[数据库] MYSQL 优化总结
0 查询变量参数
- 查询某个参数时
select @@...
-- 查询有哪些变量
-- show variables;
-- show variables like 'autocommit'; show variables like 'max_connections';
-- show session variables like 'max_connections';
-- show global variables like 'max_connections';
-- 查询指定(系统)变量值
-- show [global | session] variables [like 'variable_name'];
select @@date_format;
select @@datetime_format;
select @@innodb_table_locks;
-- 自定义变量
SET @name := 'Jack';
SET @age := 25;
-- 查询自定义变量 | 后续的查询或操作中可以使用这些变量
SELECT
*
from test.tb_student
WHERE 1 = 1 and name = @name and age = @age;
1 数据插入与导入
- 普通插入:
- 采用批量插入(一次插入的数据不建议超过1000条)
- 手动提交事务
- 主键顺序插入
- 大批量插入:
- 如果一次性需要插入大批量数据,使用
insert
语句插入性能较低,此时可以使用MySQL数据库提供的load
指令插入。
# 客户端连接服务端时,加上参数
--local-infile(这一行在bash/cmd界面输入)
mysql --local-infile -u root -p
# 设置全局参数local_infile为1,开启从本地加载文件导入数据的开关set global local_infile = 1;
select @@local_infile;
# 执行load指令将准备好的数据,加载到表结构中 字段分隔符 行分隔符
load data local infile '/root/sql1.log' into table 'tb_user' fields terminated by ',' lines terminated by '\n';
2 主键设计与优化
- 主键优化
- 数据组织方式:在InnoDB存储引擎中,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(
Index organized table
,IOT
)
- 页分裂:页可以为空,也可以填充一般,也可以填充100%,每个页包含了2-N行数据(如果一行数据过大,会行溢出),根据主键排列。
- 页合并:当删除一行记录时,实际上记录并没有被物理删除,只是记录被标记(flaged)为删除,并且它的空间变得允许被其他记录声明使用。当页中删除的记录到达
MERGE_THRESHOLD
(默认为页的50%),InnoDB会开始寻找最靠近的页(前后)看看是否可以将这两个页合并以优化空间使用。
- MERGE_THRESHOLD:合并页的阈值,可以自己设置,在创建表或创建索引时指定
CREATE TABLE t1 ( id INT, KEY id_index (id) ) COMMENT='MERGE_THRESHOLD=45';
CREATE TABLE t1 ( id INT, KEY id_index (id) ); ALTER TABLE t1 COMMENT='MERGE_THRESHOLD=40';
CREATE TABLE t1 ( id INT, KEY id_index (id) COMMENT 'MERGE_THRESHOLD=40' );
CREATE TABLE t1 ( id INT, KEY id_index (id) ); ALTER TABLE t1 DROP KEY id_index; ALTER TABLE t1 ADD KEY id_index (id) COMMENT 'MERGE_THRESHOLD=40';
详情参见: Mysql主键优化之页分裂与页合并 - CSDN
详情参见: Configuring the Merge Threshold for Index Pages - MYSQL
- 主键设计原则:
- 满足业务需求的情况下,尽量降低主键的长度
- 插入数据时,尽量选择顺序插入,选择使用
AUTO_INCREMENT
自增主键- 尽量不要使用
UUID
做主键或者是其他的自然主键,如身份证号 (占用内存)- 业务操作时,避免对主键的修改
3 Order By 优化
- 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叫 FileSort 排序Using index
:通过有序索引顺序扫描直接返回有序数据,这种情况即为 using index,不需要额外排序,操作效率高
如果
order by
字段全部使用升序排序或者降序排序,则都会走索引,但是如果一个字段升序排序,另一个字段降序排序,则不会走索引, explain 的 extra 信息显示的是Using index, Using filesort
,
如果要优化掉
Using filesort
,则需要另外再创建一个索引,如:create index idx_user_age_phone_ad on tb_user(age asc, phone desc);
,此时使用select id, age, phone from tb_user order by age asc, phone desc;
会全部走索引
- 总结:
- 根据排序字段建立合适的索引,多字段排序时,也遵循最左前缀法则
- 尽量使用覆盖索引。
覆盖索引是指
select
的数据列只用从索引中就能够取得,不必读取数据行。换句话说,查询列要被所建的索引覆盖。
- 多字段排序,一个升序一个降序,此时需要注意联合索引在创建时的规则(ASC/DESC)
- 如果不可避免出现
filesort
,大数据量排序时,可以适当增大排序缓冲区大小sort_buffer_size
(默认256k)
4 Group By 优化
- Group By 优化
- 在分组操作时,可以通过索引来提高效率
- 分组操作时,索引的使用也是满足最左前缀法则的
如索引为
idx_user_pro_age_stat
,则句式可以是select ... where profession order by age
,这样也符合最左前缀法则
5 Limit 优化
- Limit 优化
- 常见问题:如
limit 2000000, 10
,此时需要 MySQL 排序前2000000条记录,但仅仅返回2000000 - 2000010的记录,其他记录丢弃,查询排序的代价非常大。
- 优化方案:一般分页查询时,通过创建覆盖索引能够比较好地提高性能,可以通过覆盖索引加子查询形式进行优化
-- 此语句耗时很长
select * from tb_sku limit 9000000, 10;
-- 通过覆盖索引加快速度,直接通过主键索引进行排序及查询
select id from tb_sku order by id limit 9000000, 10;
-- 下面的语句是错误的,因为 MySQL 不支持 in 里面使用 limit --
select * from tb_sku where id in (select id from tb_sku order by id limit 9000000, 10);
-- 通过连表查询即可实现第一句的效果,并且能达到第二句的速度
select * from tb_sku as s, (select id from tb_sku order by id limit 9000000, 10) as a where s.id = a.id;
6 Count 优化
- Count 优化
- MyISAM 引擎,把一个表的总行数存在了磁盘上,因此执行
count()
的时候会直接返回这个数,效率很高(前提是不适用where
);- InnoDB 引擎,在执行
count()
时,需要把数据一行一行地从引擎里面读出来,然后累计计数。
- 优化方案:自己计数,如创建
key-value
表存储在内存或硬盘,或者是用redis
- count的几种用法:
- 如果count函数的参数(count里面写的那个字段)不是NULL(字段值不为NULL),累计值就加一,最后返回累计值
- 用法:count(*)、count(主键)、count(字段)、count(1)
- count(主键)跟count()一样,因为主键不能为空;
- count(字段)只计算字段值不为NULL的行;
- count(1)引擎会为每行添加一个1,然后就count这个1,返回结果也跟count()一样;
- count(null)返回0
- 各种用法的性能:
- count(主键):InnoDB引擎会遍历整张表,把每行的主键id值都取出来,返回给服务层,服务层拿到主键后,直接按行进行累加(主键不可能为空)
- count(字段):没有not null约束的话,InnoDB引擎会遍历整张表把每一行的字段值都取出来,返回给服务层,服务层判断是否为null,不为null,计数累加;有not null约束的话,InnoDB引擎会遍历整张表把每一行的字段值都取出来,返回给服务层,直接按行进行累加
- count(1):InnoDB 引擎遍历整张表,但不取值。服务层对于返回的每一层,放一个数字 1 进去,直接按行进行累加
- count(*):InnoDB 引擎并不会把全部字段取出来,而是专门做了优化,不取值,服务层直接按行进行累加
- 按效率排序:count(字段) < count(主键) < count(1) < count()
即:尽量使用 count()
7 update优化(避免行锁升级为表锁)
InnoDB
的行锁是针对索引加的锁,不是针对记录加的锁,并且该索引不能失效。否则,会从行锁升级为表锁。
如以下语句:
-- 这句由于id有主键索引,所以只会锁这一行;
update student set no = '123' where id = 1;,
-- 这句由于name没有索引,所以会把整张表都锁住进行数据更新,解决方法是给name字段添加索引。
update student set no = '123' where name = 'test';,
Y 表引擎 := 存储引擎
- 存储引擎就是存储数据、建立索引、更新/查询数据等技术的实现方式。
- 存储引擎是基于表而不是基于库的。所以,存储引擎也可以被称为表引擎。
- MYSQL的默认存储引擎是InnoDB。
-- 查询建表语句
show create table account;
-- 建表时指定存储引擎
CREATE TABLE 表名(
...
) ENGINE=INNODB;
-- 查看当前数据库支持的存储引擎
show engines;
K 索引
优缺点
- 优点:
- 提高数据检索效率,降低数据库的IO成本
- 通过索引列对数据进行排序,降低数据排序的成本,降低CPU的消耗
- 缺点:
- 索引列也是要占用存储空间的
- 索引大大提高了查询效率,但降低了更新速度,比如 INSERT、UPDATE、DELETE
数据结构
- 存储:
- 用二叉树和红黑树会有层级越深,检索速度变慢缺点。
-
B Tree
-
B+ Tree
- 与 B-Tree 的区别:
- 所有的数据都会出现在叶子节点
- 叶子节点形成一个单向链表
- MySQL 索引数据结构对经典的 B+Tree 进行了优化。在原 B+Tree 的基础上,增加一个指向相邻叶子节点的链表指针,就形成了带有顺序指针的 B+Tree,提高区间访问的性能。
Hash
- 哈希索引就是采用一定的hash算法,将键值换算成新的hash值,映射到对应的槽位上,然后存储在hash表中。
- 如果两个(或多个)键值,映射到一个相同的槽位上,他们就产生了hash冲突(也称为hash碰撞),可以通过链表来解决。
- 特点
- Hash索引只能用于对等比较(=、in),不支持范围查询(betwwn、>、<、…)
- 无法利用索引完成排序操作
- 查询效率高,通常只需要一次检索就可以了,效率通常要高于 B+Tree 索引
- 存储引擎支持:
- Memory
- InnoDB: 具有自适应hash功能,hash索引是存储引擎根据 B+Tree 索引在指定条件下自动构建的
为什么 InnoDB 存储引擎选择使用 B+Tree 索引结构?
- 相对于二叉树,层级更少,搜索效率高
- 对于 B-Tree,无论是叶子节点还是非叶子节点,都会保存数据,这样导致一页中存储的键值减少,指针也跟着减少,要同样保存大量数据,只能增加树的高度,导致性能降低
- 相对于 Hash 索引,B+Tree 支持范围匹配及排序操作
索引的类别
分类 | 含义 | 特点 | 关键字 |
---|---|---|---|
主键索引 | 针对于表中主键创建的索引 | 默认自动创建,只能有一个 | PRIMARY |
唯一索引 | 避免同一个表中某数据列中的值重复 | 可以有多个 | UNIQUE |
常规索引 | 快速定位特定数据 | 可以有多个 | |
全文索引 | 全文索引查找的是文本中的关键词,而不是比较索引中的值 | 可以有多个 | FULLTEXT |
- 在 InnoDB 存储引擎中,根据索引的存储形式,又可以分为以下两种:
分类 | 含义 | 特点 |
---|---|---|
聚集索引(Clustered Index) | 将数据存储与索引放一块,索引结构的叶子节点保存了行数据 | 必须有,而且只有一个 |
二级索引(Secondary Index) | 将数据与索引分开存储,索引结构的叶子节点关联的是对应的主键 | 可以存在多个 |
- 聚集索引选取规则:
- 如果存在主键,主键索引就是聚集索引
- 如果不存在主键,将使用第一个唯一(UNIQUE)索引作为聚集索引
- 如果表没有主键或没有合适的唯一索引,则 InnoDB 会自动生成一个 rowid 作为隐藏的聚集索引
索引语法
- 创建索引:
CREATE [ UNIQUE | FULLTEXT ] INDEX index_name ON table_name (index_col_name, ...);
如果不加 CREATE 后面不加索引类型参数,则创建的是常规索引
- 查看索引
SHOW INDEX FROM table_name;
- 删除索引:
DROP INDEX index_name ON table_name;
最左前缀法则
- 如果索引关联了多列(联合索引),要遵守最左前缀法则,最左前缀法则指的是查询从索引的最左列开始,并且不跳过索引中的列。
- 如果跳跃某一列,索引将部分失效(后面的字段索引失效)。如果最左侧不存在则索引失效。
- 联合索引中,出现范围查询(
<
,>
),范围查询右侧的列索引失效。可以用>=
或者<=
来规避索引失效问题。
SQL 解释器(explain
)
- SQL 解释器,是优化数据库的一个重要手段。简单来说,就是在SQL语句中加入一些人为的提示来达到优化操作的目的。
例如:
-- 主键字段 : id int(11) | 唯一索引: id_card varchar(20)
-- 使用索引
explain
select
*
from test.tb_student
use index(idx_student_idcard)
where name="jane" and id_card = '110101199908281112';
不使用哪个索引:
explain
select
*
from test.tb_student
ignore index(idx_student_idcard)
where name="jane" and id_card = '110101199908281112';
必须使用哪个索引:
explain
select
*
from test.tb_student
force index(idx_student_idcard)
where name="jane" and id_card = '110101199908281112';
use
是建议,实际使用哪个索引 MySQL 还会自己权衡运行速度去更改,force
就是无论如何都强制使用该索引。
索引失效情况
- 在索引列上进行运算操作,索引将失效。
如:
explain select * from tb_user where substring(phone, 10, 2) = '15';
- 字符串类型字段使用时,不加引号,索引将失效。
如:
explain select * from tb_user where phone = 17799990015;
此处,phone的值没有加引号
- 模糊查询中,如果仅仅是尾部模糊匹配,索引不会失效;如果是头部模糊匹配,索引失效。
如:
explain select * from tb_user where profession like '%工程';
,前后都有%
也会失效。
- 用
or
分割开的条件,如果or
其中一个条件的列没有索引,那么涉及的索引都不会被用到。 - 如果
MySQL
评估使用索引比全表更慢,则:不使用索引。
X 参考文献
本文链接: https://www.cnblogs.com/johnnyzen
关于博文:评论和私信会在第一时间回复,或直接私信我。
版权声明:本博客所有文章除特别声明外,均采用 BY-NC-SA 许可协议。转载请注明出处!
日常交流:大数据与软件开发-QQ交流群: 774386015 【入群二维码】参见左下角。您的支持、鼓励是博主技术写作的重要动力!