共计 7593 个字符，预计需要花费 19 分钟才能阅读完成。
本篇内容介绍了“mysql 查询慢的因素有哪些”的有关知识，在实际案例的操作过程中，不少人都会遇到这样的困境，接下来就让丸趣 TV 小编带领大家学习一下如何处理这些情况吧！希望大家仔细阅读，能够学有所成！
数据库查询流程
我们先来看下，一条查询语句下来，会经历哪些流程。
比如我们有一张数据库表
CREATE TABLE `user` ( `id` int(10) unsigned NOT NULL AUTO_INCREMENT COMMENT 主键 ,
`name` varchar(100) NOT NULL DEFAULT COMMENT 名字 ,
`age` int(11) NOT NULL DEFAULT 0 COMMENT 年龄 ,
`gender` int(8) NOT NULL DEFAULT 0 COMMENT 性别 ,
PRIMARY KEY (`id`),
KEY `idx_age` (`age`),
KEY `idx_gender` (`gender`)
) ENGINE=InnoDB DEFAULT CHARSET=utf8;我们平常写的应用代码（go 或 C ++ 之类的），这时候就叫客户端了。
客户端底层会带着账号密码，尝试向 mysql 建立一条 TCP 长链接。
mysql 的连接管理模块会对这条连接进行管理。
建立连接后，客户端执行一条查询 sql 语句。比如：
select * from user where gender = 1 and age = 100;客户端会将 sql 语句通过网络连接给 mysql。
mysql 收到 sql 语句后，会在分析器中先判断下 SQL 语句有没有语法错误，比如 select，如果少打一个 l，写成 slect，则会报错 You have an error in your SQL syntax;。这个报错对于我这样的手残党来说可以说是很熟悉了。
接下来是优化器，在这里会根据一定的规则选择该用什么索引。
之后，才是通过执行器去调用存储引擎的接口函数。
存储引擎类似于一个个组件，它们才是 mysql 真正获取一行行数据并返回数据的地方，存储引擎是可以替换更改的，既可以用不支持事务的 MyISAM，也可以替换成支持事务的 Innodb。这个可以在建表的时候指定。比如
CREATE TABLE `user` ( ...) ENGINE=InnoDB;现在最常用的是 InnoDB。
我们就重点说这个。
InnoDB 中，因为直接操作磁盘会比较慢，所以加了一层内存提提速，叫 buffer pool，这里面，放了很多内存页，每一页 16KB，有些内存页放的是数据库表里看到的那种一行行的数据，有些则是放的索引信息。
查询 SQL 到了 InnoDB 中。会根据前面优化器里计算得到的索引，去查询相应的索引页，如果不在 buffer pool 里则从磁盘里加载索引页。再通过索引页加速查询，得到数据页的具体位置。如果这些数据页不在 buffer pool 中，则从磁盘里加载进来。
这样我们就得到了我们想要的一行行数据。
最后将得到的数据结果返回给客户端。
慢查询分析
如果上面的流程比较慢的话，我们可以通过开启 profiling 看到流程慢在哪。
mysql set profiling=ON;
Query OK, 0 rows affected, 1 warning (0.00 sec)
mysql show variables like profiling
+---------------+-------+
| Variable_name | Value |
+---------------+-------+
| profiling | ON |
+---------------+-------+
1 row in set (0.00 sec)然后正常执行 sql 语句。
这些 SQL 语句的执行时间都会被记录下来，此时你想查看有哪些语句被记录下来了，可以执行 show profiles;
mysql show profiles;
+----------+------------+---------------------------------------------------+
| Query_ID | Duration | Query |
+----------+------------+---------------------------------------------------+
| 1 | 0.06811025 | select * from user where age =60 |
| 2 | 0.00151375 | select * from user where gender = 2 and age = 80 |
| 3 | 0.00230425 | select * from user where gender = 2 and age = 60 |
| 4 | 0.00070400 | select * from user where gender = 2 and age = 100 |
| 5 | 0.07797650 | select * from user where age!=60 |
+----------+------------+---------------------------------------------------+
5 rows in set, 1 warning (0.00 sec)关注下上面的 query_id，比如 select * from user where age =60 对应的 query_id 是 1，如果你想查看这条 SQL 语句的具体耗时，那么可以执行以下的命令。
mysql show profile for query 1;
+----------------------+----------+
| Status | Duration |
+----------------------+----------+
| starting | 0.000074 |
| checking permissions | 0.000010 |
| Opening tables | 0.000034 |
| init | 0.000032 |
| System lock | 0.000027 |
| optimizing | 0.000020 |
| statistics | 0.000058 |
| preparing | 0.000018 |
| executing | 0.000013 |
| Sending data | 0.067701 |
| end | 0.000021 |
| query end | 0.000015 |
| closing tables | 0.000014 |
| freeing items | 0.000047 |
| cleaning up | 0.000027 |
+----------------------+----------+
15 rows in set, 1 warning (0.00 sec)通过上面的各个项，大家就可以看到具体耗时在哪。比如从上面可以看出 Sending data 的耗时最大，这个是指执行器开始查询数据并将数据发送给客户端的耗时，因为我的这张表符合条件的数据有好几万条，所以这块耗时最大，也符合预期。
一般情况下，我们开发过程中，耗时大部分时候都在 Sending data 阶段，而这一阶段里如果慢的话，最容易想到的还是索引相关的原因。
索引相关原因
索引相关的问题，一般能用 explain 命令帮助分析。通过它能看到用了哪些索引，大概会扫描多少行之类的信息。
mysql 会在优化器阶段里看下选择哪个索引，查询速度会更快。
一般主要考虑几个因素，比如：
选择这个索引大概要扫描多少行（rows）
为了把这些行取出来，需要读多少个 16kb 的页
走普通索引需要回表，主键索引则不需要，回表成本大不大？
回到 show profile 中提到的 sql 语句，我们使用 explain select * from user where age =60 分析一下。
上面的这条语句，使用的 type 为 ALL，意味着是全表扫描，possible_keys 是指可能用得到的索引，这里可能使用到的索引是为 age 建的普通索引，但实际上数据库使用的索引是在 key 那一列，是 NULL。也就是说这句 sql 不走索引，全表扫描。
这个是因为数据表里，符合条件的数据行数（rows）太多，如果使用 age 索引，那么需要将它们从 age 索引中读出来，并且 age 索引是普通索引，还需要回表找到对应的主键才能找到对应的数据页。算下来还不如直接走主键划算。于是最终选择了全表扫描。
当然上面只是举了个例子，实际上，mysql 执行 sql 时，不用索引或者用的索引不符合我们预期这件事经常发生，索引失效的场景有很多，比如用了不等号，隐式转换等，这个相信大家背八股文的时候也背过不少了，我也不再赘述。
聊两个生产中容易遇到的问题吧。
索引不符合预期
实际开发中有些情况比较特殊，比如有些数据库表一开始数据量小，索引少，执行 sql 时，确实使用了符合你预期的索引。但随时时间边长，开发的人变多了，数据量也变大了，甚至还可能会加入一些其他重复多余的索引，就有可能出现用着用着，用到了不符合你预期的其他索引了。从而导致查询突然变慢。
这种问题，也好解决，可以通过 force index 指定索引。比如
通过 explain 可以看出，加了 force index 之后，sql 就选用了 idx_age 这个索引了。
走了索引还是很慢
有些 sql，用 explain 命令看，明明是走索引的，但还是很慢。一般是两种情况：
第一种是索引区分度太低，比如网页全路径的 url 链接，这拿来做索引，一眼看过去全都是同一个域名，如果前缀索引的长度建得不够长，那这走索引跟走全表扫描似的，正确姿势是尽量让索引的区分度更高，比如域名去掉，只拿后面 URI 部分去做索引。
第二种是索引中匹配到的数据太大，这时候需要关注的是 explain 里的 rows 字段了。
它是用于预估这个查询语句需要查的行数的，它不一定完全准确，但可以体现个大概量级。
当它很大时，一般常见的是下面几种情况。
如果这个字段具有唯一的属性，比如电话号码等，一般是不应该有大量重复的，那可能是你代码逻辑出现了大量重复插入的操作，你需要检查下代码逻辑，或者需要加个唯一索引限制下。
如果这个字段下的数据就是会很大，是否需要全部拿？如果不需要，加个 limit 限制下。如果确实要拿全部，那也不能一次性全拿，今天你数据量小，可能一次取一两万都没啥压力，万一哪天涨到了十万级别，那一次性取就有点吃不消了。你可能需要分批次取，具体操作是先用 order by id 排序一下，拿到一批数据后取最大 id 作为下次取数据的起始位置。
连接数过小
索引相关的原因我们聊完了，我们来聊聊，除了索引之外，还有哪些因素会限制我们的查询速度的。
我们可以看到，mysql 的 server 层里有个连接管理，它的作用是管理客户端和 mysql 之间的长连接。
正常情况下，客户端与 server 层如果只有一条连接，那么在执行 sql 查询之后，只能阻塞等待结果返回，如果有大量查询同时并发请求，那么后面的请求都需要等待前面的请求执行完成后，才能开始执行。
因此很多时候我们的应用程序，比如 go 或 java 这些，会打印出 sql 执行了几分钟的日志，但实际上你把这条语句单独拎出来执行，却又是毫秒级别的。这都是因为这些 sql 语句在等待前面的 sql 执行完成。
怎么解决呢？
如果我们能多建几条连接，那么请求就可以并发执行，后面的连接就不用等那么久了。
而连接数过小的问题，受数据库和客户端两侧同时限制。
数据库连接数过小
mysql 的最大连接数默认是 100, 最大可以达到 16384。
可以通过设置 mysql 的 max_connections 参数，更改数据库的最大连接数。
mysql set global max_connections= 500;
Query OK, 0 rows affected (0.00 sec)
mysql show variables like max_connections
+-----------------+-------+
| Variable_name | Value |
+-----------------+-------+
| max_connections | 500 |
+-----------------+-------+
1 row in set (0.00 sec)上面的操作，就把最大连接数改成了 500。
应用侧连接数过小
数据库连接大小是调整过了，但貌似问题还是没有变化？还是有很多 sql 执行达到了几分钟，甚至超时？
那有可能是因为你应用侧（go，java 写的应用，也就是 mysql 的客户端）的连接数也过小。
应用侧与 mysql 底层的连接，是基于 TCP 协议的长链接，而 TCP 协议，需要经过三次握手和四次挥手来实现建连和释放。如果我每次执行 sql 都重新建立一个新的连接的话，那就要不断握手和挥手，这很耗时。所以一般会建立一个长连接池，连接用完之后，塞到连接池里，下次要执行 sql 的时候，再从里面捞一条连接出来用，非常环保。
我们一般写代码的时候，都会通过第三方的 orm 库来对数据库进行操作，而成熟的 orm 库，百分之一千万都会有个连接池。
而这个连接池，一般会有个大小。这个大小就控制了你的连接数最大值，如果说你的连接池太小，都还没有数据库的大，那调了数据库的最大连接数也没啥作用。
一般情况下，可以翻下你使用的 orm 库的文档，看下怎么设置这个连接池的大小，就几行代码的事情，改改就好。比如 go 语言里的 gorm 里是这么设置的
func Init() { db, err := gorm.Open(mysql.Open(conn), config)
sqlDB, err := db.DB()
// SetMaxIdleConns 设置空闲连接池中连接的最大数量
sqlDB.SetMaxIdleConns(200)
// SetMaxOpenConns 设置打开数据库连接的最大数量
sqlDB.SetMaxOpenConns(1000)
}buffer pool 太小
连接数是上去了，速度也提升了。
曾经遇到过面试官会追问，有没有其他办法可以让速度更快呢？
那必须要眉头紧锁，假装思考，然后说：有的。
我们在前面的数据库查询流程里，提到了进了 innodb 之后，会有一层内存 buffer pool，用于将磁盘数据页加载到内存页中，只要查询到 buffer pool 里有，就可以直接返回，否则就要走磁盘 IO，那就慢了。
也就是说，如果我的 buffer pool 越大，那我们能放的数据页就越多，相应的，sql 查询时就更可能命中 buffer pool，那查询速度自然就更快了。
可以通过下面的命令查询到 buffer pool 的大小，单位是 Byte。
mysql show global variables like innodb_buffer_pool_size
+-------------------------+-----------+
| Variable_name | Value |
+-------------------------+-----------+
| innodb_buffer_pool_size | 134217728 |
+-------------------------+-----------+
1 row in set (0.01 sec)也就是 128Mb。
如果想要调大一点。可以执行
mysql set global innodb_buffer_pool_size = 536870912;
Query OK, 0 rows affected (0.01 sec)
mysql show global variables like innodb_buffer_pool_size
+-------------------------+-----------+
| Variable_name | Value |
+-------------------------+-----------+
| innodb_buffer_pool_size | 536870912 |
+-------------------------+-----------+
1 row in set (0.01 sec)这样就把 buffer pool 增大到 512Mb 了。
但是吧，如果 buffer pool 大小正常，只是别的原因导致的查询变慢，那改 buffer pool 毫无意义。
但问题又来了。
怎么知道 buffer pool 是不是太小了？
这个我们可以看 buffer pool 的缓存命中率。
通过 show status like Innodb_buffer_pool_% 可以看到跟 buffer pool 有关的一些信息。
Innodb_buffer_pool_read_requests 表示读请求的次数。
Innodb_buffer_pool_reads 表示从物理磁盘中读取数据的请求次数。
所以 buffer pool 的命中率就可以这样得到：
buffer pool 命中率 = 1 - (Innodb_buffer_pool_reads/Innodb_buffer_pool_read_requests) * 100%比如我上面截图里的就是，1 – (405/2278354) = 99.98%。可以说命中率非常高了。
一般情况下 buffer pool 命中率都在 99% 以上，如果低于这个值，才需要考虑加大 innodb buffer pool 的大小。
当然，还可以把这个命中率做到监控里，这样半夜 sql 变慢了，早上上班还能定位到原因，就很舒服。
还有哪些骚操作？
前面提到的是在存储引擎层里加入了 buffer pool 用于缓存内存页，这样可以加速查询。
那同样的道理，server 层也可以加个缓存，直接将第一次查询的结果缓存下来，这样下次查询就能立刻返回，听着挺美的。
按道理，如果命中缓存的话，确实是能为查询加速的。但这个功能限制很大，其中最大的问题是只要数据库表被更新过，表里面的所有缓存都会失效，数据表频繁的更新，就会带来频繁的缓存失效。所以这个功能只适合用于那些不怎么更新的数据表。
另外，这个功能在 8.0 版本之后，就被干掉了。所以这功能用来聊聊天可以，没必要真的在生产中使用啊。
“mysql 查询慢的因素有哪些”的内容就介绍到这里了，感谢大家的阅读。如果想了解更多行业相关的知识可以关注丸趣 TV 网站，丸趣 TV 小编将为大家输出更多高质量的实用文章！
