数据库 | 一次非常有趣的SQL优化经历

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 = 0 and sc.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 = 0 and sc.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。

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：

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  
    < in_optimizer > (  
        `YSB`.`s`.`s_id` ,< EXISTS > (  
            SELECT  
            FROM  
                `YSB`.`SC` `sc`  
            WHERE  
                (  
                    (`YSB`.`sc`.`c_id` = 0)  
                    AND (`YSB`.`sc`.`score` = 100)  
                    AND (  
                        < CACHE > (`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 ）：

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 where sc.c_id = 0 and sc.score = 100 

耗时：0.001s

得到如下结果：

[[261522]]

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=0 and sc.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：

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 

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：

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：

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：

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：

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=0 and sc.score=100 

执行时间0.001s

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。

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 

执行sql 

SELECT s.* from   
Student s  
INNER JOIN SC sc  
on ssc.s_id = s.s_id  
where sc.c_id=81 and sc.score=84 

执行时间：0.061s

这个时间稍微慢了点。

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，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：

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 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

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***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 

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