[MySQL]常用知识

cangyu2013

已于 2024-06-20 09:17:38 修改

阅读量332

点赞数

CC 4.0 BY-SA版权

分类专栏： DB 文章标签： mysql

于 2018-12-20 11:37:59 首次发布

本文链接：https://blog.youkuaiyun.com/u013747798/article/details/85112527

DB 专栏收录该内容

2 篇文章

订阅专栏

本文深入解析MySQL索引原理，包括B+树结构及其在磁盘IO优化中的作用，探讨索引的最左匹配原则及复合索引的使用技巧。通过实例演示慢查询优化流程，展示如何通过优化SQL语句和建立有效索引显著提升查询性能。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

参考文章：MySQL索引原理及慢查询优化

MySQL索引原理

索引的目的在于提高查询效率。数据库的查询不仅面临着等值查询，还有范围查询(<,>,between,in)、模糊查询(like)、并集查询(or)...数据库应该如何应对这些问题呢？试想,能不能将数据分段，然后分段查询呢？最简单的如果有1000条数据，1~100为第1段，101~200为第2段，201~300为第3段......如此，查询第250条数据，直接找第3段就可以了，一下子就去除了90%的无效数据。但如果是1千万条记录呢，分成几段比较好？有人可能会想到搜索树，其平均复杂度是lgN，具有不错的查询性能。但这里忽略了一个关键问题，复杂度模型是基于每次相同的操作成本来考虑的，数据库实现比较复杂，数据保存在磁盘上，而为了提高性能，每次又可以把部分数据读入内存来计算，因为访问磁盘(disk seek大概10,000,000ns)的成本大概是访问内存(main memory reference大概100ns)的10万倍左右，所以简单的搜索树难以满足复杂的应用场景。

索引的数据结构

传统的机械磁盘读取数据靠机械运动，每次读取所花时间可分为寻道、旋转延迟、传输3部分，寻道时间指磁臂移动到指定磁道所需时间，主流磁盘一般不高于5ms；旋转延迟即磁盘转速，比如一个磁盘7200转，表示每分钟能转7200次，即1秒能转120次，旋转延迟就是1/120/2 = 4.17ms；传输时间指将数据写入或读出磁盘的时间，一般在零点几毫秒。综上，一次磁盘IO的时间约9ms，听起来还好，但要知道一台500MIPS(Million Instructions Per Second)的机器每秒可执行5亿条指令,因为指令依靠的是电的性质,即执行一次IO的时间可以执行约450万条指令,数据库数据量动辄百万乃至千万级,每次9ms,显然是个灾难。

考虑到磁盘IO操作代价高昂,OS做了些优化，当一次IO时，不只将当前磁盘地址的数据,还将相邻的数据也都读取到内存缓冲区，因为局部预读性原理告诉我们，当计算机访问一个地址的数据时，与其相邻的数据也会很快被访问到。每次IO读取的数据我们称之为一页(page)。具体一页有多大跟OS有关,一般为4k或8k,即每读取一页,发生一次IO。

那么我们需要索引的数据结构能够做些什么呢？由以上可知,我们需要在每次查找数据时,将磁盘IO次数控制在一个很小的数量级,最好是常量级。那么如果有一个高度可控的多路搜索树，是否能满足需求呢？就这样，b+树应运而生。

b+树

上图为一颗b+树，浅蓝色的块我们称之为一个磁盘块，可以看到每个磁盘块包含几个数据项（深蓝色所示）和指针（黄色所示），如磁盘块1包含数据项17和35，包含指针P1、P2、P3，P1表示小于17的磁盘块，P2表示在17和35之间的磁盘块，P3表示大于35的磁盘块。真实的数据存在于叶子节点即上图最下面一层。非叶子节点不存真实数据，只存指引搜索方向的数据项，如17、35并不真实存在于数据表。

如图所示，如果要查找数据项29，那么首先会将磁盘块1加载到内存(一次IO)，在内存中用二分查找确定29在17和35之间，锁定指针P2,通过P2的磁盘地址将磁盘块3加载到内存(二次IO)，29在26和30之间，锁定磁盘块3的指针P2，通过P2加载磁盘块8到内存(三次IO)，在内存中二分查找找到29，查询结束。真实情况是，3层b+树可表示上百万条数据，如果上百万的数据查找只需三次IO，性能提升将是巨大的，如果没有索引，每个数据项都要发生一次IO，那么总共需百万次IO，显然成本太高。

通过上面的分析，我们知道IO次数取决于b+数的h，假设当前数据表的数据为N，每个磁盘块的数据项的数量是m，则有 $h=\log_{m+1}N$ ,N一定,m越大,h越小,而m=磁盘块size/数据项size,磁盘块大小即一个数据页的大小,是固定的,如果数据项占的空间越小,数据项的数量越多,树的高度越低。这就是为什么每个数据项，即索引字段要尽量小。这也是为什么b+树要求把真实的数据放到叶子节点。

当b+树的数据项是复合的数据结构(比如name,age,sex)时,b+数按从左到右的顺序建立搜索树,比如当(张三,20,F)这样的数据来检索时，b+树会优先比较name,确定下一步搜索方向，如果name相同再依次比较age和sex，最后得到检索的数据；但当(20,F)这样的没有name的数据时，b+树就不知道下一步该查哪个节点，因为建立搜索树时name是第一个比较因子,必须要先根据name来搜索才能知道下一步去哪里。比如当(张三,F)这样的数据来检索时，b+树可用name来指定搜索方向,但因下一字段age的缺失，所以只能把名字等于张三的数据都找到，然后再匹配性别是F的数据了,这个是非常重要的性质，即索引的最左匹配特性。

慢查询优化

我们先来看看索引的几大基本原则：

最左匹配原则，mysql会一直向右匹配,直到遇到范围查询,停止匹配，比如a=1 and b=2 and c>3 and d=4 如果建立(a,b,c,d)顺序的索引，d是用不到索引的，如果建立(a,b,d,c)的索引则都可以用到，a,b,d的顺序可任意调整。
=和in可以乱序，比如a = 1 and b = 2 and c = 3 建立(a,b,c)索引可任意顺序，mysql的查询优化器会自动优化成可以识别的形式。
尽量选择区分度高的列作为索引,区分度的公式是count(distinct col)/count(1)，表示字段不重复的比例，比例越大扫描的记录数越少。那么，在实际使用中,这个比例有什么经验值吗？使用场景不同，这个值也很难确定，一般需要join的字段要求不低于0.1。
索引列不能参与计算，比如from_unixtime(create_time) = ’2018-12-20’就不能使用到索引，因为b+树中存的都是数据表中的字段值，但进行检索时，需把所有元素都应用函数才能比较，显然成本太大。所以语句应写成create_time = unix_timestamp(’2018-12-20’)。
尽量的扩展索引,不要新建索引。比如表中已经有a的索引，现在要加(a,b)的索引，那么只需要修改原来的即可。

查询优化辅助命令——explain命令，这里需要强调,rows是核心指标，绝大部分rows小的语句执行一定很快(但也有例外)。所以优化语句基本上都是在优化rows。

慢查询优化的基本步骤:

先运行看看是否真的很慢，注意设置SQL_NO_CACHE
where条件单表查，锁定最小返回记录表。将查询语句的where都应用到表中返回的记录数最小的表开始查起，单表每个字段分别查询，看哪个字段的区分度最高
explain查看执行计划，是否与上步的预期一致
order by limit 形式的sql语句让排序的表优先查
了解业务方使用场景
加索引时参照建索引的几大原则
观察结果,不符合预期的继续从1开始分析

很多情况下，我们写SQL只是为了实现功能，这只是第一步，不同的语句书写方式对效率往往有本质差别，这要求我们对mysql的执行计划和索引原则有非常清楚的认识，请看下面的语句：

select
   distinct cert.emp_id 
from
   cm_log cl 
inner join
   (
      select
         emp.id as emp_id,
         emp_cert.id as cert_id 
      from
         employee emp 
      left join
         emp_certificate emp_cert 
            on emp.id = emp_cert.emp_id 
      where
         emp.is_deleted=0
   ) cert 
      on (
         cl.ref_table='Employee' 
         and cl.ref_oid= cert.emp_id
      ) 
      or (
         cl.ref_table='EmpCertificate' 
         and cl.ref_oid= cert.cert_id
      ) 
where
   cl.last_upd_date >='2013-11-07 15:03:00' 
   and cl.last_upd_date<='2013-11-08 16:00:00';

1.先运行一下，53条记录 1.87s，又没有用聚合语句，比较慢

53 rows in set (1.87 sec)

2.explain

+----+-------------+------------+-------+---------------------------------+-----------------------+---------+-------------------+-------+--------------------------------+
| id | select_type | table      | type  | possible_keys                   | key                   | key_len | ref               | rows  | Extra                          |
+----+-------------+------------+-------+---------------------------------+-----------------------+---------+-------------------+-------+--------------------------------+
|  1 | PRIMARY     | cl         | range | cm_log_cls_id,idx_last_upd_date | idx_last_upd_date     | 8       | NULL              |   379 | Using where; Using temporary   |
|  1 | PRIMARY     | <derived2> | ALL   | NULL                            | NULL                  | NULL    | NULL              | 63727 | Using where; Using join buffer |
|  2 | DERIVED     | emp        | ALL   | NULL                            | NULL                  | NULL    | NULL              | 13317 | Using where                    |
|  2 | DERIVED     | emp_cert   | ref   | emp_certificate_empid           | emp_certificate_empid | 4       | meituanorg.emp.id |     1 | Using index                    |
+----+-------------+------------+-------+---------------------------------+-----------------------+---------+-------------------+-------+--------------------------------+

简述一下执行计划，首先mysql根据idx_last_upd_date索引扫描cl表获得379条记录；然后查表扫描了63727条记录，分为两部分，derived表示构造表，也就是不存在的表，可简单理解成是一个语句形成的结果集，后面的数字表示语句的ID。derived2表示的是ID=2的查询构造了虚拟表，并且返回了63727条记录。我们再来看看ID=2的语句究竟做了写什么返回了这么大量的数据，首先全表扫描emp表13317条记录，然后根据索引emp_certificate_empid关联emp_cert表，rows=1表示，每个关联都只锁定了一条记录，效率比较高。获得后，再和cl的379条记录根据规则关联。从执行过程上可以看出返回了太多的数据，返回的数据绝大部分cl都用不到，因为cl只锁定了379条记录。

如何优化呢？可以看到我们在运行完后还是要和cl做join,那么我们能不能之前和cl做join呢？仔细分析语句不难发现，其基本思想是如果cl的ref_table是EmpCertificate就关联emp_certificate表，如果ref_table是Employee就关联employee表，我们完全可以拆成两部分，并用union连接起来，注意这里用union，而不是union all,因为原语句有“distinct”来得到唯一记录，而union恰好具备了这种功能。如果原语句中没有distinct不需要去重，我们就可以直接使用union all了，因为使用union需要去重的动作，会影响性能。优化过的语句如下：

select
   emp.id 
from
   cm_log cl 
inner join
   employee emp 
      on cl.ref_table = 'Employee' 
      and cl.ref_oid = emp.id  
where
   cl.last_upd_date >='2013-11-07 15:03:00' 
   and cl.last_upd_date<='2013-11-08 16:00:00' 
   and emp.is_deleted = 0  
union
select
   emp.id 
from
   cm_log cl 
inner join
   emp_certificate ec 
      on cl.ref_table = 'EmpCertificate' 
      and cl.ref_oid = ec.id  
inner join
   employee emp 
      on emp.id = ec.emp_id  
where
   cl.last_upd_date >='2013-11-07 15:03:00' 
   and cl.last_upd_date<='2013-11-08 16:00:00' 
   and emp.is_deleted = 0

5.不需要了解业务场景，只需改造的语句和改造之前的语句保持结果一致

6.现有索引可以满足，不需建索引

7.用改造后的语句实验一下，只需10ms,降低了近200倍

+----+--------------+------------+--------+---------------------------------+-------------------+---------+-----------------------+------+-------------+
| id | select_type  | table      | type   | possible_keys                   | key               | key_len | ref                   | rows | Extra       |
+----+--------------+------------+--------+---------------------------------+-------------------+---------+-----------------------+------+-------------+
|  1 | PRIMARY      | cl         | range  | cm_log_cls_id,idx_last_upd_date | idx_last_upd_date | 8       | NULL                  |  379 | Using where |
|  1 | PRIMARY      | emp        | eq_ref | PRIMARY                         | PRIMARY           | 4       | meituanorg.cl.ref_oid |    1 | Using where |
|  2 | UNION        | cl         | range  | cm_log_cls_id,idx_last_upd_date | idx_last_upd_date | 8       | NULL                  |  379 | Using where |
|  2 | UNION        | ec         | eq_ref | PRIMARY,emp_certificate_empid   | PRIMARY           | 4       | meituanorg.cl.ref_oid |    1 |             |
|  2 | UNION        | emp        | eq_ref | PRIMARY                         | PRIMARY           | 4       | meituanorg.ec.emp_id  |    1 | Using where |
| NULL | UNION RESULT | <union1,2> | ALL    | NULL                            | NULL              | NULL    | NULL                  | NULL |             |
+----+--------------+------------+--------+---------------------------------+-------------------+---------+-----------------------+------+-------------+
53 rows in set (0.01 sec)

再举个例子,举这个例子的目的在于颠覆我们对列的区分度的认知，一般我们认为区分度越高的列，越容易锁定更少的记录，但在一些特殊情况下，这种理论是有局限性的。

select
   * 
from
   stage_poi sp 
where
   sp.accurate_result=1 
   and (
      sp.sync_status=0 
      or sp.sync_status=2 
      or sp.sync_status=4
   );

1.先看看运行多长时间,951条数据6.22s，真的很慢。

951 rows in set (6.22 sec)

2.先explain，rows达到了361万，type=ALL表明是全表扫描。

+----+-------------+-------+------+---------------+------+---------+------+---------+-------------+
| id | select_type | table | type | possible_keys | key  | key_len | ref  | rows    | Extra       |
+----+-------------+-------+------+---------------+------+---------+------+---------+-------------+
|  1 | SIMPLE      | sp    | ALL  | NULL          | NULL | NULL    | NULL | 3613155 | Using where |
+----+-------------+-------+------+---------------+------+---------+------+---------+-------------+

3.所有字段都应用查询返回记录数，因为是单表查询,1已经做过了951条。

4.让explain的rows尽量逼近951。

看一下accurate_result=1的记录数：

select count(*),accurate_result from stage_poi  group by accurate_result;
+----------+-----------------+
| count(*) | accurate_result |
+----------+-----------------+
|     1023 |              -1 |
|  2114655 |               0 |
|   972815 |               1 |
+----------+-----------------+

我们看到accurate_result这个字段的区分度非常低，整个表只有-1,0,1三个值，加上索引也无法锁定特别少量的数据。

再看一下sync_status字段的情况：

select count(*),sync_status from stage_poi  group by sync_status;
+----------+-------------+
| count(*) | sync_status |
+----------+-------------+
|     3080 |           0 |
|  3085413 |           3 |
+----------+-------------+

同样的区分度也很低，根据理论，也不适合建立索引。

问题分析到这，好像得出了这个表无法优化的结论，两个列的区分度都很低，即便加上索引也只能适应这种情况，很难做普遍性的优化，比如当sync_status 0、3分布的很平均，那么锁定记录也是百万级别的。

5.找业务方沟通，看看使用场景。业务方是这么来使用这个SQL语句的，每隔五分钟会扫描符合条件的数据，处理完成后把sync_status这个字段变成1,五分钟符合条件的记录数并不会太多，1000个左右。了解了业务方的使用场景后，优化这个SQL就变得简单了，因为业务方保证了数据的不平衡，如果加上索引可以过滤掉绝大部分不需要的数据。

6.根据建立索引规则，使用如下语句建立索引

alter table stage_poi add index idx_acc_status(accurate_result,sync_status);

7.观察预期结果,发现只需要200ms，快了30多倍。

952 rows in set (0.20 sec)

我们再来回顾一下分析问题的过程，单表查询相对来说比较好优化，大部分时候只需把where条件里面的字段依照规则加上索引就好，如果只是这种“无脑”优化的话，显然一些区分度非常低的列，不应该加索引的列也会被加上索引，这样会对插入、更新性能造成严重影响，同时也有可能影响其它的查询语句。所以我们第5步调差SQL的使用场景非常关键，我们只有知道这个业务场景，才能更好地辅助我们更好的分析和优化查询语句。

DATETIME和TIMESTAMP 区别

时间范围不一样，TIMESTAMP 要小很多，且最大为2038-01-19 03:14:07.999999
对于TIMESTAMP，它把客户端插入的时间从当前时区转化为UTC（世界标准时间）进行存储。查询时，将其又转化为客户端当前时区进行返回。而DATETIME不做任何改变，基本上是原样输入和输出
TIMESTAMP 在mysql 5.6.5之后，TIMESTAMP（fraction）中的fraction代表的是小数位数，即默认秒，以秒为单位的小数点位数。 up to microseconds (6 digits) precision，最大为6.超过6则报错(旧版TIMESTAMP格式是14位，但也可以用更短的显示尺寸，最常见的有6、8、12、和14。在创建表时可以指定一个任意的显示尺寸，但是定义列长为0或比14大均会被强制定义为列长14。列长在从1～13范围的奇数值尺寸均被强制为下一个更大的偶数)：
```
ERROR 1426 (42000): Too-big precision 7 specified for 'hiredate'. Maximum is 6.
```