这是一篇纯讲SQL语句优化的文章！！！| 博学谷狂野架构师

墨蓝 2023-09-25 00:11 33阅读 0赞

*  insert

如果我们需要一次性往数据库表中插入多条记录，可以从以下三个方面进行优化。

insertinto tb_test values(1,'tom');
    
    insertinto tb_test values(2,'cat');
    
    insertinto tb_test values(3,'jerry');
    
    .....
    复制代码

1.  优化方案一:

批量插入数据

Insertinto tb_test values(1,'Tom'),(2,'Cat'),(3,'Jerry');
    复制代码

1.  优化方案二

手动控制事务

start transaction;
    
    insertinto tb_test values(1,'Tom'),(2,'Cat'),(3,'Jerry');
    
    insertinto tb_test values(4,'Tom'),(5,'Cat'),(6,'Jerry');
    
    insertinto tb_test values(7,'Tom'),(8,'Cat'),(9,'Jerry');
    
    commit;
    复制代码

1.  优化方案三

主键顺序插入，性能要高于乱序插入。

主键乱序插入 : 8192188241589573
    主键顺序插入 : 1234578915218889复制代码

#### 大批量插入数据 ####

如果一次性需要插入大批量数据(比如: 几百万的记录)，使用insert语句插入性能较低，此时可以使用MySQL数据库提供的load指令进行插入。操作如下：

![format_png][]

可以执行如下指令，将数据脚本文件中的数据加载到表结构中：

-- 客户端连接服务端时，加上参数 -–local-infile
    mysql –-local-infile -u root -p
    
    -- 设置全局参数local_infile为1，开启从本地加载文件导入数据的开关setglobal local_infile =1;
    
    -- 执行load指令将准备好的数据，加载到表结构中
    load data local infile '/root/sql1.log'intotable tb_user fields terminated by',' lines terminated by'\n' ;
    复制代码

> 主键顺序插入性能高于乱序插入

实例演示：

1.  创建表结构

CREATETABLE `tb_user` (
    	`id` INT(11) NOTNULL AUTO_INCREMENT,
    	`username` VARCHAR(50) NOTNULL,
    	`password` VARCHAR(50) NOTNULL,
    	`name` VARCHAR(20) NOTNULL,
    	`birthday` DATEDEFAULTNULL,
    	`sex` CHAR(1) DEFAULTNULL,
    	PRIMARY KEY (`id`),
    	UNIQUE KEY `unique_user_username` (`username`)
    ) ENGINE=INNODB DEFAULT CHARSET=utf8 ;
    复制代码

1.  设置参数

-- 客户端连接服务端时，加上参数 -–local-infile
    mysql –-local-infile -u root -p
    
    -- 设置全局参数local_infile为1，开启从本地加载文件导入数据的开关setglobal local_infile =1;
    复制代码

1.  load加载数据

load data local infile '/root/load_user_100w_sort.sql'intotable tb_user fields terminated by',' lines terminated by'\n' ;
    复制代码

mysql> load data local infile '/root/load_user_100w_sort.sql'intotable tb_user fields terminated by',' lines terminated by'\n' ;
    Query OK, 1000000rows affected (15.47 sec)
    Records: 1000000  Deleted: 0  Skipped: 0  Warnings: 0
    
    mysql>selectcount(*) from tb_user;
    +----------+|count(*) |+----------+|1000000|+----------+1rowinset (0.31 sec)
    复制代码

我们看到，插入100w的记录，15.47s就完成了，性能很好。

> 在load时，主键顺序插入性能高于乱序插入

### 主键优化 ###

主键顺序插入的性能是要高于乱序插入的。我们来介绍一下具体的原因，然后再分析一下主键又该如何设计。

1.  数据组织方式

在InnoDB存储引擎中，表数据都是根据主键顺序组织存放的，这种存储方式的表称为索引组织表(index organized table IOT)。

![format_png 1][]

行数据，都是存储在聚集索引的叶子节点上的。而我们之前也讲解过InnoDB的逻辑结构图：

![format_png 2][]

在InnoDB引擎中，数据行是记录在逻辑结构 page 页中的，而每一个页的大小是固定的，默认16K。那也就意味着， 一个页中所存储的行也是有限的，如果插入的数据行row在该页存储不小，将会存储到下一个页中，页与页之间会通过指针连接。

1.  页分裂

页可以为空，也可以填充一半，也可以填充100%。每个页包含了2-N行数据(如果一行数据过大，会行溢出)，根据主键排列。

*  主键顺序插入效果

*  从磁盘中申请页， 主键顺序插入

![format_png 3][]

*  第一个页没有满，继续往第一页插入

![format_png 4][]

*  当第一个也写满之后，再写入第二个页，页与页之间会通过指针连接

![format_png 5][]

*  当第二页写满了，再往第三页写入

![format_png 6][]

*  主键乱序插入效果

*  加入1\#,2\#页都已经写满了，存放了如图所示的数据

![format_png 7][]

*  此时再插入id为50的记录，我们来看看会发生什么现象

会再次开启一个页，写入新的页中吗？

![format_png 8][]

不会。因为，索引结构的叶子节点是有顺序的。按照顺序，应该存储在47之后。
    复制代码

![format_png 9][]

但是47所在的1#页，已经写满了，存储不了50对应的数据了。 那么此时会开辟一个新的页 3#。复制代码

![format_png 10][]

但是并不会直接将50存入3#页，而是会将1#页后一半的数据，移动到3#页，然后在3#页，插入50。复制代码

![format_png 11][]

移动数据，并插入id为50的数据之后，那么此时，这三个页之间的数据顺序是有问题的。 1\#的下一个 页，应该是3\#， 3\#的下一个页是2\#。 所以，此时，需要重新设置链表指针。

![format_png 12][]

上述的这种现象，称之为 "页分裂"，是比较耗费性能的操作。
    复制代码

*  页合并

*  目前表中已有数据的索引结构(叶子节点)如下：

![format_png 13][]

*  当我们对已有数据进行删除时，具体的效果如下:

*  当删除一行记录时，实际上记录并没有被物理删除，只是记录被标记（flaged）为删除并且它的空间变得允许被其他记录声明使用。

![format_png 14][]

*  当我们继续删除2\#的数据记录

![format_png 15][]

*  当页中删除的记录达到 MERGE\_THRESHOLD（默认为页的50%），InnoDB会开始寻找最靠近的页（前 或后）看看是否可以将两个页合并以优化空间使用。

![format_png 16][]

*  删除数据，并将页合并之后，再次插入新的数据21，则直接插入3\#页

![format_png 17][]

*  这个里面所发生的合并页的这个现象，就称之为 "页合并"。

知识小贴士：

MERGE\_THRESHOLD：合并页的阈值，可以自己设置，在创建表或者创建索引时指定。

1.  索引设计原则

1.  满足业务需求的情况下，尽量降低主键的长度。

1.  插入数据时，尽量选择顺序插入，选择使用AUTO\_INCREMENT自增主键。

1.  尽量不要使用UUID做主键或者是其他自然主键，如身份证号。

1.  业务操作时，避免对主键的修改。

![format_png 18][]

### order by 优化 ###

MySQL的排序，有两种方式：

Using filesort : 通过表的索引或全表扫描，读取满足条件的数据行，然后在排序缓冲区sort buffer中完成排序操作，所有不是通过索引直接返回排序结果的排序都叫 FileSort 排序。

Using index : 通过有序索引顺序扫描直接返回有序数据，这种情况即为 using index，不需要额外排序，操作效率高。

对于以上的两种排序方式，Using index的性能高，而Using filesort的性能低，我们在优化排序操作时，尽量要优化为 Using index。

接下来，我们来做一个测试：

1.  数据准备

把之前测试时，为tb\_user表所建立的部分索引直接删除掉

drop index idx_user_phone on tb_user;
    drop index idx_user_phone_name on tb_user;
    drop index idx_user_name on tb_user;
    复制代码

mysql>show index from tb_user;
    +---------+------------+----------------------+--------------+-------------+-----------+-------------+----------+--------+------+------------+---------+---------------+---------+------------+|Table| Non_unique | Key_name             | Seq_in_index | Column_name |Collation|Cardinality| Sub_part | Packed |Null| Index_type | Comment | Index_comment | Visible | Expression |+---------+------------+----------------------+--------------+-------------+-----------+-------------+----------+--------+------+------------+---------+---------------+---------+------------+| tb_user |0|PRIMARY|1| id          | A         |23|NULL|NULL|| BTREE      ||| YES     |NULL|| tb_user |0| idx_user_phone       |1| phone       | A         |24|NULL|NULL|| BTREE      ||| YES     |NULL|| tb_user |0| idx_user_phone_name  |1| phone       | A         |935064|NULL|NULL|| BTREE      ||| YES     |NULL|| tb_user |0| idx_user_phone_name  |2| name        | A         |951995|NULL|NULL|| BTREE      ||| YES     |NULL|| tb_user |1| idx_user_name        |1| name        | A         |24|NULL|NULL|| BTREE      ||| YES     |NULL|| tb_user |1| idx_user_pro_age_sta |1| profession  | A         |16|NULL|NULL| YES  | BTREE      ||| YES     |NULL|| tb_user |1| idx_user_pro_age_sta |2| age         | A         |22|NULL|NULL| YES  | BTREE      ||| YES     |NULL|| tb_user |1| idx_user_pro_age_sta |3| status      | A         |24|NULL|NULL| YES  | BTREE      ||| YES     |NULL|| tb_user |1| idx_user_pro         |1| profession  | A         |16|NULL|NULL| YES  | BTREE      ||| YES     |NULL|| tb_user |1| idx_email_5          |1| email       | A         |23|5|NULL| YES  | BTREE      ||| YES     |NULL|+---------+------------+----------------------+--------------+-------------+-----------+-------------+----------+--------+------+------------+---------+---------------+---------+------------+10rowsinset (0.00 sec)
    
    mysql>drop index idx_user_phone on tb_user;
    Query OK, 0rows affected (0.02 sec)
    Records: 0  Duplicates: 0  Warnings: 0
    
    mysql>drop index idx_user_phone_name on tb_user;
    Query OK, 0rows affected (0.00 sec)
    Records: 0  Duplicates: 0  Warnings: 0
    
    mysql>drop index idx_user_name on tb_user;
    Query OK, 0rows affected (0.01 sec)
    Records: 0  Duplicates: 0  Warnings: 0复制代码

1.  执行排序SQL

explain select id,age,phone from tb_user orderby age;
    复制代码

explain select id,age,phone from tb_user orderby age, phone ;
    复制代码

由于 age, phone 都没有索引，所以此时再排序时，出现Using filesort， 排序性能较低。

1.  创建索引

-- 创建索引create index idx_user_age_phone_aa on tb_user(age,phone);
    复制代码

1.  创建索引后，根据age, phone进行升序排序

explain select id,age,phone from tb_user orderby age;
    复制代码

建立索引之后，再次进行排序查询，就由原来的Using filesort， 变为了 Using index，性能就是比较高的了。

1.  创建索引后，根据age, phone进行降序排序

explain select id,age,phone from tb_user orderby age desc , phone desc;
    复制代码

也出现 Using index， 但是此时Extra中出现了 Backward index scan，这个代表反向扫描索引，因为在MySQL中我们创建的索引，默认索引的叶子节点是从小到大排序的，而此时我们查询排序时，是从大到小，所以，在扫描时，就是反向扫描，就会出现 Backward index scan。 在MySQL8版本中，支持降序索引，我们也可以创建降序索引。

1.  根据phone，age进行升序排序，phone在前，age在后。

explain select id,age,phone from tb_user orderby phone , age;
    复制代码

排序时,也需要满足最左前缀法则,否则也会出现 filesort。因为在创建索引的时候， age是第一个字段，phone是第二个字段，所以排序时，也就该按照这个顺序来，否则就会出现 Usingfilesort。

1.  根据age, phone进行降序一个升序，一个降序

explain select id,age,phone from tb_user orderby age asc , phone desc;
    复制代码

因为创建索引时，如果未指定顺序，默认都是按照升序排序的，而查询时，一个升序，一个降序，此时就会出现Using filesort。

![format_png 19][]

为了解决上述的问题，我们可以创建一个索引，这个联合索引中 age 升序排序，phone 倒序排序。

1.  创建联合索引(age 升序排序，phone 倒序排序)

create index idx_phone_age_ad on tb_user(age asc,phone desc);
    复制代码

1.  然后再次执行如下SQL

explain select id,age,phone from tb_user orderby age asc,phone desc;
    复制代码

升序/降序联合索引结构图示:

![format_png 20][]

由上述的测试,我们得出order by优化原则:

1.  根据排序字段建立合适的索引，多字段排序时，也遵循最左前缀法则。

1.  尽量使用覆盖索引。

1.  多字段排序, 一个升序一个降序，此时需要注意联合索引在创建时的规则（ASC/DESC）。

1.  如果不可避免的出现filesort，大数据量排序时，可以适当增大排序缓冲区大小sort\_buffer\_size(默认256k)。

### group by 优化 ###

分组操作，我们主要来看看索引对于分组操作的影响。

首先我们先将 tb\_user 表的索引全部删除掉 。

drop index idx_user_pro_age_sta on tb_user;
    drop index idx_email_5 on tb_user;
    drop index idx_user_age_phone_aa on tb_user;
    drop index idx_user_age_phone_ad on tb_user;
    复制代码

mysql>show index from tb_user;
    +---------+------------+----------+--------------+-------------+-----------+-------------+----------+--------+------+------------+---------+---------------+---------+------------+|Table| Non_unique | Key_name | Seq_in_index | Column_name |Collation|Cardinality| Sub_part | Packed |Null| Index_type | Comment | Index_comment | Visible | Expression |+---------+------------+----------+--------------+-------------+-----------+-------------+----------+--------+------+------------+---------+---------------+---------+------------+| tb_user |0|PRIMARY|1| id          | A         |23|NULL|NULL|| BTREE      ||| YES     |NULL|+---------+------------+----------+--------------+-------------+-----------+-------------+----------+--------+------+------------+---------+---------------+---------+------------+1rowinset (0.00 sec)
    复制代码

接下来，在没有索引的情况下，执行如下SQL，查询执行计划：

explain select profession , count(*) from tb_user groupby profession;
    复制代码

然后，我们在针对于 profession ， age， status 创建一个联合索引。

create index idx_pro_age_sta on tb_user(profession,age,status);
    复制代码

紧接着，再执行前面相同的SQL查看执行计划。

再执行如下的分组查询SQL，查看执行计划：

我们发现，如果仅仅根据age分组，就会出现 Using temporary ；而如果是 根据profession,age两个字段同时分组，则不会出现 Using temporary。原因是因为对于分组操作，在联合索引中，也是符合最左前缀法则的。

所以，在分组操作中，我们需要通过以下两点进行优化，以提升性能：

1.  在分组操作时，可以通过索引来提高效率。

1.  分组操作时，索引的使用也是满足最左前缀法则的。

### limit 优化 ###

在数据量比较大时，如果进行limit分页查询，在查询时，越往后，分页查询效率越低。

我们一起来看看执行limit分页查询耗时对比：

mysql>select*from tb_user limit 0,10;
    10rowsinset (0.00 sec)
    
    mysql>select*from tb_user limit 100,10;
    10rowsinset (0.00 sec)
    
    mysql>select*from tb_user limit 1000,10;
    10rowsinset (0.00 sec)
    
    mysql>select*from tb_user limit 50000,10;
    10rowsinset (0.01 sec)
    
    mysql>select*from tb_user limit 500000,10;
    10rowsinset (0.16 sec)
    
    mysql>select*from tb_user limit 900000,10;
    10rowsinset (0.28 sec)
    复制代码

通过测试我们会看到，越往后，分页查询效率越低，这就是分页查询的问题所在。

因为，当在进行分页查询时，如果执行 limit 2000000,10 ，此时需要MySQL排序前2000010 记录，仅仅返回 2000000 - 2000010 的记录，其他记录丢弃，查询排序的代价非常大 。

优化思路: 一般分页查询时，通过创建 覆盖索引 能够比较好地提高性能，可以通过**覆盖索引加子查询形式**进行优化。

explain select u.*from tb_user u,(select id from tb_user orderby id limit 900000,10) a where u.id = a.id;
    复制代码

mysql> explain select u.*from tb_user u,(select id from tb_user orderby id limit 900000,10) a where u.id = a.id;
 +----+-------------+------------+------------+--------+---------------+---------+---------+------+--------+----------+-------------+| id | select_type |table| partitions | type | possible_keys | key | key_len |ref|rows| filtered | Extra |+----+-------------+------------+------------+--------+---------------+---------+---------+------+--------+----------+-------------+|1|PRIMARY|<derived2>|NULL|ALL|NULL|NULL|NULL|NULL|900010|100.00|NULL||1|PRIMARY| u |NULL| eq_ref |PRIMARY|PRIMARY|4| a.id |1|100.00|NULL||2| DERIVED | tb_user |NULL| index |NULL|PRIMARY|4|NULL|900010|100.00|Using index |+----+-------------+------------+------------+--------+---------------+---------+---------+------+--------+----------+-------------+3rowsinset, 1 warning (0.00 sec)
 复制代码

### count 优化 ###

selectcount(*) from tb_user;
    复制代码

在之前的测试中，我们发现，如果数据量很大，在执行count操作时，是非常耗时的。

*  MyISAM 引擎把一个表的总行数存在了磁盘上，因此执行 count(\*) 的时候会直接返回这个数，效率很高； 但是如果是带条件的count，MyISAM也慢。

*  InnoDB 引擎就麻烦了，它执行 count(\*) 的时候，需要把数据一行一行地从引擎里面读出来，然后累积计数。

如果说要大幅度提升InnoDB表的count效率，主要的优化思路：自己计数(可以借助于redis这样的数据库进行,但是如果是带条件的count又比较麻烦了)。

#### count 用法 ####

count() 是一个聚合函数，对于返回的结果集，一行行地判断，如果 count 函数的参数不是NULL，累计值就加 1，否则不加，最后返回累计值。

用法：count（\*）、count（主键）、count（字段）、count（数字）

<table style=""> 
 <tbody> 
 <tr> 
 <td style="width:369px;vertical-align:top;height:51px;">count 用法</td> 
 <td style="width:369px;vertical-align:top;height:51px;">含义</td> 
 </tr> 
 <tr> 
 <td style="width:369px;vertical-align:top;height:51px;">count(主键)</td> 
 <td style="width:369px;vertical-align:top;height:51px;">InnoDB 引擎会遍历整张表，把每一行的 主键id 值都取出来，返回给服务层。服务层拿到主键后，直接按行进行累加(主键不可能为null)</td> 
 </tr> 
 <tr> 
 <td style="width:369px;vertical-align:top;height:51px;">count(字段)</td> 
 <td style="width:369px;vertical-align:top;height:51px;">没有not null 约束 : InnoDB 引擎会遍历整张表把每一行的字段值都取出来，返回给服务层，服务层判断是否为null，不为null，计数累加。有not null 约束：InnoDB 引擎会遍历整张表把每一行的字段值都取出来，返回给服务层，直接按行进行累加。</td> 
 </tr> 
 <tr> 
 <td style="width:369px;vertical-align:top;height:51px;">count(数字)</td> 
 <td style="width:369px;vertical-align:top;height:51px;">InnoDB 引擎遍历整张表，但不取值。服务层对于返回的每一行，放一个数字“1”进去，直接按行进行累加。</td> 
 </tr> 
 <tr> 
 <td style="width:369px;vertical-align:top;height:51px;">count(*)</td> 
 <td style="width:369px;vertical-align:top;height:51px;">InnoDB引擎并不会把全部字段取出来，而是专门做了优化，不取值，服务层直接按行进行累加。</td> 
 </tr> 
 </tbody> 
</table>

> 按照效率排序的话，count(字段) < count(主键 id) < count(1) ≈ count( *)，所以尽量使用 count(*)。

### update 优化 ###

我们主要需要注意一下update语句执行时的注意事项。

update course set name ='javaEE'where id =1 ;
    复制代码

当我们在执行删除的SQL语句时，会锁定id为1这一行的数据，然后事务提交之后，行锁释放。

但是当我们在执行如下SQL时。

update course set name ='SpringBoot'where name ='PHP' ;
    复制代码

当我们开启多个事务，在执行上述的SQL时，我们发现行锁升级为了表锁。 导致该update语句的性能大大降低。

作者：博学谷\_狂野架构师

链接：[https://juejin.cn/post/7210614375290912825][https_juejin.cn_post_7210614375290912825]

[format_png]: https://img-blog.csdnimg.cn/img_convert/4c2f3f91f352a5fa78287417416ec601.webp?x-oss-process=image/format,png
[format_png 1]: https://img-blog.csdnimg.cn/img_convert/1a8972069e87b8463ba802a714a6a377.webp?x-oss-process=image/format,png
[format_png 2]: https://img-blog.csdnimg.cn/img_convert/a95b080fb4c5b82c7f7fec48118831b4.webp?x-oss-process=image/format,png
[format_png 3]: https://img-blog.csdnimg.cn/img_convert/f22dfabc11e1200aa9af0f3542a75788.webp?x-oss-process=image/format,png
[format_png 4]: https://img-blog.csdnimg.cn/img_convert/22a640f80c8651ee107857396bb665f8.webp?x-oss-process=image/format,png
[format_png 5]: https://img-blog.csdnimg.cn/img_convert/19be9ff68786932975b308ded278e8ec.webp?x-oss-process=image/format,png
[format_png 6]: https://img-blog.csdnimg.cn/img_convert/0eb86b0d652aa970bf8ea99f472c4b35.webp?x-oss-process=image/format,png
[format_png 7]: https://img-blog.csdnimg.cn/img_convert/b616dddca29db078fa1f7b0db90d3db8.webp?x-oss-process=image/format,png
[format_png 8]: https://img-blog.csdnimg.cn/img_convert/f021b0ab72eabc14c1b9380f79646e08.webp?x-oss-process=image/format,png
[format_png 9]: https://img-blog.csdnimg.cn/img_convert/24324e37f12c143c4b83984f9ed55fe9.webp?x-oss-process=image/format,png
[format_png 10]: https://img-blog.csdnimg.cn/img_convert/65f47aaf548b9412799dda7b969c6ab4.webp?x-oss-process=image/format,png
[format_png 11]: https://img-blog.csdnimg.cn/img_convert/6afeca82aea0d2196c34cceab6f574e8.webp?x-oss-process=image/format,png
[format_png 12]: https://img-blog.csdnimg.cn/img_convert/cab9252e810c5c2bbe0546b494713e2b.webp?x-oss-process=image/format,png
[format_png 13]: https://img-blog.csdnimg.cn/img_convert/f809cc805c1de834018b85575bbb41ba.webp?x-oss-process=image/format,png
[format_png 14]: https://img-blog.csdnimg.cn/img_convert/5a634863d6d903b135d9bc24ffda12e4.webp?x-oss-process=image/format,png
[format_png 15]: https://img-blog.csdnimg.cn/img_convert/359cd125597bdda88dfdaf182bd38f5d.webp?x-oss-process=image/format,png
[format_png 16]: https://img-blog.csdnimg.cn/img_convert/654fd100b54794503a5afd2f7a4a1db0.webp?x-oss-process=image/format,png
[format_png 17]: https://img-blog.csdnimg.cn/img_convert/f91b3cd5c3d67a6a0ed9483986367656.webp?x-oss-process=image/format,png
[format_png 18]: https://img-blog.csdnimg.cn/img_convert/fea5fd5ed45a3fbf7177eae2b34c1210.webp?x-oss-process=image/format,png
[format_png 19]: https://img-blog.csdnimg.cn/img_convert/c51b98f5f099af30361d90c7bb64bcc1.webp?x-oss-process=image/format,png
[format_png 20]: https://img-blog.csdnimg.cn/img_convert/2460e64671a914503188f6428c795096.webp?x-oss-process=image/format,png
[https_juejin.cn_post_7210614375290912825]: https://juejin.cn/post/7210614375290912825