mysql优化返回多条数据_数据库 | 一次非常有趣的SQL优化经历

我不是女神ヾ 2022-10-25 02:00 227阅读 0赞

![56ff714d523d2404ab66043c5025ad44.png][]

场景

我用的数据库是mysql5.6，下面简单的介绍下场景

课程表：

create table Course(

c\_id int PRIMARY KEY,

name varchar(10)

)

数据100条

学生表:

create table Student(

id int PRIMARY KEY,

name varchar(10)

)

数据70000条

学生成绩表SC：

CREATE table SC(

sc\_id int PRIMARY KEY,

s\_id int,

c\_id int,

score int

)

数据70w条

查询目的：

查找语文考100分的考生

查询语句：

select s.\* from Student s where s.s\_id in

(select s\_id from SC sc where sc.c\_id=0andsc.score=100)

执行时间：30248.271s

晕，为什么这么慢，先来查看下查询计划：

EXPLAIN

select s.\* from Student s where s.s\_id in

(select s\_id from SC sc where sc.c\_id=0andsc.score=100)

![745cfa68325eb14fac5b50b4fd0287e1.png][]

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。

先给sc表的c\_id和score建个索引

CREATE index sc\_c\_id\_index on SC(c\_id);

CREATE index sc\_score\_index on SC(score);

再次执行上述查询语句，时间为: 1.054s

快了3w多倍，大大缩短了查询时间，看来索引能极大程度的提高查询效率，建索引很有必要，很多时候都忘记建索引了，数据量小的的时候压根没感觉，这优化的感觉挺爽。

但是1s的时间还是太长了，还能进行优化吗，仔细看执行计划：

![86edc73318c00cad55cc1dc77c93862e.png][]

查看优化后的sql：

SELECT

\`YSB\`.\`s\`.\`s\_id\` AS \`s\_id\`,

\`YSB\`.\`s\`.\`name\` AS \`name\`

FROM

\`YSB\`.\`Student\` \`s\`

WHERE

(

\`YSB\`.\`s\`.\`s\_id\` ,(

SELECT

FROM

\`YSB\`.\`SC\` \`sc\`

WHERE

(

(\`YSB\`.\`sc\`.\`c\_id\` = 0)

AND (\`YSB\`.\`sc\`.\`score\` = 100)

AND (

(\`YSB\`.\`s\`.\`s\_id\`) = \`YSB\`.\`sc\`.\`s\_id\`

)

怎么查看优化后的语句？

方法如下(在命令窗口执行 )：

![2e133d2bf5c4137aeb97bb94b48c1a64.png][]

![b77d325bd6c1b83a26e80189927b022c.png][]

有type=all

按照我之前的想法，该sql的执行的顺序应该是先执行子查询

select s\_id from SC sc wheresc.c\_id=0andsc.score=100

耗时：0.001s

得到如下结果：

![80a99027d6fb783942d7f02496d23441.png][]

然后再执行

select s.\* from Student s where s.s\_id in(7,29,5000)

耗时：0.001s

这样就是相当快了啊，Mysql竟然不是先执行里层的查询，而是将sql优化成了exists子句，并出现了EPENDENT SUBQUERY，mysql是先执行外层查询，再执行里层的查询，这样就要循环70007\*8次。

那么改用连接查询呢？

SELECT s.\* from

Student s

INNER JOIN SC sc

on ssc.s\_id= s.s\_id

where sc.c\_id=0andsc.score=100

这里为了重新分析连接查询的情况，先暂时删除索引sc\_c\_id\_index，sc\_score\_index

执行时间是：0.057s

效率有所提高，看看执行计划：

![5395b9b762ce06ba16f9a22b3cbd2cf7.png][]

这里有连表的情况出现，我猜想是不是要给sc表的s\_id建立个索引

CREATE index sc\_s\_id\_index on SC(s\_id);

show index from SC

![0dff2b9667f3097b6cbc0dfdabddfd57.png][]

再执行连接查询

时间: 1.076s

竟然时间还变长了，什么原因？查看执行计划：

![e58f29644aa10601b8f48ec983fe7d40.png][]

优化后的查询语句为：

SELECT

\`YSB\`.\`s\`.\`s\_id\` AS \`s\_id\`,

\`YSB\`.\`s\`.\`name\` AS \`name\`

FROM

\`YSB\`.\`Student\` \`s\`

JOIN \`YSB\`.\`SC\` \`sc\`

WHERE

(

\`YSB\`.\`sc\`.\`s\_id\` = \`YSB\`.\`s\`.\`s\_id\`

)

AND (\`YSB\`.\`sc\`.\`score\` = 100)

AND (\`YSB\`.\`sc\`.\`c\_id\` = 0)

)

貌似是先做的连接查询，再进行的where条件过滤。

回到前面的执行计划：

![14ffe49dfde022d93e8180ecd179fe33.png][]

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：

![10ae8fae8799658d6fbb76b34e1a4bc4.png][]

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过滤是明智方案，现在为了排除mysql的查询优化，我自己写一条优化后的sql ：

SELECT

s.\*

FROM

(

SELECT

FROM

SC sc

WHERE

sc.c\_id=0

AND sc.score=100

) t

INNER JOIN Student s ON t.s\_id= s.s\_id

即先执行sc表的过滤，再进行表连接。

执行时间为：0.054s

和之前没有建s\_id索引的时间差不多。

查看执行计划：

![dbfce6ad2f5accaaacd014133881d631.png][]

先提取sc再连表，这样效率就高多了，现在的问题是提取sc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 sc\_c\_id\_index on SC(c\_id);

CREATE index sc\_score\_index on SC(score);

再执行查询：

SELECT

s.\*

FROM

(

SELECT

FROM

SC sc

WHERE

sc.c\_id=0

AND sc.score=100

) t

INNER JOIN Student s ON t.s\_id= s.s\_id

执行时间为：0.001s

这个时间相当靠谱，快了50倍

执行计划：

![a251c01436eea469589c8b8b70dd0dd7.png][]

我们会看到，先提取sc，再连表，都用到了索引。

那么再来执行下sql:

SELECT s.\* from

Student s

INNER JOIN SC sc

on ssc.s\_id= s.s\_id

where sc.c\_id=0andsc.score=100

执行时间0.001s

执行计划：

![262e91d4b2e7ffd508c6abc7d85416eb.png][]

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。

调整内容为SC表的数据增长到300W,学生分数更为离散。

先回顾下：

show index from SC

![eb11b791b9f42be151e73ca208063b1d.png][]

执行sql

SELECT s.\* from

Student s

INNER JOIN SC sc

on ssc.s\_id= s.s\_id

where sc.c\_id=81andsc.score=84

执行时间：0.061s

这个时间稍微慢了点。

执行计划：

![e51b4078d1404a8069b74ef17d6f7e46.png][]

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，单从一个字段看，区分度都不是很大，从SC表检索，c\_id=81检索的结果是70001,score=84的结果是39425。

而c\_id=81 and score=84 的结果是897，即这两个字段联合起来的区分度是比较高的，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，而是要从磁盘去读取，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，那么我们来试试吧。

alter table SC drop index sc\_c\_id\_index;

alter table SC drop index sc\_score\_index;

create index sc\_c\_id\_score\_index on SC(c\_id,score);

执行上述查询语句

消耗时间为：0.007s

这个速度还是可以接受的

执行计划：

![9b137f503960642bc4d076d0f093eaf0.png][]

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，所以分析执行计划很重要

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 wheresex=2andtype=2andage=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：

![13f29407684b7dc214c82269786e2128.png][]

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

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 wheresex=2andtype=2andage=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：

![6153aa456eb53c0fcd83e4f1d82c2a82.png][]

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\*\*\*个字段sex要出现在where条件中

执行一下语句：

select \* from user\_test wheresex=2

select \* from user\_test where sex=2andtype=2

select \* from user\_test where sex=2andage=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 wheresex=2andtype=2andage=10

执行时间：0.003s

要比取所有字段快的多

排序

select \* from user\_test wheresex=2andtype=2ORDER 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

create index user\_name\_index on user\_test(user\_name)

\*\*\*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

【编辑推荐】

【责任编辑：庞桂玉 TEL：(010)68476606】

[56ff714d523d2404ab66043c5025ad44.png]: /images/20221024/09397fb46df44b9dbab28ca165d69fc8.png
[745cfa68325eb14fac5b50b4fd0287e1.png]: /images/20221024/396a2d43721546e0b26c0d1128a6dc23.png
[86edc73318c00cad55cc1dc77c93862e.png]: /images/20221024/590d8785656e47ae9e884990337808d5.png
[2e133d2bf5c4137aeb97bb94b48c1a64.png]: /images/20221024/28791353aa68437a93ed0f6eba60de67.png
[b77d325bd6c1b83a26e80189927b022c.png]: /images/20221024/39d9ad5a274f47e2af1df2bb1f67eab5.png
[80a99027d6fb783942d7f02496d23441.png]: /images/20221024/141ae8c392884ddbb91f95bc151832cd.png
[5395b9b762ce06ba16f9a22b3cbd2cf7.png]: /images/20221024/a5cf747120ee40788e04def6d597b67d.png
[0dff2b9667f3097b6cbc0dfdabddfd57.png]: /images/20221024/5023c419539c48969b705b168de3450c.png
[e58f29644aa10601b8f48ec983fe7d40.png]: /images/20221024/71d89f4638174f159ec03a8347d66ce0.png
[14ffe49dfde022d93e8180ecd179fe33.png]: /images/20221024/9c084f1ee15f4139b3a3e2de1d3c0330.png
[10ae8fae8799658d6fbb76b34e1a4bc4.png]: /images/20221024/1847c35d269d42eda776c64f076a82ae.png
[dbfce6ad2f5accaaacd014133881d631.png]: /images/20221024/f619305836414c2b8cf3cf63ac2082cc.png
[a251c01436eea469589c8b8b70dd0dd7.png]: /images/20221024/4473a4496afb4d14a4a489e0ed4c0cb2.png
[262e91d4b2e7ffd508c6abc7d85416eb.png]: /images/20221024/8abe2ca5e080438a8ec0ab7eb0b52e9d.png
[eb11b791b9f42be151e73ca208063b1d.png]: /images/20221024/2389a92786004d65927094328cecba08.png
[e51b4078d1404a8069b74ef17d6f7e46.png]: /images/20221024/74b2881611cc41e6a279429f7a1f6e40.png
[9b137f503960642bc4d076d0f093eaf0.png]: /images/20221024/b09fb9671f4342749531d553acbe15ec.png
[13f29407684b7dc214c82269786e2128.png]: /images/20221024/ae66bb534a15434e8808118cd423c5d8.png
[6153aa456eb53c0fcd83e4f1d82c2a82.png]: /images/20221024/9b7d1c6a5ca74837868cee5231e9839d.png