MySQL索引优化与查询优化

Posted on Edited on In , Views: Word count in article: 41k Reading time ≈ 38 mins.

  • 都有哪些维度可以进行数据库调优？简言之：

    • 索引失效、没有充分利用到索引——索引建立。
    • 关联查询太多JOIN (设计缺陷或不得已的需求)——SQL优化。
    • 服务器调优及各个参数设置(缓冲、线程数等)———调整my.cnf。
    • 数据过多――分库分表。

  • 关于数据库调优的知识点非常分散。不同的DBMS，不同的公司，不同的职位，不同的项目遇到的问题都不尽相同。这里我们分为三个章节进行细致讲解。

  • 虽然SQL查询优化的技术有很多，但是大方向上完全可以分成物理查询优化和逻辑查询优化两大块。

    • 物理查询优化是通过索引和表连接方式等技术来进行优化，这里重点需要掌握索引的使用。
    • 逻辑查询优化就是通过SQL等价变换提升查询效率，直白一点就是说，换一种查询写法执行效率可能更高。

1、数据准备

  • ①建表。

    1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    11
    12
    13
    14
    15
    16
    17
    CREATE TABLE `class` (
     `id` INT(11) NOT NULL AUTO_INCREMENT,
     `className` VARCHAR(30) DEFAULT NULL,
     `address` VARCHAR(40) DEFAULT NULL,
     `monitor` INT NULL ,
     PRIMARY KEY (`id`)
    ) ENGINE=INNODB AUTO_INCREMENT=1 DEFAULT CHARSET=utf8;
     
    CREATE TABLE `student` (
     `id` INT(11) NOT NULL AUTO_INCREMENT,
     `stuno` INT NOT NULL ,
     `name` VARCHAR(20) DEFAULT NULL,
     `age` INT(3) DEFAULT NULL,
     `classId` INT(11) DEFAULT NULL,
     PRIMARY KEY (`id`)
     # CONSTRAINT `fk_class_id` FOREIGN KEY (`classId`) REFERENCES `t_class` (`id`)
    ) ENGINE=INNODB AUTO_INCREMENT=1 DEFAULT CHARSET=utf8;

  • ②创建函数。

    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
    # 命令开启：允许创建函数设置
    set global log_bin_trust_function_creators=1;

    # 随机产生字符串
    DELIMITER //
    CREATE FUNCTION rand_string(n INT) RETURNS VARCHAR(255)
    BEGIN    
    DECLARE chars_str VARCHAR(100) DEFAULT 'abcdefghijklmnopqrstuvwxyzABCDEFJHIJKLMNOPQRSTUVWXYZ';
    DECLARE return_str VARCHAR(255) DEFAULT '';
    DECLARE i INT DEFAULT 0;
    WHILE i < n DO  
    SET return_str =CONCAT(return_str,SUBSTRING(chars_str,FLOOR(1+RAND()*52),1));  
    SET i = i + 1;
    END WHILE;
    RETURN return_str;
    END //
    DELIMITER ;

    # 用于随机产生多少到多少的编号
    DELIMITER //
    CREATE FUNCTION  rand_num (from_num INT ,to_num INT) RETURNS INT(11)
    BEGIN   
    DECLARE i INT DEFAULT 0;  
    SET i = FLOOR(from_num +RAND()*(to_num - from_num+1))   ;
    RETURN i;  
    END //
    DELIMITER ;

  • ③创建并调用存储过程。

    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
    42
    43
    44
    45
    46
    47
    48
    49
    50
    51
    52
    53
    54
    55
    56
    57
    58
    59
    60
    61
    62
    63
    64
    65
    66
    67
    68
    69
    70
    71
    72
    73
    74
    75
    76
    77
    78
    79
    # 创建往stu表中插入数据的存储过程
    DELIMITER //
    CREATE PROCEDURE  insert_stu(  START INT ,  max_num INT )
    BEGIN  
    DECLARE i INT DEFAULT 0;   
     SET autocommit = 0;    # 设置手动提交事务
     REPEAT  # 循环
     SET i = i + 1;  # 赋值
     INSERT INTO student (stuno, NAME ,age ,classId ) VALUES ((START+i),rand_string(6),rand_num(1,50),rand_num(1,1000));  
     UNTIL i = max_num  
     END REPEAT;  
     COMMIT;  # 提交事务
    END //
    DELIMITER ;


    # 执行存储过程，往class表添加随机数据
    DELIMITER //
    CREATE PROCEDURE `insert_class`(  max_num INT )
    BEGIN  
    DECLARE i INT DEFAULT 0;   
     SET autocommit = 0;    
     REPEAT  
     SET i = i + 1;  
     INSERT INTO class ( classname,address,monitor ) VALUES (rand_string(8),rand_string(10),rand_num(1,100000));  
     UNTIL i = max_num  
     END REPEAT;  
     COMMIT; 
    END //
    DELIMITER ;

    # 创建存储过程，用来一键删除指定数据库和数据表下的所有索引，后面才使用到
    DELIMITER //
    CREATE  PROCEDURE `proc_drop_index`(dbname VARCHAR(200),tablename VARCHAR(200))
    BEGIN
           DECLARE done INT DEFAULT 0;
           DECLARE ct INT DEFAULT 0;
           DECLARE _index VARCHAR(200) DEFAULT '';
           DECLARE _cur CURSOR FOR  SELECT   index_name   FROM information_schema.STATISTICS   WHERE table_schema=dbname AND table_name=tablename AND seq_in_index=1 AND    index_name <>'PRIMARY'  ;
    # 每个游标必须使用不同的declare continue handler for not found set done=1来控制游标的结束
           DECLARE  CONTINUE HANDLER FOR NOT FOUND SET done=2 ;      
    # 若没有数据返回,程序继续,并将变量done设为2
            OPEN _cur;
            FETCH _cur INTO _index;
            WHILE  _index<>'' DO 
                   SET @str = CONCAT("drop index " , _index , " on " , tablename ); 
                   PREPARE sql_str FROM @str ;
                   EXECUTE  sql_str;
                   DEALLOCATE PREPARE sql_str;
                   SET _index=''; 
                   FETCH _cur INTO _index; 
            END WHILE;
       CLOSE _cur;
    END //
    DELIMITER ;

    # 执行存储过程，往class表添加1万条数据  
    mysql> CALL insert_class(10000);
    Query OK, 0 rows affected (1.38 sec)

    # 执行存储过程，往stu表添加50万条数据  
    mysql> CALL insert_stu(100000,500000);
    Query OK, 0 rows affected (39.25 sec)

    mysql> SELECT COUNT(*) FROM class;
    +----------+
    | COUNT(*) |
    +----------+
    |    10000 |
    +----------+
    1 row in set (0.00 sec)

    mysql> SELECT COUNT(*) FROM student;
    +----------+
    | COUNT(*) |
    +----------+
    |   500000 |
    +----------+
    1 row in set (0.03 sec)

2、索引失效案例

  • MySQL中提高性能的一个最有效的方式是对数据表设计合理的索引。索引提供了高效访问数据的方法，并且加快查询的速度，因此索引对查询的速度有着至关重要的影响。

    • 使用索引可以快速地定位表中的某条记录，从而提高数据库查询的速度，提高数据库的性能。
    • 如果查询时没有使用索引，查询语句就会扫描表中的所有记录。在数据量大的情况下，这样查询的速度会很慢。

  • 大多数情况下都（默认）采用B+树来构建索引。只是空间列类型的索引使用R-树，并且MEMORY表还支持hash索引。

  • 其实，用不用索引，最终都是优化器说了算。优化器是基于什么的优化器?基于cost开销(CostBaseOptimizer)，它不是基于规则(Rule-BasedOptimizer)，也不是基于语义。怎么样开销小就怎么来。另外，SQL语句是否使用索引，跟数据库版本、数据量、数据选择度都有关系。

2.1 全值匹配我最爱

  • 系统中经常出现的sql语句如下：

    1
    2
    3
    EXPLAIN SELECT SQL_NO_CACHE * FROM student WHERE age=30;
    EXPLAIN SELECT SQL_NO_CACHE * FROM student WHERE age=30 AND classId=4;
    EXPLAIN SELECT SQL_NO_CACHE * FROM student WHERE age=30 AND classId=4 AND NAME = 'abcd';

  • 建立索引前执行：(关注执行时间)

    1
    2
    mysql> SELECT SQL_NO_CACHE * FROM student WHERE age=30 AND classId=4 AND NAME = 'abcd';
    Empty set, 1 warning (0.13 sec)

  • 建立索引：

    1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    11
    mysql> CREATE INDEX idx_age ON student(age);
    Query OK, 0 rows affected (3.05 sec)
    Records: 0  Duplicates: 0  Warnings: 0

    mysql> CREATE INDEX idx_age_classid ON student(age,classId);
    Query OK, 0 rows affected (2.94 sec)
    Records: 0  Duplicates: 0  Warnings: 0

    mysql> CREATE INDEX idx_age_classid_name ON student(age,classId,NAME);
    Query OK, 0 rows affected (3.98 sec)
    Records: 0  Duplicates: 0  Warnings: 0

  • 建立索引后执行：

    1
    2
    3
    4
    mysql> SELECT SQL_NO_CACHE * FROM student WHERE age=30 AND classId=4 AND NAME = 'abcd';
    Empty set, 1 warning (0.00 sec)

    mysql> EXPLAIN SELECT SQL_NO_CACHE * FROM student WHERE age=30 AND classId=4 AND NAME = 'abcd';

    可以看到，创建索引前的查询时间是0.13 sec秒，创建索引后的查询时间是0.00 sec秒，索引帮助我们极大的提高了查询效率。

2.2 最佳左前缀法则

  • 在MySQL建立联合索引时会遵守最佳左前缀匹配原则，即最左优先，在检索数据时从联合索引的最左边开始匹配。

    1
    mysql> EXPLAIN SELECT SQL_NO_CACHE * FROM student WHERE student.age=30 AND student.name = 'abcd';
    1
    mysql> EXPLAIN SELECT SQL_NO_CACHE * FROM student WHERE student.classid=1 AND student.name = 'abcd';
    1
    2
    # 优化器自动做优化使其满足最佳做前缀法则。
    mysql> EXPLAIN SELECT SQL_NO_CACHE * FROM student WHERE classid=4 AND student.age=30 AND student.name = 'abcd';
    1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    11
    mysql> DROP INDEX idx_age ON student;
    Query OK, 0 rows affected (0.04 sec)
    Records: 0  Duplicates: 0  Warnings: 0

    mysql> DROP INDEX idx_age_classid ON student;
    Query OK, 0 rows affected (0.02 sec)
    Records: 0  Duplicates: 0  Warnings: 0

    # 要遵守最左前缀法则，指的是查询从索引的最左前列开始并且不跳过索引中的列。
    # 由于不遵循最佳左前缀法则，所以只用了联合索引的一部分。
    mysql> EXPLAIN SELECT SQL_NO_CACHE * FROM student WHERE student.age=30 AND student.name = 'abcd';

  • 结论：MySQL可以为多个字段创建索引，一个索引可以包括16个字段。对于多列索引，过滤条件要使用索引必须按照索引建立时的顺序，依次满足，一旦跳过某个字段，索引后面的字段都无法被使用。如果查询条件中没有使用这些字段中第1个字段时，多列(或联合）索引不会被使用。

拓展：Alibaba《Java开发手册》

索引文件具有 B-Tree 的最左前缀匹配特性，如果左边的值未确定，那么无法使用此索引。

2.3 主键插入顺序

  • 对于一个使用InnoDB存储引擎的表来说，表中的数据实际上都是存储在聚簇索引的叶子节点的。而记录又是存储在数据页中的，数据页和记录又是按照记录主键值从小到大的顺序进行排序，所以如果我们插入的记录的主键值是依次增大的话，那我们每插满一个数据页就换到下一个数据页继续插，而如果我们插入的主键值忽大忽小的话，就比较麻烦了，假设某个数据页存储的记录已经满了，它存储的主键值在1~100之间：

  • 如果此时再插入一条主键值为9的记录，那它插入的位置就如下图：

  • 可这个数据页已经满了，再插进来咋办呢？我们需要把当前页面分裂成两个页面，把本页中的一些记录
    移动到新创建的这个页中。页面分裂和记录移位意味着什么？意味着：性能损耗 ！所以如果我们想尽量
    避免这样无谓的性能损耗，最好让插入的记录的主键值依次递增，这样就不会发生这样的性能损耗了。
    所以我们建议：让主键具有AUTO_INCREMENT，让存储引擎自己为表生成主键，而不是我们手动插入，
    比如：person_info表：

    1
    2
    3
    4
    5
    6
    7
    8
    9
    CREATE TABLE person_info(
        id INT UNSIGNED NOT NULL AUTO_INCREMENT,
        name VARCHAR(100) NOT NULL,
        birthday DATE NOT NULL,
        phone_number CHAR(11) NOT NULL,
        country varchar(100) NOT NULL,
        PRIMARY KEY (id),
        KEY idx_name_birthday_phone_number (name(10), birthday, phone_number)
    );

    我们自定义的主键列 id 拥有 AUTO_INCREMENT 属性，在插入记录时存储引擎会自动为我们填入自增的
    主键值。这样的主键占用空间小，顺序写入，减少页分裂。

2.4 计算、函数、类型转换(自动或手动)导致索引失效

  • 这两条sql哪种写法更好？

    1
    2
    3
    4
    5
    6
    mysql> CREATE INDEX idx_name ON student(NAME);
    Query OK, 0 rows affected (3.66 sec)
    Records: 0  Duplicates: 0  Warnings: 0

    # 此语句比下一条要好！（能够使用上索引）
    mysql> EXPLAIN SELECT SQL_NO_CACHE * FROM student WHERE student.name LIKE 'abc%';
    1
    mysql> EXPLAIN SELECT SQL_NO_CACHE * FROM student WHERE LEFT(student.name,3) = 'abc';

  • 再举例：

    • student表的字段stuno上设置有索引：

      1
      2
      3
      mysql> CREATE INDEX idx_sno ON student(stuno);
      Query OK, 0 rows affected (3.03 sec)
      Records: 0  Duplicates: 0  Warnings: 0

    • 索引优化失效：

      1
      mysql> EXPLAIN SELECT SQL_NO_CACHE id, stuno, NAME FROM student WHERE stuno+1 = 900001;

      你能看到如果对索引进行了表达式计算，索引就失效了。这是因为我们需要把索引字段的取值都取出来，然后依次进行表达式的计算来进行条件判断，因此采用的就是全表扫描的方式，运行时间也会慢很多。

    • 索引优化生效(没有计算)：

      1
      mysql> EXPLAIN SELECT SQL_NO_CACHE id, stuno, NAME FROM student WHERE stuno = 900000;

  • 再举例：

    • student表的字段name上设置有索引：

      1
      2
      3
      mysql> CREATE INDEX idx_sno ON student(stuno);
      Query OK, 0 rows affected (3.03 sec)
      Records: 0  Duplicates: 0  Warnings: 0

    • 索引优化失效：

      1
      mysql> EXPLAIN SELECT id, stuno, NAME FROM student WHERE SUBSTRING(NAME, 1,3)='abc';

    • 索引优化生效：

      1
      mysql> EXPLAIN SELECT SQL_NO_CACHE * FROM student WHERE student.name LIKE 'abc%';

      你能看到经过查询重写后，可以使用索引进行范围检索，从而提升查询效率。

2.5 类型转换导致索引失效

  • 下列哪个sql语句可以用到索引。（假设name字段上设置有索引） 

    1
    2
    3
    4
    5
    6
    mysql> CREATE INDEX idx_sno ON student(stuno);
    Query OK, 0 rows affected (3.03 sec)
    Records: 0  Duplicates: 0  Warnings: 0

    # 未使用到索引，因为name=123发生类型转换，索引失效。
    mysql> EXPLAIN SELECT SQL_NO_CACHE * FROM student WHERE name=123;
    1
    2
    # 使用到索引
    mysql> EXPLAIN SELECT SQL_NO_CACHE * FROM student WHERE name='123';

结论：设计实体类属性时，一定要与数据库字段类型相对应。否则，就会出现类型转换的情况。

2.6 范围条件右边的列索引失效

  • 示例如下：

    1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    # 调用存储过程删除dbtest3数据库下的student表中的所有索引
    mysql> CALL proc_drop_index('dbtest3','student');
    Query OK, 0 rows affected (0.08 sec)

    # 创建新的联合索引
    mysql> CREATE INDEX idx_age_classId_name ON student(age,classId,NAME);
    Query OK, 0 rows affected (4.11 sec)
    Records: 0  Duplicates: 0  Warnings: 0

    mysql> EXPLAIN SELECT SQL_NO_CACHE * FROM student  WHERE student.age=30 AND student.classId>20 AND student.name = 'abc';

    因为用上了范围查找，在范围查找的索引后面的索引就失效了，即只用到了age与classId(从key_len=5+5=10看出)。因为范围条件导致的索引失效，可以考虑把确定的索引放在前面，如下：

    1
    2
    3
    4
    5
    mysql> CREATE INDEX idx_age_name_cid ON student(age,NAME,classId);
    Query OK, 0 rows affected (4.08 sec)
    Records: 0  Duplicates: 0  Warnings: 0

    mysql> EXPLAIN SELECT SQL_NO_CACHE * FROM student  WHERE student.age=30 AND student.classId>20 AND student.name = 'abc';

    可以看到创建的新索引全部字段被使用(从key_len=(20*3+1+2)+5+5=73看出)。

结论：范围右边的列不能使用。比如：（<）（<=）（>）（>=）和between等。应用开发中范围查询，例如：金额查询，日期查询往往都是范围查询。应将查询条件放置where语句最后。（创建的联合索引中，务必把范围涉及到的字段写在最后）

2.7 不等于(!= 或者<>)索引失效

  • 为name字段创建索引：

    1
    2
    3
    mysql> CREATE INDEX idx_name ON student(NAME);
    Query OK, 0 rows affected (3.56 sec)
    Records: 0  Duplicates: 0  Warnings: 0

  • 索引失效：

    1
    mysql> EXPLAIN SELECT SQL_NO_CACHE * FROM student WHERE student.name <> 'abc';
    1
    mysql> EXPLAIN SELECT SQL_NO_CACHE * FROM student WHERE student.name != 'abc';

2.8 is null可以使用索引，is not null无法使用索引

  • is null可以触发索引：

    1
    mysql> EXPLAIN SELECT SQL_NO_CACHE * FROM student WHERE age IS NULL;

  • is not null索引失效：

    1
    mysql> EXPLAIN SELECT SQL_NO_CACHE * FROM student WHERE age IS NOT NULL;

结论：最好在设计数据表的时候就将字段设置为 NOT NULL 约束，比如你可以将INT类型的字段，默认值设置为0。将字符类型的默认值设置为空字符串。

拓展：同理，在查询中使用not like 也无法使用索引，导致全表扫描。

2.9 like以通配符%开头索引失效

  • 在使用LIKE关键字进行查询的查询语句中，如果匹配字符串的第一个字符为“%”，索引就不会起作用。只有“%”不在第一个位置，索引才会起作用。

    • 使用到索引：

      1
      mysql> EXPLAIN SELECT SQL_NO_CACHE * FROM student WHERE NAME LIKE 'ab%';

    • 索引失效：

      1
      mysql> EXPLAIN SELECT SQL_NO_CACHE * FROM student WHERE NAME LIKE '%ab%';

拓展：Alibaba《Java开发手册》
【强制】页面搜索严禁左模糊或者全模糊，如果需要请走搜索引擎来解决。

2.10 OR前后存在非索引的列，索引失效

  • 在WHERE子句中，如果在OR前的条件列进行了索引，而在OR后的条件列没有进行索引，那么索引会失效。也就是说，OR前后的两个条件中的列都是索引时，查询中才使用索引。

  • 因为OR的含义就是两个只要满足一个即可，因此只有一个条伴列进行了索引是没有意义的，只要有条件列没有进行索引，就会进行全表扫描，因此索引的条件列也会失效。

  • 查询语句使用OR关键字的情况：

    1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    # 调用存储过程删除dbtest3数据库下的student表中的所有索引
    mysql> CALL proc_drop_index('dbtest3','student');
    Query OK, 0 rows affected (0.08 sec)

    mysql> CREATE INDEX idx_age ON student(age);
    Query OK, 0 rows affected (3.12 sec)
    Records: 0  Duplicates: 0  Warnings: 0

    # 无法使用到索引，因为classid字段上没有索引。
    mysql> EXPLAIN SELECT SQL_NO_CACHE * FROM student WHERE age = 10 OR classid = 100;
    1
    2
    3
    4
    5
    6
    mysql> CREATE INDEX idx_cid ON student(classid);
    Query OK, 0 rows affected (2.96 sec)
    Records: 0  Duplicates: 0  Warnings: 0

    # 使用到索引，因为age字段和classid字段上都有索引。
    mysql> EXPLAIN SELECT SQL_NO_CACHE * FROM student WHERE age = 10 OR classid = 100;

    你能看到这里使用到了index_merge，简单来说index_merge 就是对age和name分别进行了扫描，然后将这两个结果集进行了合并。这样做的好处就是避免了全表扫描。

2.11 数据库和表的字符集统一使用utf8mb4

  • 统一使用utf8mb4(5.5.3版本以上支持)兼容性更好，统一字符集可以避免由于字符集转换产生的乱码。不
    同的 字符集 进行比较前需要进行 转换 会造成索引失效。

2.12 练习及一般性建议

  • 假设：index(a,b,c)

  • 一般性建议:

    • 对于单列索引,l尽量选择针对当前query过滤性更好的索引。
    • 在选择组合索引的时候，当前query中过滤性最好的字段在索引字段顺序中，位置越靠前越好。。在选择组合。
    • 索引的时候，尽量选择能够包含当前query中的where子句中更多字段的索引。
    • 在选择组合索引的时候，如果某个字段可能出现范围查询时，尽量把这个字段放在索引次序的最后面。

  • 总之，书写SQL语句时，尽量避免造成索引失效的情况。

3、关联查询优化

3.1 数据准备

  • 建表。

    1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    11
    12
    13
    14
    15
    16
    17
    18
    19
    # 分类表
    CREATE TABLE IF NOT EXISTS `type`(
        `id` INT(10) UNSIGNED NOT NULL AUTO_INCREMENT,
        `card` INT(10) UNSIGNED NOT NULL,
        PRIMARY KEY ( `id` )
    );

    # 图书表
    CREATE TABLE IF NOT EXISTS `book`(
    	`bookid` INT(10) UNSIGNED NOT NULL AUTO_INCREMENT,
        `card`INT(10) UNSIGNED NOT NULL,
    	PRIMARY KEY (`bookid`)
    );

    # 向分类表中添加20条记录
    INSERT INTO type(card) VALUES (FLOOR(1 +(RAND() * 20)));

    # 向图书表中添加20条记录
    INSERT INTO book(card) VALUES (FLOOR(1 +(RAND() * 20)));

3.2 采用左外连接

  • 下面开始EXPLAIN分析：

    1
    mysql> EXPLAIN SELECT SQL_NO_CACHE * FROM `type` LEFT JOIN book ON type.card = book.card;

  • 添加索引优化：

    1
    2
    3
    4
    5
    mysql> CREATE INDEX Y ON book(card);
    Query OK, 0 rows affected (0.04 sec)
    Records: 0  Duplicates: 0  Warnings: 0

    mysql> EXPLAIN SELECT SQL_NO_CACHE * FROM `type` LEFT JOIN book ON type.card = book.card;

    可以看到第二行的type变为了ref，rows也变成了优化比较明显。这是由左连接特性决定的。LEFT JOIN条件用于确定如何从右表搜索行，左边一定都有，所以右边是我们的关键点，一定需要建立索引。

  • 如果给左边的驱动表也添加索引：

    1
    2
    3
    4
    5
    6
    # 驱动表无法避免全表扫描，加了索引也一样
    mysql> CREATE INDEX X ON `type`(card);
    Query OK, 0 rows affected (0.04 sec)
    Records: 0  Duplicates: 0  Warnings: 0

    mysql> EXPLAIN SELECT SQL_NO_CACHE * FROM `type` LEFT JOIN book ON type.card = book.card;

    可以看到两个索引都被使用到了。

  • 如果删除掉右边被驱动表的索引：

    1
    mysql> EXPLAIN SELECT SQL_NO_CACHE * FROM `type` LEFT JOIN book ON type.card = book.card;

    可以看到去掉被驱动索引，又变成了join buffer。

3.3 采用内连接

  • 删除之前的索引：

    1
    2
    3
    4
    5
    6
    7
    mysql> DROP INDEX X ON `type`;
    Query OK, 0 rows affected (0.03 sec)
    Records: 0  Duplicates: 0  Warnings: 0

    mysql> DROP INDEX Y ON book;
    Query OK, 0 rows affected (0.01 sec)
    Records: 0  Duplicates: 0  Warnings: 0

  • 换成inner join（MySQL自动选择驱动表）:

    1
    mysql> EXPLAIN SELECT SQL_NO_CACHE * FROM `type` INNER JOIN book ON type.card = book.card;

  • 添加索引优化：

    1
    2
    3
    4
    5
    mysql> CREATE INDEX Y ON book(card);
    Query OK, 0 rows affected (0.07 sec)
    Records: 0  Duplicates: 0  Warnings: 0

    mysql> EXPLAIN SELECT SQL_NO_CACHE * FROM `type` INNER JOIN book ON type.card = book.card;
    1
    2
    3
    4
    5
    mysql> CREATE INDEX X ON `type`(card);
    Query OK, 0 rows affected (0.03 sec)
    Records: 0  Duplicates: 0  Warnings: 0

    mysql> EXPLAIN SELECT SQL_NO_CACHE * FROM `type` INNER JOIN book ON type.card = book.card;

    这里刚给type加了索引后，驱动表和被驱动表还是原来的样子，实际上给type继续加了一些数据后，优化器会判断，哪个数据比较少，就作为驱动表。即对于内连接来说，查询优化器可以决定谁作为驱动表，谁作为被驱动表出现的。

  • 删除被驱动表book的索引：

    1
    2
    3
    4
    5
    mysql> DROP INDEX Y ON book;
    Query OK, 0 rows affected (0.01 sec)
    Records: 0  Duplicates: 0  Warnings: 0

    mysql> EXPLAIN SELECT SQL_NO_CACHE * FROM `type` INNER JOIN book ON type.card = book.card;

    可以看到被驱动表变为type，对于内连接来讲，如果表的连接条件中只能有一个字段有索引，则有索引的字段所在的表会被作为被驱动表出现。

  • 结论：

    • 内连接主被驱动表是由优化器决定的。优化器认为哪个成本比较小，就采用哪种作为驱动表。

    • 如果两张表只有一个有索引，那有索引的表作为被驱动表。

      • 原因：驱动表要全查出来。有没有索引你都得全查出来。

    • 两个索引都存在的情况下， 数据量大的作为被驱动表（小表驱动大表）。

      • 原因：驱动表要全部查出来，而大表可以通过索引加快查找。

3.4 Join语句原理

  • join方式连接多个表，本质就是各个表之间数据的循环匹配。MySQL5.5版本之前，MySQL只文持一种表间关联方式，就是嵌套循环(Nested Loop Join)。如果关联表的数据量很大，则join关联的执行时间会非常长。在MySQL5.5以后的版本中，MySQL通过引入BNLJ算法来优化嵌套执行。

3.4.1 驱动表和被驱动表

  • 驱动表就是主表，被驱动表就是从表、非驱动表。

  • 对于内连接来说：

    1
    SELECT * FROM A JOIN B ON ...
    • A一定是驱动表吗？不一定，优化器会根据你查询语句做优化，决定先查哪张表。先查询的那张表就是驱动表，反之就是被驱动表。通过explain关键字可以查看。

  • 对于外连接来说：

    1
    2
    3
    SELECT * FROM A LEFT JOIN B ON ...
    # 或
    SELECT *FROM B RIGHT JOIN A ON ...

    • 通常，大家会认为A就是驱动表，B就是被驱动表，但也未必。测试如下：

      1
      2
      3
      4
      5
      6
      7
      8
      9
      10
      11
      12
      13
      14
      15
      mysql> CREATE TABLE a(f1 INT,f2 INT,INDEX(f1))ENGINE=INNODB;
      Query OK, 0 rows affected (0.05 sec)

      mysql> CREATE TABLE b(f1 INT,f2 INT)ENGINE=INNODB;
      Query OK, 0 rows affected (0.06 sec)

      mysql> INSERT INTO a VALUES(1,1),(2,2),(3,3),(4,4),(5,5),(6,6);
      Query OK, 6 rows affected (0.01 sec)
      Records: 6  Duplicates: 0  Warnings: 0

      mysql> INSERT INTO b VALUES (3,3),(4,4),(5,5),(6,6),(7,7),(8,8);
      Query OK, 6 rows affected (0.01 sec)
      Records: 6  Duplicates: 0  Warnings: 0

      mysql> EXPLAIN SELECT* FROM a LEFT JOIN b ON (a.f1=b.f1)WHERE (a.f2=b.f2);

      可以看到虽然a表写在左边，但它实际上却是被驱动表，可以使用show warnings看到是因为被优化器优化成内连接了：

      1
      2
      3
      4
      5
      6
      mysql> show warnings\G
      *************************** 1. row ***************************
        Level: Note
         Code: 1003
      Message: /* select#1 */ select `dbtest3`.`a`.`f1` AS `f1`,`dbtest3`.`a`.`f2` AS `f2`,`dbtest3`.`b`.`f1` AS `f1`,`dbtest3`.`b`.`f2` AS `f2` from `dbtest3`.`a` join `dbtest3`.`b` where ((`dbtest3`.`a`.`f1` = `dbtest3`.`b`.`f1`) and (`dbtest3`.`a`.`f2` = `dbtest3`.`b`.`f2`))
      1 row in set (0.00 sec)

      再看下面的情况：

      1
      mysql> EXPLAIN SELECT * FROM a LEFT JOIN b oN (a.f1=b.f1) AND (a.f2=b.f2);

      可以看到a表变成驱动表了，可以使用show warnings看到仍然是左连接：

      1
      2
      3
      4
      5
      6
      mysql> show warnings\G
      *************************** 1. row ***************************
        Level: Note
         Code: 1003
      Message: /* select#1 */ select `dbtest3`.`a`.`f1` AS `f1`,`dbtest3`.`a`.`f2` AS `f2`,`dbtest3`.`b`.`f1` AS `f1`,`dbtest3`.`b`.`f2` AS `f2` from `dbtest3`.`a` left join `dbtest3`.`b` on(((`dbtest3`.`b`.`f2` = `dbtest3`.`a`.`f2`) and (`dbtest3`.`b`.`f1` = `dbtest3`.`a`.`f1`))) where true
      1 row in set (0.00 sec)

3.4.2 Simple Nested-Loop Join(简单嵌套循环连接)

  • 算法相当简单，从表A中取出一条数据1，遍历表B，将匹配到的数据放到result..以此类推，驱动表A中的每一条记录与被驱动表B的记录进行判断：

  • 可以看到这种方式效率是非常低的，以上述表A数据100条，表B数据1000条计算，则A*B=10万次。开销统计如下：

  • 当然mysql肯定不会这么粗暴的去进行表的连接，所以就出现了后面的两种对Nested-Loop Join优化算法。

3.4.3 Index Nested-Loop Join(索引嵌套循环连接)

  • Index Nested-Loop Join其优化的思路主要是为了减少内层表数据的匹配次数，所以要求被驱动表上必须有索引才行。通过外层表匹配条件直接与内层表索引进行匹配，避免和内层表的每条记录去进行比较，这样极大的减少了对内层表的匹配次数。

  • 驱动表中的每条记录通过被驱动表的索引进行访问，因为索引查询的成本是比较固定的，故mysql优化器都倾向于使用记录数少的表作为驱动表(外表)。

  • 如果被驱动表加索引，效率是非常高的，但如果索引不是主键索引，所以还得进行一次回表查询。相比，被驱动表的索引是主键索引，效率会更高。

3.4.4 Block Nested-Loop Join(块嵌套循环连接)

  • 如果存在索引，那么会使用index的方式进行join，如果join的列没有索引，被驱动表要扫描的次数太多了。每次访问被驱动表，其表中的记录都会被加载到内存中，然后再从驱动表中取一条与其匹配，匹配结束后清除内存，然后再从驱动表中加载一条记录，然后把被驱动表的记录在加载到内存匹配这样周而复始，大大增加了I0的次
    数。为了减少被驱动表的Io次数，就出现了Block Nested-Loop Join的方式。

  • 不再是逐条获取驱动表的数据，而是一块一块的获取，引入了join buffer缓冲区，将驱动表join相关的部分数据列(大小受join buffer的限制)缓存到join buffer中，然后全表扫描被驱动表被驱动表的每—条记录—次性和join buffer中的所有驱动表记录进行匹配（内存中操作)，将简单嵌套循环中的多次比较合并成一次，降低了被驱动表的访问频率。

注意：

这里缓存的不只是关联表的列，select后面的列也会缓存起来。（存的是驱动表）

在一个有N个join关联的sql中会分配N-1个join buffer。所以查询的时候尽量减少不必要的字段，可以让join buffer中可以存放更多的列。

  • 参数设置：

    • block_nested_loop。通过show variables like '%optimizer_switch%'查看block_nested_loop状态。默认是开启的。

      1
      2
      3
      4
      5
      mysql> show variables like '%optimizer_switch%'\G
      *************************** 1. row ***************************
      Variable_name: optimizer_switch
              Value: index_merge=on,index_merge_union=on,index_merge_sort_union=on,index_merge_intersection=on,engine_condition_pushdown=on,index_condition_pushdown=on,mrr=on,mrr_cost_based=on,block_nested_loop=on,batched_key_access=off,materialization=on,semijoin=on,loosescan=on,firstmatch=on,duplicateweedout=on,subquery_materialization_cost_based=on,use_index_extensions=on,condition_fanout_filter=on,derived_merge=on,use_invisible_indexes=off,skip_scan=on,hash_join=on,subquery_to_derived=off,prefer_ordering_index=on,hypergraph_optimizer=off,derived_condition_pushdown=on
      1 row in set (0.01 sec)

    • join_buffer_size。驱动表能不能一次加载完，要看join buffer能不能存储所有的数据，默认情况下join_buffer_size=256k。

      1
      2
      3
      4
      5
      6
      7
      mysql> show variables like '%join_buffer%';
      +------------------+--------+
      | Variable_name    | Value  |
      +------------------+--------+
      | join_buffer_size | 262144 |
      +------------------+--------+
      1 row in set (0.00 sec)

      join_buffer_size的最大值在32位系统可以电请4G，而在64位操做系统下可以申请大于4G的Join Buffer空间(64位Windows除外，其大值会被截断为4GB并发出警告)。

3.4.5 Join小结

  • 整体效率比较:INLJ > BNLJ > SNLJ

  • 永远用小结果集驱动大结果集(其本质就是减少外层循环的数据数量)(小的度量单位指的是表行数*每行大小)

    1
    2
    3
    4
    5
    # straight_join表示不让优化器优化谁是驱动表，即永远是t1为驱动表，t2为被驱动表
    # 这个例子是说t2的列比较多，相同的join buffer可加载的t2行数会比较少。所以不适合用t2作为驱动表
    select t1.b,t2.* from t1 straight_join t2 on (t1.b=t2.b) where t2.id<=180; # 推荐

    select t1.b,t2.* from t2 straight_join t1 on (t1.b=t2.b) where t2.id<=100; # 不推荐

  • 为被驱动表匹配的条件增加索引(减少内层表的循环匹配次数)。

  • 增大join buffer size的大小(一次缓存的数据越多，那么内层包的扫表次数就越少)。

  • 减少驱动表不必要的字段查询（字段越少，join buffer 所缓存的数据就越多)。

  • 在决定哪个表做驱动表的时候，应该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，数据量小的那个表，就是“小表”，应该作为驱动表。

3.4.6 Hash Join

  • 从MySQL的8.0.20版本开始将废弃BNLJ，因为从MySQL8.0.18版本开始就加入了hash join默认都会使用hash join。

  • Nested Loop：

    • 对于被连接的数据子集较小的情况，Nested Loop是个较好的选择。

  • Hash Join是做大数据集连接时的常用方式，优化器使用两个表中较小(相对较小)的表利用Join Key在内存中建立散列表，然后扫描较大的表并探测散列表，找出与Hash表匹配的行。

    • 这种方式适用于较小的表完全可以放于内存中的情况，这样总成本就是访问两个表的成本之和。
    • 在表很大的情况下并不能完全放入内存，这时优化器会将它分割成若干不同的分区，不能放入内存的部分就把该分区写入磁盘的临时段，此时要求有较大的临时段从而尽量提高I/O的性能。
    • 它能够很好的工作于没有索引的大表和并行查询的环境中，并提供最好的性能。大多数人都说它是Join的重型升降机。Hash Join只能应用于等值连接(如WHERE A.COL1=B.COL2)，这是由Hash的特点决定的。

3.5 小结

  • 保证被驱动表的JOIN字段已经创建了索引。
  • 需要JOIN 的字段，数据类型保持绝对一致。
  • LEFT JOIN 时，选择小表作为驱动表， 大表作为被驱动表 。减少外层循环的次数。
  • INNER JOIN 时，MySQL会自动将 小结果集的表选为驱动表 。选择相信MySQL优化策略。
  • 能够直接多表关联的尽量直接关联，不用子查询。(减少查询的趟数)
  • 不建议使用子查询，建议将子查询SQL拆开结合程序多次查询，或使用 JOIN 来代替子查询。
  • 衍生表建不了索引。

4、子查询优化

  • MySQL从4.1版本开始支持子查询，使用子查询可以进行SELECT语句的嵌套查询，即一个SELECT查询的结果作为另一个SELECT语句的条件。子查询可以一次性完成很多逻辑上需要多个步骤才能完成的SQL操作。

  • 子查询是MySQL的一项重要的功能，可以帮助我们通过一个SQL语句实现比较复杂的查询。但是，子查询的执行效率不高。原因:

    • ①执行子查询时MySQL需要为内层查询语句的查询结果建立一个临时表，然后外层查询语句从临时表中查询记录。查询完毕后，再撤销这些临时表。这样会消耗过多的CPU和IO资源，产生大量的慢查询。
    • ②子查询的结果集存储的临时表，不论是内存临时表还是磁盘临时表都不会存在索引，所以查询性能会受到一定的影响。
    • ③对于返回结果集比较大的子查询，其对查询性能的影响也就越大。

  • 在MySQL中，可以使用连接（JOIN）查询来替代子查询。连接查询不需要建立临时表，其速度比子查询要快，如果查询中使用索引的话，性能就会更好。

  • 举例1：查询学生表中是班长的学生信息。

    • 使用子查询：

      1
      2
      3
      4
      5
      6
      7
      8
      9
      10
      # 创建班级表中班长的索引
      CREATE INDEX idx_monitor ON class(monitor);

      # 查询班长的信息
      EXPLAIN SELECT * FROM student stu1
      WHERE stu1.`stuno` IN (
      SELECT monitor
      FROM class c
      WHERE monitor IS NOT NULL
      );

    • 推荐：使用多表查询。

      1
      2
      3
      EXPLAIN SELECT stu1.* FROM student stu1 JOIN class c 
      ON stu1.`stuno` = c.`monitor`
      WHERE c.`monitor` IS NOT NULL;

  • 举例2：取所有不为班长的同学。

    • 子查询：

      1
      2
      3
      4
      5
      6
      # 查询不为班长的学生信息
      EXPLAIN SELECT SQL_NO_CACHE a.* 
      FROM student a 
      WHERE  a.stuno  NOT  IN (
      SELECT monitor FROM class b 
      WHERE monitor IS NOT NULL);

    • 推荐：使用多表查询。

      1
      2
      3
      4
      EXPLAIN SELECT SQL_NO_CACHE a.*
      FROM  student a LEFT OUTER JOIN class b 
      ON a.stuno =b.monitor
      WHERE b.monitor IS NULL;

结论：尽量不要使用NOT IN或者NOT EXISTS，用LEFT JOIN Xxx ON xx WHERE xx IS NULL替代。

5、排序优化

5.1 排序优化

  • 在WHERE 条件字段上加索引但是为什么在ORDER BY字段上还要加索引呢？

    • 在MySQL中，支持两种排序方式，分别是FileSort和Index排序。

      • Index排序中，索引可以保证数据的有序性，不需要再进行排序，效率更高。
      • FileSort排序则一般在内存中进行排序，占用CPU较多。如果待排结果较大，会产生临时文件I/O到磁盘进行排序的情况，效率较低。
  • 优化建议：
    • SQL中，可以在WHERE子句和ORDER BY子句中使用索引，目的是在WHERE子句中避免全表扫描，在ORDER BY子句避免使用FileSort排序。当然，某些情况下全表扫描，或者FileSort排序不一定比索引慢。但总的来说，我们还是要避免，以提高查询效率。
    • 尽量使用Index完成ORDER BY排序。如果WHERE和ORDER BY后面是相同的列就使用单索引列;如果不同
      就使用联合索引。
    • 无法使用Index时，需要对FileSort方式进行调优。

5.2 测试

  • 删除student表和class表中已创建的索引。

    1
    2
    3
    4
    5
    6
    7
    # 调用存储过程删除dbtest3数据库下的student表中的所有索引
    mysql> CALL proc_drop_index('dbtest3','student');
    Query OK, 0 rows affected (0.08 sec)

    # 调用存储过程删除dbtest3数据库下的class表中的所有索引
    mysql> CALL proc_drop_index('dbtest3','class');
    Query OK, 0 rows affected (0.02 sec)

  • 过程一：

    1
    mysql> EXPLAIN SELECT SQL_NO_CACHE * FROM student ORDER BY age,classid;
    1
    mysql> EXPLAIN SELECT SQL_NO_CACHE * FROM student ORDER BY age,classid LIMIT 10;

  • 过程二：order by时不limit，索引失效。

    1
    2
    3
    4
    5
    6
    7
    # 创建索引  
    mysql> CREATE INDEX idx_age_classid_name ON student (age,classid,NAME);
    Query OK, 0 rows affected (4.32 sec)
    Records: 0  Duplicates: 0  Warnings: 0

    # 不限制,索引失效
    mysql> EXPLAIN SELECT SQL_NO_CACHE * FROM student ORDER BY age,classid;

    这里优化器觉得，还需要回表。会更浪费时间，所以不走索引。如果使用覆盖索引：

    1
    mysql> EXPLAIN SELECT SQL_NO_CACHE age,classid FROM student ORDER BY age,classid;

    发现使用了索引，是因为此时不用回表，优化器觉得走索引快，就使用了索引。

    1
    2
    # 增加limit过滤条件，使用上索引了。
    mysql> EXPLAIN SELECT SQL_NO_CACHE * FROM student ORDER BY age,classid LIMIT 10;

    原因是增加limit从而减少回表的数量，优化器觉得走索引快，会使用索引。

  • 过程三：order by时顺序错误，索引失效。

    1
    2
    3
    4
    # 创建索引age,classid,stuno
    mysql> CREATE INDEX idx_age_classid_stuno ON student (age,classid,stuno); 
    Query OK, 0 rows affected (3.97 sec)
    Records: 0  Duplicates: 0  Warnings: 0
    1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    # 索引失效，因为不遵循最左前缀法则
    EXPLAIN SELECT* FROM student ORDER BY classid LIMIT 10;
    # 索引失效，因为不遵循最左前缀法则
    EXPLAIN SELECT * FROM student ORDER BY classid,NAME LIMIT 10;
    # 索引生效，key_len=5+5+4=14
    EXPLAIN SELECT * FROM student ORDER BY age,classid,stuno LIMIT 10;
    # 索引生效
    EXPLAIN SELECT * FROM student ORDER BY age,classid LIMIT 10;
    # 索引生效
    EXPLAIN SELECT * FROM student ORDER BY age LIMIT 10;

  • 过程四：order by时规则不一致，索引失效（顺序错，不索引；方向反，不索引)。

    1
    2
    3
    4
    5
    6
    7
    8
    # 索引失效，因为age逆序
    EXPLAIN SELECT * FROM student ORDER BY age DESC, classid ASC LIMIT 10;
    # 索引失效，因为不遵循最左前缀法则
    EXPLAIN SELECT * FROM student ORDER BY classid DESC, NAME DESC LIMIT 10;
    # 索引失效，因为classid逆序，优化器认为文件排序比较快索引失效
    EXPLAIN SELECT * FROM student ORDER BY age ASC,classid DESC LIMIT 10;
    # 索引生效，Backward index scan，倒着走索引
    EXPLAIN SELECT * FROM student ORDER BY age DESC, classid DESC LIMIT 10;

  • 过程五：无过滤，不索引。

    1
    2
    # 索引生效，key_len=5，即只使用到了联合索引中的age，在根据索引获取age=45的数据量不多（18700条数据对于CPU来说算少的）的情况下直接回表
    EXPLAIN SELECT * FROM student WHERE age=45 ORDER BY classid;
    1
    2
    # 索引生效，key_len=5，即只使用到了联合索引中的age，在根据索引获取age=45的数据量不多（18700条数据对于CPU来说算少的）的情况下直接回表
    EXPLAIN SELECT * FROM student WHERE age=45 ORDER BY classid,NAME;
    1
    2
    3
    4
    # 索引失效
    EXPLAIN SELECT * FROM student WHERE classid=45 ORDER BY age;
    # 索引生效，这里type=index、key=idx_age_classid_name，这说明了优化器决定对idx_age_classid_name索引进行完整的遍历。由于索引本身就是根据age升序存储的。所以只要在遍历的过程中，遇到前十个classid=45并回表查询，就可以停止遍历。
    EXPLAIN SELECT * FROM student WHERE classid=45 ORDER BY age LIMIT 10;

  • 小结：

    1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    11
    12
    13
    14
    15
    16
    17
    18
    19
    20
    INDEX a_b_c( a, b,c)

    order by 能使用索引最左前缀
    - ORDER BY a
    - ORDER BY a, b
    - ORDER BY a , b, c
    - ORDER BY a DESC, b DESC,c DESC

    # 如果WHERE使用索引的最左前缀定义为常量，则order by 能使用索引
    - WHERE a = const ORDER BY b, c
    - WHERE a = const AND b = const ORDER BY c
    - WHERE a = const ORDER BY b, c
    - WHERE a = const AND b > const ORDER BY b , c

    # 不能使用索引进行排序
    - ORDER BY a ASC, b DESC, c DESC/*排序不一致*/
    - WHERE g = const ORDER BY b,c/*丢失a索引*/
    - WHERE a = const ORDER BY c/*丢失b索引*/
    - WHERE a = const ORDER BY a, d /*d不是索引的一部分*/
    - WHERE a in (...) ORDER BY b,c /*对于排序来说，多个相等条件也是范围查询*/

5.3 案例实战

  • ORDER BY子句，尽量使用Index方式排序，避免使用FileSort方式排序。

  • 执行案例前先清除student上的索引，只留主键：

    1
    2
    3
    # 调用存储过程删除dbtest3数据库下的student表中的所有索引
    mysql> CALL proc_drop_index('dbtest3','student');
    Query OK, 0 rows affected (0.08 sec)

  • 场景：查询年龄为30岁的，且学生编号小于101000的学生，按用户名称排序。

    1
    mysql> EXPLAIN SELECT SQL_NO_CACHE * FROM student WHERE age = 30 AND stuno <101000 ORDER BY NAME;

    type是ALL，即最坏的情况。Extra 里还出现了Using filesort，也是最坏的情况。优化是必须的。

  • 优化思路：

    • 方案一：为了去掉filesort我们可以把索引建成。

      1
      2
      3
      4
      5
      6
      mysql> CREATE INDEX idx_age_name ON student(age,NAME);
      Query OK, 0 rows affected (3.97 sec)
      Records: 0  Duplicates: 0  Warnings: 0

      # 索引生效，但只使用了联合索引中的age再直接回表
      mysql> EXPLAIN SELECT SQL_NO_CACHE * FROM student WHERE age = 30 AND stuno <101000 ORDER BY NAME;

    • 方案二：尽量让where的过滤条件和排序使用上索引。

      1
      2
      3
      4
      5
      mysql> CREATE INDEX idx_age_stuno_name ON student(age,stuno,NAME);
      Query OK, 0 rows affected (4.04 sec)
      Records: 0  Duplicates: 0  Warnings: 0
      # 索引生效，但只使用了联合索引中的age和stuno，过滤出来后只有26条数据（数据量少），所以直接使用Using filesort在内存中就能快速排完序返回结果
      mysql> EXPLAIN SELECT SQL_NO_CACHE * FROM student WHERE age = 30 AND stuno <101000 ORDER BY NAME;

      所有的排序都是在条件过滤之后才执行的。所以，如果条件过滤掉大部分数据的话，剩下几百几千条数据进行排序其实并不是很消耗性能，即使索引优化了排序，但实际提升性能很有限。相对的stuno<101000这个条件，如果没有用到索引的话，要对几万条的数据进行扫描，这是非常消耗性能的，所以索引放在这个字段上性价比最高，是最优选择。

结论:
1．两个索引同时存在，mysql自动选择最优的方案。(对于这个例子mysql选择idx_age_stuno_name)。但是，随着数据量的变化，选择的索引也会随之变化的。

2.当【范围条件】和【group by或者order by】的字段出现二选一时，优先观察条件字段的过滤数量，如
果过滤的数据足够多，而需要排序的数据并不多时，优先把索引放在范围字段上。反之，亦然。

5.4 filesort算法:双路排序和单路排序

  • 排序的字段若如果不在索引列上，则filesort会有两种算法: 双路排序和单路排序

  • 双路排序（慢)

    • MySQL 4.1之前是使用双路排序，字面意思就是两次扫描磁盘，最终得到数据，读取行指针和order by列，对他们进行排序，然后扫描已经排序好的列表，按照列表中的值重新从列表中读取对应的数据输出
    • 从磁盘取排序字段，在buffer进行排序，再从磁盘取其他字段。

  • 取一批数据，要对磁盘进行两次扫描，众所周知，IO是很耗时的，所以在mysql4.1之后，出现了第二种改进的算法，就是单路排序。

  • 单路排序（快)

    从磁盘读取查询需要的所有列，按照order by列在buffer对E们西亿HR但是它会使用更多的空间，因为它把每一效率更快一些，避免了第二次读取数据。并且把随机Io变成了顺序IO,行都保存在内存中了。

  • 结论及引申出的问题

    • 由于单路是后出的，总体而言好过双路。
    • 但是用单路有问题。
      • 在sort_buffer中，单路比多路要多占用更多空间，因为单路是把所有字段都取出,所以有可能取出的数据的总大小超出了sort_buffer的容量，导致每次只能取sort_buffer容量大小的数据，进行排序〈创建tmp文件，多路合并)，排完再取sort_buffer容量大小，再排……从而多次I/O。
      • 单路本来想省一次I/o操作，反而导致了大量的I/0操作，反而得不偿失。

  • 优化策略

    • ①尝试提高sort_buffer_size。

      • 不管用哪种算法，提高这个参数都会提高效率，要根据系统的能力去提高，因为这个参数是针对每个进程(connection)的1M-8M之间调整。MySQL5.7，InnoDB存储引擎默认值是1048576字节，1MB。

        1
        2
        3
        4
        5
        6
        7
        8
        9
        mysql> SHOW VARIABLES LIKE '%sort_buffer_size%';
        +-------------------------+---------+
        | Variable_name           | Value   |
        +-------------------------+---------+
        | innodb_sort_buffer_size | 1048576 |
        | myisam_sort_buffer_size | 8388608 |
        | sort_buffer_size        | 262144  |
        +-------------------------+---------+
        3 rows in set (0.01 sec)

    • ②尝试提高max_length_for_sort_data。

      • 提高这个参数，会增加用改进算法的概率。

        1
        2
        3
        4
        5
        6
        7
        mysql> SHOW VARIABLES LIKE '%max_length_for_sort_data%';
        +--------------------------+-------+
        | Variable_name            | Value |
        +--------------------------+-------+
        | max_length_for_sort_data | 4096  |
        +--------------------------+-------+
        1 row in set (0.00 sec)

      • 但是如果设的太高，数据总容量超出sort_buffer_size的概率就增大，明显症状是高的磁盘I/o活动和低的处理器使用率。如果需要返回的列的总长度大于max_length_for_sort_data使用双路算法，否则使用单路算法。1024-8192字节之间调整。

    • *③Order by时select 是一个大忌，最好只Query需要的字段。

      • 当Query的字段大小总和小于max_length_for_sort_data，而且排序字段不是TEXT|BLOB类型时，会用改进后的算法――单路排序，否则用老算法――多路排序。
      • 两种算法的数据都有可能超出sort_buffer_size的容量，超出之后，会创建tmp文件进行合并排序，导致多次I/o，但是用单路排序算法的风险会更大一些，所以要提高sort_buffer_size。

6、GROUP BY优化

  • group by使用索引的原则几乎跟order by一致，group by即使没有过滤条件用到索引，也可以直接使用索引。
  • group by先排序再分组，遵照索引建的最佳左前缀法则。
  • 当无法使用索引列，增大max_length_for_sort_data和sort_buffer_size参数的设置。
  • where效率高于having，能写在where限定的条件就不要写在having中了。
  • 减少使用order by，和业务沟通能不排序就不排序，或将排序放到程序端去做。
  • Order by、group by、distinct这些语句较为耗费CPU，数据库的CPU资源是极其宝贵的。
  • 包含了order by、group by、distinct这些查询的语句，where条件过滤出来的结果集请保持在1000行以内，否则SQL会很慢。

7、优化分页查询

  • 一般分页查询时，通过创建覆盖索引能够比较好地提高性能。一个常见又非常头疼的问题就是limit 2000000,10，此时需要MySQL排序前2000010记录，仅仅返回2000000 - 2000010的记录，其他记录丢弃，查询排序的代价非常大。

    1
    EXPLAIN SELECT * FROM student LIMIT 2088800,10;

  • 优化思路一

    • 在索引上完成排序分页操作，最后根据主键关联回原表查询所需要的其他列内容。

      1
      EXPLAIN SELECT * FROM student t, ( SELECT id FROM student ORDER BY id LIMIT 2000000,10) a WHERE t.id = a.id;

  • 优化思路二

    • 该方案适用于主键自增的表，可以把Limit查询转换成某个位置的查询。

      1
      EXPLAIN SELECT * FROM student WHERE id > 2080880 LIMIT 10;

8、优先考虑覆盖索引

8.1 什么是覆盖索引？

  • 理解方式一：索引是高效找到行的一个方法，但是一般数据库也能使用索引找到一个列的数据，因此它
    不必读取整个行。毕竟索引叶子节点存储了它们索引的数据；当能通过读取索引就可以得到想要的数
    据，那就不需要读取行了。一个索引包含了满足查询结果的数据就叫做覆盖索引。

  • 理解方式二：非聚簇复合索引的一种形式，它包括在查询里的SELECT、JOIN和WHERE子句用到的所有列
    （即建索引的字段正好是覆盖查询条件中所涉及的字段）。

  • 简单说就是，索引列+主键包含SELECT 到 FROM之间查询的列。

  • 举例一：覆盖索引长什么样子。

    1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    # 调用存储过程删除dbtest3数据库下的student表中的所有索引
    mysql> CALL proc_drop_index('dbtest3','student');
    Query OK, 0 rows affected (0.08 sec)

    mysql> CREATE INDEX idx_age_name ON student (age,NAME);
    Query OK, 0 rows affected (3.76 sec)
    Records: 0  Duplicates: 0  Warnings: 0

    # 没有使用到索引
    mysql> EXPLAIN SELECT * FROM student WHERE age <>20;
    1
    2
    3
    # 使用到索引，索引覆盖
    # 遍历索引，肯定是比遍历全表数据量少的，这样IO就可以更少。一切都是成本的考量。
    mysql> EXPLAIN SELECT age,NAME FROM student WHERE age <> 20;

    发现使用到了索引，且type=index，即优化器决定使用遍历索引的方式获取结果返回，省去了回表查询操作。

    1
    2
    # 没有使用到索引
    mysql> EXPLAIN SELECT id,age,NAME,classid FROM student WHERE age <> 28;

    由于在查询列中多了一列classid，显示未使用到索引。

  • 举例二：

    1
    2
    # 没有使用到索引，需要回表
    mysql> EXPLAIN SELECT *FROM student WHERE NAME LIKE '%abc';
    1
    2
    3
    # 使用到索引，不需要回表，和例一原因一致
    # 遍历索引，肯定是比遍历全表数据量少的，这样IO就可以更少。一切都是成本的考量。
    mysql> EXPLAIN SELECT id,age FROM student WHERE NAME LIKE '%abc';
    1
    mysql> EXPLAIN SELECT id,age,NAME,classid FROM student WHERE NAME LIKE '%abc';

    由于在查询列中多了一列classid，显示未使用到索引。

8.2 覆盖索引的利弊

  • 好处：

    • ①避免Innodb表进行索引的二次查询（回表）。
      • Innodb是以聚集索引的顺序来存储的，对于Innodb来说，二级索引在叶子节点中所保存的是行的主键信息，如果是用二级索引查询数据，在查找到相应的键值后，还需通过主键进行二次查询才能获取我们真实所需要的数据。
      • 在覆盖索引中，二级索引的键值中可以获取所要的数据，避免了对主键的二次查询，减少了IO操作，提升了查询效率。
    • ②可以把随机IO变成顺序IO加快查询效率。
      • 由于覆盖索引是按键值的顺序存储的，对于I0密集型的范围查找来说，对比随机从磁盘读取每一行的数据IO要少的多，因此利用覆盖索引在访问时也可以把磁盘的随机读取的IO转变成索引查找的顺序IO。
    • ③数据在索引里面数据量少更紧凑。
      • 索引肯定是比原来的数据，数据量少，这样就可以减少IO。

    由于覆盖索引可以减少树的搜索次数，显著提升查询性能，所以使用覆盖索引是一个常用的性能优化手段。

  • 弊端：

    • 索引字段的维护 总是有代价的。因此，在建立冗余索引来支持覆盖索引时就需要权衡考虑了。这是业务
      DBA，或者称为业务数据架构师的工作。

9、索引下推

9.1 使用前后对比

  • Index Condition Pushdown(ICP)是MySQL 5.6中新特性，是一种在存储引擎层使用索引过滤数据的一种优化方式。

    • 如果没有ICP，存储引擎会遍历索引以定位基表中的行，并将它们返回给MySQL服务器，由MySQL服务器评估WHERE后面的条件是否保留行。
    • 启用ICP后，如果部分WHERE条件可以仅使用索引中的列进行筛选，则MySQL服务器会把这部分WHERE条件放到存储引擎筛选。然后，存储引擎通过使用索引条目来筛选数据，并且只有在满足这一条件时才从表中读取行。
      • 好处: ICP可以减少存储引擎必须访问基表的次数和MySQL服务器必须访问存储引擎的次数。
      • 但是，ICP的加速效果取决于在存储引擎内通过ICP筛选掉的数据的比例。

  • 例子一：

    1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    11
    12
    13
    14
    15
    16
    17
    18
    CREATE TABLE s1 (
        id INT AUTO_INCREMENT,
        key1 VARCHAR(100),
        key2 INT,
        key3 VARCHAR(100),
        key_part1 VARCHAR(100),
        key_part2 VARCHAR(100),
        key_part3 VARCHAR(100),
        common_field VARCHAR(100),
        PRIMARY KEY (id),
        INDEX idx_key1 (key1),
        UNIQUE INDEX idx_key2 (key2),
        INDEX idx_key3 (key3),
        INDEX idx_key_part(key_part1, key_part2, key_part3)
    ) ENGINE=INNODB CHARSET=utf8;

    # 在性能分析工具章节的Extra知识点中讲过
    mysql> EXPLAIN SELECT * FROM s1 WHERE key1 > 'z' AND key1 LIKE '%a';

9.2 ICP的开启/关闭

  • 默认情况下启用索引条件下推。可以通过设置系统变量optimizer_switch控制:index_condition_pushdown。

    1
    2
    3
    4
    # 打开索引下推
    SET optimizer_switch = 'index_condition_pushdown=off';
    # 关闭索引下推
    SET optimizer_switch = 'index_condition_pushdown=on';

  • 当使用索引条件下推时，EXPLAIN语句输出结果中Extra列内容显示为Using index condition。

9.3 ICP使用案例

  • ①建表。

    1
    2
    3
    4
    5
    6
    7
    8
    9
    CREATE TABLE `people` (
    	`id` INT NOT NULL AUTO_INCREMENT,
    	`zipcode` VARCHAR (20) COLLATE utf8_bin DEFAULT NULL,
    	`firstname` varchar(20)COLLATE utf8_bin DEFAULT NULL,
    	`lastname` varchar(20) COLLATE utf8_bin DEFAULT NULL,
    	`address` varchar (50)COLLATE utf8_bin DEFAULT NULL,
    	PRIMARY KEY ( `id`),
    KEY `zip_last_first`(`zipcode`,`lastname`,`firstname`)
    )ENGINE=InnoDB AUTO_INCREMENT=5 DEFAULT CHARSET=utf8mb3 COLLATE=utf8_bin;

  • ②插入数据。

    1
    2
    3
    4
    5
    INSERT INTO `people` VALUES
    ('1','000001','三','张','北京市'),
    ('2','000002','四','李','南京市'),
    ('3','000003','五','王','上海市'),
    ('4','000001','六','赵','天津市');

  • ③为该表定义联合索引zip_last_first (zipcode，lastname，firstname)。如果我们知道了一个人的邮编，但是不确定这个人的姓氏，我们可以进行如下检索：

    1
    2
    3
    4
    EXPLAIN SELECT * FROM people
    WHERE zipcode= '000001'
    AND lastname LIKE '%张%'
    AND address LIKE '%北京市%';

    查看SQL的查询计划，Extra中显示了Using index condition，这表示使用了索引下推。另外，Usingwhere表示条件中包含需要过滤的非索引列的数据，即address LIKE ‘%北京市%’这个条件并不是索引列，需要在服务端过滤掉(回表查询)。

9.4 开启和关闭ICP的性能对比

  • 创建存储过程，主要目的就是插入很多000001的数据，这样查询的时候为了在存储引擎层做过滤，减少IO，也为了减少缓冲池（缓存数据页，没有IO）的作用。

    1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    11
    12
    13
    14
    15
    16
    17
    18
    19
    # 创建存储过程
    DELIMITER //
    CREATE PROCEDURE insert_people(max_num INT)
    BEGIN
    DECLARE i INT DEFAULT 0;
    	SET autocommit = 0;
    	REPEAT
    	SET i = i + 1;
    	INSERT INTo people ( zipcode, firstname , lastname , address ) VALUES ( '000001','六', '赵','天津市');

    	UNTIL i = max_num
    	END REPEAT;
    	COMMIT;
    END //
    DELIMITER ;

    # 调用存储过程
    mysql> call insert_people(1000000);
    Query OK, 0 rows affected (28.00 sec)

  • 首先打开profiling。

    1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    11
    12
    13
    14
    15
    16
    17
    18
    19
    mysql> show variables like 'profiling%';
    +------------------------+-------+
    | Variable_name          | Value |
    +------------------------+-------+
    | profiling              | OFF   |
    | profiling_history_size | 15    |
    +------------------------+-------+
    2 rows in set (0.00 sec)

    mysql> set profiling=1;

    mysql> show variables like 'profiling%';
    +------------------------+-------+
    | Variable_name          | Value |
    +------------------------+-------+
    | profiling              | ON    |
    | profiling_history_size | 15    |
    +------------------------+-------+
    2 rows in set (0.00 sec)

  • 执行SQL语句，此时默认打开索引下推。

    1
    2
    3
    4
    5
    6
    7
    mysql> SELECT * FROM people WHERE zipcode= '000001' AND lastname LIKE '%张%';
    +----+---------+-----------+----------+-----------+
    | id | zipcode | firstname | lastname | address   |
    +----+---------+-----------+----------+-----------+
    |  1 | 000001  | 三        | 张       | 北京市    |
    +----+---------+-----------+----------+-----------+
    1 row in set (0.24 sec)

  • 不使用索引下推，再次执行SQL语句。

    1
    2
    3
    4
    5
    6
    7
    mysql> SELECT /*+ no_icp (people) */ * FROM people WHERE zipcode='000001' AND lastname LIKE '%张%';
    +----+---------+-----------+----------+-----------+
    | id | zipcode | firstname | lastname | address   |
    +----+---------+-----------+----------+-----------+
    |  1 | 000001  | 三        | 张       | 北京市    |
    +----+---------+-----------+----------+-----------+
    1 row in set (2.55 sec)

  • 查看当前会话所产生的所有profiles。

    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
    42
    43
    44
    45
    46
    47
    48
    49
    50
    51
    52
    53
    54
    55
    56
    57
    58
    59
    60
    61
    62
    mysql> show profiles\G
    *************************** 1. row ***************************
    Query_ID: 1
    Duration: 0.00156550
       Query: show variables like 'profiling%'
    *************************** 2. row ***************************
    Query_ID: 2
    Duration: 0.23907375
       Query: SELECT * FROM people WHERE zipcode= '000001' AND lastname LIKE '%张%'
    *************************** 3. row ***************************
    Query_ID: 3
    Duration: 2.55282700
       Query: SELECT /*+ no_icp (people) */ * FROM people WHERE zipcode='000001' AND lastname LIKE '%张%'
    3 rows in set, 1 warning (0.00 sec)

    mysql> show profile for query 2;
    +--------------------------------+----------+
    | Status                         | Duration |
    +--------------------------------+----------+
    | starting                       | 0.000152 |
    | Executing hook on transaction  | 0.000009 |
    | starting                       | 0.000014 |
    | checking permissions           | 0.000011 |
    | Opening tables                 | 0.000078 |
    | init                           | 0.000010 |
    | System lock                    | 0.000016 |
    | optimizing                     | 0.000019 |
    | statistics                     | 0.000135 |
    | preparing                      | 0.000031 |
    | executing                      | 0.238452 |
    | end                            | 0.000024 |
    | query end                      | 0.000008 |
    | waiting for handler commit     | 0.000017 |
    | closing tables                 | 0.000013 |
    | freeing items                  | 0.000036 |
    | cleaning up                    | 0.000050 |
    +--------------------------------+----------+
    17 rows in set, 1 warning (0.00 sec)

    mysql> show profile for query 3;
    +--------------------------------+----------+
    | Status                         | Duration |
    +--------------------------------+----------+
    | starting                       | 0.000195 |
    | Executing hook on transaction  | 0.000008 |
    | starting                       | 0.000013 |
    | checking permissions           | 0.000010 |
    | Opening tables                 | 0.000074 |
    | init                           | 0.000011 |
    | System lock                    | 0.000015 |
    | optimizing                     | 0.000021 |
    | statistics                     | 0.000130 |
    | preparing                      | 0.000031 |
    | executing                      | 2.552161 |
    | end                            | 0.000031 |
    | query end                      | 0.000009 |
    | waiting for handler commit     | 0.000016 |
    | closing tables                 | 0.000012 |
    | freeing items                  | 0.000041 |
    | cleaning up                    | 0.000053 |
    +--------------------------------+----------+
    17 rows in set, 1 warning (0.00 sec)

多次测试效率对比来看，使用ICP优化的查询效率会好一些。这里建议多存储一些数据效果更明显。

9.5 ICP的使用条件

  • 如果表访问的类型为range、ref、eq_ref和ref_or_null可以使用ICP。

  • ICP可以用于InnoDB和MyISAM表，包括分区表InnoDB和MyISAM表。

  • 对于InnoDB表，ICP仅用于二级索引。ICP的目标是减少全行读取次数，从而减少I/O操作。

  • 当SQL使用覆盖索引时，不支持ICP。因为这种情况下使用ICP不会减少I/O。

  • 索引覆盖不能使用，一个原因是，索引覆盖，不需要回表。ICP作用是减小回表，ICP需要回表。

  • 相关子查询的条件不能使用ICP。

10、其它查询优化策略

10.1 EXISTS和IN的区分

  • 不太理解哪种情况下应该使用 EXISTS，哪种情况应该用IN。选择的标准是看能否使用表的索引吗？

    • 索引是个前提，其实选择与否还是要看表的大小。你可以将选择的标准理解为小表驱动大表。在这种方式下效率是最高的。

    • 比如下面这样：

      1
      2
      3
      SELECT * FROM A WHERE cc IN (SELECT cc FROM B)

      SELECT * FROM A WHERE EXISTS (SELECT cc FROM B WHERE B.cc=A.cc)

      当A小于B时，用EXISTS。因为EXISTS的实现，相当于外表循环，实现的逻辑类似于：

      1
      2
      3
      for i in A
      	for j in B
      		if j.cc == i.cc then ...

      当B小于A时用IN，因为实现的逻辑类似于：

      1
      2
      3
      for i in B
      	for j in A
      		if j.cc == i.cc then ...

      哪个表小就用哪个表来驱动，A表小就用EXISTS，B表小就用IN。

10.2 COUNT(*)与COUNT(具体字段)效率

  • 在MySQL中统计数据表的行数，可以使用三种方式: SELECT COUNT(*)、SELECT COUNT(1)和SELECT COUNT(具体字段)，使用这三者之间的查询效率是怎样的？
    • 前提：如果你要统计的是某个字段的非空数据行数，则另当别论，毕竟比较执行效率的前提是结果一样才可以。
    • 环节1：COUNT(*)和COUNT(1)都是对所有结果进行COUNT，COUNT(*)和COUNT(1)本质上并没有区别(二者执行时间可能略有差别，不过你还是可以把它俩的执行效率看成是相等的)。如果有WHERE子句，则是对所有符合筛选条件的数据行进行统计; 如果没有WHERE子句，则是对数据表的数据行数进行统计。
    • 环节2：
      • 如果是MyISAM存储引擎，统计数据表的行数只需要O(1)的复杂度，这是因为每张MyISAM的数据表都有一个meta 信息存储了row_count值，而一致性则由表级锁来保证。
      • 如果是InnoDB存储引擎，因为InnoDB支持事务，采用行级锁和MVCC机制，所以无法像MyISAM一样，维护一个row_count变量，因此需要采用扫描全表，是O(n) 复杂度，进行循环＋计数的方式来完成统计。
    • 环节（重点）3：
      • 在InnoDB引擎中，如果采用COUNT(具体字段)来统计数据行数，要尽量采用二级索引。因为主键采用的索引是聚簇索引，聚簇索引包含的信息多，明显会大于二级索引(非聚簇索引)。对于COUNT(*)和COUNT(1)来说，它们不需要查找具体的行，只是统计行数，系统会自动采用占用空间更小的二级索引来进行统计。
      • 如果有多个二级索引，会使用key_len 小的二级索引进行扫描。当没有二级索引的时候，才会采用主键索引来进行统计。

10.3 关于SELECT (*)

  • 在表查询中，建议明确字段，不要使用 * 作为查询的字段列表，推荐使用SELECT <字段列表> 查询。原因：
    • ①MySQL在解析的过程中，会通过查询数据字典将”*”按序转换成所有列名，这会大大的耗费资源和时
      间。
    • ②无法使用覆盖索引。

10.4 LIMIT 1对优化的影响

  • 针对的是会扫描全表的SQL语句，如果你可以确定结果集只有一条，那么加上LIMIT 1的时候，当找到一条结果的时候就不会继续扫描了，这样会加快查询速度。
  • 如果数据表已经对字段建立了唯一索引，那么可以通过索引进行查询，不会全表扫描的话，就不需要加
    上LIMIT 1了。

10.4 多使用COMMIT

  • 只要有可能，在程序中尽量多使用COMMIT，这样程序的性能得到提高，需求也会因为COMMIT所释放的资源而减少。

  • COMMIT所释放的资源：

    • 回滚段上用于恢复数据的信息。
    • 被程序语句获得的锁。
    • redo / undo log buffer 中的空间。
    • 管理上述3种资源中的内部花费。

11、淘宝数据库，主键如何设计的？

  • 聊一个实际问题：淘宝的数据库，主键是如何设计的？

  • 某些错的离谱的答案还在网上年复一年的流传着，甚至还成为了所谓的MySQL军规。其中，一个最明显的错误就是关于MySQL的主键设计。

  • 大部分人的回答如此自信：用8字节的BIGINT做主键，而不要用INT。错 ！

  • 这样的回答，只站在了数据库这一层，而没有从业务的角度思考主键。主键就是一个自增ID吗？站在2022年的新年档口，用自增做主键，架构设计上可能连及格都拿不到。

11.1 自增ID的问题

  • 自增ID做主键，简单易懂，几乎所有数据库都支持自增类型，只是实现上各自有所不同而已。自增ID除了简单，其他都是缺点，总体来看存在以下几方面的问题：
    • ①可靠性不高。
      • 存在自增ID回溯的问题，这个问题直到最新版本的MySQL 8.0才修复。
    • ②安全性不高。
      • 对外暴露的接口可以非常容易猜测对应的信息。比如：/User/1/这样的接口，可以非常容易猜测用户ID的值为多少，总用户数量有多少，也可以非常容易地通过接口进行数据的爬取。
    • ③性能差。
      • 自增ID的性能较差，需要在数据库服务器端生成。
    • ④交互多。
      • 业务还需要额外执行一次类似 last_insert_id() 的函数才能知道刚才插入的自增值，这需要多一次的网络交互。在海量并发的系统中，多1条SQL，就多一次性能上的开销。
    • ⑤局部唯一性。
      • 最重要的一点，自增ID是局部唯一，只在当前数据库实例中唯一，而不是全局唯一，在任意服务器间都是唯一的。对于目前分布式系统来说，这简直就是噩梦。

11.2 业务字段做主键

  • 为了能够唯一地标识一个会员的信息，需要为 会员信息表 设置一个主键。那么，怎么为这个表设置主键，才能达到我们理想的目标呢？ 这里我们考虑业务字段做主键。

  • 表数据如下：

  • 在这个表里，哪个字段比较合适呢？

    • 选择卡号（cardno）。

      • 会员卡号（cardno）看起来比较合适，因为会员卡号不能为空，而且有唯一性，可以用来 标识一条会员记录。
      1
      2
      3
      4
      5
      6
      7
      8
      9
      10
      11
      mysql> CREATE TABLE demo.membermaster
      -> (
      -> cardno CHAR(8) PRIMARY KEY, -- 会员卡号为主键
      -> membername TEXT,
      -> memberphone TEXT,
      -> memberpid TEXT,
      -> memberaddress TEXT,
      -> sex TEXT,
      -> birthday DATETIME
      -> );
      Query OK, 0 rows affected (0.06 sec)

      • 不同的会员卡号对应不同的会员，字段“cardno”唯一地标识某一个会员。如果都是这样，会员卡号与会员一一对应，系统是可以正常运行的。

      • 但实际情况是，会员卡号可能存在重复使用的情况。比如，张三因为工作变动搬离了原来的地址，不再到商家的门店消费了 （退还了会员卡），于是张三就不再是这个商家门店的会员了。但是，商家不想让这个会 员卡空着，就把卡号是“10000001”的会员卡发给了王五。

      • 从系统设计的角度看，这个变化只是修改了会员信息表中的卡号是“10000001”这个会员 信息，并不会影响到数据一致性。也就是说，修改会员卡号是“10000001”的会员信息， 系统的各个模块，都会获取到修改后的会员信息，不会出现“有的模块获取到修改之前的会员信息，有的模块获取到修改后的会员信息，而导致系统内部数据不一致”的情况。因此，从信息系统层面上看是没问题的。

      • 但是从使用系统的业务层面来看，就有很大的问题了，会对商家造成影响。

      • 比如，我们有一个销售流水表（trans），记录了所有的销售流水明细。2020年12月01日，张三在门店购买了一本书，消费了89元。那么，系统中就有了张三买书的流水记录，如下所示：

      • 接着，我们查询一下2020年12月01日的会员销售记录：

        1
        2
        3
        4
        5
        6
        7
        8
        9
        10
        11
        mysql> SELECT b.membername,c.goodsname,a.quantity,a.salesvalue,a.transdate
        -> FROM demo.trans AS a
        -> JOIN demo.membermaster AS b
        -> JOIN demo.goodsmaster AS c
        -> ON (a.cardno = b.cardno AND a.itemnumber=c.itemnumber);
        +------------+-----------+----------+------------+---------------------+
        | membername | goodsname | quantity | salesvalue | transdate           |
        +------------+-----------+----------+------------+---------------------+
        | 张三        | 书        | 1.000    | 89.00      | 2020-12-01 00:00:00 |
        +------------+-----------+----------+------------+---------------------+
        1 row in set (0.00 sec)

      • 如果会员卡“10000001”又发给了王五，我们会更改会员信息表。导致查询时：

        1
        2
        3
        4
        5
        6
        7
        8
        9
        10
        11
        mysql> SELECT b.membername,c.goodsname,a.quantity,a.salesvalue,a.transdate
        -> FROM demo.trans AS a
        -> JOIN demo.membermaster AS b
        -> JOIN demo.goodsmaster AS c
        -> ON (a.cardno = b.cardno AND a.itemnumber=c.itemnumber);
        +------------+-----------+----------+------------+---------------------+
        | membername | goodsname | quantity | salesvalue | transdate           |
        +------------+-----------+----------+------------+---------------------+
        | 王五        | 书        | 1.000    | 89.00      | 2020-12-01 00:00:00 |
        +------------+-----------+----------+------------+---------------------+
        1 row in set (0.01 sec)

        这次得到的结果是：王五在2020年12月01日，买了一本书，消费89元。显然是错误的！结论：千万不能把会员卡号当做主键。

    • 选择会员电话或身份证号。

      • 会员电话可以做主键吗？不行的。在实际操作中，手机号也存在 被运营商收回 ，重新发给别人用的情况。
      • 那身份证号行不行呢？好像可以。因为身份证决不会重复，身份证号与一个人存在一一对 应的关系。可问题是，身份证号属于 个人隐私 ，顾客不一定愿意给你。要是强制要求会员必须登记身份证号，会把很多客人赶跑的。其实，客户电话也有这个问题，这也是我们在设计会员信息表的时候，允许身份证号和电话都为空的原因。
      • 所以，建议尽量不要用跟业务有关的字段做主键。毕竟，作为项目设计的技术人员，我们谁也无法预测在项目的整个生命周期中，哪个业务字段会因为项目的业务需求而有重复，或者重用之类的情况出现。

经验：

刚开始使用MySQL时，很多人都很容易犯的错误是喜欢用业务字段做主键，想当然地认为了解业务需求，但实际情况往往出乎意料，而更改主键设置的成本非常高。

11.3 淘宝的主键设计

  • 在淘宝的电商业务中，订单服务是一个核心业务。请问， 订单表的主键 淘宝是如何设计的呢？是自增ID吗？打开淘宝，看一下订单信息：

  • 从上图可以发现，订单号不是自增ID！我们详细看下上述4个订单号：

    1
    2
    3
    4
    1550672064762308113
    1481195847180308113
    1431156171142308113
    1431146631521308113

  • 订单号是19位的长度，且订单的最后5位都是一样的，都是08113。且订单号的前面14位部分是单调递增
    的。大胆猜测，淘宝的订单ID设计应该是：

    1
    订单ID = 时间 + 去重字段 + 用户ID后6位尾号

    这样的设计能做到全局唯一，且对分布式系统查询及其友好。

11.4 推荐的主键设计

  • 非核心业务 ：对应表的主键自增ID，如告警、日志、监控等信息。

  • 核心业务 ：主键设计至少应该是全局唯一且是单调递增。全局唯一保证在各系统之间都是唯一的，单调递增是希望插入时不影响数据库性能。

  • 这里推荐最简单的一种主键设计：UUID。

  • UUID的特点：

    • 全局唯一，占用36字节，数据无序，插入性能差。

  • 认识UUID：

    • 为什么UUID是全局唯一的？
    • 为什么UUID占用36个字节？
    • 为什么UUID是无序的？

  • MySQL数据库的UUID组成如下所示：

    1
    UUID = 时间+UUID版本（16字节）- 时钟序列（4字节） - MAC地址（12字节）

  • 我们以UUID值e0ea12d4-6473-11eb-943c-00155dbaa39d举例：

    • 为什么UUID是全局唯一的？
      • 在UUID中时间部分占用60位，存储的类似TIMESTAMP的时间戳，但表示的是从1582-10-15 00：00：00.00到现在的100ns的计数。可以看到UUID存储的时间精度比TIMESTAMPE更高，时间维度发生重复的概率降低到1/100ns。
      • 时钟序列是为了避免时钟被回拨导致产生时间重复的可能性。MAC地址用于全局唯一。
    • 为什么UUID占用36个字节？
      • UUID根据字符串进行存储，设计时还带有无用”-“字符串，因此总共需要36个字节。
    • 为什么UUID是随机无序的呢？
      • 因为UUID的设计中，将时间低位放在最前面，而这部分的数据是一直在变化的，并且是无序。

  • 改造UUID。

    • 若将时间高低位互换，则时间就是单调递增的了，也就变得单调递增了。MySQL 8.0可以更换时间低位和时间高位的存储方式，这样UUID就是有序的UUID了。

    • MySQL 8.0还解决了UUID存在的空间占用的问题，除去了UUID字符串中无意义的”-“字符串，并且将字符串用二进制类型保存，这样存储空间降低为了16字节。

    • 可以通过MySQL8.0提供的uuid_to_bin函数实现上述功能，同样的，MySQL也提供了bin_to_uuid函数进行转化：

      1
      2
      3
      4
      5
      6
      7
      8
      9
      10
      11
      mysql> SET @uuid = UUID();
      Query OK, 0 rows affected (0.00 sec)

      mysql> SELECT @uuid,uuid_to_bin(@uuid),uuid_to_bin(@uuid,TRUE)\G
      *************************** 1. row ***************************
                        @uuid: 51ba71d7-c243-11ec-aba6-0242ac110003
           uuid_to_bin(@uuid): 0x51BA71D7C24311ECABA60242AC110003
      uuid_to_bin(@uuid,TRUE): 0x11ECC24351BA71D7ABA60242AC110003
      1 row in set (0.00 sec)
      # uuid_to_bin(@uuid) 转成16进制存储
      # uuid_to_bin(@uuid,TRUE); 修改成先高位 中位 地位，就可以保证uuid递增了

      通过函数uuid_to_bin(@uuid,true)将UUID转化为有序UUID了。全局唯一 + 单调递增，这不就是我们想要的主键！

  • 有序UUID性能测试。

    • 16字节的有序UUID，相比之前8字节的自增ID，性能和存储空间对比究竟如何呢？

    • 我们来做一个测试，插入1亿条数据，每条数据占用500字节，含有3个二级索引，最终的结果如下所示：

    • 从上图可以看到插入1亿条数据有序UUID是最快的，而且在实际业务使用中有序UUID在业务端就可以生
      成 。还可以进一步减少SQL的交互次数。

    • 另外，虽然有序UUID相比自增ID多了8个字节，但实际只增大了3G的存储空间，还可以接受。

    在当今的互联网环境中，非常不推荐自增ID作为主键的数据库设计。更推荐类似有序UUID的全局唯一的实现。

    另外在真实的业务系统中，主键还可以加入业务和系统属性，如用户的尾号，机房的信息等。这样的主键设计就更为考验架构师的水平了。

  • 如果不是MySQL8.0 怎么办？

    • 手动赋值字段做主键！
    • 比如，设计各个分店的会员表的主键，因为如果每台机器各自产生的数据需要合并，就可能会出现主键重复的问题。
    • 可以在总部 MySQL 数据库中，有一个管理信息表，在这个表中添加一个字段，专门用来记录当前会员编号的最大值。
    • 门店在添加会员的时候，先到总部 MySQL 数据库中获取这个最大值，在这个基础上加 1，然后用这个值作为新会员的“id”，同时，更新总部 MySQL 数据库管理信息表中的当 前会员编号的最大值。
    • 这样一来，各个门店添加会员的时候，都对同一个总部 MySQL 数据库中的数据表字段进 行操作，就解决了各门店添加会员时会员编号冲突的问题。