閱讀本文大概需要 6 分鍾。
前言
在網上刷到一篇數據庫優化的文章，自己也來研究一波。
場景
數據庫版本：5.7.25 ，運行在虛擬機中。
課程表
#課程表 create table Course( c_id int PRIMARY KEY, name varchar(10) )
增加 100 條數據
#增加課程表100條數據
DROP PROCEDURE IF EXISTS insert_Course;
DELIMITER $
CREATE PROCEDURE insert_Course()
BEGIN
DECLARE i INT DEFAULT 1;
WHILE i<=100 DO
INSERT INTO Course(`c_id`,`name`) VALUES(i, CONCAT('語文',i+''));
SET i = i+1;
END WHILE;
END $
CALL insert_Course();
運行耗時
CALL insert_Course(); > OK > 時間: 0.152s
課程數據
學生表
#學生表 create table Student( s_id int PRIMARY KEY, name varchar(10) )
增加 7W 條數據
#學生表增加70000條數據
DROP PROCEDURE IF EXISTS insert_Student;
DELIMITER $
CREATE PROCEDURE insert_Student()
BEGIN
DECLARE i INT DEFAULT 1;
WHILE i<=70000 DO
INSERT INTO Student(`s_id`,`name`) VALUES(i, CONCAT('張三',i+''));
SET i = i+1;
END WHILE;
END $
CALL insert_Student();
運行結果
CALL insert_Student(); > OK > 時間: 175.838s
學生數據
成績表
#成績表 CREATE table Result( r_id int PRIMARY KEY, s_id int, c_id int, score int )
增加 70W 條數據
#成績表增加70W條數據
DROP PROCEDURE IF EXISTS insert_Result;
DELIMITER $
CREATE PROCEDURE insert_Result()
BEGIN
DECLARE i INT DEFAULT 1;
DECLARE sNum INT DEFAULT 1;
DECLARE cNum INT DEFAULT 1;
WHILE i<=700000 DO
if (sNum%70000 = 0) THEN
set sNum = 1;
elseif (cNum%100 = 0) THEN
set cNum = 1;
end if;
INSERT INTO Result(`r_id`,`s_id`,`c_id`,`score`) VALUES(i,sNum ,cNum , (RAND()*99)+1);
SET i = i+1;
SET sNum = sNum+1;
SET cNum = cNum+1;
END WHILE;
END $
CALL insert_Result();
運行結果
CALL insert_Result(); > OK > 時間: 2029.5s
成績數據
測試
業務需求
查找 語文1 成績為 100 分的考生
查詢語句
#查詢語文1考100分的考生 select s.* from Student s where s.s_id in (select s_id from Result r where r.c_id = 1 and r.score = 100)
執行時間：0.937s
查詢結果：32 位滿足條件的學生
用了 0.9s ，來查看下查詢計划：
EXPLAIN select s.* from Student s where s.s_id in (select s_id from Result r where r.c_id = 1 and r.score = 100)
發現沒有用到索引，type 全是 ALL ，那么首先想到的就是建立一個索引，建立索引的字段當然是在 where 條件的字段了。
查詢結果中 type 列：all 是全表掃描，index 是通過索引掃描。
先給 Result 表的 c_id 和 score 建立個索引
CREATE index result_c_id_index on Result(c_id); CREATE index result_score_index on Result(score);
再次執行上述查詢語句，時間為：0.027s
快了 34.7 倍（四舍五入），大大縮短了查詢的時間，看來索引能極大程度的提高查詢效率，在合適的列上面建立索引很有必要，很多時候都忘記建立索引，數據量小的時候沒什么感覺，這優化的感覺很 nice 。
相同的 SQL 語句多次執行，你會發現第一次是最久的，后面執行所需的時間會比第一次執行短些許，原因是，相同語句第二次查詢會直接從緩存中讀取。
0.027s 很短了，但是還能再進行優化嗎，仔細看下執行計划：
查看優化后的 SQL ：
SELECT
`example`.`s`.`s_id` AS `s_id`,
`example`.`s`.`name` AS `name`
FROM
`example`.`Student` `s` semi
JOIN ( `example`.`Result` `r` )
WHERE
(
( `example`.`s`.`s_id` = `<subquery2>`.`s_id` )
AND ( `example`.`r`.`score` = 100 )
AND ( `example`.`r`.`c_id` = 1 )
)
怎么查看優化后的語句呢？
方法如下（在命令窗口執行）：
#先執行 EXPLAIN select s.* from Student s where s.s_id in (select s_id from Result r where r.c_id = 1 and r.score = 100); #在執行 show warnings;
結果如下
有 type = all
按照之前的想法，該 SQL 執行的順序是執行子查詢
select s_id from Result r where r.c_id = 1 and r.score = 100
耗時：1.402s
得到如下結果（部分）
然后在執行
select s.* from Student s where s.s_id in (12871,40987,46729,61381,3955,10687,14047,26917,28897,31174,38896,56518,10774,25030,9778,12544,24721,27295,60361, 38479,46990,66988,6790,35995,46192,47578,58171,63220,6685,67372,46279,64693)
耗時：0.222s
比一起執行快多了，查看優化后的 SQL 語句，發現MySQL 竟然不是先執行里層的查詢，而是將 SQL 優化成了 exists 字句，執行計划中的 select_type 為 MATERIALIZED（物化子查詢）。MySQL 先執行外層查詢，在執行里層的查詢，這樣就要循環學生數量*滿足條件的學生 ID 次，也就是 7W * 32 次。
物化子查詢： 優化器使用物化能夠更有效的來處理子查詢。物化通過將子查詢結果作為一個臨時表來加快查詢執行速度，正常來說是在內存中的。mysql 第一次需要子查詢結果是，它物化結果到一張臨時表中。在之后的任何地方需要該結果集，mysql 會再次引用臨時表。優化器也許會使用一個哈希索引來使得查詢更快速代價更小。索引是唯一的，排除重復並使得表數據更少。
那么改用連接查詢呢？
這里為了重新分析連接查詢的情況，先暫時刪除索引 result_c_id_index ，result_score_index 。
DROP index result_c_id_index on Result; DROP index result_score_index on Result;
連接查詢
select s.* from Student s INNER JOIN Result r on r.s_id = s.s_id where r.c_id = 1 and r.score = 100;
執行耗時：1.293s
查詢結果
用了 1.2s ，來看看執行計划（ EXPLAIN + 查詢 SQL 即可查看該 SQL 的執行計划）：
這里有連表的情況出現，我猜想是不是要給 result 表的 s_id 建立個索引
CREATE index result_s_id_index on Result(s_id); show index from Result;
在執行連接查詢
耗時：1.17s （有點奇怪，按照所看文章的時間應該會變長的）
看下執行計划：
優化后的查詢語句為：
SELECT
`example`.`s`.`s_id` AS `s_id`,
`example`.`s`.`name` AS `name`
FROM
`example`.`Student` `s`
JOIN `example`.`Result` `r`
WHERE
(
( `example`.`s`.`s_id` = `example`.`r`.`s_id` )
AND ( `example`.`r`.`score` = 100 )
AND ( `example`.`r`.`c_id` = 1 )
)
貌似是先做的連接查詢，在進行的 where 條件過濾。
回到前面的執行計划：
這里是先做的 where 條件過濾，再做連表，執行計划還不是固定的，那么我們先看下標准的 sql 執行順序：
正常情況下是先 join 再進行 where 過濾，但是我們這里的情況，如果先 join ，將會有 70W 條數據發送 join ，因此先執行 where 過濾式明智方案，現在為了排除 mysql 的查詢優化，我自己寫一條優化后的 sql 。
先刪除索引
DROP index result_s_id_index on Result;
執行自己寫的優化 sql
SELECT
s.*
FROM
(
SELECT * FROM Result r WHERE r.c_id = 1 AND r.score = 100
) t
INNER JOIN Student s ON t.s_id = s.s_id
耗時為：0.413s
比之前 sql 的時間都要短。
查看執行計划
先提取 result 再連表，這樣效率就高多了，現在的問題是提取 result 的時候出現了掃描表，那么現在可以明確需要建立相關索引。
CREATE index result_c_id_index on Result(c_id); CREATE index result_score_index on Result(score);
再次執行查詢
SELECT
s.*
FROM
(
SELECT * FROM Result r WHERE r.c_id = 1 AND r.score = 100
) t
INNER JOIN Student s ON t.s_id = s.s_id
耗時為：0.044s
這個時間相當靠譜，快了 10 倍。
執行計划：
我們會看到，先提取 result ，再連表，都用到了索引。
那么再來執行下 sql ：
EXPLAIN select s.* from Student s INNER JOIN Result r on r.s_id = s.s_id where r.c_id = 1 and r.score = 100;
執行耗時：0.050s
執行計划：
這里是 mysql 進行了查詢語句優化，先執行了 where 過濾，再執行連接操作，且都用到了索引。
擴大測試數據，調整內容為 result 表的數據增長到 300W ，學生數據更為分散。
DROP PROCEDURE IF EXISTS insert_Result_TO300W;
DELIMITER $
CREATE PROCEDURE insert_Result_TO300W()
BEGIN
DECLARE i INT DEFAULT 700001;
DECLARE sNum INT DEFAULT 1;
DECLARE cNum INT DEFAULT 1;
WHILE i<=3000000 DO
INSERT INTO Result(`r_id`,`s_id`,`c_id`,`score`)
VALUES(i,(RAND()*69999)+1 ,(RAND()*99)+1 , (RAND()*99)+1);
SET i = i+1;
END WHILE;
END $
CALL insert_Result_TO300W();
更換了一下數據生成的方式，全部采用隨機數格式。
先回顧下：
show index from Result;
執行 sql
select s.* from Student s INNER JOIN Result r on r.s_id = s.s_id where r.c_id = 81 and r.score = 84;
執行耗時：1.278s
執行計划：
這里用到了 intersect 並集操作，即兩個索引同時檢索的結果再求並集，再看字段 score 和 c_id 的區分度，但從一個字段看，區分度都不是很大，從 Result 表檢索，c_id = 81 檢索的結果是 81 ，score = 84 的結果是 84 。
而 c_id = 81 and score = 84 的結果是 19881，即這兩個字段聯合起來的區分度還是比較高的，因此建立聯合索引查詢效率將會更高，從另外一個角度看，該表的數據是 300W ，以后會更多，就索引存儲而言，都是不小的數目，隨着數據量的增加，索引就不能全部加載到內存，而是要從磁盤讀取，這樣索引的個數越多，讀磁盤的開銷就越大，因此根據具體業務情況建立多列的聯合索引是必要的，我們來試試。
DROP index result_c_id_index on Result; DROP index result_score_index on Result; CREATE index result_c_id_score_index on Result(c_id,score);
指向上述查詢語句
消耗時間：0.025s
這個速度就就很快了，可以接受。
該語句的優化暫時告一段落。
總結
-
MySQL 嵌套子查詢效率確實比較低
-
可以將其優化成連接查詢
-
連接表時，可以先用 where 條件對表進行過濾，然后做表連接（雖然 MySQL 會對連表語句做優化）
-
建立合適的索引，必要時建立多列聯合索引
-
學會分析 sql 執行計划，mysql 會對 sql 進行優化，所有分析計划很重要
知識擴展
索引優化
上面講到子查詢的優化，以及如何建立索引，而且在多個字段索引時，分別對字段建立了單個索引。
后面發現其實建立聯合索引效率會更高，尤其是在數據量較大，單個列區分度不高的情況下。
單列索引
查詢語句如下：
select * from user_test_copy where sex = 2 and type = 2 and age = 10
索引：
CREATE index user_test_index_sex on user_test_copy(sex); CREATE index user_test_index_type on user_test_copy(type); CREATE index user_test_index_age on user_test_copy(age);
分別對 sex ，type ，age 字段做了索引，數據量為300w
查詢時間：0.415s
執行計划：
發現 type = index_merge
這是mysql對多個單列索引的優化，對結果集采用intersect並集操作
多列索引
多列索引
我們可以在這3個列上建立多列索引，將表copy一份以便做測試。
create index user_test_index_sex_type_age on user_test(sex,type,age);
查詢語句：
select * from user_test where sex = 2 and type = 2 and age = 10
執行時間：0.032s
快了10多倍，且多列索引的區分度越高，提高的速度也越多。
執行計划：
最左前綴
多列索引還有最左前綴的特性：
都會使用到索引，即索引的第一個字段sex要出現在where條件中。
執行一下語句：
select * from user_test where sex = 2 select * from user_test where sex = 2 and type = 2 select * from user_test where sex = 2 and age = 10
索引覆蓋
就是查詢的列都建立了索引，這樣在獲取結果集的時候不用再去磁盤獲取其它列的數據，直接返回索引數據即可
如：
select sex,type,age from user_test where sex = 2 and type = 2 and age = 10
執行時間：0.003s
要比取所有字段快的多
排序
select * from user_test where sex = 2 and type = 2 ORDER BY user_name
時間：0.139s
在排序字段上建立索引會提高排序的效率
select * from user_test where sex = 2 and type = 2 ORDER BY user_name
最后附上一些sql調優的總結，以后有時間再深入研究
-
列類型盡量定義成數值類型，且長度盡可能短，如主鍵和外鍵，類型字段等等
-
建立單列索引
-
根據需要建立多列聯合索引
-
當單個列過濾之后還有很多數據，那么索引的效率將會比較低，即列的區分度較低，那么如果在多個列上建立索引，那么多個列的區分度就大多了，將會有顯著的效率提高。
-
根據業務場景建立覆蓋索引
-
只查詢業務需要的字段，如果這些字段被索引覆蓋，將極大的提高查詢效率
-
多表連接的字段上需要建立索引
-
這樣可以極大的提高表連接的效率
-
where條件字段上需要建立索引
-
排序字段上需要建立索引
-
分組字段上需要建立索引
-
Where條件上不要使用運算函數，以免索引失效
·END·
程序員的成長之路
路雖遠，行則必至
本文原發於 同名微信公眾號「程序員的成長之路」，回復「1024」你懂得，給個贊唄。
微信ID：cxydczzl
往期精彩回顧