。当然，union all的前提条件是两个结果集没有重复数据。

## 8.不适用ORDER BY RAND() ##

select id from `table_name` 
    order by rand() limit 1000;

上面的sql语句，可优化为

select id from `table_name` t1 join 
    (select rand() * (select max(id) from `table_name`) as nid) t2 
    on t1.id > t2.nid limit 1000;

## 9.区分in和exists，not in 和not exists ##

select * from 表A where id in (select id from 表B)

上面sql语句相当于

select * from 表A where exists
    (select * from 表B where 表B.id=表A.id)

上面sql语句相当于

select * from 表A where exists
    (select * from 表B where 表B.id=表A.id)

区分in和exists主要是造成了驱动顺序的改变（这是性能变化的关键），如果是exists，那么以外层表为驱动表，先被访问，如果是IN，那么先执行子查询。所以IN适合于外表大而内表小的情况；EXISTS适合于外表小而内表大的情况。

> 关于not in和not exists，推荐使用not exists，不仅仅是效率问题，  
> not in可能存在逻辑问题。如何高效的写出一个替代not exists的sql语句？

原sql语句

select colname … from A表 
    where a.id not in (select b.id from B表)

高效的sql语句

select colname … from A表 Left join B表 on 
    where a.id = b.id where b.id is null

取出的结果集如下图表示，A表不在B表中的数据  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L20wXzM4MDYxNDIx_size_16_color_FFFFFF_t_70]

## 10.使用合理的分页方式以提高分页的效率 ##

select id,name from table_name limit 866613, 20

使用上述sql语句做分页的时候，可能有人会发现，随着表数据量的增加，直接使用limit分页查询会越来越慢。

优化的方法如下：可以取前一页的最大行数的id，然后根据这个最大的id来限制下一页的起点。比如此列中，上一页最大的id是866612。sql可以采用如下的写法：

select id,name from table_name where id> 866612 limit 20

## 11.分段查询 ##

在一些用户选择页面中，可能一些用户选择的时间范围过大，造成查询缓慢。主要的原因是扫描行数过多。这个时候可以通过程序，分段进行查询，循环遍历，将结果合并处理进行展示。

如下图这个sql语句，扫描的行数成百万级以上的时候就可以使用分段查询

![在这里插入图片描述][20190322091956937.png]

## 12.避免在 where 子句中对字段进行 null 值 判断 ##

对于null的判断会导致引擎放弃使用索引而进行全表扫描。

## 13.不建议使用%前缀模糊查询 ##

例如LIKE “%name”或者LIKE “%name%”，这种查询会导致索引失效而进行全表扫描。但是可以使用LIKE “name%”。

那如何查询%name%？

如下图所示，虽然给secret字段添加了索引，但在explain结果果并没有使用  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L20wXzM4MDYxNDIx_size_16_color_FFFFFF_t_70 1]  
那么如何解决这个问题呢，答案：使用全文索引

在我们查询中经常会用到select id,fnum,fdst from table\_name where user\_name like ‘%zhangsan%’;。这样的语句，普通索引是无法满足查询需求的。庆幸的是在MySQL中，有全文索引来帮助我们。

创建全文索引的sql语法是：

ALTER TABLE `table_name` ADD FULLTEXT INDEX `idx_user_name` (`user_name`);

使用全文索引的sql语句是：

select id,fnum,fdst from table_name 
    where match(user_name) against('zhangsan' in boolean mode);

注意：在需要创建全文索引之前，请联系DBA确定能否创建。同时需要注意的是查询语句的写法与普通索引的区别

## 14.避免在where子句中对字段进行表达式操作 ##

比如

select user_id,user_project from table_name where age*2=36;

中对字段就行了算术运算，这会造成引擎放弃使用索引，建议改成

select user_id,user_project from table_name where age=36/2;

## 15.避免隐藏类型转换 ##

where 子句中出现 column 字段的类型和传入的参数类型不一致的时候发生的类型转换，建议先确定where中的参数类型  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L20wXzM4MDYxNDIx_size_16_color_FFFFFF_t_70 2]

## 16.对应联合索引来说，要遵守最左前缀法则 ##

举列来说索引含有字段id,name,school，可以直接用id字段，也可以id,name这样的顺序，但是name，school都无法使用这个索引。所以在创建联合索引的时候一定要注意索引字段顺序，常用的查询字段放在最前面

## 17.必要时可以使用force index来强制查询某个索引 ##

有的时候MySQL优化器采取它认为合适的索引来检索sql语句，但是可能它所采用的索引并不是我们想要的。这时就可以采用force index来强制优化器使用我们制定的索引。

## 18.注意范围查询语句 ##

对于联合索引来说，如果存在范围查询，比如between,>,<等条件时，会造成后面的索引字段失效。

## 19.关于JOIN优化 ##

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L20wXzM4MDYxNDIx_size_16_color_FFFFFF_t_70 3]  
LEFT JOIN A表为驱动表  
INNER JOIN MySQL会自动找出那个数据少的表作用驱动表  
RIGHT JOIN B表为驱动表

> 注意：MySQL中没有full join，可以用以下方式来解决

select * from A left join B on B.name = A.name 
    where B.name is null
     union all
    select * from B;

尽量使用inner join，避免left join

参与联合查询的表至少为2张表，一般都存在大小之分。如果连接方式是inner join，在没有其他过滤条件的情况下MySQL会自动选择小表作为驱动表，但是left join在驱动表的选择上遵循的是左边驱动右边的原则，即left join左边的表名为驱动表。

合理利用索引

被驱动表的索引字段作为on的限制字段。

利用小表去驱动大表  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L20wXzM4MDYxNDIx_size_16_color_FFFFFF_t_70 4]  
从原理图能够直观的看出如果能够减少驱动表的话，减少嵌套循环中的循环次数，以减少 IO总量及CPU运算的次数。

巧用STRAIGHT\_JOIN

inner join是由mysql选择驱动表，但是有些特殊情况需要选择另个表作为驱动表，比如有group by、order by等「Using filesort」、「Using temporary」时。STRAIGHT\_JOIN来强制连接顺序，在STRAIGHT\_JOIN左边的表名就是驱动表，右边则是被驱动表。在使用STRAIGHT\_JOIN有个前提条件是该查询是内连接，也就是inner join。其他链接不推荐使用STRAIGHT\_JOIN，否则可能造成查询结果不准确。  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L20wXzM4MDYxNDIx_size_16_color_FFFFFF_t_70 5]  
这个方式有时可能减少3倍的时间。

这里只列举了上述优化方案，当然还有其他的优化方式，大家可以去摸索尝试，感谢关注。

[20190320124622523.png]: /images/20220302/225dfda31cef4651af7a74d2950d9e36.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L20wXzM4MDYxNDIx_size_16_color_FFFFFF_t_70]: /images/20220302/b5cb3189169e46218ff57e0c528d76d4.png
[20190322091956937.png]: /images/20220302/06130ac5942d4b15ba0d06567417a00a.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L20wXzM4MDYxNDIx_size_16_color_FFFFFF_t_70 1]: /images/20220302/7eae3d8116974d8e84dcc16be44e575c.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L20wXzM4MDYxNDIx_size_16_color_FFFFFF_t_70 2]: /images/20220302/683f8e16ae204824a04b248c9d85166c.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L20wXzM4MDYxNDIx_size_16_color_FFFFFF_t_70 3]: /images/20220302/2771f174477c4b9293861d8a029a5f84.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L20wXzM4MDYxNDIx_size_16_color_FFFFFF_t_70 4]: /images/20220302/679b409d3b9b4e09b4a589480db70916.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L20wXzM4MDYxNDIx_size_16_color_FFFFFF_t_70 5]: /images/20220302/523eaadeef6a4e838d5f9147b0b25ead.png