MySQL的慢SQL怎么优化

共计 6099 个字符，预计需要花费 16 分钟才能阅读完成。

本篇内容主要讲解“MySQL 的慢 SQL 怎么优化”，感兴趣的朋友不妨来看看。本文介绍的方法操作简单快捷，实用性强。下面就让丸趣 TV 小编来带大家学习“MySQL 的慢 SQL 怎么优化”吧!

索引类似大学图书馆建书目索引，可以提高数据检索的效率，降低数据库的 IO 成本。MySQL 在 300 万条记录左右性能开始逐渐下降，虽然官方文档说 500~800w 记录，所以大数据量建立索引是非常有必要的。

MySQL 提供了 Explain，用于显示 SQL 执行的详细信息，可以进行索引的优化。

一、导致 SQL 执行慢的原因

1. 硬件问题。如网络速度慢，内存不足，I/ O 吞吐量小，磁盘空间满了等。

2. 没有索引或者索引失效。（一般在互联网公司，DBA 会在半夜把表锁了，重新建立一遍索引，因为当你删除某个数据的时候，索引的树结构就不完整了。所以互联网公司的数据做的是假删除. 一是为了做数据分析, 二是为了不破坏索引）

3. 数据过多（分库分表）

4. 服务器调优及各个参数设置（调整 my.cnf）

二、分析原因时，一定要找切入点

1. 先观察，开启慢查询日志，设置相应的阈值（比如超过 3 秒就是慢 SQL），在生产环境跑上个一天过后，看看哪些 SQL 比较慢。

2. Explain 和慢 SQL 分析。比如 SQL 语句写的烂，索引没有或失效，关联查询太多（有时候是设计缺陷或者不得以的需求）等等。

3. Show Profile 是比 Explain 更近一步的执行细节，可以查询到执行每一个 SQL 都干了什么事，这些事分别花了多少秒。

4. 找 DBA 或者运维对 MySQL 进行服务器的参数调优。

三、什么是索引？

MySQL 官方对索引的定义为：索引 (Index) 是帮助 MySQL 高效获取数据的数据结构。我们可以简单理解为：快速查找排好序的一种数据结构。

Mysql 索引主要有两种结构：B+Tree 索引和 Hash 索引。我们平常所说的索引，如果没有特别指明，一般都是指 B 树结构组织的索引(B+Tree 索引)。为什么索引能提高查询速度？推荐

索引如图所示：

最外层浅蓝色磁盘块 1 里有数据 17、35（深蓝色）和指针 P1、P2、P3（黄色）。P1 指针表示小于 17 的磁盘块，P2 是在 17-35 之间，P3 指向大于 35 的磁盘块。真实数据存在于子叶节点也就是最底下的一层 3、5、9、10、13…… 非叶子节点不存储真实的数据，只存储指引搜索方向的数据项，如 17、35。

查找过程：例如搜索 28 数据项，首先加载磁盘块 1 到内存中，发生一次 I /O，用二分查找确定在 P2 指针。接着发现 28 在 26 和 30 之间，通过 P2 指针的地址加载磁盘块 3 到内存，发生第二次 I /O。用同样的方式找到磁盘块 8，发生第三次 I /O。

真实的情况是，上面 3 层的 B +Tree 可以表示上百万的数据，上百万的数据只发生了三次 I / O 而不是上百万次 I /O，时间提升是巨大的。

四、Explain 分析

前文铺垫完成，进入实操部分，先来插入测试需要的数据：

CREATE TABLE `user_info` ( `id` BIGINT(20) NOT NULL AUTO_INCREMENT, `name` VARCHAR(50) NOT NULL DEFAULT  , `age` INT(11) DEFAULT NULL, PRIMARY KEY (`id`), KEY `name_index` (`name`) )ENGINE = InnoDB DEFAULT CHARSET = utf8; INSERT INTO user_info (name, age) VALUES (xys , 20); INSERT INTO user_info (name, age) VALUES (a , 21); INSERT INTO user_info (name, age) VALUES (b , 23); INSERT INTO user_info (name, age) VALUES (c , 50); INSERT INTO user_info (name, age) VALUES (d , 15); INSERT INTO user_info (name, age) VALUES (e , 20); INSERT INTO user_info (name, age) VALUES (f , 21); INSERT INTO user_info (name, age) VALUES (g , 23); INSERT INTO user_info (name, age) VALUES (h , 50); INSERT INTO user_info (name, age) VALUES (i , 15); CREATE TABLE `order_info` ( `id` BIGINT(20) NOT NULL AUTO_INCREMENT, `user_id` BIGINT(20) DEFAULT NULL, `product_name` VARCHAR(50) NOT NULL DEFAULT  , `productor` VARCHAR(30) DEFAULT NULL, PRIMARY KEY (`id`), KEY `user_product_detail_index` (`user_id`, `product_name`, `productor`) )ENGINE = InnoDB DEFAULT CHARSET = utf8; INSERT INTO order_info (user_id, product_name, productor) VALUES (1,  p1 ,  WHH  INSERT INTO order_info (user_id, product_name, productor) VALUES (1,  p2 ,  WL  INSERT INTO order_info (user_id, product_name, productor) VALUES (1,  p1 ,  DX  INSERT INTO order_info (user_id, product_name, productor) VALUES (2,  p1 ,  WHH  INSERT INTO order_info (user_id, product_name, productor) VALUES (2,  p5 ,  WL  INSERT INTO order_info (user_id, product_name, productor) VALUES (3,  p3 ,  MA  INSERT INTO order_info (user_id, product_name, productor) VALUES (4,  p1 ,  WHH  INSERT INTO order_info (user_id, product_name, productor) VALUES (6,  p1 ,  WHH  INSERT INTO order_info (user_id, product_name, productor) VALUES (9,  p8 ,  TE

初体验，执行 Explain 的效果：

索引使用情况在 possible_keys、key 和 key_len 三列，接下来我们先从左到右依次讲解。

1. id

–id 相同, 执行顺序由上而下

explain select u.*,o.* from user_info u,order_info o where u.id=o.user_id;

–id 不同, 值越大越先被执行

explain select * from user_info where id=(select user_id from order_info where product_name = p8

2. select_type

可以看 id 的执行实例，总共有以下几种类型：

 SIMPLE：表示此查询不包含 UNION 查询或子查询

 PRIMARY：表示此查询是最外层的查询

 SUBQUERY：子查询中的第一个 SELECT

 UNION：表示此查询是 UNION 的第二或随后的查询

 DEPENDENT UNION：UNION 中的第二个或后面的查询语句, 取决于外面的查询

 UNION RESULT, UNION 的结果

 DEPENDENT SUBQUERY: 子查询中的第一个 SELECT, 取决于外面的查询. 即子查询依赖于外层查询的结果.

 DERIVED：衍生，表示导出表的 SELECT（FROM 子句的子查询）

3. table

table 表示查询涉及的表或衍生的表：

explain select tt.* from (select u.* from user_info u,order_info o where u.id=o.user_id and u.id=1) tt

id 为 1 的 derived2 的表示 id 为 2 的 u 和 o 表衍生出来的。

4. type

type 字段比较重要，它提供了判断查询是否高效的重要依据依据。通过 type 字段，我们判断此次查询是 全表扫描 还是 索引扫描等。

type 常用的取值有:

 system: 表中只有一条数据，这个类型是特殊的 const 类型。

 const: 针对主键或唯一索引的等值查询扫描，最多只返回一行数据。const 查询速度非常快，因为它仅仅读取一次即可。例如下面的这个查询，它使用了主键索引，因此 type 就是 const 类型的：explain select * from user_info where id = 2；

 eq_ref: 此类型通常出现在多表的 join 查询，表示对于前表的每一个结果，都只能匹配到后表的一行结果。并且查询的比较操作通常是 =，查询效率较高。例如：explain select * from user_info, order_info where user_info.id = order_info.user_id;

 ref: 此类型通常出现在多表的 join 查询，针对于非唯一或非主键索引，或者是使用了 最左前缀 规则索引的查询。例如下面这个例子中，就使用到了 ref 类型的查询：explain select * from user_info, order_info where user_info.id = order_info.user_id AND order_info.user_id = 5

 range: 表示使用索引范围查询，通过索引字段范围获取表中部分数据记录。这个类型通常出现在 =, , , =, , =, IS NULL, = , BETWEEN, IN() 操作中。例如下面的例子就是一个范围查询：explain select * from user_info  where id between 2 and 8；

 index: 表示全索引扫描(full index scan)，和 ALL 类型类似，只不过 ALL 类型是全表扫描，而 index 类型则仅仅扫描所有的索引，而不扫描数据。index 类型通常出现在：所要查询的数据直接在索引树中就可以获取到, 而不需要扫描数据。当是这种情况时，Extra 字段 会显示 Using index。

 ALL: 表示全表扫描，这个类型的查询是性能最差的查询之一。通常来说，我们的查询不应该出现 ALL 类型的查询，因为这样的查询在数据量大的情况下，对数据库的性能是巨大的灾难。如一个查询是 ALL 类型查询，那么一般来说可以对相应的字段添加索引来避免。

通常来说, 不同的 type 类型的性能关系如下:

ALL   index   range ~ index_merge   ref   eq_ref   const   system

ALL 类型因为是全表扫描，因此在相同的查询条件下，它是速度最慢的。而 index 类型的查询虽然不是全表扫描，但是它扫描了所有的索引，因此比 ALL 类型的稍快. 后面的几种类型都是利用了索引来查询数据，因此可以过滤部分或大部分数据，因此查询效率就比较高了。

5. possible_keys

它表示 mysql 在查询时，可能使用到的索引。注意，即使有些索引在 possible_keys 中出现，但是并不表示此索引会真正地被 mysql 使用到。mysql 在查询时具体使用了哪些索引，由 key 字段决定。

6. key

此字段是 mysql 在当前查询时所真正使用到的索引。比如请客吃饭,possible_keys 是应到多少人，key 是实到多少人。当我们没有建立索引时：

explain select o.* from order_info o where o.product_name=  p1  and o.productor= whh  create index idx_name_productor on order_info(productor); drop index idx_name_productor on order_info;

建立复合索引后再查询：

7. key_len

表示查询优化器使用了索引的字节数，这个字段可以评估组合索引是否完全被使用。

8. ref

这个表示显示索引的哪一列被使用了，如果可能的话, 是一个常量。前文的 type 属性里也有 ref，注意区别。

9. rows

rows 也是一个重要的字段，mysql 查询优化器根据统计信息，估算 sql 要查找到结果集需要扫描读取的数据行数，这个值非常直观的显示 sql 效率好坏，原则上 rows 越少越好。可以对比 key 中的例子，一个没建立索引钱，rows 是 9，建立索引后，rows 是 4。

10. extra

explain 中的很多额外的信息会在 extra 字段显示, 常见的有以下几种内容:

 using filesort：表示 mysql 需额外的排序操作，不能通过索引顺序达到排序效果。一般有 using filesort 都建议优化去掉，因为这样的查询 cpu 资源消耗大。

 using index：覆盖索引扫描，表示查询在索引树中就可查找所需数据，不用扫描表数据文件，往往说明性能不错。

 using temporary：查询有使用临时表, 一般出现于排序，分组和多表 join 的情况，查询效率不高，建议优化。

 using where：表名使用了 where 过滤。

五、优化案例

explain select u.*,o.* from user_info u LEFT JOIN order_info o on u.id=o.user_id;

执行结果，type 有 ALL，并且没有索引：

开始优化，在关联列上创建索引，明显看到 type 列的 ALL 变成 ref，并且用到了索引，rows 也从扫描 9 行变成了 1 行：

这里面一般有个规律是：左链接索引加在右表上面，右链接索引加在左表上面。

六、是否需要创建索引？ 

索引虽然能非常高效的提高查询速度，同时却会降低更新表的速度。实际上索引也是一张表，该表保存了主键与索引字段，并指向实体表的记录，所以索引列也是要占用空间的。

到此，相信大家对“MySQL 的慢 SQL 怎么优化”有了更深的了解，不妨来实际操作一番吧！这里是丸趣 TV 网站，更多相关内容可以进入相关频道进行查询，关注我们，继续学习！