SQL优化技巧有哪些

68次阅读
没有评论

共计 5081 个字符,预计需要花费 13 分钟才能阅读完成。

这篇文章主要讲解了“SQL 优化技巧有哪些”,文中的讲解内容简单清晰,易于学习与理解,下面请大家跟着丸趣 TV 小编的思路慢慢深入,一起来研究和学习“SQL 优化技巧有哪些”吧!

一、索引优化

索引的数据结构是 B+Tree,而 B+Tree 的查询性能是比较高的,所以建立索引能提升 SQL 的查询性能。

1、建立普通索引

对经常出现在 where 关键字后面的表字段建立对应的索引。

2、建立复合索引

如果 where 关键字后面常出现的有几个字段,可以建立对应的 复合索引。要注意可以优化的一点是:将单独出现最多的字段放在前面。

例如现在我们有两个字段 a 和 b 经常会同时出现在 where 关键字后面:

select * from t where a = 1 and b = 2; \* Q1 *\

也有很多 SQL 会单独使用字段 a 作为查询条件:

select * from t where a = 2; \* Q2 *\

此时,我们可以建立复合索引 index(a,b)。因为不但 Q1 可以利用复合索引,Q2 也可以利用复合索引。

3、最左前缀匹配原则

如果我们使用的是复合索引,应该尽量遵循 最左前缀匹配原则。MySQL   会一直向右匹配直到遇到范围查询 (、、between、like) 就停止匹配。

假如此时我们有一条 SQL:

select * from t where a = 1 and b = 2 and c   3 and d = 4;

那么我们应该建立的复合索引是:index(a,b,d,c) 而不是 index(a,b,c,d)。因为字段 c 是范围查询,当 MySQL   遇到范围查询就停止索引的匹配了。

大家也注意到了,其实 a,b,d 在 SQL 的位置是可以任意调整的,优化器会找到对应的复合索引。

还要注意一点的是:最左前缀匹配原则不但是复合索引的最左 N 个字段; 也可以是单列 (字符串类型) 索引的最左 M 个字符。

例如我们常说的 like 关键字,尽量不要使用全模糊查询,因为这样用不到索引;

所以建议是使用右模糊查询:select * from t where name like 李 % (查询所有姓李的同学的信息)。

4、索引下推

很多时候,我们还可以复合索引的 索引下推 来优化 SQL。

例如此时我们有一个复合索引:index(name,age),然后有一条 SQL 如下:

select * from user where name like  张 %  and age = 10 and sex =  m

根据复合索引的最左前缀匹配原则,MySQL 匹配到复合索引 index(name,age) 的 name   时,就停止匹配了; 然后接下来的流程就是根据主键回表,判断 age 和 sex 的条件是否同时满足,满足则返回给客户端。

但是由于有索引下推的优化,匹配到 name 时,不会立刻回表; 而是先判断复合索引 index(name,age) 中的 age   是否符合条件; 符合条件才进行回表接着判断 sex 是否满足,否则会被过滤掉。

那么借着 MySQL 5.6 引入的索引下推优化,可以做到减少回表的次数。

5、覆盖索引

很多时候,我们还可以 覆盖索引 来优化 SQL。

情况一:SQL 只查询主键作为返回值。

主键索引 (聚簇索引) 的叶子节点是整行数据,而普通索引 (二级索引) 的叶子节点是主键的值。

所以当我们的 SQL 只查询主键值,可以直接获取对应叶子节点的内容,而避免回表。

情况二:SQL 的查询字段就在索引里。

复合索引:假如此时我们有一个复合索引 index(name,age),有一条 SQL 如下:

select name,age from t where name like  张 %

由于是字段 name 是右模糊查询所以可以走复合索引,然后匹配到 name 时,不需要回表,因为 SQL 只是查询字段 name 和  age,所以直接返回索引值就 ok 了。

6、普通索引

尽量 使用普通索引 而不是唯一索引。

首先,普通索引和唯一索引的查询性能其实不会相差很多; 当然了,前提是要查询的记录都在同一个数据页中,否则普通索引的性能会慢很多。

但是,普通索引的更新操作性能比唯一索引更好; 其实很简单,因为普通索引能利用 change buffer   来做更新操作; 而唯一索引因为要判断更新的值是否是唯一的,所以每次都需要将磁盘中的数据读取到 buffer pool 中。

7、前缀索引

我们要学会巧妙的使用 前缀索引,避免索引值过大。

例如有一个字段是 addr varchar(255),但是如果一整个建立索引 [index(addr) ],会很浪费磁盘空间,所以会选择建立前缀索引 [ index(addr(64)) ]。

建立前缀索引,一定要关注字段的区分度。例如像身份证号码这种字段的区分度很低,只要出生地一样,前面好多个字符都是一样的; 这样的话,最不理想时,可能会扫描全表。

前缀索引避免不了回表,即无法使用覆盖索引这个优化点,因为索引值只是字段的前 n 个字符,需要回表才能判断查询值是否和字段值是一致的。

怎么解决?

倒序存储:像身份证这种,后面的几位区分度就非常的高了; 我们可以这么查询:

select field_list from t where id_card = reverse(input_id_card_string

2. 增加 hash 字段并为 hash 字段添加索引。

8、干净的索引列

索引列不能参与计算,要保持索引列“干净”。

假设我们给表 student 的字段 birthday 建立了普通索引。

下面的 SQL 语句不能利用到索引来提升执行效率:

select * from student where DATE_FORMAT(birthday, %Y-%m-%d) =  2020-02-02

我们应该改成下面这样:

select * from student where birthday = STR_TO_DATE(2020-02-02 ,  %Y-%m-%d

9、扩展索引

我们应该尽量 扩展索引,而不是新增索引,一个表最好不要超过 5 个索引; 一个表的索引越多,会导致更新操作更加耗费性能。

二、SQL 优化

1、Order By 优化

1.order by 后面的字段尽量是带索引的,这样能避免使用 sort_buffer 进行排序。

假如有一条 SQL,根据生日查询所有学生的信息:select * from student order by birthday desc;

那么为了提升 SQL 的查询性能,我们可以为 birthday 字段建立索引:

CREATE INDEX index_birthday ON student(birthday);

2.select 后面不要带上不必要的字段,因为如果单行长度太长导致查询数据太多,MySQL 会利用 rowid   排序来代替全字段排序,这样会导致多了回表的操作。

如果我们只是查询学生的姓名、年龄和生日,千万不要写 select *;

而是只查询需要的字段:select name, age, birthday。

2、Join 优化

鸿蒙官方战略合作共建——HarmonyOS 技术社区

在使用 join 的时候,应该让小表做驱动表。小表:总数据量最小的表

使用 join 语句,最好保证能利用被驱动表的索引,不然只能使用 BNL(Block Nested-Loop Join)算法,还不如不用。

启用 BKA(Batched Key Access) 算法,使得 NLJ 算法也能利用上  join_buffer,被驱动表可以批量查询到符合条件的值,然后可以利用 MMR(Multi-Range Read) 的顺序读盘特性来提升回表效率。

如果一定要用 join,而且被驱动表没有索引可以使用,那么我们可以利用临时表 (create temporary table  xx(…)engine=innodb;) 来让 BNL 算法转为 BKA 算法,从而提升查询性能。

join_buffer 是一个无序数组,所以每次判断都需要遍历整个 join_buffer。我们可以在业务端实现 hash join 来提升 SQL   的执行速度。

3、Group By 优化

鸿蒙官方战略合作共建——HarmonyOS 技术社区

如果对 group by 语句的结果没有排序要求,要在语句后面加 order by null。

尽量让 group by 过程用上表的索引,不但不需要临时表,还不需要额外的排序。

如果 group by 需要统计的数据量不大,尽量只使用内存临时表; 也可以通过适当调大 tmp_table_size 参数,来避免用到磁盘临时表。

如果数据量实在太大,使用 SQL_BIG_RESULT 这个提示,来告诉优化器直接使用排序算法得到 group by 的结果。

4、OR 优化

在 Innodb 引擎下 or 关键字无法使用组合索引。

假设现在关于订单表有一条 SQL:

select id,product_name from orders where mobile =  12345678900  or user_id = 6;

一般我们为了提升上面 SQL 的查询效率,会想着为字段 mobile 和 user_id 建立一个复合索引  index(mobile,user_id);

可是我们使用 explain 可以发现执行计划里面并没有提示到使用复合索引,所以 or 关键字无法命中 mobile + user_id   的组合索引。

那么我们可以分别为两个字段建立普通索引,然后采用 union 关键字,如下所示:

(select id,product_name from orders where mobile =  12345678900) union (select id,product_name from orders where user_id = 6);

此时 mobile 和 user_id 字段都有索引,查询才最高效。

5、IN 优化

in 关键字适合主表大子表小,exist 关键字适合主表小子表大。由于查询优化器的不断升级,很多场景这两者性能差不多一样了,可以尝试改为 join   查询。

假设我们现在有一条 SQL,要查询 VIP 用户的所有订单数据:

select id from orders where user_id in (select id from user where level =  VIP

我们可以发现不会有任何关于索引的优化,所以我们可以采用 join 查询,如下所示:

select o.id from orders o join user u on o.user_id = u.id and u.level =  VIP

此时被驱动表应该是 user,那么可以利用到 user 表的主键索引,即可以使用 BKA 算法来提升 join 查询的性能。

6、Like 优化

like 用于模糊查询,但是如果是全模糊查询,将不能命中对应字段的索引。

假设现在关于学生表有一条 SQL:

SELECT name,age,birthday FROM student WHERE name like  % 张 %

使用 explain 可以发现执行计划提示查询未命中索引。

因为本来需求就是查询姓张的所有同学信息,所以没必要使用全模糊查询,使用右模糊查询即可。

换成下面的写法:

SELECT name,age,birthday FROM student WHERE name like  张 %

但是产品经理一定要前后模糊匹配呢? 全文索引 FULLTEXT 可以尝试一下,但是 MySQL 的全文索引不支持中文查询的。

所以说 Elasticsearch 才是终极武器!

三、数据表设计优化

1、数据类型:应该选择更简单或者占用空间更小的类型。

整型选择:可以根据长度选择 tinyint、smallint、medium_int,而不是直接使用 int。

字符串选择:能确定字符串长度的,尽量使用 char 类型,而不是变长的 varchar 类型。

浮点型选择:精度要求比较高的使用 decimal 而不是 double; 也可以考虑使用 BIGINT 来保存,小数位保存可以使用乘以整百来解决。

日期选择:尽量使用 timestamp 而不是 datetime。

2、避免空值:

NULL 值依然会占用空间,并且会使索引更新更加复杂,更新 NULL 时容易发生索引分裂的现象。

可以使用有意义的值来代替 NULL 值,例如“none”字符串等等。

3、超长字符串:

一般超长字符串,varchar 难以存储,我们一般会使用 text 类型。

但是 text 类型的字段尽量避免放在主表中,而是抽出来在子表里,用业务主键关联。

感谢各位的阅读,以上就是“SQL 优化技巧有哪些”的内容了,经过本文的学习后,相信大家对 SQL 优化技巧有哪些这一问题有了更深刻的体会,具体使用情况还需要大家实践验证。这里是丸趣 TV,丸趣 TV 小编将为大家推送更多相关知识点的文章,欢迎关注!

正文完
 
丸趣
版权声明:本站原创文章,由 丸趣 2023-07-20发表,共计5081字。
转载说明:除特殊说明外本站除技术相关以外文章皆由网络搜集发布,转载请注明出处。
评论(没有评论)