知識星球來自：程式員的成長之路（ID：cxydczzl）
閱讀本文大概需要 6 分鐘。
前言
在網上刷到一篇資料庫最佳化的文章，自己也來研究一波。
場景
資料庫版本：5.7.25 ，執行在虛擬機器中。
課程表
1#課程表
2create table Course(
3c_id int PRIMARY KEY,
4name varchar(10)
5)
增加 100 條資料
1#增加課程表100條資料
2DROP PROCEDURE IF EXISTS insert_Course;
3DELIMITER $
4CREATE PROCEDURE insert_Course()
5BEGIN
6 DECLARE i INT DEFAULT 1;
7 WHILE i<=100 DO
8 INSERT INTO Course(`c_id`,`name`) VALUES(i, CONCAT(‘語文’,i+”));
9 SET i = i+1;
10 END WHILE;
11END $
12CALL insert_Course();
執行耗時
1CALL insert_Course();
2> OK
3> 時間: 0.152s
課程資料
學生表
1#學生表
2create table Student(
3s_id int PRIMARY KEY,
4name varchar(10)
5)
增加 7W 條資料
1#學生表增加70000條資料
2DROP PROCEDURE IF EXISTS insert_Student;
3DELIMITER $
4CREATE PROCEDURE insert_Student()
5BEGIN
6 DECLARE i INT DEFAULT 1;
7 WHILE i<=70000 DO
8 INSERT INTO Student(`s_id`,`name`) VALUES(i, CONCAT(‘張三’,i+”));
9 SET i = i+1;
10 END WHILE;
11END $
12CALL insert_Student();
執行結果
1CALL insert_Student();
2> OK
3> 時間: 175.838s
學生資料
成績表
1#成績表
2CREATE table Result(
3r_id int PRIMARY KEY,
4s_id int,
5c_id int,
6score int
7)
增加 70W 條資料
1#成績表增加70W條資料
2DROP PROCEDURE IF EXISTS insert_Result;
3DELIMITER $
4CREATE PROCEDURE insert_Result()
5BEGIN
6 DECLARE i INT DEFAULT 1;
7 DECLARE sNum INT DEFAULT 1;
8 DECLARE cNum INT DEFAULT 1;
9 WHILE i<=700000 DO
10 if (sNum%70000 = 0) THEN
11 set sNum = 1;
12 elseif (cNum%100 = 0) THEN
13 set cNum = 1;
14 end if;
15 INSERT INTO Result(`r_id`,`s_id`,`c_id`,`score`) VALUES(i,sNum ,cNum , (RAND()*99)+1);
16 SET i = i+1;
17 SET sNum = sNum+1;
18 SET cNum = cNum+1;
19 END WHILE;
20END $
21CALL insert_Result();
執行結果
1CALL insert_Result();
2> OK
3> 時間: 2029.5s
成績資料
測試
業務需求
查詢 語文1 成績為 100 分的考生
查詢陳述句
1#查詢語文1考100分的考生
2select s.* from Student s where s.s_id in
3(select s_id from Result r where r.c_id = 1 and r.score = 100)
執行時間：0.937s
查詢結果：32 位滿足條件的學生
用了 0.9s ，來檢視下查詢計劃：
1EXPLAIN
2select s.* from Student s where s.s_id in
3(select s_id from Result r where r.c_id = 1 and r.score = 100)
發現沒有用到索引，type 全是 ALL ，那麼首先想到的就是建立一個索引，建立索引的欄位當然是在 where 條件的欄位了。
查詢結果中 type 列：all 是全表掃描，index 是透過索引掃描。
先給 Result 表的 c_id 和 score 建立個索引
1CREATE index result_c_id_index on Result(c_id);
2
3CREATE index result_score_index on Result(score);
再次執行上述查詢陳述句，時間為：0.027s
快了 34.7 倍（四捨五入），大大縮短了查詢的時間，看來索引能極大程度的提高查詢效率，在合適的列上面建立索引很有必要，很多時候都忘記建立索引，資料量小的時候沒什麼感覺，這最佳化的感覺很 nice 。
相同的 SQL 陳述句多次執行，你會發現第一次是最久的，後面執行所需的時間會比第一次執行短些許，原因是，相同陳述句第二次查詢會直接從快取中讀取。
0.027s 很短了，但是還能再進行最佳化嗎，仔細看下執行計劃：
檢視最佳化後的 SQL ：
1SELECT
2 `example`.`s`.`s_id` AS `s_id`,
3 `example`.`s`.`name` AS `name`
4FROM
5 `example`.`Student` `s` semi
6 JOIN ( `example`.`Result` `r` )
7WHERE
8 (
9 ( `example`.`s`.`s_id` = “.`s_id` )
10 AND ( `example`.`r`.`score` = 100 )
11 AND ( `example`.`r`.`c_id` = 1 )
12 )
怎麼檢視最佳化後的陳述句呢？
方法如下（在命令視窗執行）：
1#先執行
2EXPLAIN
3select s.* from Student s where s.s_id in
4(select s_id from Result r where r.c_id = 1 and r.score = 100);
5#在執行
6show warnings;
結果如下
有 type = all
按照之前的想法，該 SQL 執行的順序是執行子查詢
1select s_id from Result r where r.c_id = 1 and r.score = 100
耗時：1.402s
得到如下結果（部分）
然後在執行
1select s.* from Student s where s.s_id in
2(12871,40987,46729,61381,3955,10687,14047,26917,28897,31174,38896,56518,10774,25030,9778,12544,24721,27295,60361,
38479,46990,66988,6790,35995,46192,47578,58171,63220,6685,67372,46279,64693)
耗時：0.222s
比一起執行快多了，檢視最佳化後的 SQL 陳述句，發現MySQL 竟然不是先執行裡層的查詢，而是將 SQL 最佳化成了 exists 字句，執行計劃中的 select_type 為 MATERIALIZED（物化子查詢）。MySQL 先執行外層查詢，在執行裡層的查詢，這樣就要迴圈學生數量*滿足條件的學生 ID 次，也就是 7W * 32 次。
物化子查詢： 最佳化器使用物化能夠更有效的來處理子查詢。物化透過將子查詢結果作為一個臨時表來加快查詢執行速度，正常來說是在記憶體中的。mysql 第一次需要子查詢結果是，它物化結果到一張臨時表中。在之後的任何地方需要該結果集，mysql 會再次取用臨時表。最佳化器也許會使用一個雜湊索引來使得查詢更快速代價更小。索引是唯一的，排除重覆並使得表資料更少。
那麼改用連線查詢呢？
這裡為了重新分析連線查詢的情況，先暫時刪除索引 result_c_id_index ，result_score_index 。
1DROP index result_c_id_index on Result;
2DROP index result_score_index on Result;
連線查詢
1select s.* from
2Student s
3INNER JOIN Result r
4on r.s_id = s.s_id
5where r.c_id = 1 and r.score = 100;
執行耗時：1.293s
查詢結果
用了 1.2s ，來看看執行計劃（ EXPLAIN + 查詢 SQL 即可檢視該 SQL 的執行計劃）：
這裡有連表的情況出現，我猜想是不是要給 result 表的 s_id 建立個索引
1CREATE index result_s_id_index on Result(s_id);
2show index from Result;
在執行連線查詢
耗時：1.17s （有點奇怪，按照所看文章的時間應該會變長的）
看下執行計劃：
最佳化後的查詢陳述句為：
1SELECT
2 `example`.`s`.`s_id` AS `s_id`,
3 `example`.`s`.`name` AS `name`
4FROM
5 `example`.`Student` `s`
6 JOIN `example`.`Result` `r`
7WHERE
8 (
9 ( `example`.`s`.`s_id` = `example`.`r`.`s_id` )
10 AND ( `example`.`r`.`score` = 100 )
11 AND ( `example`.`r`.`c_id` = 1 )
12 )
貌似是先做的連線查詢，在進行的 where 條件過濾。
回到前面的執行計劃：
這裡是先做的 where 條件過濾，再做連表，執行計劃還不是固定的，那麼我們先看下標準的 sql 執行順序：
正常情況下是先 join 再進行 where 過濾，但是我們這裡的情況，如果先 join ，將會有 70W 條資料傳送 join ，因此先執行 where 過濾式明智方案，現在為了排除 mysql 的查詢最佳化，我自己寫一條最佳化後的 sql 。
先刪除索引
1DROP index result_s_id_index on Result;
執行自己寫的最佳化 sql
1SELECT
2 s.*
3FROM
4 (
5 SELECT * FROM Result r WHERE r.c_id = 1 AND r.score = 100
6 ) t
7INNER JOIN Student s ON t.s_id = s.s_id
耗時為：0.413s
比之前 sql 的時間都要短。
檢視執行計劃
先提取 result 再連表，這樣效率就高多了，現在的問題是提取 result 的時候出現了掃描表，那麼現在可以明確需要建立相關索引。
1CREATE index result_c_id_index on Result(c_id);
2CREATE index result_score_index on Result(score);
再次執行查詢
1SELECT
2 s.*
3FROM
4 (
5 SELECT * FROM Result r WHERE r.c_id = 1 AND r.score = 100
6 ) t
7INNER JOIN Student s ON t.s_id = s.s_id
耗時為：0.044s
這個時間相當靠譜，快了 10 倍。
執行計劃：
我們會看到，先提取 result ，再連表，都用到了索引。
那麼再來執行下 sql ：
1EXPLAIN
2select s.* from
3Student s
4INNER JOIN Result r
5on r.s_id = s.s_id
6where r.c_id = 1 and r.score = 100;
執行耗時：0.050s
執行計劃：
這裡是 mysql 進行了查詢陳述句最佳化，先執行了 where 過濾，再執行連線操作，且都用到了索引。
擴大測試資料，調整內容為 result 表的資料增長到 300W ，學生資料更為分散。
1DROP PROCEDURE IF EXISTS insert_Result_TO300W;
2DELIMITER $
3CREATE PROCEDURE insert_Result_TO300W()
4BEGIN
5 DECLARE i INT DEFAULT 700001;
6 DECLARE sNum INT DEFAULT 1;
7 DECLARE cNum INT DEFAULT 1;
8 WHILE i<=3000000 DO
9 INSERT INTO Result(`r_id`,`s_id`,`c_id`,`score`)
10 VALUES(i,(RAND()*69999)+1 ,(RAND()*99)+1 , (RAND()*99)+1);
11 SET i = i+1;
12 END WHILE;
13END $
14CALL insert_Result_TO300W();
更換了一下資料生成的方式，全部採用隨機數格式。
先回顧下：
1show index from Result;
執行 sql
1select s.* from
2Student s
3INNER JOIN Result r
4on r.s_id = s.s_id
5where r.c_id = 81 and r.score = 84;
執行耗時：1.278s
執行計劃：
這裡用到了 intersect 並集操作，即兩個索引同時檢索的結果再求並集，再看欄位 score 和 c_id 的區分度，但從一個欄位看，區分度都不是很大，從 Result 表檢索，c_id = 81 檢索的結果是 81 ，score = 84 的結果是 84 。
而 c_id = 81 and score = 84 的結果是 19881，即這兩個欄位聯合起來的區分度還是比較高的，因此建立聯合索引查詢效率將會更高，從另外一個角度看，該表的資料是 300W ，以後會更多，就索引儲存而言，都是不小的數目，隨著資料量的增加，索引就不能全部載入到記憶體，而是要從磁碟讀取，這樣索引的個數越多，讀磁碟的開銷就越大，因此根據具體業務情況建立多列的聯合索引是必要的，我們來試試。
1DROP index result_c_id_index on Result;
2DROP index result_score_index on Result;
3CREATE index result_c_id_score_index on Result(c_id,score);
指向上述查詢陳述句
消耗時間：0.025s
這個速度就就很快了，可以接受。
該陳述句的最佳化暫時告一段落。
總結
-
MySQL 巢狀子查詢效率確實比較低
-
可以將其最佳化成連線查詢
-
連線表時，可以先用 where 條件對錶進行過濾，然後做表連線（雖然 MySQL 會對連表陳述句做最佳化）
-
建立合適的索引，必要時建立多列聯合索引
-
學會分析 sql 執行計劃，mysql 會對 sql 進行最佳化，所有分析計劃很重要
知識擴充套件
索引最佳化
上面講到子查詢的最佳化，以及如何建立索引，而且在多個欄位索引時，分別對欄位建立了單個索引。
後面發現其實建立聯合索引效率會更高，尤其是在資料量較大，單個列區分度不高的情況下。
單列索引
查詢陳述句如下：
1select * from user_test_copy where sex = 2 and type = 2 and age = 10
索引：
1CREATE index user_test_index_sex on user_test_copy(sex);
2CREATE index user_test_index_type on user_test_copy(type);
3CREATE index user_test_index_age on user_test_copy(age);
分別對 sex ，type ，age 欄位做了索引，資料量為300w
查詢時間：0.415s
執行計劃：
發現 type = index_merge
這是mysql對多個單列索引的最佳化，對結果集採用intersect並集操作
多列索引。
多列索引
我們可以在這3個列上建立多列索引，將表copy一份以便做測試。
1create index user_test_index_sex_type_age on user_test(sex,type,age);
查詢陳述句：
1select * from user_test where sex = 2 and type = 2 and age = 10
執行時間：0.032s
快了10多倍，且多列索引的區分度越高，提高的速度也越多。
執行計劃：
最左字首
多列索引還有最左字首的特性：
都會使用到索引，即索引的第一個欄位sex要出現在where條件中。
執行一下陳述句：
1select * from user_test where sex = 2
2select * from user_test where sex = 2 and type = 2
3select * from user_test where sex = 2 and age = 10
索引改寫
就是查詢的列都建立了索引，這樣在獲取結果集的時候不用再去磁碟獲取其它列的資料，直接傳回索引資料即可
如：
1select sex,type,age from user_test where sex = 2 and type = 2 and age = 10
執行時間：0.003s
要比取所有欄位快的多
排序
1select * from user_test where sex = 2 and type = 2 ORDER BY user_name
時間：0.139s
在排序欄位上建立索引會提高排序的效率
1select * from user_test where sex = 2 and type = 2 ORDER BY user_name
最後附上一些sql調優的總結，以後有時間再深入研究
-
列型別儘量定義成數值型別，且長度盡可能短，如主鍵和外來鍵，型別欄位等等
-
建立單列索引
-
根據需要建立多列聯合索引
-
當單個列過濾之後還有很多資料，那麼索引的效率將會比較低，即列的區分度較低，那麼如果在多個列上建立索引，那麼多個列的區分度就大多了，將會有顯著的效率提高。
-
-
根據業務場景建立改寫索引
-
只查詢業務需要的欄位，如果這些欄位被索引改寫，將極大的提高查詢效率
-
-
多表連線的欄位上需要建立索引
-
這樣可以極大的提高表連線的效率
-
-
where條件欄位上需要建立索引
-
排序欄位上需要建立索引
-
分組欄位上需要建立索引
-
Where條件上不要使用運算函式，以免索引失效
