工作中遇到的99%SQL优化，这里都能给你解决方案(三)

-- 示例表

CREATE TABLE `employees` (

  `id` int(11) NOT NULL AUTO_INCREMENT,

  `name` varchar(24) NOT NULL DEFAULT '' COMMENT '姓名',

  `age` int(20) NOT NULL DEFAULT '0' COMMENT '年龄',

  `position` varchar(20) NOT NULL DEFAULT '' COMMENT '职位',

  `hire_time` timestamp NOT NULL DEFAULT CURRENT_TIMESTAMP ON UPDATE CURRENT_TIMESTAMP COMMENT '入职时间',

  PRIMARY KEY (`id`),

  KEY `idx_name_age_position` (`name`,`age`,`position`) USING BTREE,

  KEY `idx_age` (`age`) USING BTREE

) ENGINE=InnoDB AUTO_INCREMENT=136326 DEFAULT CHARSET=utf8 COMMENT='员工表'

--创建100000条记录

drop procedure if EXISTS insert_emp;

delimiter ;;

create procedure insert_emp()

BEGIN

	declare i int;

	set i=1;

	while(i < 100000)DO

		INSERT INTO employees(name,age,position) values(CONCAT('xiaoqiang',i),i,'coder');

		SET i=i+1;

	end WHILE;

end;;

delimiter ;

call insert_emp();

根据自增且连续的主键排序的分页查询

select * from employees LIMIT 9999 ,5;

表示从表employees 中取出从10000行开始的5行记录。看似只查询5条记录，实际这条SQL是先读取10005条记录，然后抛弃前10000条记录，然后读到后面5条想要的数据。没有添加单独的order by，表示通过主键排序。

因此要查询一张大表比较靠后的数据，执行效率是非常低的。

因为主键是自增且连续的，所以可以改写成按照主键查询从第10001开始的五行数据，如下：

select * from  employees WHERE id > 9999 limit 5;

可以看到两个sql的执行计划，显然改写后的sql走了索引，而且扫描的行数大大减少，执行效率会更高。但是，这条改写的sql在很多场景下并不实用，因为表中可能某些记录被删除后，主键空缺，导致结果不一致。

先删除一条记录，然后测试下原来sql和优化后的sql：

select * from employees LIMIT 9999 ,5;

 select * from employees where id> 9999 limit 5;

两条sql的结果不一样，因此，如果主键不连续，不能使用上面描述的方法。

另外由于原来sql是order by非主键字段，按照上面的方法改写sql的结果不一致。所以这种改写得满足以下两个条件：

主键自增且连续
结果是按照主键排序的

根据非主键字段排序的分页查询

select * from employees order by name limit 9000, 5;

 explain select * from employees order by name limit 9000, 5;

key字段对应的值为null，发现并没有使用name字段的索引。因为扫描整个索引并查找到没有索引的行，可能要便利多个索引树，其成本比扫描全表的成本更高，索引优化器放弃使用索引。

优化的关键是：让排序时返回的字段尽可能的少，所以可以让排序和分页操作先查出主键，然后根据主键查到对应的记录。

改下如下：

select * from employees as e inner join(select id from employees order by name limit 9000,5) as ed on e.id=ed.id;

可以看到结果与原来的sql结果是一致的，执行时间减少了一般以上，再对比下执行计划：

原来的sql使用的是filesort排序，而优化后的sql使用的是索引排序。

in和exists优化

原则：小表驱动大表，即小表的数据集驱动大表的数据集

in：当B表的数据集小于A表的数据集时，in由于exists

select * from A where id in(select id from B)

等价于

 for(select id from B){

     select * from A where A.id=B.id

 }

exists:当A表的数据集小于B表的数据集时，exitsts优于in

当著查询A的数据，放到子查询B中做条件验证，根据验证结果（true或false）来决定著查询的数据是否保留。

select * from A  exists(select 1 from B where A.id=B.id)

等价于

for(select * from A){

    select * from B where A.id=B.id

}

count(*)查询优化

explain select count(1) from employees;

explain select count(id) from employees;

explain select count(name) from employees;

explain select count(*) from employees;

四个sql的执行计划几乎一样的，count(name)使用的是联合索引，主要区别根据某个字段做count操作不会统计字段为null的值的数据行。

除了count(name)的其他count操作，都是用的辅助索引而不是主键索引，因为二级索引存储数据更少，检索性能更高。

还没关注我的公众号？

扫文末二维码关注公众号【小强的进阶之路】可领取如下:
学习资料： 1T视频教程：涵盖Javaweb前后端教学视频、机器学习/人工智能教学视频、Linux系统教程视频、雅思考试视频教程；
100多本书：包含C/C++、Java、Python三门编程语言的经典必看图书、LeetCode题解大全；
软件工具：几乎包括你在编程道路上的可能会用到的大部分软件；
项目源码：20个JavaWeb项目源码。

巴特西

工作中遇到的99%SQL优化，这里都能给你解决方案(三)

根据自增且连续的主键排序的分页查询

根据非主键字段排序的分页查询

in和exists优化

count(*)查询优化

最新文章

热门文章