MySQL 进阶（三）【SQL 优化】

1、SQL 优化

1.1、插入数据优化

1.1.1、Insert 优化

1、批量插入

插入多条数据时，不建议使用单条的插入语句，而是下面的批量插入：

INSERT INTO tb_name VALUES (),(),(),...;

批量插入建议一次批量 500~100 条，如果数据量比较大，建议通过多条批量插入语句来插入；

2、手动提交事务

    MySQL 默认会开启事务，但是默认每执行一次插入语句就开启和关闭一次事务，所以会有大量的事务启动关闭开销；建议使用手动提交事务

START TRANSACTIONS;
INSERT INTO tb_name VALUES (),(),(),...;
INSERT INTO tb_name VALUES (),(),(),...;
INSERT INTO tb_name VALUES (),(),(),...;
...
COMMIT;

3、主键顺序插入

在插入数据时，建议尽量顺序插入主键，而不是乱序插入：

主键顺序插入(高效)：1 2 3 4 5 ...

主键乱序插入(低效)：5 3 4 2 1 ...

1.1.2、load 大批量插入数据

使用 load 指令将本地磁盘文件中的数据插入到数据库表当中：

# 客户端连接MySQL服务器时，加上参数 --local-infile
mysql --local-infile -uroot -p
# 设置全局参数 local_infile = 1
set global local_infile = 1;
# 执行 load 指令将准备好的数据加载到表中
load data local infile '/path_to_data' into table table_name fields terminated by ',' lines terminated by '\n';

这里的 load 指令有点像 HQL 中的 load：

LOAD DATA [LOCAL] INPATH '/opt/module/data/xxx.txt' TO TABLE table_name;

HQL 的 load 命令并不需要指定分隔符，因为在建表的时候我们已经在 row format 中设置的文件的分隔符了；此外，这里想到今天使用 HQL load 命令的一些需要注意的问题：

• 在向分桶表 load 数据的时候，不能从 local 直接 load，而是得先上传到 hdfs 上，再从 hdfs load 到分桶表才行

1.2、主键优化

1.2.1、数据组织方式

在 InnoDB 存储引擎当中，表数据都是根据主键顺序组织存放的，这种存储方式的表称为索引组织表（IOT）

之前我们在学习索引的时候知道，InnoDB 存储引擎中的索引可以分为聚集索引和二级索引，而聚集索引正是由主键构成的一颗B+Tree，它的叶子节点存储的是行数据；

接下来，我们看一下当我们往数据库表中插入数据的时候，它的流程是什么样的？

1.2.2、页分裂

page 可以填满，也可以为空，但在 InnoDB 存储引擎规定，在一个 page 中至少包含 2 行数据；

主键顺序插入

当主键顺序插入时，一切都非常平静：

主键乱序插入

下面，我们看一下主键乱序插入时的情况：

上面，我们的主键都是乱序插入的，可以看到，现在来了一个主键为 50 的 row，按道理它是应该放到主键为 47 的前面，主键为 23 的后面（也就是 page 1）的，但是显然 page 1 现在已经存满了，那么接下来就会发生页分裂：

首先，page 1 （因为主键为 23 的数据当前理应插入到 page 1）会把自己 50% 之后的数据移动到一个新的 page 当中，然后将要主键为 23 的新数据页添加进去，最后将原本页之间的连接断开，重新建立页的连接；

所以，不难想到如果是大量数据的场景下，主键乱序插入时会出现频繁的页分裂现象，性能很低；与新增数据相反的是删除数据，删除数据又会引起页合并：

1.2.3、页合并

在 MySQL 中，当删除一行记录时，实际上数据并不会被物理删除，只是记录被标记为删除并且它的空间变得允许被其它记录回收使用；

当页中被删除的记录达到了 50%，InnoDB 会开始寻找最靠近的页（前或后），看看能否将两个页合并以优化空间使用；

1.2.4、主键设置原则

• 满足业务需求的情况下，尽量降低主键的长度。（因为在一张表中，聚集索引只有一个，而二级索引可以有多个，如果主键很长，二级索引也有很多，那么就会在存储时会消耗大量的磁盘空间，查询时也会消耗大量的磁盘IO）
• 插入数据时，尽量选择顺序插入，选择使用 AUTO_INCREMENT 自增主键；（不会出现页分裂现象）
• 尽量不要使用 uuid 做主键或者是其它自然主键，如身份证号；（主键长度太长，而且无序）
• 尽量避免主键的修改；

1.3、order by 优化

• Using filesort：通过表的索引或全表扫描，读取满足条件的数据行，然后在排序缓冲区 sort buffer 中完成排序操作；所有不是通过索引直接返回排序结果的排序都是 FileSort 排序；
• Using index：通过有序索引顺序扫描直接返回有序数据，这种情况就是 using index，不需要额外排序，操作效率高；

也就是说，我们在优化 order by 的时候，尽量优化成 using index；下面我们看一条普通的 order by 语句：

可以看到，在未建立索引时，order by 语句默认走的是 filesort；下面我们为 age 字段建立一个索引：

CREATE INDEX idx_student_no ON student(no);

注意：这里搜索时，我设置投影的字段是 id 和 no，其中 id 是主键，no 我们刚创建了索引，不能使用 select * ，因为只有使用覆盖索引（查询使用了索引，并且需要返回的列在该索引中全部能够找到对应的值）才能命中索引，不然索引不生效；

可以看到，即使是降序排序也是索引也是可以命中优化的；

现在我们创建一个联合索引：idx_student_no_name，做一个测试：

可以看到，当 order by 的字段顺序和联合索引相反时，只有字段 no 能被索引命中，name 不可以，这是因为违背了最左前缀法则；继续：

可以看到，当 order by 的两个字段分别升序和降序排列时，降序的字段无法被索引命中，这是因为：

这是因为默认创建索引时，索引字段都是按照升序进行排列的，所以我们可以根据之后的需求在创建索引时，根据排序规则进行创建：

CREATE INDEX idx_student_no_name_ad ON student(no asc,name desc);

此时，再次查看查询计划：

可以看到，这样就解决了字段排序规则不同的问题；

注意：

• 只有联合索引需要注意创建时的排序规则，单列索引不需要，因为单列索引默认升序，反向扫描只需要反向扫描即可。
• 如果不可避免 filesort ，大数据排序时，可以适当增加排序缓冲区的大小 sort_buffer_size （默认 256 K）

1.4、group by 优化

这里我们同样讨论的是索引对于 group by 的影响，因为分组也是通过索引来提高查询效率的：

可以看到，在未建立索引前，使用 group by 语句时效率很低（临时表），但是创建索引后就可以走索引了；

可以看到，这次当我们用 age 字段 group by 时，又出现了 temporary ，效率依然不够好，这是因为违背了联合索引的最左前缀法则；可当我们同时使用 profession 和 age 进行 group by 时，索引再次命中；

但是有时候业务逻辑不需要我们去 group by 那么多的字段怎么办？

其实，就像上面这样，我们也可以通过前面给联合索引左边的字段加个 where 条件，让它满足最左前缀法则即可；

1.5、limit 优化

在大数据场景下，比如 limit 10000000,10 ，此时 MySQL 需要排序前 100000010 条记录（存储引擎会把这 100000010 条记录返回给服务层的缓存），并返回后 10 条记录，其它丢弃，查询排序的代价非常大；这一类问题也叫做深度分页：

MySQL 深度分页是指在分页查询数据量比较大的表时，需要访问表中的某一段数据，而这段数据的位置非常靠后，需要通过较大的 offset 来获取目标数据。

阿里巴巴《Java 开发手册》：

1.5.1、覆盖索引 + 子查询

1.5.2、inner join 延迟关联

上面这两种方式没什么区别，下面是 inner join，上面是笛卡尔积，但是因为设置的过滤条件，所以等价于一个 inner join；对于 limit 的优化原理，简单来讲就是：控制返回的总页数。

    对于上面的 limit 10000000,10 来说，它会返回给服务端 10000010 条记录，然后再根据 offset 挨个抛弃前 10000000 条记录，返回给客户端剩余的 10 条记录。

    可以看出，当offset非0时，server层会从引擎层获取到很多无用的数据，而当select后面是*号时，就需要拷贝完整的行信息，**拷贝完整数据**跟**只拷贝行数据里的其中一两个列字段**耗时是不同的，这就让原本就耗时的操作变得更加离谱。

    因为前面的offset条数据最后都是不要的，就算将完整字段都拷贝来了又有什么用呢，所以我们可以将sql语句修改成下面这样：

select * from tb_user where id >=(select id from tb_user order by id limit 10000000, 1) order by id limit 10;

上面这条sql语句，里面先执行子查询 select id from page order by id limit 6000000, 1, 这个操作，其实也是将在innodb中的主键索引中获取到6000000+1条数据，然后server层会抛弃前6000000条，只保留最后一条数据的id。

但不同的地方在于，在返回server层的过程中，只会拷贝数据行内的id这一列，而不会拷贝数据行的所有列，当数据量较大时，这部分的耗时还是比较明显的。

在拿到了上面的id之后，假设这个id正好等于10000000，那sql就变成了

select * from tb_user where id >=(10000000) order by id limit 10;

这样 innodb 再走一次主键索引，通过B+树快速定位到id=6000000的行数据，时间复杂度是lg(n)，然后向后取10条数据。

关于深度分页，知乎这篇文章讲的很不错，我也是受启发于这篇文章；

1.6、count 优化

• count 是一个聚合函数，对于返回的结果集，一行一行进行判断，只有不是 NULL 才会计数（count(字段)的时候，count(*)或者count(id)依然计算null）；

SELECT COUNT(*) FROM table_name;

上面的 SQL 是查询当前表的总行数，不同的存储引擎的效率是不一样的：

• 对于 MyISAM 而言，它会把表的总行数存到磁盘上，所以不加条件直接查询 count(*) 会直接返回结果，O（1）的时间复杂度；
• 而对 InnoDB 而言，它就只能遍历整张表了，性能很低；

可以看到，如果 count(*) 的查询语句中包含 where 过滤条件，不管是 MYISAM 还是 InnoDB ，性能都很差，所以我们需要对它进行优化：

1.6.1、count 的几种用法

对于 count，我们使用的无非就是那几种：

• count(主键) - InnoDB 会遍历整张表，把每一行主键取出来返回给服务层，服务层拿到主键后直接进行累加（主键不可能为空）；
• count(字段) - InnoDB 会遍历整张表，把每一行字段值取出来返回给服务层，如果字段有 not null 约束，那么就直接按行累加；如果没有，那么就对非 null 的值进行计数
• count(1) - InnoDB 遍历整张表，但是不取值。服务层会对返回的每一行放一个数字 1 进去，直接按行进行累加
• count(*) - InnoDB 同样遍历整张表，但是不会把字段取出来，而是专门做了优化。服务层直接按行进行累加

按照排序效率：count(字段) < count(主键) < count(1) < count(*) ，所以尽量使用 count(*)，因为数据库专门对它做了优化；

1.7、update 优化

关于 update 语句需要注意的就是，update 的条件一定要是索引字段（比如主键），因为只有更新条件的字段是索引列才会是行锁，否则将是表锁

可以看到，当我们的更新条件是 no 字段时（不是索引列），当另一个客户端去更新数据时直接被阻塞，最后甚至超时更新失败；

所以，当我们在使用 update 语句的时候，一定要注意尽量使用索引字段做为更新条件去更新，否则就会出现行锁升级为表锁，并发性能就会降低；因为** InnoDB 的行锁是针对索引加的锁，而不是针对记录加的锁！**

总结

• 插入数据 - inset 语句，大数据量（分成500~1000的记录批量插入）建议使用批量插入，而且建议手动事务（避免频繁创建销毁事务开销）、主键顺序插入（避免页分裂，顺序插入性能高）- 大批量数据：load data local infile
• 主键优化 - 主键设计应尽量短、顺序插入（建议 auto_increment 而不是 uuid，比如身份证号，不仅长度长，而且无序）
• order by 优化 - using index：直接返回数据（不需要再去服务层缓冲区排序），性能高- using filesort：需要将查询返回的结果去服务层缓冲区去排序- 所以在对 order by 进行优化时，其实是使用索引来进行优化的；涉及导排序的字段尽量建立索引，同时注意创建索引时的升序降序问题- 尽量使用覆盖索引而不是 select *
• group by 优化 - 索引，多字段分组时遵循最左前缀法则
• limit 优化 - 深度分页性能低，使用覆盖索引 + 子查询
• count 优化 - count(字段) < count(主键) < count(1) < count(*)
• update 优化 - update 的条件字段尽量使用索引字段（尽量主键），InnoDB 的行锁是针对索引加的锁，而不是针对记录加的锁！

所以，总之我们在做 SQL 优化的时候，其实基本都是在针对索引进行优化；