MySQL Internals——IN，OR，BETWEEN哪个更快？
2013-02-07 22:46 心中无码 阅读(2797) 评论(1) 编辑 收藏 举报
MySQL Internals——IN，OR，BETWEEN哪个更快？
Louis Hust
0 前言
微博上看到@金山 提到了一个MySQL中的一个性能问题，
select id from table where id > 100 and id < 200 和 select id from table where id = 101 or id = 103 or id = 104 or id = 105 or id = ...
哪个更快？
这里的查询条件有三种：between，or 和 in。这里id列是索引列，如果不是的话，三个查询都是全表扫描，性能差距应该不大。
1 准备环境
mysql> show create table tin\G
*************************** 1. row ***************************
Table: tin
Create Table: CREATE TABLE `tin` (
`c1` int(11) NOT NULL AUTO_INCREMENT,
`c2` varchar(256) DEFAULT NULL,
PRIMARY KEY (`c1`)
) ENGINE=InnoDB AUTO_INCREMENT=5002 DEFAULT CHARSET=latin1
1 row in set (0.00 sec)
mysql> show create procedure init_tin\G
*************************** 1. row ***************************
Procedure: init_tin
sql_mode: NO_ENGINE_SUBSTITUTION
Create Procedure: CREATE DEFINER=`root`@`127.0.0.1` PROCEDURE `init_tin`(cnt int)
begin
declare i int default 0;
repeat
insert into tin(c2) values(repeat('a', 100));
set i:= i+1;
until i > cnt
end repeat;
end
character_set_client: utf8
collation_connection: utf8_general_ci
Database Collation: latin1_swedish_ci
1 row in set (0.00 sec)
mysql> call init_tin(5000)\G
2 查看执行计划
为了简单起见，这里并没有选择[100,200]这个区间进行查询，而是只选择了[100,104]这个区间。 查询语句为：
SELECT * FROM tin where c1 >= 100 and c1 <= 104;
SELECT * FROM tin where c1 in (100, 101, 102, 103, 104);
SELECT * FROM tin where c1 = 100 or c1 = 101 or c1 = 102 or c1 = 103 or c1 = 104;
首先查看explain输出，会发现三个语句的explain输出是一样的：
*************************** 1. row *************************** id: 1 select_type: SIMPLE table: tin type: range possible_keys: PRIMARY key: PRIMARY key_len: 4 ref: NULL rows: 5 filtered: 100.00 Extra: Using where 1 row in set, 1 warning (0.00 sec)
MySQL5.6在information_schema中增加了optimizer_trace表，用于跟踪语句生成的执行计划的具体步骤，包含各种关键的优化步骤。 分别看下三种不同语句的执行代价：
1. SELECT * FROM tin where c1 >=100 and c1 <=104;
"chosen_range_access_summary": {
"range_access_plan": {
"type": "range_scan",
"index": "PRIMARY",
"rows": 5,
"ranges": [
"100 <= c1 <= 104"
]
},
"rows_for_plan": 5,
"cost_for_plan": 2.0188,
"chosen": true
}
2. SELECT * FROM tin where c1 in (100, 101, 102, 103, 104);
"chosen_range_access_summary": {
"range_access_plan": {
"type": "range_scan",
"index": "PRIMARY",
"rows": 5,
"ranges": [
"100 <= c1 <= 100",
"101 <= c1 <= 101",
"102 <= c1 <= 102",
"103 <= c1 <= 103",
"104 <= c1 <= 104"
]
},
"rows_for_plan": 5,
"cost_for_plan": 6.0188,
"chosen": true
}
3. SELECT * FROM tin where c1 = 100 or c1 = 101 or c1 = 102 or c1 = 103 or c1 =104;
"chosen_range_access_summary": {
"range_access_plan": {
"type": "range_scan",
"index": "PRIMARY",
"rows": 5,
"ranges": [
"100 <= c1 <= 100",
"101 <= c1 <= 101",
"102 <= c1 <= 102",
"103 <= c1 <= 103",
"104 <= c1 <= 104"
]
},
"rows_for_plan": 5,
"cost_for_plan": 6.0188,
"chosen": true
}
从上面可以看出执行代价最小的语句为SELECT * FROM tin WHERE c1 >= 100 and c1 <=104，代价为2.0118，其他两个计划的代价 为6.0118。
3 计划分析
看了上面的代价结果，是不是就理所当然的任务第一个语句的代价真的是最小呢？这就需要知道MySQL代价计算的方法， 一个计划的代价体现在硬件上就是I/O+CPU，I/O就是将所需的物理页载入内存的时间，CPU则是数据计算所消耗的时间， 有些语句是I/O密集的，有些语句是CPU运算密集的。
为什么MySQL计算出来的代价会差别这么大呢？ MySQL在计算上面三个语句的代价时，I/O代价的计算是由range的个数n_ranges和最终的结果集的行数total_rows得出来的， 语句1的n_ranges=1，语句2和语句3的n_ranges=5，totol_rows都为5，故语句1的在I/O上的代价明显小于语句2和语句3（具体的函数 参见ha_innobase::read_time）。至于CPU的代价，由于返回的行数一致，故CPU的代价一致，CPU的代价主要体现在获取数据后，进行WHERE 条件的匹配操作。
这只是MySQL的对于上面三个语句的代价模型，而实际上，上面三个语句所进行的I/O操作其实是一致的，因为数据范围是一样的。所以，仅凭 MySQL给出的代价结果还是不能立刻判断出语句1就肯定好。
既然I/O操作的代价可以考虑是一致的，那么只能来看三条语句执行时的区别了。语句2和语句3的range个数都为5个，而且range的范围都是一致的， 这其实是MySQL的优化结果，IN和OR都被优化成了相同的结果。只有语句1只有1个range。MySQL执行时是遍历每个range，而每个range遍历时其实 是两种操作，read_first和read_next，read_first是根据每个range的start key定位到相应的位置，read_next则是根据上次BTREE读到的位置， 继续往后读，read_next是以end key为结束。
对于语句1，只有一个range，故需要1次read_first和5次read_next（最后一次read_next不符合end_key，返回结束）,对于语句2和语句3， 有5个range，每个range需要1此read_first和一次read_next,总共需要5此read_first和5次read_next。从数据获取的次数来看，语句2和语句3基本是语句1的调用次数的两倍。
除了获取数据调用次数的区别外，在获取数据之后，还需要进行数据合法性的验证，即匹配WHERE条件，对于语句1的WHERE条件十分简单，匹配 上下界限即可，即对于每返回的一行数据需要两次验证，时间复杂度为常量O（2）。 而对于语句2和语句3，则需要对IN或OR中的每个条件进行验证，知道找到某一匹配项为止，时间复杂度为O（n）。 但是MySQL对于IN做了相应的优化，即将IN中的常量全部存储在一个数组里面，而且这个数组是排好序的，故匹配的时候是二分查找， 时间复杂度为O（lgn）。
在忽略I/O的情况下，仅仅从CPU的耗时来看，语句1应该是最少的，其次是IN，最差的就是OR了。
先就分析到这吧，具体的执行时间的数据我就不测试了，主要是想通过测试了解MySQL内部的优化流程。可能单独测试的时候语句执行效率 差别不是很大。好了，收拾行李，明天回家，年前最后一篇。
File translated from
TEX
by
TTH,
version 4.03.
On 7 Feb 2013, 22:39.
