共计 3172 个字符，预计需要花费 8 分钟才能阅读完成。
这期内容当中丸趣 TV 小编将会给大家带来有关 MySQL 中 SQL 优化建议的示例分析，文章内容丰富且以专业的角度为大家分析和叙述，阅读完这篇文章希望大家可以有所收获。
今天早上看到同事的一个优化需求，优化的时间其实不多，但是对于这条 SQL 的优化思考了很多，希望有一些参考。
业务同学提供的 SQL 如下：
SELECT b.order_id FROM ( SELECT a.order_id, a.order_time AS create_time FROM trade_order a WHERE a.user_id = 12345678 。。。。。。 AND a.deleted = 0 UNION SELECT v.order_id, v.create_time FROM virtual_order v WHERE v.user_id = 12345678 。。。。 ORDER BY order_id DESC ) AS b LIMIT 0, 10;根据反馈，这条 SQL 的执行时长在 200 毫秒，在压测情况下会到 500 毫秒左右，从业务层面来看，目前是不满足需求的，想看看我们有没有优化的建议。
第一印象这条 SQL 执行时长 200~500 毫秒，要优化好像可打的牌不多啊, 如果要想得到一个可接受的基准值，当然反馈会是越快越好。所以从这个角度来看，我们不妨按照毫秒级优化的标准来看，这条 SQL 需要做哪些补充的工作。
首先通过 SQL 看下逻辑情况，整体的逻辑是按照用户 id 去查询两个数据源(trade_order 和 virtual_order)，从两个数据源查询出 10 条单号数据返回。这个用户在两个数据源中可能有单号，也可能没有，只要有匹配的就返回，累计返回 10 条，看起来是为了去重才选择了 union 的组合方式。
先不看表结构信息，我大体有了如下的建议：
union 的模式更建议采用 union all, 两个数据源存在数据重合应该是不合理的。
查询语句里面使用了 order_time 但是数据返回压根没有用到，建议去掉
SQL 层面承载了太多的数据处理压力，比如多数据源，去重和过滤，分页，是不是可以做下精简。
当然到了这里，和业务的需求就产生了脱节，这就属于那种看啥都不顺眼的状态，总想找出点问题来，而且对于业务同学来说，哪怕十个八个需求，你得有一个需求的收益更高，他们采用其他需求的可能性才越大，否则就是不作为了。
所以到了这里，我们开始做下分析，要优化 SQL 不看看执行计划是不过关的，在执行前，我的大体感觉表数据量很大，应该是生成了派生表，然后在数据去重过滤层面的消耗比较大，而两个子查询来说，返回的结果集应该很少。 预测的执行情况是：
1)子查询 trade_order 应该很快，毫米级响应
2)子查询 virtual_order 应该也很快，但是最后有一个 order by 操作，可能代价略高
3)union 的去重过滤代价相对较大，涉及到两个结果集的合并，如果返回结果较多，可能是瓶颈
从执行结果来看，让我有些意外，其中 virtual_order 的返回结果竟然有 40 多万行，相当于直接走了全表扫描。
而其他的部分也会收到相关影响，所以后续的处理都会受到影响。
为了快速定位问题，我把两个子查询拆开单独执行，查看执行计划，这是分析瓶颈最快的一种处理思路。
explain SELECT - v.order_id, - v.create_time - FROM - virtual_order v - WHERE - v.user_id = 12345678 。。。;执行计划如下：
可以看到是直接走了全表扫描，这是一个基础需求，不会业务同学漏了索引吧，然后查看表结构：
CREATE TABLE `virtual_order` ( `order_id` varchar(255) NOT NULL COMMENT 订单 ID , 。。。 `user_id` varchar(255) DEFAULT NULL COMMENT 用户 ID , 。。。 `refund` tinyint(3) DEFAULT NULL COMMENT 是否退款(1: 无,2: 是) , `atc_pay_status` int(3) NOT NULL DEFAULT 0 COMMENT 支付状态 , 。。。 PRIMARY KEY (`order_id`), KEY `order_status` (`order_status`), KEY `user_id` (`user_id`), KEY `prepaid_account` (`prepaid_account`) ) ENGINE=InnoDB DEFAULT CHARSET=utf8；发现 user_id 是走了索引的，那么问题来了，user_id 既然是索引，但是为什么 SQL 语句中依然走了全表扫描呢?
此处思考 10 秒钟，继续往下看。
其实这个时候问题的边界都很清晰了，SQL 语句很简单，索引也存在，走了全表扫描，在 MySQL 中可以暂时排除直方图的影响，目前在 5.7 版本中还不存在直方图的特性，那么结果只有一个：字段的类型产生了隐式类型转换。
这个部分可以参考这篇的一篇文章
MySQL 中需要重视的隐式转换
比如初始化语句如下：
create table test(id int primary key,name varchar(20) ,key idx_name(name)); insert into test values(1, 10),(2, 20然后我们使用如下的两条语句进行执行计划的对比测试。
explain select * from test where name=20; explain select * from test where name= rsquo;20 rsquo;;在 name 列为字符类型时，得到的执行计划列表如下：
可以很明显的看到，在 name 为字符串类型时，如果 where 条件为 name=20, 则执行全索引扫描，查看 warning 信息会明确提示：
Message: Cannot use range access on index idx_name due to type or collation conversion on field name
所以此处的问题也显而易见了。
修改了子查询的条件为字符后，整个 SQL 的执行效率就立马好多了。
使用 sql_no_cache 的方式测试。
SQL 修改前性能：
+-----------------------+ 2 rows in set (0.27 sec) 修改后性能： +-----------------------+ 2 rows in set (0.00 sec)然后再次查看执行计划，就都规规矩矩了, 这样我们就解决了瓶颈问题，而那些规范，更好的改进就可以逐步展开了，而从建议的角度来看，采用的概率也会高一些。
当然在这个基础上确实有一些补充的建议，在定位瓶颈之后也可以摊开来说了。
优化不是一锤子买卖，在这个基础上，也发现了一些其他的问题，可以看下这个表的表结构信息，其实能够发现一些设计上的小问题。
1) 表字段的字符型基本都是 varchar(255), 需要尽可能避免这种使用习惯，对于存储性能的开销会有显著影响
2)使用的 int 类型 int(3)，这种使用对于 int 还是存储 4 个字节，但是有限范围大大减少，可以考虑更小的数值类型
3)表的索引比较松散，可以根据业务模型创建复合索引，比如 user_id 和 status 的结合场景更多，应该创建的是 (user_id,status) 的复合索引
上述就是丸趣 TV 小编为大家分享的 MySQL 中 SQL 优化建议的示例分析了，如果刚好有类似的疑惑，不妨参照上述分析进行理解。如果想知道更多相关知识，欢迎关注丸趣 TV 行业资讯频道。
