DB
MySQL

索引优化三

分页查询优化

业务系统分页功能可能会用如下sql实现，表示取出从10001行开始的10行记录，看似只查询10条，实际SQL是先读取10010条记录，然后抛弃前10000条记录，然后读到后面10条目标数据。因此要查询一张大表比较靠后的数据，执行效率是非常低的：

1
explain select * from employees limit 10000,10;

根据自增且连续的主键排序的分页查询

改写后的SQL走了索引，且扫描行数大大减少，执行效率更高，但很多场景并不实用，表中可能某些记录被删主键空缺，导致主键不连续结果不一致，这里没添加单独order by，表示通过主键排序，该优化只适合于主键自增且连续且结果按照主键排序： 

1
explain select * from employees where id > 90000 limit 10;

根据非主键字段排序的分页查询

并没有使用name字段的索引，扫描整个索引并查找到没索引的行的成本比扫描全表的成本更高，所以优化器放弃使用索引。

1
explain select * from employees ORDER BY name limit 90000, 10;

优化关键是让排序时返回的字段尽可能少，可让排序和分页操作先查出主键，然后根据主键查到对应的记录

1
explain select * from employees e inner join (select id from employees order by name limit 90000,5) ed on e.id = ed.id;

Join关联查询优化

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
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;

-- 插入一些示例数据，往t1表插入1万行记录
drop procedure if exists insert_t1;
delimiter ;;
create procedure insert_t1()
begin
    declare i int;
    set i = 1;
    while(i <= 10000)
        do
            insert into t1(a, b) values (i, i);
            set i = i + 1;
        end while;
end;;
delimiter ;
call insert_t1();

-- 往t2表插入100行记录
drop procedure if exists insert_t2;
delimiter ;;
create procedure insert_t2()
begin
    declare i int;
    set i = 1;
    while(i <= 100)
        do
            insert into t2(a, b) values (i, i);
            set i = i + 1;
        end while;
end;;
delimiter ;
call insert_t2();

MySQL的表关联常见有Nested-Loop Join嵌套循环连接算法和Block Nested-Loop Join基于块的嵌套循环连接算法两种算法

嵌套循环连接算法

一次一行循环地从第一张表即驱动表中读取行，在这行数据中取到关联字段，根据关联字段在另一张表即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。

执行计划结果的id如果一样则按从上到下顺序执行sql，先执行的就是驱动表，从执行计划中可知，t2是驱动表，t1是被驱动表， 优化器一般会优先选择小表做驱动表，使用inner join时，排在前面的表并不一定是驱动表。 

1
EXPLAIN select * from t1 inner join t2 on t1.a= t2.a;

从t2表中读取一行数据，若t2表有查询过滤条件，会从过滤结果里取出一行数据，取出关联字段a，到t1表中查找；取出t1表中满足条件的行，跟t2中获取到的结果合并，作为结果返回给客户端；然后继续下一条数据。

整个过程会读取t2表的所有数据，即扫描t2表100行，然后遍历每行数据中字段a的值，根据t2表中a的值索引扫描 t1表中的对应行，1次扫描可认为读取t1表一行完整数据，由于t1表的a字段有索引，故扫描100次。因此整个过程扫描了200行。若被驱动表的关联字段没索引，使用NLJ嵌套循环连接算法性能会比较低；

left join左表是驱动表，right join右表是驱动表，join优化器会选择数据量比较小的表作为驱动表。

一般join语句中，若执行计划Extra中未出现Using join buffer则表示使用的是NLJ嵌套循环连接算法

基于块的嵌套循环连接算法

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。

Extra中的Using join buffer (Block Nested Loop)说明该关联查询使用的是基于块的嵌套循环连接算法。 

1
EXPLAIN select * from t1 inner join t2 on t1.b= t2.b;

首先将t2表的所有数据放入到join_buffer中，把t1表中每一行取出，跟join_buffer中的数据对比，返回满足join条件的数据。

整个过程对t1表和t2表都做了一次全表扫描，因此扫描的总行数为10000+100=10100。且join_buffer里的数据是无序的，故对t1表中的每一行，都要做100次判断，故内存中的判断次数是100 * 10000= 100万次。

join_buffer是由参数join_buffer_size设定的，默认为256k。若放不下所有数据，就是分段放。若t2表有1000行记录，join_buffer一次只能放800行，则先往join_buffer里放800行，然后从t1表里取数据跟join_buffer 中数据对比得到部分结果，然后清空join_buffer，再放入t2表剩余200行，再次从t1表里取数据跟join_buffer中数据对比，所以就多扫了一次t1表。

若使用嵌套循环连接算法，这里扫描行数为100万次，且是磁盘扫描，而基于块的嵌套循环连接算法是内存计算，即使扫描次数更多但性能更高。对于被驱动表的关联字段没索引的关联查询，一般都会使用BNL算法，若有索引一般选择NLJ算法，有索引的情况下NLJ算法比BNL算法性能更高；

关联SQL优化

关联字段加索引，让MySQL做join操作时尽量选择嵌套循环连接算法，小表驱动大表，写多表连接SQL时若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，省去MySQL优化器自己判断时间 ；

straight_join功能同join类似，能让左表来驱动右表，能改表优化器对于联表查询的执行顺序。 由于left join，right join已代表指定了表的执行顺序，故straight_join只适用于inner join；

1
EXPLAIN select * from t2 straight_join t1 on t2.a = t1.a;

尽可能让优化器去判断，大部分情况下MySQL优化器是比人要聪明，使用straight_join一定要慎重，因为部分情况下人为指定的执行顺序并不一定比优化引擎靠谱；

在决定哪个表做驱动表时，是两个表按照各自的条件过滤，过滤完成之后，计算参与join的各个字段的总数据量，数据量小的是小表作为驱动表。

in和exsits优化

当t2表的数据集小于t1表的数据集时，in优于exists的写法

1
explain select * from t1 where a in (select a from t2);

等价于：

1
2
3
for(select a from t2){
    select * from t1 where t1.a = t2.a
}

exists优于in的写法，将主查询t2的数据，放到子查询t1中做条件验证，根据验证结果true或false来决定主查询的数据是否保留

1
explain select * from t2 where exists(select 1 from t1 where t1.a = t2.a);

exists子查询只返回true或false，因此子查询中的select *也可以用select 1替换，官方说法是实际执行时会忽略select清单，因此没有区别；exists子查询的实际执行过程可能经过了优化而不是理解上的逐条对比；exists子查询往往也可以用join来代替，何种最优需要具体问题具体分析；

count(*)查询优化

只有根据某个字段count才不会统计字段为null值的数据行，下面4个语句的执行计划跑出来都一样，执行效率差不多，全都是使用的二级索引

1
2
3
4
EXPLAIN select count(1) from employees;
EXPLAIN select count(id) from employees;
EXPLAIN select count(name) from employees;
EXPLAIN select count(*) from employees;

字段有索引时执行效率从大到小：count(*)≈count(1)>count(字段)>count(主键id)；因为字段有索引，count(字段)统计走二级索引，因为二级索引存储数据比主键索引少，所以count(字段)>count(主键id)

字段无索引时执行效率从大到小：count(*)≈count(1)>count(主键id)>count(字段) ；因为字段没有索引count(字段)统计走不了索引，count(主键id)还可以走主键索引，所以count(主键id)>count(字段)

count(1)跟count(字段)执行过程类似，不过count(1)不需要取出字段统计，就用常量1做统计，count(字段)还需要取出字段，故理论上count(1)比count(字段)会快一点。

count(*) 是例外，MySQL并不会把全部字段取出来，而是专门做了优化，不取值按行累加，效率很高，故不需要用count(列名)或count(常量)来替代count(*)。

count(id)最终选择辅助索引而不是主键聚集索引，因为二级索引相对主键索引存储数据更少，检索性能应该更高，大概5.7版本才优化。

查询MySQL自己维护的总行数

myisam存储引擎的表做不带where条件的count查询性能是很高的，因为myisam存储引擎的表的总行数会被mysql存储在磁盘上，查询不需要计算

1
explain select count(*) from test_myisam;

对于InnoDB存储引擎的表，因为有MVCC机制MySQL不会存储表的总记录行数，查询count需要实时计算

show table status

若只需要知道表总行数的估计值可以用如下SQL查询，性能很高 

1
show table status like 'employees';

将总数维护到Redis

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

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，让它们在同一个事务里操作