집 >데이터 베이스 >MySQL 튜토리얼 >MySQL 인덱스 최적화 방법
MySQL 인덱스 최적화 방법
- WBOY앞으로
- 2023-05-28 09:20:442584검색
이 기사에서는 주로 "MySQL 인덱스 최적화 방법"을 소개합니다. 일상적인 작업에서 많은 사람들이 MySQL 인덱스 최적화 방법에 대해 의구심을 갖고 있다고 생각합니다. 편집자는 간단하고 사용하기 쉬운 작업 방법을 정리했습니다. , "MySQL 인덱스 최적화 방법"에 대한 궁금증을 해결하는데 도움이 되었으면 좋겠습니다! 다음으로는 에디터를 따라가서 함께 배워보세요!
1. 데이터 준비
#1.建立员工表，并创建name,age,position索引，id为自增主键
CREATE TABLE `employees` (
`id` int(11) NOT NULL AUTO_INCREMENT,
`name` varchar(24) NOT NULL DEFAULT '' COMMENT '姓名',
`age` int(11) NOT NULL DEFAULT '0' COMMENT '年龄',
`position` varchar(20) NOT NULL DEFAULT '' COMMENT '职位',
`hire_time` timestamp NOT NULL DEFAULT CURRENT_TIMESTAMP COMMENT '入职时间',
PRIMARY KEY (`id`),
KEY `idx_name_age_position` (`name`,`age`,`position`) USING BTREE
) ENGINE=InnoDB AUTO_INCREMENT=100010 DEFAULT CHARSET=utf8 COMMENT='员工记录表'
# 2.前面插入三条数据,并建立employees_min_copy表插入这三条数据
INSERT INTO employees (name,age,`position`,hire_time) VALUES
('LiLei',22,'manager','2021-08-17 21:00:55')
,('HanMeimei',23,'dev','2021-08-17 21:00:55')
,('Lucy',23,'dev','2021-08-17 21:00:55')
;
#3.再通过执行计划向表中插入十万条数据
#3.1建立存储过程，往employees表中插入数据（MySQL8.0版本）
DELIMITER $$
USE `zhebase`$$
DROP PROCEDURE IF EXISTS `batch_insert_employees`$$
CREATE PROCEDURE `batch_insert_employees`(IN `start_number` BIGINT,IN `counts` BIGINT)
BEGIN
DECLARE start_number BIGINT DEFAULT start_number;
DECLARE stop_number BIGINT DEFAULT start_number;
SET stop_number=start_number + counts;
WHILE start_number < stop_number DO
INSERT INTO employees(name,age,position,hire_time) VALUES(CONCAT('zhang',start_number),start_number,'dev',now());
SET start_number=start_number+1;
END WHILE ;
COMMIT;
END$$
DELIMITER ;
#3.2执行存储过程插入十万条数据
CALL batch_insert_employees(1,100000);2. 예시 1
1. 공동 인덱스의 첫 번째 필드는 범위를 사용하며 인덱스에 들어가지 않습니다.
EXPLAIN SELECT * FROM employees WHERE name > 'LiLei' AND age = 22 AND position ='manager';
이유: MySQL 각 필드마다 범위를 사용하는 것이 처음이라고 느낄 수 있습니다. 결과 집합이 매우 커야 하며, 테이블을 반환해야 하므로 전체 테이블을 직접 사용하는 것이 더 좋습니다. 하지만 인덱스를 강제로 이동할 수 있습니다. 인덱스를 사용하면 조인트 인덱스의 첫 번째 필드 범위 검색도 인덱스를 통과할 수 있으며 스캔된 행은 약간 적은 것처럼 보이지만 최종 검색 효율성이 반드시 높은 것은 아닙니다. 전체 테이블 스캔보다 테이블 반환 효율이 높지 않기 때문입니다
이 경우 Covering Index를 사용할 수 있다면 최적화를 위해 Covering Index를 사용하고
EXPLAIN SELECT * FROM employees force index(idx_name_age_position) WHERE name > 'LiLei' AND age = 22 AND position ='manager';
2.in 또는 테이블 데이터의 양이 상대적으로 크므로 테이블 레코드가 많지 않으면 전체 테이블 스캔을 선택합니다
-- 关闭查询缓存 set global query_cache_size=0; set global query_cache_type=0; -- 执行时间0.321s SELECT * FROM employees WHERE name > 'LiLei'; -- 执行时间0.458s SELECT * FROM employees force index(idx_name_age_position) WHERE name > 'LiLei';
100,000행의 데이터가 있는 직원 테이블을 복사하고 몇 행의 데이터를 삽입한 후 쿼리
전체 테이블 스캔이 수행된 것을 확인합니다
3.like xx% 데이터에 상관없이 일반적으로 인덱스가 사용됩니다 
EXPLAIN SELECT name,age,position FROM employees WHERE name > 'LiLei' AND age = 22 AND position ='manager';
하단 MySQL 계층은
을 사용하여 xx%처럼 최적화합니다.
색인 푸시다운: 보조 공동 색인(idx_name_age_position)의 경우 일반적으로 가장 왼쪽 접두사 원칙에 따라 SELECT * FROM 직원 WHERE name like 'LiLei%' AND age = 22 AND position ='manager' code> <img src="https://img.php.cn/upload/article/000/887/227/168523684953481.png" alt="MySQL 인덱스 최적화 방법">이름은 범위 쿼리
후속 인덱스는 사용할 수 없으며 이름 필드 인덱스만 사용됩니다.
MySQL5.6 이전: 먼저 인덱스 트리에서 이름이 'LiLei'로 시작하는 인덱스를 일치시킨 후, 이를 기반으로 테이블 반환 작업을 수행합니다. 기본 키 인덱스에서 나이와 위치를 일치시킵니다
-
SELECT * FROM employees WHERE name like 'LiLei%' AND age = 22 AND position ='manager'因为在 name 是范围查询，过滤完后，age 和 position 是无序的，后续索引无法使用，只会走name字段索引。MySQL5.6 以前： 先在索引树中匹配 name 是 'LiLei' 开头的索引，然后根据索引下的主键进行回表操作，在主键索引上在匹配 age 和 position
MySQL 5.6以后： 引入索引下推，先在索引树种匹配 name 是 'LiLei' 开头的索引，同时将该所与树通有的所有条件字段进行判断，过滤掉不符合条件的记录再回表匹配其他条件及查询整行数据。
优点： 过滤掉不符合条件的记录之后再回表，可以有效的减少回表次数，提高查询效率。
MySQL 范围查找为什么没有使用索引下推优化？ 可能因为范围查找结果集一般较大，like xx%在大多数情况下，过滤后结果集较小。而结果集大的时候，每次检索出来都要匹配后面的字段，不一定比立即回表要快。但是也不是绝对的，有些时候 Like xx%也不会走索引下推。
3.MySQL如何选择合适的索引？
先来看两条 SQL 语句：
EXPLAIN SELECT * FROM employees WHERE name in ('LiLei','HanMeimei','Lucy') AND age = 22 AND position ='manager'; #表数据量大走索引，数据量小全表扫描 EXPLAIN SELECT * FROM employees WHERE (name = 'LiLei' or name = 'HanMeimei') AND age = 22 AND position ='manager';
我们发现第一条 SQL 进行了全表扫描，第二条 SQL 走了索引。对应第一条SQL，MySQL 通过计算执行成本发现走索引成本比全部扫描更高（走索引需要遍历 name 字段，再进行回表操作查出最终数据，比直接查聚簇索引树更慢)。对于这种情况
可以使用覆盖索引进行优化MySQL 5.6 이상: 인덱스 푸시다운을 도입하고 먼저 인덱스에서 이름이 'LiLei'로 시작하는 인덱스를 일치시킵니다. 동시에 트리와 인덱스를 연결하여 모든 조건부 필드를 판단하고 조건에 맞지 않는 레코드를 필터링한 후 해당 레코드를 테이블로 반환하여 다른 조건과 일치시키고 전체 데이터 행을 쿼리합니다. . - 장점: 🎜 테이블로 반환되기 전에 조건을 충족하지 않는 레코드를 필터링하면 🎜테이블 반환 횟수를 효과적으로 줄이고 쿼리 효율성을 향상시킬 수 있습니다🎜. 🎜 🎜🎜🎜MySQL 범위 검색이 인덱스 푸시다운 최적화를 사용하지 않는 이유는 무엇입니까? 🎜 대부분의 경우 xx%처럼 범위 검색 결과 집합이 일반적으로 더 크기 때문에 필터링 후 결과 집합이 더 작을 수 있습니다. 결과 집합이 큰 경우 후속 필드는 검색될 때마다 일치해야 하며, 이는 테이블을 즉시 반환하는 것보다 반드시 빠르지는 않습니다. 하지만 절대적인 것은 아닙니다. 때로는 xx%가 지수 아래로 밀려나지 않을 때도 있습니다. 🎜🎜3.MySQL은 어떻게 적절한 인덱스를 선택하나요? 🎜🎜🎜먼저 두 개의 SQL 문을 살펴보겠습니다. 🎜🎜
EXPLAIN SELECT * FROM employees WHERE name like 'LiLei%' AND age = 22 AND position ='manager';🎜
🎜🎜 첫 번째 SQL이 전체 테이블 스캔을 수행했고, 두 번째 SQL이 인덱스를 제거한 것을 발견했습니다. 첫 번째 SQL에 대해 MySQL은 실행 비용을 계산한 결과 전체 스캔보다 인덱싱 비용이 높다는 사실을 발견했습니다. (인덱싱하려면 이름 필드를 순회한 후 테이블 반환 작업을 수행하여 최종 데이터를 찾아야 하는데, 이는 인덱싱 비용보다 느립니다. 클러스터형 인덱스 트리를 직접 쿼리). 이 경우 최적화를 위해 덮는 색인을 사용할 수 있습니다. MySQL이 최종 인덱스를 선택하는 방법은 🎜Trace 도구🎜를 사용하여 확인할 수 있습니다. 하지만 🎜추적 도구를 켜면 MySQL 성능에 영향을 미치므로 사용 후 즉시 종료해야 합니다. 🎜🎜#开启trace set session optimizer_trace="enabled=on",end_markers_in_json=on; #关闭trace set session optimizer_trace="enabled=off"; #使用trace select * from employees where name > 'a' order by position; select * from information_schema.OPTIMIZER_TRACE;
下面是执行后的Trace中的内容：
{
"steps": [
{
#第一阶段：SQL准备阶段，格式化sql
"join_preparation": {
"select#": 1,
"steps": [
{
"expanded_query": "/* select#1 */ select `employees`.`id` AS `id`,`employees`.`name` AS `name`,`employees`.`age` AS `age`,`employees`.`position` AS `position`,`employees`.`hire_time` AS `hire_time` from `employees` where (`employees`.`name` > 'a') order by `employees`.`position` limit 0,200"
}
] /* steps */
} /* join_preparation */
},
{
#第二阶段：SQL优化阶段
"join_optimization": {
"select#": 1,
"steps": [
{
#条件处理
"condition_processing": {
"condition": "WHERE",
"original_condition": "(`employees`.`name` > 'a')",
"steps": [
{
"transformation": "equality_propagation",
"resulting_condition": "(`employees`.`name` > 'a')"
},
{
"transformation": "constant_propagation",
"resulting_condition": "(`employees`.`name` > 'a')"
},
{
"transformation": "trivial_condition_removal",
"resulting_condition": "(`employees`.`name` > 'a')"
}
] /* steps */
} /* condition_processing */
},
{
"substitute_generated_columns": {
} /* substitute_generated_columns */
},
{
#表依赖详情
"table_dependencies": [
{
"table": "`employees`",
"row_may_be_null": false,
"map_bit": 0,
"depends_on_map_bits": [
] /* depends_on_map_bits */
}
] /* table_dependencies */
},
{
"ref_optimizer_key_uses": [
] /* ref_optimizer_key_uses */
},
{
#预估表的访问成本
"rows_estimation": [
{
"table": "`employees`",
"range_analysis": {
"table_scan": { --全表扫描情况
"rows": 93205, --扫描行数
"cost": 9394.9 --查询成本
} /* table_scan */,
#查询可能使用的索引
"potential_range_indexes": [
{
"index": "PRIMARY", --主键索引
"usable": false, -- 是否使用
"cause": "not_applicable"
},
{
#辅助索引
"index": "idx_name_age_position",
"usable": true,
"key_parts": [
"name",
"age",
"position",
"id"
] /* key_parts */
}
] /* potential_range_indexes */,
"setup_range_conditions": [
] /* setup_range_conditions */,
"group_index_range": {
"chosen": false,
"cause": "not_group_by_or_distinct"
} /* group_index_range */,
"skip_scan_range": {
"potential_skip_scan_indexes": [
{
"index": "idx_name_age_position",
"usable": false,
"cause": "query_references_nonkey_column"
}
] /* potential_skip_scan_indexes */
} /* skip_scan_range */,
#分析各个索引使用成本
"analyzing_range_alternatives": {
"range_scan_alternatives": [
{
"index": "idx_name_age_position",
"ranges": [
"a < name" --索引使用范围
] /* ranges */,
"index_dives_for_eq_ranges": true,
"rowid_ordered": false, --使用该索引获取的记录是否按照主键排序
"using_mrr": false,
"index_only": false, --是否使用覆盖索引
"rows": 46602, --索引扫描行数
"cost": 16311, --索引使用成本
"chosen": false, --是否选择该索引
"cause": "cost"
}
] /* range_scan_alternatives */,
"analyzing_roworder_intersect": {
"usable": false,
"cause": "too_few_roworder_scans"
} /* analyzing_roworder_intersect */
} /* analyzing_range_alternatives */
} /* range_analysis */
}
] /* rows_estimation */
},
{
"considered_execution_plans": [
{
"plan_prefix": [
] /* plan_prefix */,
"table": "`employees`",
"best_access_path": { --最优访问路径
"considered_access_paths": [ --最终选择的访问路径
{
"rows_to_scan": 93205,
"filtering_effect": [
] /* filtering_effect */,
"final_filtering_effect": 0.5,
"access_type": "scan", --访问类型：为scan，全表扫描
"resulting_rows": 46602,
"cost": 9392.8,
"chosen": true --确定选择
}
] /* considered_access_paths */
} /* best_access_path */,
"condition_filtering_pct": 100,
"rows_for_plan": 46602,
"cost_for_plan": 9392.8,
"chosen": true
}
] /* considered_execution_plans */
},
{
"attaching_conditions_to_tables": {
"original_condition": "(`employees`.`name` > 'a')",
"attached_conditions_computation": [
{
"table": "`employees`",
"rechecking_index_usage": {
"recheck_reason": "low_limit",
"limit": 200,
"row_estimate": 46602
} /* rechecking_index_usage */
}
] /* attached_conditions_computation */,
"attached_conditions_summary": [
{
"table": "`employees`",
"attached": "(`employees`.`name` > 'a')"
}
] /* attached_conditions_summary */
} /* attaching_conditions_to_tables */
},
{
"optimizing_distinct_group_by_order_by": {
"simplifying_order_by": {
"original_clause": "`employees`.`position`",
"items": [
{
"item": "`employees`.`position`"
}
] /* items */,
"resulting_clause_is_simple": true,
"resulting_clause": "`employees`.`position`"
} /* simplifying_order_by */
} /* optimizing_distinct_group_by_order_by */
},
{
"reconsidering_access_paths_for_index_ordering": {
"clause": "ORDER BY",
"steps": [
] /* steps */,
"index_order_summary": {
"table": "`employees`",
"index_provides_order": false,
"order_direction": "undefined",
"index": "unknown",
"plan_changed": false
} /* index_order_summary */
} /* reconsidering_access_paths_for_index_ordering */
},
{
"finalizing_table_conditions": [
{
"table": "`employees`",
"original_table_condition": "(`employees`.`name` > 'a')",
"final_table_condition ": "(`employees`.`name` > 'a')"
}
] /* finalizing_table_conditions */
},
{
"refine_plan": [
{
"table": "`employees`"
}
] /* refine_plan */
},
{
"considering_tmp_tables": [
{
"adding_sort_to_table_in_plan_at_position": 0
} /* filesort */
] /* considering_tmp_tables */
}
] /* steps */
} /* join_optimization */
},
{
#第三阶段：SQL执行阶段
"join_execution": {
"select#": 1,
"steps": [
{
"sorting_table_in_plan_at_position": 0,
"filesort_information": [
{
"direction": "asc",
"table": "`employees`",
"field": "position"
}
] /* filesort_information */,
"filesort_priority_queue_optimization": {
"limit": 200,
"chosen": true
} /* filesort_priority_queue_optimization */,
"filesort_execution": [
] /* filesort_execution */,
"filesort_summary": {
"memory_available": 262144,
"key_size": 40,
"row_size": 186,
"max_rows_per_buffer": 201,
"num_rows_estimate": 285696,
"num_rows_found": 100003,
"num_initial_chunks_spilled_to_disk": 0,
"peak_memory_used": 38994,
"sort_algorithm": "std::stable_sort",
"unpacked_addon_fields": "using_priority_queue",
"sort_mode": "<fixed_sort_key, additional_fields>"
} /* filesort_summary */
}
] /* steps */
} /* join_execution */
}
] /* steps */
}由 Trace字段可知，全表扫描的 cost_for_plan = 9394.9 小于使用索引 cost_for_plan = 16311，故最终选择全表扫描。
4.常见 SQL 深入优化
4.1.Order by与Group by优化
# 案例1 explain select * from employees where name = 'Lucy' and position = 'dev' order by age;
分析： 案例1 由最左前缀法则分析出索引中间不能出现断层，只使用了 name 索引前缀，也可以从key_len = 3n + 2 看出。age 索引列用在排序过程中，因为Extra字段里没有 Using filesort 而是 Using index condition 。
#案例2 explain select * from employees where name = 'Lucy' order by position;
分析： 案例2 索引查询使用了 name 索引前缀，但排序由于跳过了 age 所以Extra字段出现了 Using filesort 。
#案例3 explain select * from employees where name = 'Lucy' order by age, position;
分析： 案例3 查询时使用了 name 索引，age 和 postion 用于排序，不会出现 Using filesort
#案例4 explain select * from employees where name = 'Lucy' order by position,age;
分析： 案例4 查询时使用了 name 索引，age 和 postion 顺序与创建索引树不一致，出现了 Using filesort
#案例5 explain select * from employees where name = 'Lucy' and age = 22 order by position,age;
分析： 案例5 查询时使用了 name 索引，age 和 postion 顺序与创建索引树不一致，但 name、age 为常量，MySQL 会自动优化，不会出现 Using filesort
#案例6 explain select * from employees where name = 'Lucy' order byage,position desc;
分析： 案例6 排序顺序一样，但 order by 默认升序，导致与索引的排序方式不同，出现了 Using filesort 。 MySQL8.0 以上版本有降序索引可以支持这种查询。
#案例7 explain select * from employees where name = 'Lucy' or name = 'LiLei' order by age;
分析： 案例7 对于排序来说，多个相等条件也是范围查询，出现了 Using filesort 。
#案例8 #SQL-1 explain select * from employees where name > 'zzz' order by name; #SQL-2 explain select * from employees where name > 'a' order by name;
分析： 案例8 原因同前面的例子，可以使用覆盖索引优化。
MySQL排序总结：
1、MySQL支持两种方式的排序 filesort 和 index，Using index是指MySQL扫描索引本身完成排序。Using filesort 是指MySQL扫描聚簇索引（整张表）进行排序。index效率高，filesort效率低。
2、order by 满足两种情况会使用 Using index（不绝对）
a.order by 语句使用索引最左前列。
b.使用 where 子句与 order by 子句条件列组合满足索引最左前列。
3、尽量在索引列上完成排序，遵循最左前缀法则。
4、如果 order by 的条件不在索引列上，就会产生Using filesort。
5、能用覆盖索引尽量用覆盖索引
6、group by 与 order by 很类似，其实质是先排序后分组（group by 底层：先执行一次 order by 再进行分组），遵照索引创建顺序的最左前缀法则。对于group by的优化如果不需要排序的可以加上order by null 禁止排序。注意，where高于having，能写在where中的限定条件就不要去having限定了。
Using filesort 文件排序原理 filesort文件排序方式有：
单路排序：是一次性取出满足条件行的所有字段，然后在 sort buffer 中进行排序。用trace工具得到sort_mode信息显示或者
双路排序（又叫回表排序模式） ：先根据相应的条件取出相应的排序字段和可以直接定位行数据的行 ID，然后在 sort buffer 中进行排序，排序完后需要再次取回其它需要的字段。用trace工具得到sort_mode信息显示
MySQL 通过比较系统变量 max_length_for_sort_data(默认1024字节) 的大小和需要查询的字段总大小来判断使用哪种排序模式。
字段的总长度
字段的总长度 >max_length_for_sort_data ，使用双路排序
select * from employees where name = 'Lucy' order by position;
"join_execution": { --Sql执行阶段
"select#": 1,
"steps": [
{
"filesort_information": [
{
"direction": "asc",
"table": "`employees`",
"field": "position"
}
] /* filesort_information */,
"filesort_priority_queue_optimization": {
"usable": false,
"cause": "not applicable (no LIMIT)"
} /* filesort_priority_queue_optimization */,
"filesort_execution": [
] /* filesort_execution */,
"filesort_summary": { --文件排序信息
"rows": 10000, --预计扫描行数
"examined_rows": 10000, --参与排序的行
"number_of_tmp_files": 3, --使用临时文件的个数，如果为0代表全部使用的sort_buffer内存排序，否则使用的磁盘文件排序
"sort_buffer_size": 262056, --排序缓存的大小，单位Byte
"sort_mode": "<sort_key, packed_additional_fields>" --排序方式，此处是路排序
} /* filesort_summary */
}
] /* steps */
} /* join_execution */单路排序会把所有需要查询的字段都放到 sort buffer 中排序，而双路排序只会把主键和需要排序的字段放到 sort buffer 中进行排序，然后再通过主键回到原表查询需要的字段。
单路排序过程：
a.从索引 name 找到第一个满足 name = 'Lucy' 条件的主键 id
b.回表根据主键 id 取出整行，取出所有字段的值，存入 sort_buffer 中
c.从索引name找到下一个满足 name = 'Lucy' 条件的主键 id
d.重复步骤 2、3 直到不满足 name = 'Lucy'
e.对 sort_buffer 中的数据按照字段 position 进行排序
f.返回结果
双路排序过程：
a.从索引 name 找到第一个满足 name ='Lucy' 的主键 id
b.根据主键 id 取出整行，把排序字段 position 和主键 id 这两个字段放到 sort buffer 中
c.从索引 name 取下一个满足 name = 'Lucy' 记录的主键 id
d.重复 3、4 直到不满足 name = 'Lucy'
e.对 sort_buffer 中的字段 position 和主键 id 按照字段 position 进行排序
f.遍历排序好的 id 和字段 position，按照 id 的值回到原表中取出所有字段的值返回
4.2.分页查询优化
select * from employees limit 10000,10
这条 SQL 语句实际查询了 10010 条记录，然后丢弃了前面的 10000 条记录，所以，在 数据量很大时，执行效率是非常非常低的。一般需要对分页查询进行优化。 优化方法： 1.根据自增且连续的主键排序的分页查询
select * from employees where id > 90000 limit 5;
当一个表的主键连续且自增时，可以使用该方法进行优化，但如果自增不连续会造成数据丢失。
2.根据非主键字段排序的分页查询
#优化前 select * from employees ORDER BY name limit 90000,5; #优化后 select * from employees e inner join (select id from employees order by name limit 90000,5) ed on e.id = ed.id;
先通过排序和分页操作先查出主键，然后根据主键查出对应的记录。
4.3.join关联查询优化
4.3.1.数据准备
#示例表
# 创建t1,t2表，主键id,单值索引a
CREATE TABLE `t1` (
`id` int(11) NOT NULL AUTO_INCREMENT,
`a` int(11) DEFAULT NULL,
`b` int(11) DEFAULT NULL,
PRIMARY KEY (`id`),
KEY `idx_a` (`a`)
) ENGINE=InnoDB DEFAULT CHARSET=utf8;
create table t2 like t1;
#存储过程往t1,t2表插入数据
DELIMITER $$
USE `zhebase`$$
DROP PROCEDURE IF EXISTS `batch_insert_t1`$$
CREATE PROCEDURE `batch_insert_t1`(IN `start_number` BIGINT,IN `counts` BIGINT)
BEGIN
DECLARE start_number BIGINT DEFAULT start_number;
DECLARE stop_number BIGINT DEFAULT start_number;
SET stop_number=start_number + counts;
WHILE start_number < stop_number DO
INSERT INTO t1(a,b) VALUES(start_number,start_number);
SET start_number=start_number+1;
END WHILE ;
COMMIT;
END$$
DELIMITER ;
DELIMITER $$
USE `zhebase`$$
DROP PROCEDURE IF EXISTS `batch_insert_t2`$$
CREATE PROCEDURE `batch_insert_t2`(IN `start_number` BIGINT,IN `counts` BIGINT)
BEGIN
DECLARE start_number BIGINT DEFAULT start_number;
DECLARE stop_number BIGINT DEFAULT start_number;
SET stop_number=start_number + counts;
WHILE start_number < stop_number DO
INSERT INTO t2(a,b) VALUES(start_number,start_number);
SET start_number=start_number+1;
END WHILE ;
COMMIT;
END$$
DELIMITER ;
#执行存储过程往t1表插入10000条记录,t2表插入100条记录
CALL batch_insert_t1(1,10000);
CALL batch_insert_t2(1,100);4.3.2.MySQL 表关联常见的两种算法
嵌套循环连接 Nested-Loop Join(NLJ) 算法
基于块的嵌套循环连接 Block Nested-Loop Join(BNL)算法
通常，当MySQL查询被驱动表的关联字段没有索引时，会采用BNL算法进行关联查询。当存在索引时，通常会选择NLJ算法，因为 NLJ 算法在有索引的情况下比 BNL 算法效率更高
1.嵌套循环连接 Nested-Loop Join(NLJ) 算法 原理：一次一行循环地从第一张表（驱动表）中读取行，在这行数据中取到关联字段，根据关联字段在另一张表（被驱动表）里取出满足条件的行，然后取出两张表的结果合集。
explain select * from t1 inner join t2 on t1.a= t2.a;
从执行计划可以了解的信息：
a.驱动表是 t2，被驱动表是 t1( inner join 时 SQL优化器会小表驱动大表，外连接则根据连接类型区分）
b.使用了 NLJ 算法。如果执行计划 Extra 中未出现 Using join buffer 则表示使用的 join 算法是 NLJ
整个过程会读取 t2 表的所有数据(扫描100行)，然后遍历这每行数据中字段 a 的值，根据 t2 表中 a 的值索引扫描 t1 表中的对应行(扫描100次 t1 表的索引，1次扫描可以认为最终只扫描 t1 表一行完整数据，也就是总共 t1 表也扫描了100行)。因此整个过程扫描了 200 行 。
2. 基于块的嵌套循环连接 Block Nested-Loop Join(BNL)算法 原理：把驱动表的数据读入到 join_buffer 中，然后扫描被驱动表，把被驱动表每一行取出来跟 join_buffer 中的数据做对比
explain select * from t1 inner join t2 on t1.b= t2.b;
整个过程对表 t1 和 t2 都做了一次全表扫描，因此扫描的总行数为10000(表 t1 的数据总量) + 100(表 t2 的数据总量) = 10100。并且 join_buffer 里的数据是无序的，因此对表 t1 中的每一行，都要做 100 次判断，所以内存中的判断次数是 100 * 10000= 100 万次（非扫描次数） 。 注意： join_buffer 的大小是由参数 join_buffer_size 控制，默认256k。如果 t2 放不下就会使用分段策略（先从 t2 表取出部分数据，比对完就清空 join_buffer，再重新拿出来余下的部分进行比对）。
被驱动表的关联字段无索引为什么要选择使用 BNL 算法而不使用 NLJ 算法？ 如第二条 SQL，如果使用 NLJ 算法扫描行数为 100 * 10000 = 100万，这个是磁盘扫描。使用 BNL 算法仅需扫描 100100 行。
对于表关联 SQL 的优化
尽量少关联（在阿里规范中，关联表不能超过三种，可以后端代码单独查询，循环关联）
小表驱动大表，写多表连接 SQL 时如果明确知道哪张表是小表可以用straight_join写法固定连接驱动方式，节约 MySQL 优化器判断时间.
select * from t2 straight_join t1 on t2.a = t1.a; 代表指定mysql选着 t2 表作为驱动表关联字段加索引，大表关联字段一定要加索引，尽量使得 MySQL 在进行 join 操作时选择NLJ算法
多表连接是非常难以优化的，最好95%的场景都使用单表来完成，复杂场景交个JAVA代码，大规模计算交给大数据工具，无需效率才考虑连接
4.4.in和exsits优化
原则：小表驱动大表
# in 先执行括号里面的 select * from A where id in (select id from B) #exists 先执行括号外面的 #select * 可以用 select 1 替换，没有区别 #exists 子查询内部会进行优化，并非逐条对比 #exists 子查询往往也可以用 jion 来代替，何种最优需要具体问题具体分析 select * from A where exists (select 1 from B where B.id = A.id)
4.5.count(*)查询优化
注意：根据某个字段 count 不会统计字段为 null 的行
#扫描二级索引，按行累加 explain select count(1) from employees; #扫描辅助索引按行累加（辅助索引比聚簇索引小） explain select count(id) from employees; #把 name 拿到内存，不为 null 就累加 explain select count(name) from employees; #不取值，按行累加 explain select count(*) from employees;
四条语句的效率几乎可以忽略，效率对比如下： 字段有索引： count(* )≈count(1)>count(字段)>count(主键 id) 段)>count(主键 id) 字段无索引： count(*)≈count(1)>count(主键 id)>count(字段)
常见优化方法：
1.对于 MyISAM 存储引擎的表做不带 where 条件的 count 查询性能是很高的，数据总行数直接写在磁盘上，查询不需要计算。innodb 存储引擎的表则不会记录(因为有MVCC机制)
2.对与不用知道确切行的可以直接使用
show table status，它是一个估值，使用该查询效率很高3.将总数维护到 Redis 里面，插入或删除表数据行的时候同时维护 Redis 里的表总行数 key 的计数值(用 incr 或 decr 命令)，但是这种方式可能不准，很难保证表操作和Redis 操作的事务一致性。
4.增加数据库计数表，插入或删除表数据行的时候同时维护计数表，且它们在同一个事务里操作
5.索引设计原则
1、代码先行，索引后上，先开发完主体业务代码，再把涉及到该表相关sql都要拿出来分析之后再建立索引。
2、联合索引尽量覆盖条件，可以设计一个或者两三个联合索引(单值索引要少建)，让每一个联合索引都尽量去包含SQL语句里的 where、order by、group by 的字段，且这些联合索引字段顺序尽量满足 SQL查询的最左前缀原则。
3、不要在小基数字段上建立索引，无法进行快速的二分查找，不能能发挥出B+树快速二分查找的优势来，没有意义
4、尽量对字段类型较小的列设计索引，尽量对字段类型较小的列设计索引，比如 Tinyint 之类，字段类型较小的话，占用磁盘空间小，搜索的时性能更好。
5、长字符串可以采用前缀索引，比如针对某个字段的前20个字符建立索引，即：每个值的前20个字符放入索引树中，搜索时会先匹配前而是个字符，再回表到聚簇索引取出来完整的 name 字段值进行比较。但排序（order by 和 group by）时无法使用该索引。
6、where 与 order by 冲突时优先 where，大多数情况下根据索引进行 where 筛选一般筛选出来的数据比较少，然后做排序成本会更低。
7. 느린 SQL 쿼리를 기반으로 최적화. 모니터링 백그라운드에서 일부 느린 SQL을 기반으로 이러한 느린 SQL 쿼리에 대해 특정 인덱스 최적화를 수행할 수 있습니다(MySQL이 제공하며 특정 매개변수만 설정하면 됩니다).
위 내용은 MySQL 인덱스 최적화 방법의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!