Heim  >  Artikel  >  Datenbank  >  MySQL-Indexprinzipien und -optimierung

MySQL-Indexprinzipien und -optimierung

步履不停
步履不停Original
2019-06-22 18:13:253057Durchsuche

MySQL-Indexprinzipien und -optimierung

Vorwort

Dieser Artikel wurde von einem großen Chef von Meituan geschrieben. Es ist nicht schlecht, ihn mit allen zu teilen. Die in HTML verschachtelte SQL-Anweisung ist Java Der Weg zum Schreiben des Frameworks besteht darin, die auszuführende SQL-Anweisung zu verstehen.

Hintergrund

Mit seiner hervorragenden Leistung, niedrigen Kosten und reichlich vorhandenen Ressourcen ist MySQL für die meisten Internetunternehmen zur bevorzugten relationalen Datenbank geworden. Obwohl die Leistung ausgezeichnet ist, gehört zum sogenannten „guten Pferd ein guter Sattel“, wie man es besser nutzt, ist für Entwicklungsingenieure zu einem Pflichtkurs geworden. Wir sehen oft Dinge wie „Kenntnisse in MySQL“ und „SQL-Anweisungsoptimierung“. aus Stellenbeschreibungen, „Datenbankprinzipien verstehen“ und anderen Anforderungen. Wir wissen, dass in allgemeinen Anwendungssystemen das Lese-/Schreibverhältnis etwa 10:1 beträgt und Einfügungsvorgänge und allgemeine Aktualisierungsvorgänge selten Leistungsprobleme verursachen. Am häufigsten treten komplexe Abfragen auf, die auch am wahrscheinlichsten Probleme verursachen Operationen, daher hat die Optimierung von Abfrageanweisungen offensichtlich höchste Priorität.

Seit Juli 2013 arbeite ich an der Optimierung langsamer Abfragen in der Kerngeschäftssystemabteilung von Meituan. Insgesamt gibt es mehr als zehn Systeme und ich habe Hunderte von Fällen langsamer Abfragen gelöst und gesammelt. Je komplexer das Geschäft wird, desto seltsamer, vielfältiger und unglaublicher werden die auftretenden Probleme. Ziel dieses Artikels ist es, die Prinzipien der Datenbankindizierung und die Optimierung langsamer Abfragen aus der Sicht eines Entwicklungsingenieurs zu erläutern.

<span>select</span>
    <span>count</span>(*) <span>from</span>
   task 
<span>where</span>
   <span>status</span>=<span>2</span> 
   <span>and</span> operator_id=<span>20839</span> 
   <span>and</span> operate_time><span>1371169729</span> 
   <span>and</span> operate_time1371174603 
   <span>and</span> <span>type</span>=<span>2</span>;

Systembenutzer berichteten, dass eine Funktion immer langsamer wurde, sodass der Ingenieur die obige SQL fand.

Und ich kam aufgeregt zu mir: „Dieses SQL muss optimiert werden. Fügen Sie für mich einen Index zu jedem Feld hinzu.“

Ich war überrascht und fragte: „Warum muss man zu jedem Feld einen Index hinzufügen?“

„Das Hinzufügen von Indizes zu allen abgefragten Feldern geht schneller.“ voller Zuversicht.

„In diesem Fall ist es durchaus möglich, einen gemeinsamen Index zu erstellen. Da es sich um die Präfixübereinstimmung ganz links handelt, muss „operate_time“ am Ende platziert werden und andere verwandte Abfragen müssen berücksichtigt werden Es muss eine umfassende Bewertung durchgeführt werden.“

„Union-Index? Ganz links?

In den meisten Fällen wissen wir, dass Indizes die Abfrageeffizienz verbessern können, aber wie sollten wir Indizes erstellen? Wie ist die Reihenfolge der Indizes? Viele Menschen wissen es nur ungefähr. Tatsächlich ist es nicht schwer, diese Konzepte zu verstehen, und das Prinzip der Indizierung ist weitaus weniger kompliziert als gedacht.

Zweck des Index

Der Zweck des Index besteht darin, die Abfrageeffizienz zu verbessern, die mit einem Wörterbuch verglichen werden kann. Wenn wir das Wort „MySQL“ nachschlagen möchten, müssen wir es unbedingt lokalisieren Suchen Sie den m-Buchstaben, suchen Sie dann den y-Buchstaben von unten nach unten und suchen Sie dann den verbleibenden SQL-Code. Wenn kein Index vorhanden ist, müssen Sie möglicherweise alle Wörter durchsuchen, um das Gesuchte zu finden. Was ist, wenn ich Wörter finden möchte, die mit m beginnen? Oder wie wäre es mit Wörtern, die mit ze beginnen? Sind Sie der Meinung, dass diese Angelegenheit ohne einen Index überhaupt nicht abgeschlossen werden kann?

Prinzipien der Indexierung

Neben Wörterbüchern sind Beispiele für die Indexierung überall im Leben zu finden, beispielsweise Zugfahrpläne an Bahnhöfen, Buchkataloge usw. Ihre Prinzipien sind die gleichen. Indem Sie den Umfang der Daten, die Sie erhalten möchten, ständig einschränken, können Sie die gewünschten Endergebnisse herausfiltern und gleichzeitig zufällige Ereignisse in sequentielle Ereignisse umwandeln. Das heißt, wir verwenden immer die gleiche Suche Methode zum Sperren von Daten.

Das Gleiche gilt für die Datenbank, aber sie ist offensichtlich viel komplizierter, da sie nicht nur äquivalenten Abfragen gegenübersteht, sondern auch Bereichsabfragen (>,

Festplatten-E/A und Vorlesen

Ich habe den Zugriff auf die Festplatte bereits erwähnt, deshalb hier eine kurze Einführung in die Datenträger-E/A und das Vorlesen von Daten, die auf mechanischer Bewegung und der dafür erforderlichen Zeit basieren Jedes Mal Daten lesen Es kann in drei Teile unterteilt werden: Suchzeit, Rotationsverzögerung und Übertragungszeit. Die Suchzeit bezieht sich auf die Zeit, die der Magnetarm benötigt, um sich auf die angegebene Spur zu bewegen ist die Scheibengeschwindigkeit, die wir oft hören. Beispielsweise dreht sich eine Scheibe 7200 Mal pro Minute, was bedeutet, dass sie sich 120 Mal pro Sekunde drehen kann. Die Rotationsverzögerung beträgt 1/120/2 = 4,17 ms ; Die Übertragungszeit bezieht sich auf das Lesen oder Übertragen von Daten von der Festplatte. Die Zeit zum Schreiben auf die Festplatte beträgt im Allgemeinen einige Zehntel Millisekunden, was im Vergleich zu den ersten beiden Zeiten vernachlässigbar ist. Dann beträgt die Zeit für den Zugriff auf eine Festplatte, also die Zeit für einen Festplatten-IO, ungefähr 5+4,17 = 9 ms, was ziemlich gut klingt, aber Sie müssen wissen, dass eine 500-MIPS-Maschine 500 Millionen Anweisungen pro Sekunde ausführen kann. weil die Anweisungen Es hängt von der Natur der Elektrizität ab. Mit anderen Worten, 400.000 Anweisungen können in der Zeit ausgeführt werden, die für die Ausführung eines IO benötigt wird. Die Datenbank enthält oft Hunderttausende, Millionen oder sogar Zehnmillionen von Daten 9 Millisekunden dauert, ist es offensichtlich eine Katastrophe. Das folgende Bild ist eine Vergleichstabelle der Computer-Hardware-Latenz als Referenz:

MySQL-Indexprinzipien und -optimierung

verschiedene-system-software-hardware-latenzen

Angesichts der Tatsache, dass Festplatten-IO vorhanden ist Sehr teure Vorgänge, das Computer-Betriebssystem hat einige Optimierungen vorgenommen. Wenn ein IO ausgeführt wird, werden nicht nur die Daten an der aktuellen Festplattenadresse, sondern auch angrenzende Daten in den Speicherpuffer gelesen, da uns das Prinzip des lokalen Vorauslesens sagt Wenn der Computer auf die Daten an einer Adresse zugreift, wird auch schnell auf die angrenzenden Daten zugegriffen. Die von IO jedes Mal gelesenen Daten werden als Seite bezeichnet. Die spezifische Größe der Daten auf einer Seite hängt vom Betriebssystem ab und beträgt im Allgemeinen 4 KB oder 8 KB. Das heißt, wenn wir die Daten auf einer Seite lesen, tritt tatsächlich nur eine E/A auf. Diese Theorie ist für das Design der Datenstruktur sehr hilfreich der Index.

Datenstruktur von Indizes

Ich habe über Beispiele für Indizes im Leben, die Grundprinzipien von Indizes, die Komplexität von Datenbanken und das relevante Wissen über Betriebssysteme gesprochen Jeder versteht: Jede Art von Datenstruktur muss ihren Hintergrund und ihre Verwendungsszenarien haben. Fassen wir nun zusammen, was wir mit dieser Datenstruktur tun müssen Suchen Sie nach Daten. Die Anzahl der Festplatten-IOs wird auf eine kleine Größenordnung, vorzugsweise eine konstante Größenordnung, gesteuert. Dann überlegen wir, ob ein gut kontrollierbarer Mehrpfad-Suchbaum die Anforderungen erfüllen kann. Auf diese Weise entstand der b+-Baum.

Detaillierte Erklärung des b+-Baums

MySQL-Indexprinzipien und -optimierung

b+-Baum

Wie oben gezeigt, handelt es sich um einen b+-Baum , siehe B+-Baum, hier sind nur einige wichtige Punkte. Wir nennen den hellblauen Block einen Festplattenblock. Sie können sehen, dass jeder Festplattenblock mehrere Datenelemente (in Dunkelblau dargestellt) und Zeiger (in Gelb dargestellt) enthält als Plattenblock 1 Enthält die Datenelemente 17 und 35, einschließlich der Zeiger P1, P2 und P3. P1 stellt Plattenblöcke kleiner als 17 dar, P2 stellt Plattenblöcke zwischen 17 und 35 dar und P3 stellt Plattenblöcke größer als 35 dar. Die tatsächlichen Daten liegen in Blattknoten vor, nämlich 3, 5, 9, 10, 13, 15, 28, 29, 36, 60, 75, 79, 90, 99. Nicht-Blattknoten speichern keine echten Daten, sondern nur Datenelemente, die die Suchrichtung bestimmen. Beispielsweise sind 17 und 35 tatsächlich nicht in der Datentabelle vorhanden.

Der Suchvorgang des B+-Baums

Wenn Sie wie in der Abbildung gezeigt das Datenelement 29 finden möchten, wird zunächst Festplattenblock 1 von der Festplatte in den Speicher geladen Zu diesem Zeitpunkt erfolgt eine E/A und im Speicher wird eine binäre Suche verwendet, um festzustellen, dass 29 zwischen 17 und 35 liegt, und der P2-Zeiger von Plattenblock 1 ist gesperrt. Die Speicherzeit ist vernachlässigbar, da sie sehr kurz ist (im Vergleich zu Der Plattenblock wird über die Plattenadresse des P2-Zeigers des Plattenblocks 1 verschoben. 3 wird von der Platte in den Speicher geladen, der zweite IO erfolgt, 29 liegt zwischen 26 und 30, der P2-Zeiger des Plattenblocks 3 ist gesperrt, Plattenblock 8 wird über den Zeiger in den Speicher geladen, der dritte E/A-Vorgang erfolgt und eine binäre Suche wird im Speicher durchgeführt. Es wurden 29 gefunden und die Abfrage beendet, insgesamt drei E/A. Die reale Situation ist, dass ein dreischichtiger B+-Baum Millionen von Daten darstellen kann. Wenn für Millionen von Datensuchen nur drei E/As erforderlich sind, ist die Leistungsverbesserung enorm. Dann sind insgesamt Millionen von IOs erforderlich, und die Kosten sind natürlich sehr, sehr hoch.

b+树性质

  1. 通过上面的分析,我们知道IO次数取决于b+数的高度h,假设当前数据表的数据为N,每个磁盘块的数据项的数量是m,则有h=㏒(m+1)N,当数据量N一定的情况下,m越大,h越小;而m = 磁盘块的大小 / 数据项的大小,磁盘块的大小也就是一个数据页的大小,是固定的,如果数据项占的空间越小,数据项的数量越多,树的高度越低。这就是为什么每个数据项,即索引字段要尽量的小,比如int占4字节,要比bigint8字节少一半。这也是为什么b+树要求把真实的数据放到叶子节点而不是内层节点,一旦放到内层节点,磁盘块的数据项会大幅度下降,导致树增高。当数据项等于1时将会退化成线性表。

  2. 当b+树的数据项是复合的数据结构,比如(name,age,sex)的时候,b+数是按照从左到右的顺序来建立搜索树的,比如当(张三,20,F)这样的数据来检索的时候,b+树会优先比较name来确定下一步的所搜方向,如果name相同再依次比较age和sex,最后得到检索的数据;但当(20,F)这样的没有name的数据来的时候,b+树就不知道下一步该查哪个节点,因为建立搜索树的时候name就是第一个比较因子,必须要先根据name来搜索才能知道下一步去哪里查询。比如当(张三,F)这样的数据来检索时,b+树可以用name来指定搜索方向,但下一个字段age的缺失,所以只能把名字等于张三的数据都找到,然后再匹配性别是F的数据了, 这个是非常重要的性质,即索引的最左匹配特性。

关于MySQL索引原理是比较枯燥的东西,大家只需要有一个感性的认识,并不需要理解得非常透彻和深入。我们回头来看看一开始我们说的慢查询,了解完索引原理之后,大家是不是有什么想法呢?先总结一下索引的几大基本原则:

建索引的几大原则

  1. 最左前缀匹配原则,非常重要的原则,mysql会一直向右匹配直到遇到范围查询(>、 3 and d = 4 如果建立(a,b,c,d)顺序的索引,d是用不到索引的,如果建立(a,b,d,c)的索引则都可以用到,a,b,d的顺序可以任意调整。
  2. =和in可以乱序,比如a = 1 and b = 2 and c = 3 建立(a,b,c)索引可以任意顺序,mysql的查询优化器会帮你优化成索引可以识别的形式。
  3. 尽量选择区分度高的列作为索引,区分度的公式是count(distinct col)/count(*),表示字段不重复的比例,比例越大我们扫描的记录数越少,唯一键的区分度是1,而一些状态、性别字段可能在大数据面前区分度就是0,那可能有人会问,这个比例有什么经验值吗?使用场景不同,这个值也很难确定,一般需要join的字段我们都要求是0.1以上,即平均1条扫描10条记录。
  4. 索引列不能参与计算,保持列“干净”,比如from_unixtime(create_time) = ’2014-05-29’就不能使用到索引,原因很简单,b+树中存的都是数据表中的字段值,但进行检索时,需要把所有元素都应用函数才能比较,显然成本太大。所以语句应该写成create_time = unix_timestamp(’2014-05-29’)。
  5. 尽量的扩展索引,不要新建索引。比如表中已经有a的索引,现在要加(a,b)的索引,那么只需要修改原来的索引即可。

回到开始的慢查询

根据最左匹配原则,最开始的sql语句的索引应该是status、operator_id、type、operate_time的联合索引;其中status、operator_id、type的顺序可以颠倒,所以我才会说,把这个表的所有相关查询都找到,会综合分析; 比如还有如下查询:

<span>select</span> * <span>from</span> task <span>where</span> <span>status</span> = <span>0</span> <span>and</span> <span>type</span> = <span>12</span> <span>limit</span> <span>10</span>;
<span>select</span> <span>count</span>(*) <span>from</span> task <span>where</span> <span>status</span> = <span>0</span> ;

那么索引建立成(status,type,operator_id,operate_time)就是非常正确的,因为可以覆盖到所有情况。这个就是利用了索引的最左匹配的原则

查询优化神器 – explain命令

关于explain命令相信大家并不陌生,具体用法和字段含义可以参考官网explain-output,这里需要强调rows是核心指标,绝大部分rows小的语句执行一定很快(有例外,下面会讲到)。所以优化语句基本上都是在优化rows。

慢查询优化基本步骤

  1. 先运行看看是否真的很慢,注意设置SQL_NO_CACHE
  2. where条件单表查,锁定最小返回记录表。这句话的意思是把查询语句的where都应用到表中返回的记录数最小的表开始查起,单表每个字段分别查询,看哪个字段的区分度最高
  3. explain查看执行计划,是否与1预期一致(从锁定记录较少的表开始查询)
  4. order by limit 形式的sql语句让排序的表优先查
  5. 了解业务方使用场景
  6. 加索引时参照建索引的几大原则
  7. 观察结果,不符合预期继续从0分析

几个慢查询案例

下面几个例子详细解释了如何分析和优化慢查询。

复杂语句写法

很多情况下,我们写SQL只是为了实现功能,这只是第一步,不同的语句书写方式对于效率往往有本质的差别,这要求我们对mysql的执行计划和索引原则有非常清楚的认识,请看下面的语句:

<span>select</span>
   <span>distinct</span> cert.emp_id 
<span>from</span>
   cm_log cl 
<span>inner</span> <span>join</span>
   (
      <span>select</span>
         emp.id <span>as</span> emp_id,
         emp_cert.id <span>as</span> cert_id 
      <span>from</span>
         employee emp 
      <span>left</span> <span>join</span>
         emp_certificate emp_cert 
            <span>on</span> emp.id = emp_cert.emp_id 
      <span>where</span>
         emp.is_deleted=<span>0</span>
   ) cert 
      <span>on</span> (
         cl.ref_table=<span>'Employee'</span> 
         <span>and</span> cl.ref_oid= cert.emp_id
      ) 
      <span>or</span> (
         cl.ref_table=<span>'EmpCertificate'</span> 
         <span>and</span> cl.ref_oid= cert.cert_id
      ) 
<span>where</span>
   cl.last_upd_date >=<span>'2013-11-07 15:03:00'</span> 
   <span>and</span> cl.last_upd_date'2013-11-08 16:00:00';
  1. 先运行一下,53条记录 1.87秒,又没有用聚合语句,比较慢
53 rows in <span>set</span> (<span>1.87</span> sec)
  1. explain
+<span>----+-------------+------------+-------+---------------------------------+-----------------------+---------+-------------------+-------+--------------------------------+</span>
| id | select_type | table      | type  | possible_keys                   | key                   | key_len | ref               | rows  | Extra                          |
+<span>----+-------------+------------+-------+---------------------------------+-----------------------+---------+-------------------+-------+--------------------------------+</span>
|  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                    |
+<span>----+-------------+------------+-------+---------------------------------+-----------------------+---------+-------------------+-------+--------------------------------+</span></derived2>

简述一下执行计划,首先mysql根据idx_last_upd_date索引扫描cm_log表获得379条记录;然后查表扫描了63727条记录,分为两部分,derived表示构造表,也就是不存在的表,可以简单理解成是一个语句形成的结果集,后面的数字表示语句的ID。derived2表示的是ID = 2的查询构造了虚拟表,并且返回了63727条记录。我们再来看看ID = 2的语句究竟做了写什么返回了这么大量的数据,首先全表扫描employee表13317条记录,然后根据索引emp_certificate_empid关联emp_certificate表,rows = 1表示,每个关联都只锁定了一条记录,效率比较高。获得后,再和cm_log的379条记录根据规则关联。从执行过程上可以看出返回了太多的数据,返回的数据绝大部分cm_log都用不到,因为cm_log只锁定了379条记录。

如何优化呢?可以看到我们在运行完后还是要和cm_log做join,那么我们能不能之前和cm_log做join呢?仔细分析语句不难发现,其基本思想是如果cm_log的ref_table是EmpCertificate就关联emp_certificate表,如果ref_table是Employee就关联employee表,我们完全可以拆成两部分,并用union连接起来,注意这里用union,而不用union all是因为原语句有“distinct”来得到唯一的记录,而union恰好具备了这种功能。如果原语句中没有distinct不需要去重,我们就可以直接使用union all了,因为使用union需要去重的动作,会影响SQL性能。

优化过的语句如下:

<span>select</span>
   emp.id 
<span>from</span>
   cm_log cl 
<span>inner</span> <span>join</span>
   employee emp 
      <span>on</span> cl.ref_table = <span>'Employee'</span> 
      <span>and</span> cl.ref_oid = emp.id  
<span>where</span>
   cl.last_upd_date >=<span>'2013-11-07 15:03:00'</span> 
   <span>and</span> cl.last_upd_date'2013-11-08 16:00:00' 
   <span>and</span> emp.is_deleted = <span>0</span>  
<span>union</span>
<span>select</span>
   emp.id 
<span>from</span>
   cm_log cl 
<span>inner</span> <span>join</span>
   emp_certificate ec 
      <span>on</span> cl.ref_table = <span>'EmpCertificate'</span> 
      <span>and</span> cl.ref_oid = ec.id  
<span>inner</span> <span>join</span>
   employee emp 
      <span>on</span> emp.id = ec.emp_id  
<span>where</span>
   cl.last_upd_date >=<span>'2013-11-07 15:03:00'</span> 
   <span>and</span> cl.last_upd_date'2013-11-08 16:00:00' 
   <span>and</span> emp.is_deleted = <span>0</span>
  1. 不需要了解业务场景,只需要改造的语句和改造之前的语句保持结果一致

  2. 现有索引可以满足,不需要建索引

  3. 用改造后的语句实验一下,只需要10ms 降低了近200倍!

    +<span>----+--------------+------------+--------+---------------------------------+-------------------+---------+-----------------------+------+-------------+</span>
    | id | select_type  | table      | type   | possible_keys                   | key               | key_len | ref                   | rows | Extra       |
    +<span>----+--------------+------------+--------+---------------------------------+-------------------+---------+-----------------------+------+-------------+</span>
    |  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> | ALL    | NULL                            | NULL              | NULL    | NULL                  | NULL |             |
    +<span>----+--------------+------------+--------+---------------------------------+-------------------+---------+-----------------------+------+-------------+</span>
    53 rows in <span>set</span> (<span>0.01</span> sec)</union1>
       

明确应用场景

举这个例子的目的在于颠覆我们对列的区分度的认知,一般上我们认为区分度越高的列,越容易锁定更少的记录,但在一些特殊的情况下,这种理论是有局限性的。

<span>select</span>
   * 
<span>from</span>
   stage_poi sp 
<span>where</span>
   sp.accurate_result=<span>1</span> 
   <span>and</span> (
      sp.sync_status=<span>0</span> 
      <span>or</span> sp.sync_status=<span>2</span> 
      <span>or</span> sp.sync_status=<span>4</span>
   );
  1. 先看看运行多长时间,951条数据6.22秒,真的很慢。

    951 rows in <span>set</span> (<span>6.22</span> sec)
       
  2. 先explain,rows达到了361万,type = ALL表明是全表扫描。

    +<span>----+-------------+-------+------+---------------+------+---------+------+---------+-------------+</span>
    | id | select_type | table | type | possible_keys | key  | key_len | ref  | rows    | Extra       |
    +<span>----+-------------+-------+------+---------------+------+---------+------+---------+-------------+</span>
    |  1 | SIMPLE      | sp    | ALL  | NULL          | NULL | NULL    | NULL | 3613155 | Using where |
    +<span>----+-------------+-------+------+---------------+------+---------+------+---------+-------------+</span>
       
  3. 所有字段都应用查询返回记录数,因为是单表查询 0已经做过了951条。

  4. 让explain的rows 尽量逼近951。

看一下accurate_result = 1的记录数:

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

我们看到accurate_result这个字段的区分度非常低,整个表只有-1,0,1三个值,加上索引也无法锁定特别少量的数据。

再看一下sync_status字段的情况:

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

同样的区分度也很低,根据理论,也不适合建立索引。

问题分析到这,好像得出了这个表无法优化的结论,两个列的区分度都很低,即便加上索引也只能适应这种情况,很难做普遍性的优化,比如当sync_status 0、3分布的很平均,那么锁定记录也是百万级别的。

  1. 找业务方去沟通,看看使用场景。业务方是这么来使用这个SQL语句的,每隔五分钟会扫描符合条件的数据,处理完成后把sync_status这个字段变成1,五分钟符合条件的记录数并不会太多,1000个左右。了解了业务方的使用场景后,优化这个SQL就变得简单了,因为业务方保证了数据的不平衡,如果加上索引可以过滤掉绝大部分不需要的数据。

  2. 根据建立索引规则,使用如下语句建立索引

    <span>alter</span> <span>table</span> stage_poi <span>add</span> <span>index</span> idx_acc_status(accurate_result,sync_status);
       
  3. 观察预期结果,发现只需要200ms,快了30多倍。

    952 rows in <span>set</span> (<span>0.20</span> sec)
       

我们再来回顾一下分析问题的过程,单表查询相对来说比较好优化,大部分时候只需要把where条件里面的字段依照规则加上索引就好,如果只是这种“无脑”优化的话,显然一些区分度非常低的列,不应该加索引的列也会被加上索引,这样会对插入、更新性能造成严重的影响,同时也有可能影响其它的查询语句。所以我们第4步调差SQL的使用场景非常关键,我们只有知道这个业务场景,才能更好地辅助我们更好的分析和优化查询语句。

无法优化的语句

<span>select</span>
   c.id,
   c.name,
   c.position,
   c.sex,
   c.phone,
   c.office_phone,
   c.feature_info,
   c.birthday,
   c.creator_id,
   c.is_keyperson,
   c.giveup_reason,
   c.status,
   c.data_source,
   from_unixtime(c.created_time) <span>as</span> created_time,
   from_unixtime(c.last_modified) <span>as</span> last_modified,
   c.last_modified_user_id  
<span>from</span>
   contact c  
<span>inner</span> <span>join</span>
   contact_branch cb 
      <span>on</span>  c.id = cb.contact_id  
<span>inner</span> <span>join</span>
   branch_user bu 
      <span>on</span>  cb.branch_id = bu.branch_id 
      <span>and</span> bu.status <span>in</span> (
         <span>1</span>,
      <span>2</span>)  
   <span>inner</span> <span>join</span>
      org_emp_info oei 
         <span>on</span>  oei.data_id = bu.user_id 
         <span>and</span> oei.node_left >= <span>2875</span> 
         <span>and&llt;/span> oei.node_right 10802</span> 
         <span>and</span> oei.org_category = - <span>1</span>  
   <span>order</span> <span>by</span>
      c.created_time <span>desc</span>  <span>limit</span> <span>0</span> ,
      <span>10</span>;

还是几个步骤。

  1. 先看语句运行多长时间,10条记录用了13秒,已经不可忍受。        
    10 rows in <span>set</span> (<span>13.06</span> sec)
       
  2. explain        
    +<span>----+-------------+-------+--------+-------------------------------------+-------------------------+---------+--------------------------+------+----------------------------------------------+</span>
    | id | select_type | table | type   | possible_keys                       | key                     | key_len | ref                      | rows | Extra                                        |
    +<span>----+-------------+-------+--------+-------------------------------------+-------------------------+---------+--------------------------+------+----------------------------------------------+</span>
    |  1 | SIMPLE      | oei   | ref    | idx_category_left_right,idx_data_id | idx_category_left_right | 5       | const                    | 8849 | Using where; Using temporary; Using filesort |
    |  1 | SIMPLE      | bu    | ref    | PRIMARY,idx_userid_status           | idx_userid_status       | 4       | meituancrm.oei.data_id   |   76 | Using where; Using index                     |
    |  1 | SIMPLE      | cb    | ref    | idx_branch_id,idx_contact_branch_id | idx_branch_id           | 4       | meituancrm.bu.branch_id  |    1 |                                              |
    |  1 | SIMPLE      | c     | eq_ref | PRIMARY                             | PRIMARY                 | 108     | meituancrm.cb.contact_id |    1 |                                              |
    +<span>----+-------------+-------+--------+-------------------------------------+-------------------------+---------+--------------------------+------+----------------------------------------------+</span>
       

从执行计划上看,mysql先查org_emp_info表扫描8849记录,再用索引idx_userid_status关联branch_user表,再用索引idx_branch_id关联contact_branch表,最后主键关联contact表。

rows返回的都非常少,看不到有什么异常情况。我们在看一下语句,发现后面有order by + limit组合,会不会是排序量太大搞的?于是我们简化SQL,去掉后面的order by 和 limit,看看到底用了多少记录来排序。

<span>select</span>
  <span>count</span>(*)
<span>from</span>
   contact c  
<span>inner</span> <span>join</span>
   contact_branch cb 
      <span>on</span>  c.id = cb.contact_id  
<span>inner</span> <span>join</span>
   branch_user bu 
      <span>on</span>  cb.branch_id = bu.branch_id 
      <span>and</span> bu.status <span>in</span> (
         <span>1</span>,
      <span>2</span>)  
   <span>inner</span> <span>join</span>
      org_emp_info oei 
         <span>on</span>  oei.data_id = bu.user_id 
         <span>and</span> oei.node_left >= <span>2875</span> 
         <span>and</span> oei.node_right 10802 
         <span>and</span> oei.org_category = - <span>1</span>  
+<span>----------+</span>
| <span>count</span>(*) |
+<span>----------+</span>
|   <span>778878</span> |
+<span>----------+</span>
<span>1</span> <span>row</span> <span>in</span> <span>set</span> (<span>5.19</span> sec)

发现排序之前居然锁定了778878条记录,如果针对70万的结果集排序,将是灾难性的,怪不得这么慢,那我们能不能换个思路,先根据contact的created_time排序,再来join会不会比较快呢?

于是改造成下面的语句,也可以用straight_join来优化:

select c.id, c.name, c.position, c.sex, c.phone, c.office_phone, c.feature_info, c.birthday, c.creator_id, c.is_keyperson, c.giveup_reason, c.status, c.data_source, from_unixtime(c.created_time) as created_time, from_unixtime(c.last_modified) as last_modified, c.last_modified_user_id
from contact c
where exists ( select 1 from contact_branch cb
inner join branch_user bu
on cb.branch_id = bu.branch_id
and bu.status in ( 1, 2)
inner join org_emp_info oei
on oei.data_id = bu.user_id
and oei.node_left >= 2875
and oei.node_right <p>验证一下效果 预计在</p><pre class="brush:php;toolbar:false"><span>1</span>ms内,提升了<span>13000</span>多倍!
sql
<span>10</span> rows <span>in</span> <span>set</span> (<span>0.00</span> sec)

本以为至此大工告成,但我们在前面的分析中漏了一个细节,先排序再join和先join再排序理论上开销是一样的,为何提升这么多是因为有一个limit!大致执行过程是:mysql先按索引排序得到前10条记录,然后再去join过滤,当发现不够10条的时候,再次去10条,再次join,这显然在内层join过滤的数据非常多的时候,将是灾难的,极端情况,内层一条数据都找不到,mysql还傻乎乎的每次取10条,几乎遍历了这个数据表!

用不同参数的SQL试验下:

<span>select</span>
   sql_no_cache   c.id,
   c.name,
   c.position,
   c.sex,
   c.phone,
   c.office_phone,
   c.feature_info,
   c.birthday,
   c.creator_id,
   c.is_keyperson,
   c.giveup_reason,
   c.status,
   c.data_source,
   from_unixtime(c.created_time) <span>as</span> created_time,
   from_unixtime(c.last_modified) <span>as</span> last_modified,
   c.last_modified_user_id    
<span>from</span>
   contact c   
<span>where</span>
   <span>exists</span> (
      <span>select</span>
         <span>1</span>        
      <span>from</span>
         contact_branch cb         
      <span>inner</span> <span>join</span>
         branch_user bu                     
            <span>on</span>  cb.branch_id = bu.branch_id                     
            <span>and</span> bu.status <span>in</span> (
               <span>1</span>,
            <span>2</span>)                
         <span>inner</span> <span>join</span>
            org_emp_info oei                           
               <span>on</span>  oei.data_id = bu.user_id                           
               <span>and</span> oei.node_left >= <span>2875</span>                           
               <span>and</span> oei.node_right 2875                           
               <span>and</span> oei.org_category = - <span>1</span>                
         <span>where</span>
            c.id = cb.contact_id           
      )        
   <span>order</span> <span>by</span>
      c.created_time <span>desc</span>  <span>limit</span> <span>0</span> ,
      <span>10</span>;
Empty <span>set</span> (<span>2</span> <span>min</span> <span>18.99</span> sec)

2 min 18.99 sec!比之前的情况还糟糕很多。由于mysql的nested loop机制,遇到这种情况,基本是无法优化的。这条语句最终也只能交给应用系统去优化自己的逻辑了。 通过这个例子我们可以看到,并不是所有语句都能优化,而往往我们优化时,由于SQL用例回归时落掉一些极端情况,会造成比原来还严重的后果。所以,第一:不要指望所有语句都能通过SQL优化,第二:不要过于自信,只针对具体case来优化,而忽略了更复杂的情况。

慢查询的案例就分析到这儿,以上只是一些比较典型的案例。我们在优化过程中遇到过超过1000行,涉及到16个表join的“垃圾SQL”,也遇到过线上线下数据库差异导致应用直接被慢查询拖死,也遇到过varchar等值比较没有写单引号,还遇到过笛卡尔积查询直接把从库搞死。再多的案例其实也只是一些经验的积累,如果我们熟悉查询优化器、索引的内部原理,那么分析这些案例就变得特别简单了。

本文以一个慢查询案例引入了MySQL索引原理、优化慢查询的一些方法论;并针对遇到的典型案例做了详细的分析。其实做了这么长时间的语句优化后才发现,任何数据库层面的优化都抵不上应用系统的优化,同样是MySQL,可以用来支撑Google/FaceBook/Taobao应用,但可能连你的个人网站都撑不住。套用最近比较流行的话:“查询容易,优化不易,且写且珍惜!”

参考文献:
1.《高性能MySQL》
2.《数据结构与算法分析》

Weitere technische Artikel zum Thema MySQL finden Sie in der Spalte MySQL-Tutorial zum Lernen!

Das obige ist der detaillierte Inhalt vonMySQL-Indexprinzipien und -optimierung. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!

Stellungnahme:
Der Inhalt dieses Artikels wird freiwillig von Internetnutzern beigesteuert und das Urheberrecht liegt beim ursprünglichen Autor. Diese Website übernimmt keine entsprechende rechtliche Verantwortung. Wenn Sie Inhalte finden, bei denen der Verdacht eines Plagiats oder einer Rechtsverletzung besteht, wenden Sie sich bitte an admin@php.cn