SQL

场景

用的数据库是MySQL5.6，下面简单的介绍下场景。

课程表

  1. create table Course(
  2.     c_id int PRIMARY KEY,
  3.     name varchar(10)
  4. )

数据100条。

学生表

  1. create table Student(
  2.     id int PRIMARY KEY,
  3.     name varchar(10)
  4. )

数据70000条。

学生成绩表

  1. CREATE table SC(
  2.     sc_id int PRIMARY KEY,   
  3.     s_id int,  
  4.     c_id int,  
  5.     score int
  6. )

数据70w条。

查询目的

查找语文考100分的考生。

查询语句

  1. select s.* from Student s
  2. where s.s_id in (  
  3.     select s_id   
  4.     from SC sc   
  5.     where sc.c_id = 0 and sc.score = 100 )

执行时间：30248.271s

优化过程

晕，为什么这么慢，先来查看下查询计划：

  1. EXPLAIN
  2. select s.* from Student s 
  3.   where s.s_id in ( 
  4.     select s_id  
  5.     from SC sc  
  6.     where sc.c_id = 0 and sc.score = 100 )

SQL优化的过程分享 - 图1
发现没有用到索引，type全是ALL，那么首先想到的就是建立一个索引，建立索引的字段当然是在where条件的字段。
先给sc表的c_id和score建个索引。

  1. CREATE index sc_c_id_index on SC(c_id);
  2. CREATE index sc_score_index on SC(score);

再次执行上述查询语句，时间为: 1.054s
快了3w多倍，大大缩短了查询时间，看来索引能极大程度的提高查询效率，建索引很有必要，很多时候都忘记建。
索引了，数据量小的的时候压根没感觉，这优化的感觉挺爽。
但是1s的时间还是太长了，还能进行优化吗，仔细看执行计划：
SQL优化的过程分享 - 图2
查看优化后的sql:

  1. SELECT
  2.     `YSB`.`s`.`s_id` AS `s_id`,  
  3.     `YSB`.`s`.`name` AS `name`
  4. FROM  
  5.     `YSB`.`Student` `s`
  6. WHERE   
  7.     < in_optimizer > (     
  8.         `YSB`.`s`.`s_id` ,< EXISTS > (     
  9.             SELECT          
  10.                 1         
  11.             FROM           
  12.                 `YSB`.`SC` `sc`    
  13.             WHERE          
  14.                 (          
  15.                   (`YSB`.`sc`.`c_id` = 0)                  
  16.                   AND (`YSB`.`sc`.`score` = 100)                 
  17.                   AND (    
  18.                       < CACHE > (`YSB`.`s`.`s_id`) = `YSB`.`sc`.`s_id`                   
  19.                   )    
  20.               )     
  21.       ) 
  22.   )

查看优化后的语句。
方法如下：
在命令窗口执行
SQL优化的过程分享 - 图3
有type=all
按照之前的想法，该sql的执行的顺序应该是先执行子查询。

  1. select s_id
  2. from SC sc 
  3. where sc.c_id = 0 and sc.score = 100

耗时：0.001s
得到如下结果：
SQL优化的过程分享 - 图4
然后再执行

  1. select s.* 
  2. from Student s 
  3. where s.s_id in(7,29,5000)

耗时：0.001s
这样就是相当快了啊，MySQL竟然不是先执行里层的查询，而是将sql优化成了exists子句，并出现了EPENDENT SUBQUERY，
MySQL是先执行外层查询，再执行里层的查询，这样就要循环70007*8次。
那么改用连接查询呢？

  1. SELECT s.* from
  2. Student s
  3. INNER JOIN SC sc
  4. on sc.s_id = s.s_id
  5. where sc.c_id=0 and sc.score=100

这里为了重新分析连接查询的情况，先暂时删除索引sc_c_id_index，sc_score_index 。
执行时间是：0.057s
效率有所提高，看看执行计划：
SQL优化的过程分享 - 图5
这里有连表的情况出现，是不是要给sc表的s_id建立个索引

  1. CREATE index sc_s_id_index on SC(s_id);
  2. show index from SC

SQL优化的过程分享 - 图6
在执行连接查询
时间: 1.076s， 竟然时间还变长了，什么原因？查看执行计划：
SQL优化的过程分享 - 图7
优化后的查询语句为：

  1. SELECT  
  2.     `YSB`.`s`.`s_id` AS `s_id`,   
  3.     `YSB`.`s`.`name` AS `name`
  4. FROM   
  5.     `YSB`.`Student` `s`
  6. JOIN `YSB`.`SC` `sc`
  7. WHERE  
  8.     (     
  9.         (         
  10.             `YSB`.`sc`.`s_id` = `YSB`.`s`.`s_id`       
  11.         )   
  12.         AND (`YSB`.`sc`.`score` = 100)    
  13.         AND (`YSB`.`sc`.`c_id` = 0)  
  14.     )

貌似是先做的连接查询，再进行的where条件过滤。
回到前面的执行计划：
SQL优化的过程分享 - 图8
这里是先做的where条件过滤，再做连表，执行计划还不是固定的，那么先看下标准的sql执行顺序：
SQL优化的过程分享 - 图9
正常情况下是先join再进行where过滤，但是这里的情况，如果先join，将会有70w条数据发送join做操，因此先执行where 。
过滤是明智方案，现在为了排除mysql的查询优化，自己写一条优化后的sql 。

  1. SELECT   
  2.     s.*
  3. FROM   
  4.     (     
  5.         SELECT      
  6.             *     
  7.         FROM       
  8.             SC sc   
  9.         WHERE       
  10.             sc.c_id = 0    
  11.         AND sc.score = 100  
  12.     ) t
  13. INNER JOIN Student s ON t.s_id = s.s_id

即先执行sc表的过滤，再进行表连接，执行时间为：0.054s 。
和之前没有建s_id索引的时间差不多。
查看执行计划：
SQL优化的过程分享 - 图10
先提取sc再连表，这样效率就高多了，现在的问题是提取sc的时候出现了扫描表，那么现在可以明确需要建立相关索引。

  1. CREATE index sc_c_id_index on SC(c_id);
  2. CREATE index sc_score_index on SC(score);

再执行查询：

  1. SELECT   
  2.     s.*
  3. FROM   
  4.     (    
  5.         SELECT     
  6.             *    
  7.         FROM      
  8.             SC sc    
  9.         WHERE        
  10.             sc.c_id = 0    
  11.         AND sc.score = 100   
  12.     ) t
  13. INNER JOIN Student s ON t.s_id = s.s_id

执行时间为：0.001s，这个时间相当靠谱，快了50倍。
执行计划：
SQL优化的过程分享 - 图11
可以看到，先提取sc，再连表，都用到了索引。
那么再来执行下sql。

  1. SELECT s.* from
  2. Student s
  3. INNER JOIN SC sc
  4. on sc.s_id = s.s_id
  5. where sc.c_id=0 and sc.score=100

执行时间0.001s
执行计划：
SQL优化的过程分享 - 图12
这里是mysql进行了查询语句优化，先执行了where过滤，再执行连接操作，且都用到了索引。
2015-04-30日补充：最近又重新导入一些生产数据，经测试发现，前几天优化完的sql执行效率又变低了。
调整内容为SC表的数据增长到300W,学生分数更为离散。
先回顾下：

  1. show index from SC

SQL优化的过程分享 - 图13
执行sql

  1. SELECT s.* from
  2. Student s
  3. INNER JOIN SC sc
  4. on sc.s_id = s.s_id
  5. where sc.c_id=81 and sc.score=84

执行时间：0.061s，这个时间稍微慢了点。执行计划：
SQL优化的过程分享 - 图14
这里用到了intersect并集操作，即两个索引同时检索的结果再求并集，再看字段score和c_id的区分度。
单从一个字段看，区分度都不是很大，从SC表检索，c_id=81检索的结果是70001，score=84的结果是39425。
而c_id=81 and score=84 的结果是897，即这两个字段联合起来的区分度是比较高的，因此建立联合索引查询效率。
将会更高，从另外一个角度看，该表的数据是300w，以后会更多，就索引存储而言，都是不小的数目，随着数据量的。
增加，索引就不能全部加载到内存，而是要从磁盘去读取，这样索引的个数越多，读磁盘的开销就越大，因此根据具体。
业务情况建立多列的联合索引是必要的，那么来试试吧。

  1. alter table SC drop index sc_c_id_index;
  2. alter table SC drop index sc_score_index;
  3. create index sc_c_id_score_index on SC(c_id,score);

执行上述查询语句，消耗时间为：0.007s，这个速度还是可以接收的。
执行计划：
SQL优化的过程分享 - 图15
该语句的优化暂时告一段落。

总结

  1. mysql嵌套子查询效率确实比较低
  2. 可以将其优化成连接查询
  3. 连接表时，可以先用where条件对表进行过滤，然后做表连接
    （虽然mysql会对连表语句做优化）
  4. 建立合适的索引，必要时建立多列联合索引

  5. 学会分析sql执行计划，mysql会对sql进行优化，所以分析执行计划很重要

    索引优化

    上面讲到子查询的优化，以及如何建立索引，而且在多个字段索引时，分别对字段建立了单个索引。
    后面发现其实建立联合索引效率会更高，尤其是在数据量较大，单个列区分度不高的情况下。

    单列索引

    查询语句如下：

    1. select * from user_test_copy where sex = 2 and type = 2 and age = 10

    索引：

    1. CREATE index user_test_index_sex on user_test_copy(sex);
    2. CREATE index user_test_index_type on user_test_copy(type);
    3. CREATE index user_test_index_age on user_test_copy(age);

    分别对sex,type,age字段做了索引，数据量为300w，查询时间：0.415s执行计划：
    SQL优化的过程分享 - 图16
    发现 type=index_merge
    这是mysql对多个单列索引的优化，对结果集采用intersect并集操作

    多列索引

    可以在这3个列上建立多列索引，将表copy一份以便做测试

    1. create index user_test_index_sex_type_age on user_test(sex,type,age);

    查询语句：

    1. select * from user_test where sex = 2 and type = 2 and age = 10

    执行时间：0.032s，快了10多倍，且多列索引的区分度越高，提高的速度也越多
    执行计划：
    SQL优化的过程分享 - 图17

    最左前缀

    多列索引还有最左前缀的特性：
    执行一下语句：

    1. select * from user_test where sex = 2
    2. select * from user_test where sex = 2 and type = 2
    3. select * from user_test where sex = 2 and age = 10

    都会使用到索引，即索引的第一个字段sex要出现在where条件中

    索引覆盖

    就是查询的列都建立了索引，这样在获取结果集的时候不用再去磁盘获取其它列的数据，直接返回索引数据即可
    如：

    1. select sex,type,age from user_test where sex = 2 and type = 2 and age = 10

    执行时间：0.003s
    要比取所有字段快的多

    排序

    1. select * from user_test where sex = 2 and type = 2 ORDER BY user_name

    时间：0.139s
    在排序字段上建立索引会提高排序的效率

    1. create index user_name_index on user_test(user_name)

    最后附上一些sql调优的总结，以后有时间再深入研究

  6. 列类型尽量定义成数值类型，且长度尽可能短，如主键和外键，类型字段等等

  7. 建立单列索引
  8. 根据需要建立多列联合索引
    当单个列过滤之后还有很多数据，那么索引的效率将会比较低，即列的区分度较低，
    那么如果在多个列上建立索引，那么多个列的区分度就大多了，将会有显著的效率提高。
  9. 根据业务场景建立覆盖索引
    只查询业务需要的字段，如果这些字段被索引覆盖，将极大的提高查询效率
  10. 多表连接的字段上需要建立索引 这样可以极大的提高表连接的效率
  11. where条件字段上需要建立索引
  12. 排序字段上需要建立索引
  13. 分组字段上需要建立索引
  14. Where条件上不要使用运算函数，以免索引失效