SQL优化与避坑

转载自：https://www.yuque.com/gavincoder/ngs5gi/ckgnho

SQL语句优化
所有的优化都逃不了索引B+树结构，是否满足、违背最优查询条件。
不要把SELECT子句写成 SELECT *
1.查询出来的字段多
2.数据库要先去把表结构查询出来,改造sql语句为select 所有字段,这个步骤是多余的

SQL

 

 

复制代码

SELECT * FROM t_emp;

谨慎使用模糊查询

SQL

 

 

复制代码

SELECT ename FROM t_emp WHERE ename LIKE '%S%'; #不使用索引
SELECT ename FROM t_emp WHERE ename LIKE 'S%';

对ORDER BY排序的字段设置索引将加快速度
少用IS NULL /IS NOT NULL ,会跳过索引

SQL

 

 

复制代码

SELECT ename FROM t_emp WHERE comm IS NULL; #不使用索引
SELECT ename FROM t_emp WHERE comm =-1;

尽量少用 != 运算符, 这也会跳过索引

SQL

 

 

复制代码

SELECT ename FROM t_emp WHERE deptno!=20; #不使用索引
SELECT ename FROM t_emp WHERE deptno<20 AND deptno>20;

尽量少用 OR 运算符

SQL

 

 

复制代码

SELECT ename FROM t_emp WHERE deptno=20 OR deptno=30; #不使用索引
SELECT ename FROM t_emp WHERE deptno=20 
UNION ALL
SELECT ename FROM t_emp WHERE deptno=30;

尽量少用 IN 和 NOT IN 运算符

SQL

 

 

复制代码

SELECT ename FROM t_emp WHERE deptno IN (20,30); #不使用索引
SELECT ename FROM t_emp WHERE deptno=20 
UNION ALL
SELECT ename FROM t_emp WHERE deptno=30;

避免条件语句中的数据类型转换

SQL

 

 

复制代码

SELECT ename FROM t_emp WHERE deptno='20';

在表达式左侧使用运算符和函数都会让索引失效

SQL

 

 

复制代码

SELECT ename FROM t_emp WHERE salary*12>=100000; #不使用索引
SELECT ename FROM t_emp WHERE salary>=100000/12;
SELECT ename FROM t_emp WHERE year(hiredate)>=2000; #不使用索引
SELECT ename FROM t_emp 
WHERE hiredate>='2000-01-01 00:00:00';

 

避坑实际案例
LIMIT 语句
分页查询是最常用的场景之一，但也通常也是最容易出问题的地方。比如对于下面简单的语句，一般 DBA 想到的办法是在 type, name, create_time 字段上加组合索引。这样条件排序都能有效的利用到索引，性能迅速提升。

好吧，可能 90% 以上的 DBA 解决该问题就到此为止。但当 LIMIT 子句变成 “LIMIT 1000000,10” 时，程序员仍然会抱怨：我只取 10 条记录为什么还是慢？

要知道数据库也并不知道第 1000000 条记录从什么地方开始，即使有索引也需要从头计算一次。出现这种性能问题，多数情形下是程序员偷懒了。

在前端数据浏览翻页，或者大数据分批导出等场景下，是可以将上一页的最大值当成参数作为查询条件的。SQL 重新设计如下：

在新设计下查询时间基本固定，不会随着数据量的增长而发生变化。

隐式转换

SQL 语句中查询变量和字段定义类型不匹配是另一个常见的错误。比如下面的语句：

其中字段 bpn 的定义为 varchar(20)，MySQL 的策略是将字符串转换为数字之后再比较。函数作用于表字段，索引失效。

上述情况可能是应用程序框架自动填入的参数，而不是程序员的原意。现在应用框架很多很繁杂，使用方便的同时也小心它可能给自己挖坑。

关联更新、删除

虽然 MySQL5.6 引入了物化特性，但需要特别注意它目前仅仅针对查询语句的优化。对于更新或删除需要手工重写成 JOIN。

比如下面 UPDATE 语句，MySQL 实际执行的是循环 / 嵌套子查询（DEPENDENT SUBQUERY)，其执行时间可想而知。

执行计划：

重写为 JOIN 之后，子查询的选择模式从 DEPENDENT SUBQUERY 变成 DERIVED，执行速度大大加快，从 7 秒降低到 2 毫秒

执行计划简化为：

混合排序

MySQL 不能利用索引进行混合排序。但在某些场景，还是有机会使用特殊方法提升性能的。

执行计划显示为全表扫描：

 

 

由于 is_reply 只有 0 和 1 两种状态，我们按照下面的方法重写后，执行时间从 1.58 秒降低到 2 毫秒。

EXISTS 语句

MySQL 对待 EXISTS 子句时，仍然采用嵌套子查询的执行方式。如下面的 SQL 语句：

执行计划为：

去掉 exists 更改为 join，能够避免嵌套子查询，将执行时间从 1.93 秒降低为 1 毫秒。

新的执行计划：

条件下推

外部查询条件不能够下推到复杂的视图或子查询的情况有：

●聚合子查询；
●含有 LIMIT 的子查询；
●UNION 或 UNION ALL 子查询；
●输出字段中的子查询；

如下面的语句，从执行计划可以看出其条件作用于聚合子查询之后

确定从语义上查询条件可以直接下推后，重写如下：

执行计划变为：

提前缩小范围

先上初始 SQL 语句：

数为 90 万，时间消耗为 12 秒。

由于最后 WHERE 条件以及排序均针对最左主表，因此可以先对 my_order 排序提前缩小数据量再做左连接。SQL 重写后如下，执行时间缩小为 1 毫秒左右。

再检查执行计划：子查询物化后（select_type=DERIVED) 参与 JOIN。虽然估算行扫描仍然为 90 万，但是利用了索引以及 LIMIT 子句后，实际执行时间变得很小。

中间结果集下推

再来看下面这个已经初步优化过的例子 (左连接中的主表优先作用查询条件)：

那么该语句还存在其它问题吗？不难看出子查询 c 是全表聚合查询，在表数量特别大的情况下会导致整个语句的性能下降。

其实对于子查询 c，左连接最后结果集只关心能和主表 resourceid 能匹配的数据。因此我们可以重写语句如下，执行时间从原来的 2 秒下降到 2 毫秒。

但是子查询 a 在我们的 SQL 语句中出现了多次。这种写法不仅存在额外的开销，还使得整个语句显的繁杂。使用 WITH 语句再次重写：

总结

数据库编译器产生执行计划，决定着 SQL 的实际执行方式。但是编译器只是尽力服务，所有数据库的编译器都不是尽善尽美的。

上述提到的多数场景，在其它数据库中也存在性能问题。了解数据库编译器的特性，才能避规其短处，写出高性能的 SQL 语句。

程序员在设计数据模型以及编写 SQL 语句时，要把算法的思想或意识带进来。

编写复杂 SQL 语句要养成使用 WITH 语句的习惯。简洁且思路清晰的 SQL 语句也能减小数据库的负担 。
MySQL参数优化
最大连接数
○max_connections是MySQL最大并发连接数，默认值151
○MySQL允许的最大连接数上限是16384
○实际连接数是最大连接数的85%较为合适
请求堆栈的大小
○back_log是存放执行请求的堆栈大小，默认值是50
○一般堆栈大小设置成最大连接数的1/3
修改并发线程数
○innodb_thread_concurrency代表并发线程数，默认是0
○并发线程数应该设置为CPU核心数的两倍
修改连接超时时间
○wait-timeout是超时时间，单位是秒
○连接默认超时为8小时，连接长期不用又不销毁，浪费资源
数据缓存
○innodb_buffer_pool_size是InnoDB的缓存容量，默认是128M
○InnoDB缓存的大小可以设置为主机内存的70%~80%

慢查询日志

慢查询日志会把查询耗时超过规定时间的SQL语句记录下来，利用慢查询日志，定位分析性能的瓶颈。

slow_query_log 可以设置慢查询日志的开闭状态

long_query_time 可以规定查询超时的时间，单位是秒

Plain Text

 

 

复制代码

slow_query_log = ON
long_query_time = 1