欧美bbbwbbbw肥妇,免费乱码人妻系列日韩,一级黄片

MySQL數(shù)據(jù)庫的索引原理與慢SQL優(yōu)化的5大原則

 更新時(shí)間:2023年02月18日 16:48:56   投稿:wdc  
這篇文章主要介紹了MySQL數(shù)據(jù)庫的索引原理與慢SQL優(yōu)化的5大原則,包括:建立索引的原則,慢查詢優(yōu)化基本步驟,慢查詢優(yōu)化案例,explain使用,需要的朋友可以參考下

我們知道一般的應(yīng)用系統(tǒng),讀寫比例在10:1左右,而且插入操作和一般的更新操作很少出現(xiàn)性能問題,遇到最多的,也是最容易出問題的,還是一些復(fù)雜的查詢操作,所以查詢語句的優(yōu)化顯然是重中之重。

本文旨在以開發(fā)工程師的角度來解釋數(shù)據(jù)庫索引的原理和如何優(yōu)化慢查詢。

MySQL索引原理

1.索引目的

索引的目的在于提高查詢效率,可以類比字典,如果要查“mysql”這個(gè)單詞,我們肯定需要定位到m字母,然后從下往下找到y(tǒng)字母,再找到剩下的sql。如果沒有索引,那么你可能需要把所有單詞看一遍才能找到你想要的,如果我想找到m開頭的單詞呢?或者ze開頭的單詞呢?是不是覺得如果沒有索引,這個(gè)事情根本無法完成?

2.索引原理

除了詞典,生活中隨處可見索引的例子,如火車站的車次表、圖書的目錄等。

它們的原理都是一樣的,通過不斷的縮小想要獲得數(shù)據(jù)的范圍來篩選出最終想要的結(jié)果,同時(shí)把隨機(jī)的事件變成順序的事件,也就是我們總是通過同一種查找方式來鎖定數(shù)據(jù)。

數(shù)據(jù)庫也是一樣,但顯然要復(fù)雜許多,因?yàn)椴粌H面臨著等值查詢,還有范圍查詢(>、<、between、in)、模糊查詢(like)、并集查詢(or)等等。

數(shù)據(jù)庫應(yīng)該選擇怎么樣的方式來應(yīng)對所有的問題呢?我們回想字典的例子,能不能把數(shù)據(jù)分成段,然后分段查詢呢?最簡單的如果1000條數(shù)據(jù),1到100分成第一段,101到200分成第二段,201到300分成第三段……這樣查第250條數(shù)據(jù),只要找第三段就可以了,一下子去除了90%的無效數(shù)據(jù)。但如果是1千萬的記錄呢,分成幾段比較好?稍有算法基礎(chǔ)的同學(xué)會(huì)想到搜索樹,其平均復(fù)雜度是lgN,具有不錯(cuò)的查詢性能。但這里我們忽略了一個(gè)關(guān)鍵的問題,復(fù)雜度模型是基于每次相同的操作成本來考慮的,數(shù)據(jù)庫實(shí)現(xiàn)比較復(fù)雜,數(shù)據(jù)保存在磁盤上,而為了提高性能,每次又可以把部分?jǐn)?shù)據(jù)讀入內(nèi)存來計(jì)算,因?yàn)槲覀冎涝L問磁盤的成本大概是訪問內(nèi)存的十萬倍左右,所以簡單的搜索樹難以滿足復(fù)雜的應(yīng)用場景。

3.磁盤IO與預(yù)讀

前面提到了訪問磁盤,那么這里先簡單介紹一下磁盤IO和預(yù)讀,磁盤讀取數(shù)據(jù)靠的是機(jī)械運(yùn)動(dòng),每次讀取數(shù)據(jù)花費(fèi)的時(shí)間可以分為尋道時(shí)間、旋轉(zhuǎn)延遲、傳輸時(shí)間三個(gè)部分,尋道時(shí)間指的是磁臂移動(dòng)到指定磁道所需要的時(shí)間,主流磁盤一般在5ms以下;旋轉(zhuǎn)延遲就是我們經(jīng)常聽說的磁盤轉(zhuǎn)速,比如一個(gè)磁盤7200轉(zhuǎn),表示每分鐘能轉(zhuǎn)7200次,也就是說1秒鐘能轉(zhuǎn)120次,旋轉(zhuǎn)延遲就是1/120/2 = 4.17ms;傳輸時(shí)間指的是從磁盤讀出或?qū)?shù)據(jù)寫入磁盤的時(shí)間,一般在零點(diǎn)幾毫秒,相對于前兩個(gè)時(shí)間可以忽略不計(jì)。那么訪問一次磁盤的時(shí)間,即一次磁盤IO的時(shí)間約等于5+4.17 = 9ms左右,聽起來還挺不錯(cuò)的,但要知道一臺500 -MIPS的機(jī)器每秒可以執(zhí)行5億條指令,因?yàn)橹噶钜揽康氖请姷男再|(zhì),換句話說執(zhí)行一次IO的時(shí)間可以執(zhí)行40萬條指令,數(shù)據(jù)庫動(dòng)輒十萬百萬乃至千萬級數(shù)據(jù),每次9毫秒的時(shí)間,顯然是個(gè)災(zāi)難。下圖是計(jì)算機(jī)硬件延遲的對比圖,供大家參考:

MySQL數(shù)據(jù)庫的索引原理與慢SQL優(yōu)化的5大原則-mikechen的互聯(lián)網(wǎng)架構(gòu)

考慮到磁盤IO是非常高昂的操作,計(jì)算機(jī)操作系統(tǒng)做了一些優(yōu)化,當(dāng)一次IO時(shí),不光把當(dāng)前磁盤地址的數(shù)據(jù),而是把相鄰的數(shù)據(jù)也都讀取到內(nèi)存緩沖區(qū)內(nèi),因?yàn)榫植款A(yù)讀性原理告訴我們,當(dāng)計(jì)算機(jī)訪問一個(gè)地址的數(shù)據(jù)的時(shí)候,與其相鄰的數(shù)據(jù)也會(huì)很快被訪問到。每一次IO讀取的數(shù)據(jù)我們稱之為一頁(page)。

具體一頁有多大數(shù)據(jù)跟操作系統(tǒng)有關(guān),一般為4k或8k,也就是我們讀取一頁內(nèi)的數(shù)據(jù)時(shí)候,實(shí)際上才發(fā)生了一次IO,這個(gè)理論對于索引的數(shù)據(jù)結(jié)構(gòu)設(shè)計(jì)非常有幫助。

4.索引的數(shù)據(jù)結(jié)構(gòu)

前面講了生活中索引的例子,索引的基本原理,數(shù)據(jù)庫的復(fù)雜性,又講了操作系統(tǒng)的相關(guān)知識,目的就是讓大家了解,任何一種數(shù)據(jù)結(jié)構(gòu)都不是憑空產(chǎn)生的,一定會(huì)有它的背景和使用場景,我們現(xiàn)在總結(jié)一下,我們需要這種數(shù)據(jù)結(jié)構(gòu)能夠做些什么,其實(shí)很簡單,那就是:每次查找數(shù)據(jù)時(shí)把磁盤IO次數(shù)控制在一個(gè)很小的數(shù)量級,最好是常數(shù)數(shù)量級。

那么我們就想到如果一個(gè)高度可控的多路搜索樹是否能滿足需求呢?就這樣,b+樹應(yīng)運(yùn)而生。

5.詳解b+樹

MySQL數(shù)據(jù)庫的索引原理與慢SQL優(yōu)化的5大原則-mikechen的互聯(lián)網(wǎng)架構(gòu)

如上圖,是一顆b+樹,關(guān)于b+樹的定義可以參見B+樹,這里只說一些重點(diǎn),淺藍(lán)色的塊我們稱之為一個(gè)磁盤塊,可以看到每個(gè)磁盤塊包含幾個(gè)數(shù)據(jù)項(xiàng)(深藍(lán)色所示)和指針(黃色所示),如磁盤塊1包含數(shù)據(jù)項(xiàng)17和35,包含指針P1、P2、P3,P1表示小于17的磁盤塊,P2表示在17和35之間的磁盤塊,P3表示大于35的磁盤塊。真實(shí)的數(shù)據(jù)存在于葉子節(jié)點(diǎn)即3、5、9、10、13、15、28、29、36、60、75、79、90、99。非葉子節(jié)點(diǎn)只不存儲(chǔ)真實(shí)的數(shù)據(jù),只存儲(chǔ)指引搜索方向的數(shù)據(jù)項(xiàng),如17、35并不真實(shí)存在于數(shù)據(jù)表中。

6.b+樹的查找過程

如圖所示,如果要查找數(shù)據(jù)項(xiàng)29,那么首先會(huì)把磁盤塊1由磁盤加載到內(nèi)存,此時(shí)發(fā)生一次IO,在內(nèi)存中用二分查找確定29在17和35之間,鎖定磁盤塊1的P2指針,內(nèi)存時(shí)間因?yàn)榉浅6蹋ㄏ啾却疟P的IO)可以忽略不計(jì),通過磁盤塊1的P2指針的磁盤地址把磁盤塊3由磁盤加載到內(nèi)存,發(fā)生第二次IO,29在26和30之間,鎖定磁盤塊3的P2指針,通過指針加載磁盤塊8到內(nèi)存,發(fā)生第三次IO,同時(shí)內(nèi)存中做二分查找找到29,結(jié)束查詢,總計(jì)三次IO。真實(shí)的情況是,3層的b+樹可以表示上百萬的數(shù)據(jù),如果上百萬的數(shù)據(jù)查找只需要三次IO,性能提高將是巨大的,如果沒有索引,每個(gè)數(shù)據(jù)項(xiàng)都要發(fā)生一次IO,那么總共需要百萬次的IO,顯然成本非常非常高。

7.b+樹性質(zhì)

1.通過上面的分析,我們知道IO次數(shù)取決于b+數(shù)的高度h,假設(shè)當(dāng)前數(shù)據(jù)表的數(shù)據(jù)為N,每個(gè)磁盤塊的數(shù)據(jù)項(xiàng)的數(shù)量是m,則有h=㏒(m+1)N,當(dāng)數(shù)據(jù)量N一定的情況下,m越大,h越小;而m = 磁盤塊的大小 / 數(shù)據(jù)項(xiàng)的大小,磁盤塊的大小也就是一個(gè)數(shù)據(jù)頁的大小,是固定的,如果數(shù)據(jù)項(xiàng)占的空間越小,數(shù)據(jù)項(xiàng)的數(shù)量越多,樹的高度越低。這就是為什么每個(gè)數(shù)據(jù)項(xiàng),即索引字段要盡量的小,比如int占4字節(jié),要比bigint8字節(jié)少一半。這也是為什么b+樹要求把真實(shí)的數(shù)據(jù)放到葉子節(jié)點(diǎn)而不是內(nèi)層節(jié)點(diǎn),一旦放到內(nèi)層節(jié)點(diǎn),磁盤塊的數(shù)據(jù)項(xiàng)會(huì)大幅度下降,導(dǎo)致樹增高。當(dāng)數(shù)據(jù)項(xiàng)等于1時(shí)將會(huì)退化成線性表。

2.當(dāng)b+樹的數(shù)據(jù)項(xiàng)是復(fù)合的數(shù)據(jù)結(jié)構(gòu),比如(name,age,sex)的時(shí)候,b+數(shù)是按照從左到右的順序來建立搜索樹的,比如當(dāng)(張三,20,F)這樣的數(shù)據(jù)來檢索的時(shí)候,b+樹會(huì)優(yōu)先比較name來確定下一步的所搜方向,如果name相同再依次比較age和sex,最后得到檢索的數(shù)據(jù);但當(dāng)(20,F)這樣的沒有name的數(shù)據(jù)來的時(shí)候,b+樹就不知道下一步該查哪個(gè)節(jié)點(diǎn),因?yàn)榻⑺阉鳂涞臅r(shí)候name就是第一個(gè)比較因子,必須要先根據(jù)name來搜索才能知道下一步去哪里查詢。比如當(dāng)(張三,F)這樣的數(shù)據(jù)來檢索時(shí),b+樹可以用name來指定搜索方向,但下一個(gè)字段age的缺失,所以只能把名字等于張三的數(shù)據(jù)都找到,然后再匹配性別是F的數(shù)據(jù)了, 這個(gè)是非常重要的性質(zhì),即索引的最左匹配特性。

建立索引的原則

1.最左前綴匹配原則

非常重要的原則,mysql會(huì)一直向右匹配直到遇到范圍查詢(>、<、between、like)就停止匹配,比如a = 1 and b = 2 and c > 3 and d = 4 如果建立(a,b,c,d)順序的索引,d是用不到索引的,如果建立(a,b,d,c)的索引則都可以用到,a,b,d的順序可以任意調(diào)整。

2.=和in可以亂序

比如a = 1 and b = 2 and c = 3 建立(a,b,c)索引可以任意順序,mysql的查詢優(yōu)化器會(huì)幫你優(yōu)化成索引可以識別的形式

3.盡量選擇區(qū)分度高的列作為索引

區(qū)分度的公式是count(distinct col)/count(*),表示字段不重復(fù)的比例,比例越大我們掃描的記錄數(shù)越少,唯一鍵的區(qū)分度是1,而一些狀態(tài)、性別字段可能在大數(shù)據(jù)面前區(qū)分度就是0,那可能有人會(huì)問,這個(gè)比例有什么經(jīng)驗(yàn)值嗎?使用場景不同,這個(gè)值也很難確定,一般需要join的字段我們都要求是0.1以上,即平均1條掃描10條記錄

4.索引列不能參與計(jì)算,保持列“干凈”

比如from_unixtime(create_time) = ’2014-05-29’就不能使用到索引,原因很簡單,b+樹中存的都是數(shù)據(jù)表中的字段值,但進(jìn)行檢索時(shí),需要把所有元素都應(yīng)用函數(shù)才能比較,顯然成本太大。所以語句應(yīng)該寫成create_time = unix_timestamp(’2014-05-29’);

5.盡量的擴(kuò)展索引,不要新建索引。

比如表中已經(jīng)有a的索引,現(xiàn)在要加(a,b)的索引,那么只需要修改原來的索引即可

查詢優(yōu)化神器 – explain命令

關(guān)于explain命令相信大家并不陌生,具體用法和字段含義可以參考官網(wǎng)explain-output,這里需要強(qiáng)調(diào)rows是核心指標(biāo),絕大部分rows小的語句執(zhí)行一定很快(有例外,下面會(huì)講到)。所以優(yōu)化語句基本上都是在優(yōu)化rows。

慢查詢優(yōu)化基本步驟

0.先運(yùn)行看看是否真的很慢,注意設(shè)置SQL_NO_CACHE

1.where條件單表查,鎖定最小返回記錄表。這句話的意思是把查詢語句的where都應(yīng)用到表中返回的記錄數(shù)最小的表開始查起,單表每個(gè)字段分別查詢,看哪個(gè)字段的區(qū)分度最高

2.explain查看執(zhí)行計(jì)劃,是否與1預(yù)期一致(從鎖定記錄較少的表開始查詢)

3.order by limit 形式的sql語句讓排序的表優(yōu)先查

4.了解業(yè)務(wù)方使用場景

5.加索引時(shí)參照建索引的幾大原則

6.觀察結(jié)果,不符合預(yù)期繼續(xù)從0分析

慢查詢優(yōu)化案例

下面幾個(gè)例子詳細(xì)解釋了如何分析和優(yōu)化慢查詢

復(fù)雜語句寫法

很多情況下,我們寫SQL只是為了實(shí)現(xiàn)功能,這只是第一步,不同的語句書寫方式對于效率往往有本質(zhì)的差別,這要求我們對mysql的執(zhí)行計(jì)劃和索引原則有非常清楚的認(rèn)識,請看下面的語句

select
 distinct cert.emp_id 
from
 cm_log cl 
inner join
 (
 select
 emp.id as emp_id,
 emp_cert.id as cert_id 
 from
 employee emp 
 left join
 emp_certificate emp_cert 
 on emp.id = emp_cert.emp_id 
 where
 emp.is_deleted=0
 ) cert 
 on (
 cl.ref_table='Employee' 
 and cl.ref_oid= cert.emp_id
 ) 
 or (
 cl.ref_table='EmpCertificate' 
 and cl.ref_oid= cert.cert_id
 ) 
where
 cl.last_upd_date >='2013-11-07 15:03:00' 
 and cl.last_upd_date<='2013-11-08 16:00:00';

0.先運(yùn)行一下,53條記錄 1.87秒,又沒有用聚合語句,比較慢

53 rows in set (1.87 sec)

1.explain

+----+-------------+------------+-------+---------------------------------+-----------------------+---------+-------------------+-------+--------------------------------+
| id | select_type | table | type | possible_keys | key | key_len | ref | rows | Extra |
+----+-------------+------------+-------+---------------------------------+-----------------------+---------+-------------------+-------+--------------------------------+
| 1 | PRIMARY | cl | range | cm_log_cls_id,idx_last_upd_date | idx_last_upd_date | 8 | NULL | 379 | Using where; Using temporary |
| 1 | PRIMARY | <derived2> | ALL | NULL | NULL | NULL | NULL | 63727 | Using where; Using join buffer |
| 2 | DERIVED | emp | ALL | NULL | NULL | NULL | NULL | 13317 | Using where |
| 2 | DERIVED | emp_cert | ref | emp_certificate_empid | emp_certificate_empid | 4 | meituanorg.emp.id | 1 | Using index |
+----+-------------+------------+-------+---------------------------------+-----------------------+---------+-------------------+-------+--------------------------------+

簡述一下執(zhí)行計(jì)劃,首先mysql根據(jù)idx_last_upd_date索引掃描cm_log表獲得379條記錄;然后查表掃描了63727條記錄,分為兩部分,derived表示構(gòu)造表,也就是不存在的表,可以簡單理解成是一個(gè)語句形成的結(jié)果集,后面的數(shù)字表示語句的ID。derived2表示的是ID = 2的查詢構(gòu)造了虛擬表,并且返回了63727條記錄。我們再來看看ID = 2的語句究竟做了寫什么返回了這么大量的數(shù)據(jù),首先全表掃描employee表13317條記錄,然后根據(jù)索引emp_certificate_empid關(guān)聯(lián)emp_certificate表,rows = 1表示,每個(gè)關(guān)聯(lián)都只鎖定了一條記錄,效率比較高。獲得后,再和cm_log的379條記錄根據(jù)規(guī)則關(guān)聯(lián)。從執(zhí)行過程上可以看出返回了太多的數(shù)據(jù),返回的數(shù)據(jù)絕大部分cm_log都用不到,因?yàn)閏m_log只鎖定了379條記錄。

如何優(yōu)化呢?可以看到我們在運(yùn)行完后還是要和cm_log做join,那么我們能不能之前和cm_log做join呢?仔細(xì)分析語句不難發(fā)現(xiàn),其基本思想是如果cm_log的ref_table是EmpCertificate就關(guān)聯(lián)emp_certificate表,如果ref_table是Employee就關(guān)聯(lián)employee表,我們完全可以拆成兩部分,并用union連接起來,注意這里用union,而不用union all是因?yàn)樵Z句有“distinct”來得到唯一的記錄,而union恰好具備了這種功能。如果原語句中沒有distinct不需要去重,我們就可以直接使用union all了,因?yàn)槭褂胾nion需要去重的動(dòng)作,會(huì)影響SQL性能。

優(yōu)化過的語句如下

select
 emp.id 
from
 cm_log cl 
inner join
 employee emp 
 on cl.ref_table = 'Employee' 
 and cl.ref_oid = emp.id 
where
 cl.last_upd_date >='2013-11-07 15:03:00' 
 and cl.last_upd_date<='2013-11-08 16:00:00' 
 and emp.is_deleted = 0 
union
select
 emp.id 
from
 cm_log cl 
inner join
 emp_certificate ec 
 on cl.ref_table = 'EmpCertificate' 
 and cl.ref_oid = ec.id 
inner join
 employee emp 
 on emp.id = ec.emp_id 
where
 cl.last_upd_date >='2013-11-07 15:03:00' 
 and cl.last_upd_date<='2013-11-08 16:00:00' 
 and emp.is_deleted = 0

4.不需要了解業(yè)務(wù)場景,只需要改造的語句和改造之前的語句保持結(jié)果一致

5.現(xiàn)有索引可以滿足,不需要建索引

6.用改造后的語句實(shí)驗(yàn)一下,只需要10ms 降低了近200倍!

+----+--------------+------------+--------+---------------------------------+-------------------+---------+-----------------------+------+-------------+
| id | select_type | table | type | possible_keys | key | key_len | ref | rows | Extra |
+----+--------------+------------+--------+---------------------------------+-------------------+---------+-----------------------+------+-------------+
| 1 | PRIMARY | cl | range | cm_log_cls_id,idx_last_upd_date | idx_last_upd_date | 8 | NULL | 379 | Using where |
| 1 | PRIMARY | emp | eq_ref | PRIMARY | PRIMARY | 4 | meituanorg.cl.ref_oid | 1 | Using where |
| 2 | UNION | cl | range | cm_log_cls_id,idx_last_upd_date | idx_last_upd_date | 8 | NULL | 379 | Using where |
| 2 | UNION | ec | eq_ref | PRIMARY,emp_certificate_empid | PRIMARY | 4 | meituanorg.cl.ref_oid | 1 | |
| 2 | UNION | emp | eq_ref | PRIMARY | PRIMARY | 4 | meituanorg.ec.emp_id | 1 | Using where |
| NULL | UNION RESULT | <union1,2> | ALL | NULL | NULL | NULL | NULL | NULL | |
+----+--------------+------------+--------+---------------------------------+-------------------+---------+-----------------------+------+-------------+
53 rows in set (0.01 sec)

明確應(yīng)用場景

舉這個(gè)例子的目的在于顛覆我們對列的區(qū)分度的認(rèn)知,一般上我們認(rèn)為區(qū)分度越高的列,越容易鎖定更少的記錄,但在一些特殊的情況下,這種理論是有局限性的

select
 * 
from
 stage_poi sp 
where
 sp.accurate_result=1 
 and (
 sp.sync_status=0 
 or sp.sync_status=2 
 or sp.sync_status=4
 );

0.先看看運(yùn)行多長時(shí)間,951條數(shù)據(jù)6.22秒,真的很慢

951 rows in set (6.22 sec)

1.先explain,rows達(dá)到了361萬,type = ALL表明是全表掃描

+----+-------------+-------+------+---------------+------+---------+------+---------+-------------+
| id | select_type | table | type | possible_keys | key | key_len | ref | rows | Extra |
+----+-------------+-------+------+---------------+------+---------+------+---------+-------------+
| 1 | SIMPLE | sp | ALL | NULL | NULL | NULL | NULL | 3613155 | Using where |
+----+-------------+-------+------+---------------+------+---------+------+---------+-------------+

2.所有字段都應(yīng)用查詢返回記錄數(shù),因?yàn)槭菃伪聿樵?0已經(jīng)做過了951條

3.讓explain的rows 盡量逼近951

看一下accurate_result = 1的記錄數(shù)

select count(*),accurate_result from stage_poi group by accurate_result;
+----------+-----------------+
| count(*) | accurate_result |
+----------+-----------------+
| 1023 | -1 |
| 2114655 | 0 |
| 972815 | 1 |
+----------+-----------------+

我們看到accurate_result這個(gè)字段的區(qū)分度非常低,整個(gè)表只有-1,0,1三個(gè)值,加上索引也無法鎖定特別少量的數(shù)據(jù)

再看一下sync_status字段的情況

select count(*),sync_status from stage_poi group by sync_status;
+----------+-------------+
| count(*) | sync_status |
+----------+-------------+
| 3080 | 0 |
| 3085413 | 3 |
+----------+-------------+

同樣的區(qū)分度也很低,根據(jù)理論,也不適合建立索引

問題分析到這,好像得出了這個(gè)表無法優(yōu)化的結(jié)論,兩個(gè)列的區(qū)分度都很低,即便加上索引也只能適應(yīng)這種情況,很難做普遍性的優(yōu)化,比如當(dāng)sync_status 0、3分布的很平均,那么鎖定記錄也是百萬級別的

4.找業(yè)務(wù)方去溝通,看看使用場景。業(yè)務(wù)方是這么來使用這個(gè)SQL語句的,每隔五分鐘會(huì)掃描符合條件的數(shù)據(jù),處理完成后把sync_status這個(gè)字段變成1,五分鐘符合條件的記錄數(shù)并不會(huì)太多,1000個(gè)左右。了解了業(yè)務(wù)方的使用場景后,優(yōu)化這個(gè)SQL就變得簡單了,因?yàn)闃I(yè)務(wù)方保證了數(shù)據(jù)的不平衡,如果加上索引可以過濾掉絕大部分不需要的數(shù)據(jù)

5.根據(jù)建立索引規(guī)則,使用如下語句建立索引

alter table stage_poi add index idx_acc_status(accurate_result,sync_status);

6.觀察預(yù)期結(jié)果,發(fā)現(xiàn)只需要200ms,快了30多倍。

952 rows in set (0.20 sec)

我們再來回顧一下分析問題的過程,單表查詢相對來說比較好優(yōu)化,大部分時(shí)候只需要把where條件里面的字段依照規(guī)則加上索引就好,如果只是這種“無腦”優(yōu)化的話,顯然一些區(qū)分度非常低的列,不應(yīng)該加索引的列也會(huì)被加上索引,這樣會(huì)對插入、更新性能造成嚴(yán)重的影響,同時(shí)也有可能影響其它的查詢語句。

所以我們第4步調(diào)差SQL的使用場景非常關(guān)鍵,我們只有知道這個(gè)業(yè)務(wù)場景,才能更好地輔助我們更好的分析和優(yōu)化查詢語句。

慢查詢的案例就分析到這兒,以上只是一些比較典型的案例。

我們在優(yōu)化過程中遇到過超過1000行,涉及到16個(gè)表join的“垃圾SQL”,也遇到過線上線下數(shù)據(jù)庫差異導(dǎo)致應(yīng)用直接被慢查詢拖死,也遇到過varchar等值比較沒有寫單引號,還遇到過笛卡爾積查詢直接把從庫搞死。再多的案例其實(shí)也只是一些經(jīng)驗(yàn)的積累,如果我們熟悉查詢優(yōu)化器、索引的內(nèi)部原理,那么分析這些案例就變得特別簡單了。

以上就是MySQL數(shù)據(jù)庫的索引原理與慢SQL優(yōu)化的5大原則的詳細(xì)內(nèi)容,更多關(guān)于MySQL數(shù)據(jù)庫的索引原理與慢SQL優(yōu)化原則的資料請關(guān)注腳本之家其它相關(guān)文章!

相關(guān)文章

  • mysql實(shí)現(xiàn)表內(nèi)增加一個(gè)字段并賦值

    mysql實(shí)現(xiàn)表內(nèi)增加一個(gè)字段并賦值

    這篇文章主要介紹了mysql實(shí)現(xiàn)表內(nèi)增加一個(gè)字段并賦值,具有很好的參考價(jià)值,希望對大家有所幫助。如有錯(cuò)誤或未考慮完全的地方,望不吝賜教
    2022-09-09
  • 重裝MySQL最后一步失敗的完美解決方案(經(jīng)驗(yàn)總結(jié))

    重裝MySQL最后一步失敗的完美解決方案(經(jīng)驗(yàn)總結(jié))

    使用MySQL都有過重裝的經(jīng)歷,要是重裝MySQL基本都是在最后一步通不過,究竟是什么原因呢?下面是我總結(jié)的一點(diǎn)經(jīng)驗(yàn),都是血的教訓(xùn)
    2014-06-06
  • MySQL中實(shí)現(xiàn)行列轉(zhuǎn)換的操作示例

    MySQL中實(shí)現(xiàn)行列轉(zhuǎn)換的操作示例

    在 MySQL 中進(jìn)行行列轉(zhuǎn)換(即,將某些列轉(zhuǎn)換為行或?qū)⒛承┬修D(zhuǎn)換為列)通常涉及使用條件邏輯和聚合函數(shù),本文給大家介紹了MySQL中實(shí)現(xiàn)行列轉(zhuǎn)換的操作示例,文中有詳細(xì)的代碼示例供大家參考,需要的朋友可以參考下
    2024-06-06
  • mysql之觸發(fā)器使用

    mysql之觸發(fā)器使用

    這篇文章主要介紹了mysql之觸發(fā)器使用方式,具有很好的參考價(jià)值,希望對大家有所幫助,如有錯(cuò)誤或未考慮完全的地方,望不吝賜教
    2017-09-09
  • 年底了,你的mysql密碼安全嗎

    年底了,你的mysql密碼安全嗎

    這篇文章主要介紹了MySQL密碼安全的相關(guān)知識,幫助大家更好的使用數(shù)據(jù)庫,感興趣的朋友可以了解下
    2021-01-01
  • 淺析MySQL索引結(jié)構(gòu)采用B+樹的問題

    淺析MySQL索引結(jié)構(gòu)采用B+樹的問題

    數(shù)據(jù)庫的存儲(chǔ)引擎都是采用B樹或者B+樹來實(shí)現(xiàn)索引的存儲(chǔ),總體來說,我認(rèn)為技術(shù)方案的選型,更多的要根據(jù)具體的業(yè)務(wù)場景來決定,并不一定是說B+樹就是最好的選擇,就像MongoDB里面采用B樹結(jié)構(gòu),本文介紹我對MySQL索引結(jié)構(gòu)采用B+樹的理解
    2022-06-06
  • MySQL的索引原理以及查詢優(yōu)化詳解

    MySQL的索引原理以及查詢優(yōu)化詳解

    這篇文章主要為大家介紹了MySQL的索引原理以及查詢優(yōu)化,具有一定的參考價(jià)值,感興趣的小伙伴們可以參考一下,希望能夠給你帶來幫助
    2021-12-12
  • MySQL下常見的啟動(dòng)失敗與備份失敗問題的解決教程

    MySQL下常見的啟動(dòng)失敗與備份失敗問題的解決教程

    這篇文章主要介紹了MySQL下常見的啟動(dòng)失敗與備份失敗問題的解決教程,示例環(huán)境基于Linux系統(tǒng),需要的朋友可以參考下
    2015-11-11
  • Mysql中 IFNULL函數(shù)的使用詳解

    Mysql中 IFNULL函數(shù)的使用詳解

    IFNULL()函數(shù)在MySQL中用來檢查第一個(gè)表達(dá)式是否為NULL,非NULL則返回第一個(gè)值,否則返回第二個(gè)值,本文就來詳細(xì)的介紹一下如何使用,感興趣的可以了解一下
    2024-09-09
  • 聊聊MySQL中的參數(shù)

    聊聊MySQL中的參數(shù)

    這篇文章主要介紹了MySQL中的參數(shù)是什么,幫助大家更好的理解和使用MySQL數(shù)據(jù)庫,感興趣的朋友可以了解下
    2020-09-09

最新評論