1125MySQL Sending data导致查询很慢的问题详细分析
-- 问题1 tablename使用主键索引反而比idx_ref_id慢的原因
EXPLAIN SELECT SQL_NO_CACHE COUNT(id) FROM dbname.tbname FORCE INDEX (idx_ref_id)
EXPLAIN SELECT SQL_NO_CACHE COUNT(id) FROM dbname.tbname FORCE INDEX (PRIMARY)
原因：可以看到走主键索引的时候效率比较差。那么是为什么呢。
平时我们检索一列的时候，基本上等值或范围查询，那么索引基数大的索引必然效率很高。
但是在做count(*)的时候并没有检索具体的一行或者一个范围。那么选择基数小的索引对,count操作效率会更高。
在做count操作的时候，mysql会遍历每个叶子节点，所以基数越小，效率越高。
mysql非聚簇索引叶子节点保存的主键ID，所以需要检索两遍索引。但是这里相对于遍历主键索引。及时检索两遍索引效率也比单纯的检索主键索引快。
[主键索引太分散了]
可以参见http://www.2cto.com/database/201508/433975.html
-- 问题2 针对一个大表
SELECT SQL_NO_CACHE COUNT(id) FROM dbname.tbname 特别慢的处理办法，
一般使用OPTIMIZE TABLE tablename
使用OPTIMIZE TABLE 对表空间信息进行优化,然后执行COUNT效果很快提升
实战：MySQL Sending data导致查询很慢的问题详细分析
转自http://blog.csdn.net/yunhua_lee/article/details/8573621
这两天帮忙定位一个MySQL查询很慢的问题，定位过程综合各种方法、理论、工具，很有代表性，分享给大家作为新年礼物：）
【问题现象】
使用sphinx支持倒排索引，但sphinx从mysql查询源数据的时候，查询的记录数才几万条，但查询的速度非常慢，大概要4~5分钟左右
【处理过程】
1）explain
首先怀疑索引没有建好，于是使用explain查看查询计划，结果如下：
从explain的结果来看，整个语句的索引设计是没有问题的，除了第一个表因为业务需要进行整表扫描外，其它的表都是通过索引访问
2）show processlist;
explain看不出问题，那到底慢在哪里呢？
于是想到了使用 show processlist查看sql语句执行状态，查询结果如下：
发现很长一段时间，查询都处在 “Sending data”状态
查询一下“Sending data”状态的含义，原来这个状态的名称很具有误导性，所谓的“Sending data”并不是单纯的发送数据，而是包括“收集 + 发送 数据”。
这里的关键是为什么要收集数据，原因在于：mysql使用“索引”完成查询结束后，mysql得到了一堆的行id，如果有的列并不在索引中，mysql需要重新到“数据行”上将需要返回的数据读取出来返回个客户端。
3）show profile
为了进一步验证查询的时间分布，于是使用了show profile命令来查看详细的时间分布
首先打开配置：set profiling=on;
执行完查询后，使用show profiles查看query id;
使用show profile for query query_id查看详细信息;
结果如下：
从结果可以看出，Sending data的状态执行了216s
4）排查对比
经过以上步骤，已经确定查询慢是因为大量的时间耗费在了Sending data状态上，结合Sending data的定义，将目标聚焦在查询语句的返回列上面
经过一 一排查，最后定为到一个description的列上，这个列的设计为：`description`varchar(8000) DEFAULT NULL COMMENT '游戏描述',
于是采取了对比的方法，看看“不返回description的结果”如何。show profile的结果如下：
可以看出，不返回description的时候，查询时间只需要15s，返回的时候，需要216s，两者相差15倍
【原理研究】
至此问题已经明确，但原理上我们还需要继续探究。
这篇淘宝的文章很好的解释了相关原理：innodb使用大字段text，blob的一些优化建议
这里的关键信息是：当Innodb的存储格式是 ROW_FORMAT=COMPACT (or ROW_FORMAT=REDUNDANT)的时候，Innodb只会存储前768字节的长度，剩余的数据存放到“溢出页”中。
我们使用show table status来查看表的相关信息：
可以看到，平均一行大约1.5K，也就说大约1/10行会使用“溢出存储”，一旦采用了这种方式存储，返回数据的时候本来是顺序读取的数据，就变成了随机读取了，所以导致性能急剧下降。
另外，在测试过程中还发现，无论这条语句执行多少次，甚至将整个表select *几次，语句的执行速度都没有明显变化。这个表的数据和索引加起来才150M左右，而整个Innodb buffer pool有5G，缓存整张表绰绰有余，如果缓存了溢出页，性能应该大幅提高才对。
但实测结果却并没有提高，因此从这个测试可以推论Innodb并没有将溢出页（overflow page）缓存到内存里面。
这样的设计也是符合逻辑的，因为overflow page本来就是存放大数据的，如果也放在缓存里面，就会出现一次大数据列（blob、text、varchar）查询，可能就将所有的缓存都更新了，这样会导致其它普通的查询性能急剧下降。
【解决方法】
找到了问题的根本原因，解决方法也就不难了。有几种方法：
1）查询时去掉description的查询，但这受限于业务的实现，可能需要业务做较大调整
2）表结构优化，将descripion拆分到另外的表，这个改动较大，需要已有业务配合修改，且如果业务还是要继续查询这个description的信息，则优化后的性能也不会有很大提升。
