数据库优化 - SQL优化

素颜马尾好姑娘i 2022-11-13 11:21 238阅读 0赞

前面一篇文章从实例的角度进行数据库优化，通过配置一些参数让数据库性能达到最优。但是一些“不好”的SQL也会导致数据库查询变慢，影响业务流程。本文从SQL角度进行数据库优化，提升SQL运行效率。

###    判断问题SQL ###

判断SQL是否有问题时可以通过两个表象进行判断：

系统级别表象  
CPU消耗严重  
IO等待严重  
页面响应时间过长  
应用的日志出现超时等错误  
可以使用sar命令，top命令查看当前系统状态。

也可以通过Prometheus、Grafana等监控工具观察系统状态。（感兴趣的可以翻看我之前的文章）

![640?wx\_fmt=png][640_wx_fmt_png]  
SQL语句表象  
冗长  
执行时间过长  
从全表扫描获取数据  
执行计划中的rows、cost很大  
冗长的SQL都好理解，一段SQL太长阅读性肯定会差，而且出现问题的频率肯定会更高。更进一步判断SQL问题就得从执行计划入手，如下所示：

![640?wx\_fmt=png][640_wx_fmt_png 1]

执行计划告诉我们本次查询走了全表扫描Type=ALL，rows很大(9950400)基本可以判断这是一段"有味道"的SQL。

### 获取问题SQL ###

不同数据库有不同的获取方法，以下为目前主流数据库的慢查询SQL获取工具

MySQL

慢查询日志  
测试工具loadrunner  
Percona公司的ptquery等工具  
Oracle

AWR报告  
测试工具loadrunner等  
相关内部视图如v$、$session\_wait等  
GRID CONTROL监控工具  
达梦数据库

AWR报告  
测试工具loadrunner等  
达梦性能监控工具（dem）  
相关内部视图如v$、$session\_wait等

###    SQL编写技巧 ###

SQL编写有以下几个通用的技巧：

• 合理使用索引

索引少了查询慢；索引多了占用空间大，执行增删改语句的时候需要动态维护索引，影响性能 选择率高（重复值少）且被where频繁引用需要建立B树索引；

一般join列需要建立索引；复杂文档类型查询采用全文索引效率更好；索引的建立要在查询和DML性能之间取得平衡；复合索引创建时要注意基于非前导列查询的情况

• 使用UNION ALL替代UNION

UNION ALL的执行效率比UNION高，UNION执行时需要排重；UNION需要对数据进行排序

• 避免select \* 写法

执行SQL时优化器需要将 \* 转成具体的列；每次查询都要回表，不能走覆盖索引。

• JOIN字段建议建立索引

一般JOIN字段都提前加上索引

• 避免复杂SQL语句

提升可阅读性；避免慢查询的概率；可以转换成多个短查询，用业务端处理

• 避免where 1=1写法

• 避免order by rand()类似写法

RAND()导致数据列被多次扫描

### SQL优化 ###

执行计划  
完成SQL优化一定要先读执行计划，执行计划会告诉你哪些地方效率低，哪里可以需要优化。我们以MYSQL为例，看看执行计划是什么。（每个数据库的执行计划都不一样，需要自行了解）explain sql

![640?wx\_fmt=png][640_wx_fmt_png 2]

字段解释

<table style="width:500px;"> 
 <tbody> 
 <tr> 
 <td style="vertical-align:middle;width:48pt;">字段</td> 
 <td style="vertical-align:middle;width:48pt;">解释</td> 
 </tr> 
 <tr> 
 <td style="vertical-align:middle;">id</td> 
 <td style="vertical-align:middle;">每个被独立执行的操作标识，标识对象被操作的顺序，id值越大，先被执行，如果相同，执行顺序从上到下</td> 
 </tr> 
 <tr> 
 <td style="vertical-align:middle;">select_type</td> 
 <td style="vertical-align:middle;">查询中每个select 字句的类型</td> 
 </tr> 
 <tr> 
 <td style="vertical-align:middle;">table</td> 
 <td style="vertical-align:middle;">被操作的对象名称，通常是表名，但有其他格式</td> 
 </tr> 
 <tr> 
 <td style="vertical-align:middle;">partitions</td> 
 <td style="vertical-align:middle;">匹配的分区信息(对于非分区表值为NULL)</td> 
 </tr> 
 <tr> 
 <td style="vertical-align:middle;">type</td> 
 <td style="vertical-align:middle;">连接操作的类型</td> 
 </tr> 
 <tr> 
 <td style="vertical-align:middle;">possible_keys</td> 
 <td style="vertical-align:middle;">可能用到的索引</td> 
 </tr> 
 <tr> 
 <td style="vertical-align:middle;">key</td> 
 <td style="vertical-align:middle;">优化器实际使用的索引(最重要的列) 从最好到最差的连接类型为const、eq_reg、ref、range、index和ALL。当出现ALL时表示当前SQL出现了“坏味道”</td> 
 </tr> 
 <tr> 
 <td style="vertical-align:middle;">key_len</td> 
 <td style="vertical-align:middle;">被优化器选定的索引键长度，单位是字节</td> 
 </tr> 
 <tr> 
 <td style="vertical-align:middle;">ref</td> 
 <td style="vertical-align:middle;">表示本行被操作对象的参照对象，无参照对象为NULL</td> 
 </tr> 
 <tr> 
 <td style="vertical-align:middle;">rows</td> 
 <td style="vertical-align:middle;">查询执行所扫描的元组个数（对于innodb，此值为估计值）</td> 
 </tr> 
 <tr> 
 <td style="vertical-align:middle;">filtered</td> 
 <td style="vertical-align:middle;">条件表上数据被过滤的元组个数百分比</td> 
 </tr> 
 <tr> 
 <td style="vertical-align:middle;">extra</td> 
 <td style="vertical-align:middle;">执行计划的重要补充信息，当此列出现Using filesort , Using temporary 字样时就要小心了，很可能SQL语句需要优化</td> 
 </tr> 
 <tr> 
 <td>&nbsp;</td> 
 <td>&nbsp;</td> 
 </tr> 
 </tbody> 
</table>

接下来我们用一段实际优化案例来说明SQL优化的过程及优化技巧。

### 优化案例 ###

表结构

CREATE TABLE `a`
    (
        `id`          int(11) NOT NULLAUTO_INCREMENT,
        `seller_id`   bigint(20)                                       DEFAULT NULL,
        `seller_name` varchar(100) CHARACTER SET utf8 COLLATE utf8_bin DEFAULT NULL,
        `gmt_create`  varchar(30)                                      DEFAULT NULL,
        PRIMARY KEY (`id`)
    );
    CREATE TABLE `b`
    (
        `id`          int(11) NOT NULLAUTO_INCREMENT,
        `seller_name` varchar(100) DEFAULT NULL,
        `user_id`     varchar(50)  DEFAULT NULL,
        `user_name`   varchar(100) DEFAULT NULL,
        `sales`       bigint(20)   DEFAULT NULL,
        `gmt_create`  varchar(30)  DEFAULT NULL,
        PRIMARY KEY (`id`)
    );
    CREATE TABLE `c`
    (
        `id`         int(11) NOT NULLAUTO_INCREMENT,
        `user_id`    varchar(50)  DEFAULT NULL,
        `order_id`   varchar(100) DEFAULT NULL,
        `state`      bigint(20)   DEFAULT NULL,
        `gmt_create` varchar(30)  DEFAULT NULL,
        PRIMARY KEY (`id`)
    );

三张表关联，查询当前用户在当前时间前后10个小时的订单情况，并根据订单创建时间升序排列，具体SQL如下

select a.seller_id,
           a.seller_name,
           b.user_name,
           c.state
    from a,
         b,
         c
    where a.seller_name = b.seller_name
      and b.user_id = c.user_id
      and c.user_id = 17
      and a.gmt_create
        BETWEEN DATE_ADD(NOW(), INTERVAL – 600 MINUTE)
        AND DATE_ADD(NOW(), INTERVAL 600 MINUTE)
    order by a.gmt_create；

查看数据量

![640?wx\_fmt=png][640_wx_fmt_png 3]

原执行时间

![640?wx\_fmt=png][640_wx_fmt_png 4]  
原执行计划

![640?wx\_fmt=png][640_wx_fmt_png 5]  
初步优化思路

SQL中 where条件字段类型要跟表结构一致，表中 user\_id 为varchar(50)类型，实际SQL用的int类型，存在隐式转换，也未添加索引。将b和c表 user\_id 字段改成int类型。  
因存在b表和c表关联，将b和c表 user\_id创建索引  
因存在a表和b表关联，将a和b表 seller\_name字段创建索引  
利用复合索引消除临时表和排序  
初步优化SQL

alter table b modify `user_id` int(10) DEFAULT NULL;
    alter table c modify `user_id` int(10) DEFAULT NULL;
    alter table c add index `idx_user_id`(`user_id`);
    alter table b add index `idx_user_id_sell_name`(`user_id`,`seller_name`);
    alter table a add index `idx_sellname_gmt_sellid`(`gmt_create`,`seller_name`,`seller_id`);

查看优化后执行时间

![640?wx\_fmt=png][640_wx_fmt_png 6]

查看优化后执行计划

![640?wx\_fmt=png][640_wx_fmt_png 7]  
查看warnings信息

![640?wx\_fmt=png][640_wx_fmt_png 8]  
继续优化

alter table a modify "gmt_create" datetime DEFAULT NULL;

查看执行时间

![640?wx\_fmt=png][640_wx_fmt_png 9]

查看执行计划

![640?wx\_fmt=png][640_wx_fmt_png 10]  
总结

1 查看执行计划 explain  
2 如果有告警信息，查看告警信息 show warnings;  
3 查看SQL涉及的表结构和索引信息  
4 根据执行计划，思考可能的优化点  
5 按照可能的优化点执行表结构变更、增加索引、SQL改写等操作  
6 查看优化后的执行时间和执行计划  
7 如果优化效果不明显，重复第四步操作

转载地址：[https://blog.csdn.net/jianzhang11/article/details/102867120?utm\_medium=distribute.pc\_feed.none-task-blog-personrec\_tag-11.nonecase&dist\_request\_id=1328735.271.16167475621766499&depth\_1-utm\_source=distribute.pc\_feed.none-task-blog-personrec\_tag-11.nonecase][https_blog.csdn.net_jianzhang11_article_details_102867120_utm_medium_distribute.pc_feed.none-task-blog-personrec_tag-11.nonecase_dist_request_id_1328735.271.16167475621766499_depth_1-utm_source_distribute.pc_feed.none-task-blog-personrec_tag-11.nonecase]

[640_wx_fmt_png]: /images/20221022/55a0304fcb044253b4de7217d4a6f01b.png
[640_wx_fmt_png 1]: /images/20221022/5832f2a6276e44e3818ad518bd1745f7.png
[640_wx_fmt_png 2]: https://imgconvert.csdnimg.cn/aHR0cHM6Ly9tbWJpei5xcGljLmNuL21tYml6X3BuZy9FbnpBd3ZwVFFKNzY5TTZaaWNvbjRWVGdpY2FMdTNyN0s2ZE4yWExQaWFCYWZMdzg4OHp1RXNiN1JwZWV4a3Q4WEtRUHh5aWJ0N01FQkpwR1p0T0NXZENYZ1EvNjQwP3d4X2ZtdD1wbmc?x-oss-process=image/format,png
[640_wx_fmt_png 3]: https://imgconvert.csdnimg.cn/aHR0cHM6Ly9tbWJpei5xcGljLmNuL21tYml6X3BuZy9FbnpBd3ZwVFFKNzY5TTZaaWNvbjRWVGdpY2FMdTNyN0s2R2lhY21zTjgySE1JZFh5aWJWWjFOZmhmeUxJOGlhWUl4SU54UFdxa1Nsalh5UFlxSHJOMVU2MWljUS82NDA_d3hfZm10PXBuZw?x-oss-process=image/format,png
[640_wx_fmt_png 4]: https://imgconvert.csdnimg.cn/aHR0cHM6Ly9tbWJpei5xcGljLmNuL21tYml6X3BuZy9FbnpBd3ZwVFFKNzY5TTZaaWNvbjRWVGdpY2FMdTNyN0s2M0pydlYyMlNWbENuRU1HZm1jSXBxaWNOWGliV2I4elBVbjdLMUVURnIzNWNXdmliQWYzQUlDRjV3LzY0MD93eF9mbXQ9cG5n?x-oss-process=image/format,png
[640_wx_fmt_png 5]: https://imgconvert.csdnimg.cn/aHR0cHM6Ly9tbWJpei5xcGljLmNuL21tYml6X3BuZy9FbnpBd3ZwVFFKNzY5TTZaaWNvbjRWVGdpY2FMdTNyN0s2YnB2ZVlBUGxqaGlhWVpIaWNWeTh1cW1ycWc1T1l1V0FGM2FURDR0Q3hZaWFUQkVpYVpoUGRKcFIxQS82NDA_d3hfZm10PXBuZw?x-oss-process=image/format,png
[640_wx_fmt_png 6]: https://imgconvert.csdnimg.cn/aHR0cHM6Ly9tbWJpei5xcGljLmNuL21tYml6X3BuZy9FbnpBd3ZwVFFKNzY5TTZaaWNvbjRWVGdpY2FMdTNyN0s2empYMm04ZG4yUDZvbXNTZkwxSFg2UFZKVlVjQUlsR1ZzSTB5cWw1ZWJNdTZIaGROV292aWJSQS82NDA_d3hfZm10PXBuZw?x-oss-process=image/format,png
[640_wx_fmt_png 7]: https://imgconvert.csdnimg.cn/aHR0cHM6Ly9tbWJpei5xcGljLmNuL21tYml6X3BuZy9FbnpBd3ZwVFFKNzY5TTZaaWNvbjRWVGdpY2FMdTNyN0s2dHRsV3U3cENLQlBmZWtPdXdzbnZPOEZpY3gxRmRFbFRSRU9NWlVzUDY2MmV6eWhudXRiNHltZy82NDA_d3hfZm10PXBuZw?x-oss-process=image/format,png
[640_wx_fmt_png 8]: https://imgconvert.csdnimg.cn/aHR0cHM6Ly9tbWJpei5xcGljLmNuL21tYml6X3BuZy9FbnpBd3ZwVFFKNzY5TTZaaWNvbjRWVGdpY2FMdTNyN0s2OUk5V29JM1RKRkdrSzJ5cG1YWDdYc2FpY2NzVjhqVDdCUjU5d0JyeTV3a0htRzJ2ZmhMU2Nrdy82NDA_d3hfZm10PXBuZw?x-oss-process=image/format,png
[640_wx_fmt_png 9]: https://imgconvert.csdnimg.cn/aHR0cHM6Ly9tbWJpei5xcGljLmNuL21tYml6X3BuZy9FbnpBd3ZwVFFKNzY5TTZaaWNvbjRWVGdpY2FMdTNyN0s2UUFNcHh4TzI5R0huOEwxbmhYbmJTc2JBOFRHa2ljY1dpYVBsS3ptNWhLb1k3Q1RpYVRWU1o3U0ZnLzY0MD93eF9mbXQ9cG5n?x-oss-process=image/format,png
[640_wx_fmt_png 10]: https://imgconvert.csdnimg.cn/aHR0cHM6Ly9tbWJpei5xcGljLmNuL21tYml6X3BuZy9FbnpBd3ZwVFFKNzY5TTZaaWNvbjRWVGdpY2FMdTNyN0s2enNxUFlXQWlhc0RySThYZXMzT2xGVmV1eXlpY0hmZ0ZhYXVPNlNpYTBCRVhqekhCTjB6RGQzNmliQS82NDA_d3hfZm10PXBuZw?x-oss-process=image/format,png
[https_blog.csdn.net_jianzhang11_article_details_102867120_utm_medium_distribute.pc_feed.none-task-blog-personrec_tag-11.nonecase_dist_request_id_1328735.271.16167475621766499_depth_1-utm_source_distribute.pc_feed.none-task-blog-personrec_tag-11.nonecase]: https://blog.csdn.net/jianzhang11/article/details/102867120?utm_medium=distribute.pc_feed.none-task-blog-personrec_tag-11.nonecase&dist_request_id=1328735.271.16167475621766499&depth_1-utm_source=distribute.pc_feed.none-task-blog-personrec_tag-11.nonecase