共计 1868 个字符，预计需要花费 5 分钟才能阅读完成。
8 种最坑的 SQL 错误用法分别是哪些，相信很多没有经验的人对此束手无策，为此本文总结了问题出现的原因和解决方法，通过这篇文章希望你能解决这个问题。
1、LIMIT 语句
分页查询是最常用的场景之一，但也通常也是最容易出问题的地方。比如对于下面简单的语句，一般 DBA 想到的办法是在 type, name, create_time 字段上加组合索引。这样条件排序都能有效的利用到索引，性能迅速提升。
好吧，可能 90% 以上的 DBA 解决该问题就到此为止。但当 LIMIT 子句变成“LIMIT 1000000,10” 时，程序员仍然会抱怨：我只取 10 条记录为什么还是慢? 要知道数据库也并不知道第 1000000 条记录从什么地方开始，即使有索引也需要从头计算一次。出现这种性能问题，多数情形下是程序员偷懒了。在前端数据浏览翻页，或者大数据分批导出等场景下，是可以将上一页的最大值当成参数作为查询条件的。SQL 重新设计如下：
在新设计下查询时间基本固定，不会随着数据量的增长而发生变化。
2、隐式转换
SQL 语句中查询变量和字段定义类型不匹配是另一个常见的错误。比如下面的语句：
其中字段 bpn 的定义为 varchar(20)，MySQL 的策略是将字符串转换为数字之后再比较。函数作用于表字段，索引失效。上述情况可能是应用程序框架自动填入的参数，而不是程序员的原意。现在应用框架很多很繁杂，使用方便的同时也小心它可能给自己挖坑。
3、关联更新、删除
虽然 MySQL5.6 引入了物化特性，但需要特别注意它目前仅仅针对查询语句的优化。对于更新或删除需要手工重写成 JOIN。比如下面 UPDATE 语句，MySQL 实际执行的是循环 / 嵌套子查询(DEPENDENT SUBQUERY)，其执行时间可想而知。
执行计划：
重写为 JOIN 之后，子查询的选择模式从 DEPENDENT SUBQUERY 变成 DERIVED，执行速度大大加快，从 7 秒降低到 2 毫秒。
执行计划简化为：
4、混合排序
MySQL 不能利用索引进行混合排序。但在某些场景，还是有机会使用特殊方法提升性能的。
执行计划显示为全表扫描：
由于 is_reply 只有 0 和 1 两种状态，我们按照下面的方法重写后，执行时间从 1.58 秒降低到 2 毫秒。
5、EXISTS 语句
MySQL 对待 EXISTS 子句时，仍然采用嵌套子查询的执行方式。如下面的 SQL 语句：
执行计划为：
去掉 exists 更改为 join，能够避免嵌套子查询，将执行时间从 1.93 秒降低为 1 毫秒。
新的执行计划：
6、条件下推外部查询条件不能够下推到复杂的视图或子查询的情况有：
聚合子查询;
含有 LIMIT 的子查询;
UNION 或 UNION ALL 子查询;
输出字段中的子查询;
如下面的语句，从执行计划可以看出其条件作用于聚合子查询之后：
确定从语义上查询条件可以直接下推后，重写如下：
执行计划变为：
7、提前缩小范围先上初始 SQL 语句：
数为 90 万，时间消耗为 12 秒。
由于最后 WHERE 条件以及排序均针对最左主表，因此可以先对 my_order 排序提前缩小数据量再做左连接。SQL 重写后如下，执行时间缩小为 1 毫秒左右。
再检查执行计划：子查询物化后 (select_type=DERIVED) 参与 JOIN。虽然估算行扫描仍然为 90 万，但是利用了索引以及 LIMIT 子句后，实际执行时间变得很小。
8、中间结果集下推
再来看下面这个已经初步优化过的例子(左连接中的主表优先作用查询条件)：
那么该语句还存在其它问题吗? 不难看出子查询 c 是全表聚合查询，在表数量特别大的情况下会导致整个语句的性能下降。其实对于子查询 c，左连接最后结果集只关心能和主表 resourceid 能匹配的数据。因此我们可以重写语句如下，执行时间从原来的 2 秒下降到 2 毫秒。
但是子查询 a 在我们的 SQL 语句中出现了多次。这种写法不仅存在额外的开销，还使得整个语句显的繁杂。使用 WITH 语句再次重写：
总结数据库编译器产生执行计划，决定着 SQL 的实际执行方式。但是编译器只是尽力服务，所有数据库的编译器都不是尽善尽美的。上述提到的多数场景，在其它数据库中也存在性能问题。了解数据库编译器的特性，才能避规其短处，写出高性能的 SQL 语句。程序员在设计数据模型以及编写 SQL 语句时，要把算法的思想或意识带进来。编写复杂 SQL 语句要养成使用 WITH 语句的习惯。简洁且思路清晰的 SQL 语句也能减小数据库的负担。
看完上述内容，你们掌握 8 种最坑的 SQL 错误用法分别是哪些的方法了吗？如果还想学到更多技能或想了解更多相关内容，欢迎关注丸趣 TV 行业资讯频道，感谢各位的阅读！
