SQL优化之SQL 进阶技巧（下）

上文( SQL优化之SQL 进阶技巧（上） )咱们简述了 SQL 的一些进阶技巧，一些朋友以为不过瘾，咱们继续来下篇，再送你 10 个技巧

1、 使用延迟查询优化 limit [offset], [rows]

常常出现相似如下的 SQL 语句:

SELECT * FROM film LIMIT 100000, 10

offset 特别大!

这是我司出现不少慢 SQL 的主要缘由之一，尤为是在跑任务须要分页执行时，常常跑着跑着 offset 就跑到几十万了，致使任务越跑越慢。

LIMIT 能很好地解决分页问题，但若是 offset 过大的话，会形成严重的性能问题，缘由主要是由于 MySQL 每次会把一整行都扫描出来，扫描 offset 遍，找到 offset 以后会抛弃 offset 以前的数据，再从 offset 开始读取 10 条数据，显然，这样的读取方式问题。

能够经过延迟查询的方式来优化

假设有如下 SQL,有组合索引（sex, rating）

SELECT <cols> FROM profiles where sex='M' order by rating limit 100000, 10;

则上述写法能够改为以下写法

SELECT <cols> 
  FROM profiles 
inner join
(SELECT id form FROM profiles where x.sex='M' order by rating limit 100000, 10)
as x using(id);

这里利用了覆盖索引的特性，先从覆盖索引中获取 100010 个 id，再丢充掉前 100000 条 id，保留最后 10 个 id 便可，丢掉 100000 条 id 不是什么大的开销，因此这样能够显著提高性能

2、 利用 LIMIT 1 取得惟一行

数据库引擎只要发现知足条件的一行数据则当即中止扫描，，这种状况适用于只需查找一条知足条件的数据的状况

3、 注意组合索引，要符合最左匹配原则才能生效

假设存在这样顺序的一个联合索引“col_1, col_2, col_3”。这时，指定条件的顺序就很重要。

○ SELECT * FROM SomeTable WHERE col_1 = 10 AND col_2 = 100 AND col_3 = 500;
○ SELECT * FROM SomeTable WHERE col_1 = 10 AND col_2 = 100 ;
× SELECT * FROM SomeTable WHERE col_2 = 100 AND col_3 = 500 ;

前面两条会命中索引，第三条因为没有先匹配 col_1，致使没法命中索引， 另外若是没法保证查询条件里列的顺序与索引一致，能够考虑将联合索引 拆分为多个索引。

4、使用 LIKE 谓词时，只有前方一致的匹配才能用到索引（最左匹配原则）

× SELECT * FROM SomeTable WHERE col_1 LIKE '%a';
 × SELECT * FROM SomeTable WHERE col_1 LIKE '%a%';
 ○ SELECT * FROM SomeTable WHERE col_1 LIKE 'a%';

上例中，只有第三条会命中索引，前面两条进行后方一致或中间一致的匹配没法命中索引

5、 简单字符串表达式

模型字符串可使用 _ 时， 尽量避免使用 %, 假设某一列上为 char(5)

不推荐

SELECT 
    first_name, 
    last_name,
    homeroom_nbr
  FROM Students
 WHERE homeroom_nbr LIKE 'A-1%';

推荐

SELECT first_name, last_name
homeroom_nbr
  FROM Students
 WHERE homeroom_nbr LIKE 'A-1__'; --模式字符串中包含了两个下划线

6、尽可能使用自增 id 做为主键

好比如今有一个用户表，有人说身份证是惟一的，也能够用做主键，理论上确实能够，不过用身份证做主键的话，一是占用空间相对于自增主键大了不少，二是很容易引发频繁的页分裂，形成性能问题（什么是页分裂，请参考这篇文章）

主键选择的几个原则：自增，尽可能小，不要对主键进行修改

7、如何优化 count(*)

使用如下 sql 会致使慢查询

SELECT COUNT(*) FROM SomeTable
SELECT COUNT(1) FROM SomeTable

缘由是会形成全表扫描，有人说 COUNT(*) 不是会利用主键索引去查找吗，怎么还会慢，这就要谈到 MySQL 中的聚簇索引和非聚簇索引了，聚簇索引叶子节点上存有主键值+整行数据，非聚簇索叶子节点上则存有辅助索引的列值 + 主键值，以下

因此就算对 COUNT(*) 使用主键查找，因为每次取出主键索引的叶子节点时，取的是一整行的数据，效率必然不高，可是非聚簇索引叶子节点只存储了「列值 + 主键值」,这也启发咱们能够用非聚簇索引来优化，假设表有一列叫 status, 为其加上索引后，能够用如下语句优化:

SELECT COUNT(status) FROM SomeTable

有人曾经测过（见文末参考连接），假设有 100 万行数据，使用聚簇索引来查找行数的，比使用 COUNT(*) 查找速度快 10 几倍。不过须要注意的是经过这种方式没法计算出  status 值为 null 的那些行

若是主键是连续的，能够利用 MAX(id) 来查找，MAX 也利用到了索引，只须要定位到最大 id 便可，性能极好，以下，秒现结果

SELECT MAX(id) FROM SomeTable

说句题句话，有人说用 MyISAM 引擎调用 COUNT(*) 很是快，那是由于它提早把行数存在磁盘中了，直接拿，固然很快，不过若是有 WHERE 的限制,用 COUNT(*) 仍是很慢!

8、避免使用 SELECT * ，尽可能利用覆盖索引来优化性能

SELECT * 会提取出一整行的数据，若是查询条件中用的是组合索引进行查找，还会致使回表（先根据组合索引找到叶子节点，再根据叶子节点上的主键回表查询一整行），下降性能，而若是咱们所要的数据就在组合索引里，只需读取组合索引列，这样网络带宽将大大减小,假设有组合索引列 (col_1, col_2)

推荐用

SELECT col_1, col_2 
  FROM SomeTable 
 WHERE col_1 = xxx AND col_2 = xxx

不推荐用

SELECT *
  FROM SomeTable 
 WHERE col_1 = xxx AND  col_2 = xxx

9、 若有必要，使用 force index() 强制走某个索引

业务团队曾经出现相似如下的慢 SQL 查询

SELECT *
  FROM  SomeTable
 WHERE `status` = 0
   AND `gmt_create` > 1490025600
   AND `gmt_create` < 1490630400
   AND `id` > 0
   AND `post_id` IN ('67778', '67811', '67833', '67834', '67839', '67852', '67861', '67868', '67870', '67878', '67909', '67948', '67951', '67963', '67977', '67983', '67985', '67991', '68032', '68038'/*... omitted 480 items ...*/)
order by id asc limit 200;

post_id 也加了索引，理论上走 post_id 索引会很快查询出来，但实际经过 EXPLAIN 发现走的倒是 id 的索引（这里隐含了一个常见考点，在多个索引的状况下, MySQL 会如何选择索引），而 id > 0 这个查询条件没啥用，直接致使了全表扫描， 因此在有多个索引的状况下必定要慎用，可使用 force index 来强制走某个索引，以这个例子为例，能够强制走 post_id 索引，效果立杆见影。

这种因为表中有多个索引致使 MySQL 误选索引形成慢查询的状况在业务中也是很是常见，一方面是表索引太多，另外一方面也是因为 SQL 语句自己太过复杂致使， 针对本例这种复杂的 SQL 查询，其实用 ElasticSearch 搜索引擎来查找更合适，有机会到时出一篇文章说说。

10、 使用 EXPLAIN 来查看 SQL 执行计划

上个点说了，可使用 EXPLAIN 来分析 SQL 的执行状况，如怎么发现上文中的最左匹配原则不生效呢，执行 「EXPLAIN + SQL 语句」能够发现 key 为 None ,说明确实没有命中索引

我司在提供 SQL 查询的同时，也贴心地加了一个 EXPLAIN 功能及 sql 的优化建议，建议各大公司效仿 ^_^,如图示

11、 批量插入，速度更快

当须要插入数据时，批量插入比逐条插入性能更高

推荐用

-- 批量插入
INSERT INTO TABLE (id, user_id, title) VALUES (1, 2, 'a'),(2,3,'b');

不推荐用

INSERT INTO TABLE (id, user_id, title) VALUES (1, 2, 'a');
INSERT INTO TABLE (id, user_id, title) VALUES (2,3,'b');

批量插入 SQL 执行效率高的主要缘由是合并后日志量 MySQL 的 binlog 和 innodb 的事务让日志减小了，下降日志刷盘的数据量和频率，从而提升了效率

12、 慢日志 SQL 定位

前面咱们屡次说了 SQL 的慢查询，那么该怎么定位这些慢查询 SQL 呢，主要用到了如下几个参数

这几个参数必定要配好，再根据每条慢查询对症下药，像我司天天都会把这些慢查询提取出来经过邮件给形式发送给各个业务团队，以帮忙定位解决

总结

业务生产中可能还有不少 CASE 致使了慢查询，其实细细品一下，都会发现这些都和 MySQL 索引的底层数据 B+ 树 有莫大的关系，强烈建议你们看一下个人另外一篇介绍 B+ 树的文章，好评如潮！相信你们看了以后，以上出现的问题会有一个更深层次的理解，掌握底层，以不变应万变!

相关文章

SQL优化之SQL 进阶技巧（上）

SQL优化之SELECT COUNT(*)