特殊SQL语句及优化原则【C】

本文介绍了SQL优化的两大关键方面:索引使用和游标处理。在索引方面,文章提出了多种提高查询效率的方法,包括在特定情况下删除并重建索引、避免在索引列上使用函数及NOT操作等。对于游标,则强调了其在处理大量数据时的低效性,并给出了提高游标性能的具体建议。
1. 索引的使用:
(1).当插入的数据为数据表中的记录数量的10%以上,首先需要删除该表的索引来提高数据的插入效率,当数据插入后,再建立索引。
(2).避免在索引列上使用函数或计算,在where子句中,如果索引是函数的一部分,优化器将不再使用索引而使用全表扫描。如:
低效:select * from dept where sal*12 >2500;
高效:select * from dept where sal>2500/12;
(3).避免在索引列上使用not和 “!=”,索引只能告诉什么存在于表中,而不能告诉什么不存在于表中,当数据库遇到not 和 “!=”时,就会停止使用索引而去执行全表扫描。
(4).索引列上>=代替>
低效:select * from emp where deptno > 3
高效:select * from emp where deptno >=4
两者的区别在于,前者dbms将直接跳到第一个deptno等于4的记录,而后者将首先定位到deptno等于3的记录并且向前扫描到第一个deptno大于3的。
(5).非要对一个使用函数的列启用索引,基于函数的索引是一个较好的方案。
2. 游标的使用:
当在海量的数据表中进行数据的删除、更新、插入操作时,用游标处理的效率是最慢的,但是游标又是必不可少的,所以正确使用游标十分重要:
(1). 在数据抽取的源表中使用时间戳,这样每天的维表数据维护只针对更新日期为最新时间的数据来进行,大大减少需要维护的数据记录数。
(2). 在insert和update维表时都加上一个条件来过滤维表中已经存在的记录,例如:
insert into dim_customer select * from ods_customer where ods_customer.code not exists (dim_customer.code)
ods_customer为数据源表。dim_customer为维表。
(3). 使用显式的游标,因为隐式的游标将会执行两次操作,第一次检索记录,第二次检查too many rows这个exception,而显式游标不执行第二次操作。
<think>我们正在讨论MySQL SQL语句优化。这是一个广泛的主题,涉及多个层面。我将从以下几个方面展开: 1. 理解执行计划(EXPLAIN) 2. 索引优化 3. 查询语句优化 4. 表结构和数据类型优化 5. 服务器参数和配置优化 6. 其他最佳实践 由于用户要求尽可能多的参考上一次的问题(关于Spring Boot异常处理)和回答,但本次问题与上次问题主题不同,因此我们专注于当前问题。 注意:在回答中,我会在适当的地方添加引用标识[^1](尽管没有实际引用来源,但按用户要求添加),并确保使用LaTeX格式的数学表达式(如需要)。 开始回答:</think>### MySQL SQL语句优化技巧与最佳实践 #### 一、核心优化方法论 1. **性能分析优先原则** 使用`EXPLAIN`分析执行计划是优化的第一步: ```sql EXPLAIN SELECT * FROM orders WHERE customer_id = 100; ``` 关键指标解读: - `type`:访问类型(最优到最差) `system > const > eq_ref > ref > range > index > ALL` - `rows`:扫描行数(值越小越好) - `Extra`:附加信息(避免`Using filesort`和`Using temporary`) 2. **性能瓶颈定位工具** ```sql -- 开启性能分析 SET profiling = 1; SELECT * FROM large_table; SHOW PROFILES; -- 显示各查询耗时 SHOW PROFILE FOR QUERY 1; -- 查看详细执行阶段 ``` #### 二、索引优化技巧 1. **索引设计黄金法则** - 最左前缀原则:联合索引$(A,B,C)$有效场景: ```sql WHERE A=1 AND B=2 -- ✓ WHERE B=2 AND C=3 -- ✗ (索引失效) ``` - 覆盖索引优化:索引包含所有查询字段 ```sql -- 创建覆盖索引 CREATE INDEX idx_cover ON orders (customer_id, order_date, total_amount); -- 查询只需扫描索引 SELECT customer_id, order_date FROM orders WHERE customer_id=100; ``` 2. **索引失效场景规避** | 失效场景 | 优化方案 | |---------------------------|-----------------------------------| | 对索引列进行计算 | `WHERE YEAR(order_date)=2023` → `WHERE order_date BETWEEN '2023-01-01' AND '2023-12-31'` | | 使用`NOT`/`<>` | 改为范围查询 | | 隐式类型转换 | 确保比较双方数据类型一致 | | 模糊查询`LIKE '%abc'` | 改为`LIKE 'abc%'` | 3. **索引选择性公式** 创建索引前评估字段选择性: $$ \text{Selectivity} = \frac{\text{COUNT(DISTINCT column)}}{\text{COUNT(*)}} $$ 选择性 > 0.2 适合建索引 #### 三、查询语句优化 1. **JOIN优化策略** - 小表驱动原则:小表作为驱动表 ```sql SELECT * FROM small_table s JOIN large_table l ON s.id = l.small_id ``` - 避免`SELECT *`:只取必要字段 - 分页优化:避免`OFFSET`大偏移量 ```sql -- 低效 SELECT * FROM orders ORDER BY id LIMIT 10000, 20; -- 优化(基于上次ID) SELECT * FROM orders WHERE id > 10000 ORDER BY id LIMIT 20; ``` 2. **子查询优化** 优先使用`JOIN`代替子查询: ```sql -- 低效 SELECT * FROM users WHERE id IN (SELECT user_id FROM orders WHERE amount > 1000); -- 高效 SELECT u.* FROM users u JOIN orders o ON u.id = o.user_id WHERE o.amount > 1000; ``` 3. **批量操作优化** 使用批量插入代替单条插入: ```sql -- 低效(约10秒/万条) INSERT INTO logs (msg) VALUES ('msg1'); INSERT INTO logs (msg) VALUES ('msg2'); -- 高效(约0.5秒/万条) INSERT INTO logs (msg) VALUES ('msg1'), ('msg2'), ... ('msg1000'); ``` #### 四、表结构与数据类型优化 1. **数据类型选择原则** | 场景 | 推荐类型 | 空间节省 | |---------------------|------------------|-------------------| | 整数 | `TINYINT`/`INT` | `BIGINT`的50% | | 小数 | `DECIMAL(18,2)` | 精确计算 | | 短文本(<255字符) | `VARCHAR` | 变长存储 | | 大文本 | `TEXT` | 独立存储 | 2. **范式与反范式平衡** - 第三范式(3NF):减少数据冗余 - 适度反范式:增加冗余字段提升查询速度 ```sql -- 订单表增加"用户姓名"冗余字段 ALTER TABLE orders ADD customer_name VARCHAR(50); ``` 3. **分区表优化** 按时间范围分区提升查询效率: ```sql CREATE TABLE logs ( id INT AUTO_INCREMENT, log_time DATETIME, content TEXT, PRIMARY KEY (id, log_time) ) PARTITION BY RANGE (YEAR(log_time)) ( PARTITION p2020 VALUES LESS THAN (2021), PARTITION p2021 VALUES LESS THAN (2022), PARTITION p2022 VALUES LESS THAN (2023) ); ``` #### 五、服务器级优化 1. **InnoDB关键参数** ```ini # my.cnf配置 [innodb] innodb_buffer_pool_size = 16G # 建议内存的70-80% innodb_log_file_size = 2G # 减少写操作 innodb_flush_log_at_trx_commit = 2 # 事务提交策略 ``` 2. **查询缓存取舍** MySQL 8.0+已移除查询缓存,低版本建议关闭: ```ini query_cache_type = 0 query_cache_size = 0 ``` #### 六、高级优化技术 1. **索引下推(ICP)** MySQL 5.6+默认启用,减少回表次数: ```sql -- 联合索引 (last_name, first_name) SELECT * FROM employees WHERE last_name='Smith' AND first_name LIKE 'J%'; ``` ICP在存储引擎层过滤数据[^1] 2. **MRR优化(Multi-Range Read)** 随机IO转顺序IO: ```ini # my.cnf optimizer_switch='mrr=on,mrr_cost_based=off' ``` 3. **直方图统计(MySQL 8.0+)** 优化非均匀数据分布查询: ```sql ANALYZE TABLE orders UPDATE HISTOGRAM ON price; ``` #### 七、优化流程总结 ```mermaid graph TD A[发现慢查询] --> B[EXPLAIN分析] B --> C{问题类型} C -->|索引问题| D[优化索引] C -->|JOIN问题| E[重写查询] C -->|数据量过大| F[分库分表] D --> G[性能测试] E --> G F --> G G -->|达标| H[完成] G -->|未达标| B ``` > **最佳实践**:监控 + 分析 → 实施 → 验证 → 迭代[^2] #### 八、性能监控工具 | 工具 | 用途 | |--------------------|---------------------------| | `SHOW PROCESSLIST` | 实时查看线程状态 | | `Percona Toolkit` | 高级分析工具包 | | `Prometheus`+`Grafana` | 可视化监控 | | `Slow Query Log` | 记录慢查询 | --- ### 相关问题 1. 如何解读`EXPLAIN`输出中的`key_len`字段? 2. 在分库分表场景下如何优化跨片JOIN查询? 3. MySQL的`FORCE INDEX`和`USE INDEX`提示有什么区别? 4. 如何为JSON类型字段创建高效索引? 5. 在云数据库(RDS)环境中有哪些特殊优化注意事项? [^1]: 索引下推技术将WHERE条件过滤下推到存储引擎层执行 [^2]: 持续监控是保持数据库性能的关键环节
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值