一次SQL查询优化原理分析(900W+数据,从17s到300ms)

数据库 SQL Server 大数据
有一张财务流水表,未分库分表,目前的数据量为9555695,分页查询使用到了limit,优化之前的查询耗时16 s 938 ms (execution: 16 s 831 ms, fetching: 107 ms),按照下文的方式调整SQL后,耗时347 ms (execution: 163 ms, fetching: 184 ms)......

有一张财务流水表,未分库分表,目前的数据量为9555695,分页查询使用到了limit,优化之前的查询耗时16 s 938 ms (execution: 16 s 831 ms, fetching: 107 ms),按照下文的方式调整SQL后,耗时347 ms (execution: 163 ms, fetching: 184 ms);

  • 操作: 查询条件放到子查询中,子查询只查主键ID,然后使用子查询中确定的主键关联查询其他的属性字段;
  • 原理: 减少回表操作;
  1. -- 优化前SQL 
  2. SELECT  各种字段 
  3. FROM `table_name` 
  4. WHERE 各种条件 
  5. LIMIT 0,10;  
  1. -- 优化后SQL 
  2. SELECT  各种字段 
  3. FROM `table_name` main_tale 
  4. RIGHT JOIN  
  5. SELECT  子查询只查主键 
  6. FROM `table_name` 
  7. WHERE 各种条件 
  8. LIMIT 0,10; 
  9. ) temp_table ON temp_table.主键 = main_table.主键 

一,前言

首先说明一下MySQL的版本:

  1. mysql> select version(); 
  2. +-----------+ 
  3. | version() | 
  4. +-----------+ 
  5. | 5.7.17    | 
  6. +-----------+ 
  7. 1 row in set (0.00 sec) 

表结构:

  1. mysql> desc test; 
  2. +--------+---------------------+------+-----+---------+----------------+ 
  3. | Field  | Type                | Null | Key | Default | Extra          | 
  4. +--------+---------------------+------+-----+---------+----------------+ 
  5. | id     | bigint(20) unsigned | NO   | PRI | NULL    | auto_increment | 
  6. | val    | int(10) unsigned    | NO   | MUL | 0       |                | 
  7. | source | int(10) unsigned    | NO   |     | 0       |                | 
  8. +--------+---------------------+------+-----+---------+----------------+ 
  9. rows in set (0.00 sec) 

id为自增主键,val为非唯一索引。

灌入大量数据,共500万:

  1. mysql> select count(*) from test; 
  2. +----------+ 
  3. count(*) | 
  4. +----------+ 
  5. |  5242882 | 
  6. +----------+ 
  7. 1 row in set (4.25 sec) 

我们知道,当limit offset rows中的offset很大时,会出现效率问题:

  1. mysql> select * from test where val=4 limit 300000,5; 
  2. +---------+-----+--------+ 
  3. | id      | val | source | 
  4. +---------+-----+--------+ 
  5. | 3327622 |   4 |      4 | 
  6. | 3327632 |   4 |      4 | 
  7. | 3327642 |   4 |      4 | 
  8. | 3327652 |   4 |      4 | 
  9. | 3327662 |   4 |      4 | 
  10. +---------+-----+--------+ 
  11. rows in set (15.98 sec) 

为了达到相同的目的,我们一般会改写成如下语句:

  1. mysql> select * from test a inner join (select id from test where val=4 limit 300000,5) b on a.id=b.id; 
  2. +---------+-----+--------+---------+ 
  3. | id      | val | source | id      | 
  4. +---------+-----+--------+---------+ 
  5. | 3327622 |   4 |      4 | 3327622 | 
  6. | 3327632 |   4 |      4 | 3327632 | 
  7. | 3327642 |   4 |      4 | 3327642 | 
  8. | 3327652 |   4 |      4 | 3327652 | 
  9. | 3327662 |   4 |      4 | 3327662 | 
  10. +---------+-----+--------+---------+ 
  11. rows in set (0.38 sec) 

时间相差很明显。

为什么会出现上面的结果?我们看一下select * from test where val=4 limit 300000,5;的查询过程:

查询到索引叶子节点数据。

根据叶子节点上的主键值去聚簇索引上查询需要的全部字段值。

类似于下面这张图:

像上面这样,需要查询300005次索引节点,查询300005次聚簇索引的数据,最后再将结果过滤掉前300000条,取出最后5条。MySQL耗费了大量随机I/O在查询聚簇索引的数据上,而有300000次随机I/O查询到的数据是不会出现在结果集当中的。肯定会有人问:既然一开始是利用索引的,为什么不先沿着索引叶子节点查询到最后需要的5个节点,然后再去聚簇索引中查询实际数据。这样只需要5次随机I/O,类似于下面图片的过程

其实我也想问这个问题。 

证实

下面我们实际操作一下来证实上述的推论:为了证实select * from test where val=4 limit 300000,5是扫描300005个索引节点和300005个聚簇索引上的数据节点,我们需要知道MySQL有没有办法统计在一个sql中通过索引节点查询数据节点的次数。我先试了Handler_read_*系列,很遗憾没有一个变量能满足条件。我只能通过间接的方式来证实:InnoDB中有buffer pool。里面存有最近访问过的数据页,包括数据页和索引页。所以我们需要运行两个sql,来比较buffer pool中的数据页的数量。预测结果是运行select * from test a inner join (select id from test where val=4 limit 300000,5); 之后,buffer pool中的数据页的数量远远少于select * from test where val=4 limit 300000,5;对应的数量,因为前一个sql只访问5次数据页,而后一个sql访问300005次数据页。select * from test where val=4 limit 300000,5

  1. mysql> select index_name,count(*) from information_schema.INNODB_BUFFER_PAGE where INDEX_NAME in('val','primary'and TABLE_NAME like '%test%' group by index_name;Empty set (0.04 sec) 

可以看出,目前buffer pool中没有关于test表的数据页。

  1. mysql> select * from test where val=4 limit 300000,5; 
  2. +---------+-----+--------+ 
  3. | id      | val | source | 
  4. +---------+-----+--------+|  
  5. 3327622 |   4 |      4 | 
  6. | 3327632 |   4 |      4 | 
  7. | 3327642 |   4 |      4 | 
  8. | 3327652 |   4 |      4 | 
  9. | 3327662 |   4 |      4 | 
  10. +---------+-----+--------+ 
  11. rows in set (26.19 sec) 
  12.  
  13. mysql> select index_name,count(*) from information_schema.INNODB_BUFFER_PAGE where INDEX_NAME in('val','primary'and TABLE_NAME like '%test%' group by index_name; 
  14. +------------+----------+ 
  15. | index_name | count(*) | 
  16. +------------+----------+ 
  17. PRIMARY    |     4098 | 
  18. | val        |      208 | 
  19. +------------+----------+2 rows in set (0.04 sec) 

可以看出,此时buffer pool中关于test表有4098个数据页,208个索引页。select * from test a inner join (select id from test where val=4 limit 300000,5) ;为了防止上次试验的影响,我们需要清空buffer pool,重启mysql。

  1. mysqladmin shutdown 
  2. /usr/local/bin/mysqld_safe & 
  1. mysql> select index_name,count(*) from information_schema.INNODB_BUFFER_PAGE where INDEX_NAME in('val','primary'and TABLE_NAME like '%test%' group by index_name; 
  2.  
  3. Empty set (0.03 sec) 

运行sql:

  1. mysql> select * from test a inner join (select id from test where val=4 limit 300000,5) b on a.id=b.id; 
  2. +---------+-----+--------+---------+ 
  3. | id      | val | source | id      | 
  4. +---------+-----+--------+---------+ 
  5. | 3327622 |   4 |      4 | 3327622 | 
  6. | 3327632 |   4 |      4 | 3327632 | 
  7. | 3327642 |   4 |      4 | 3327642 | 
  8. | 3327652 |   4 |      4 | 3327652 | 
  9. | 3327662 |   4 |      4 | 3327662 | 
  10. +---------+-----+--------+---------+ 
  11. rows in set (0.09 sec) 
  12.  
  13. mysql> select index_name,count(*) from information_schema.INNODB_BUFFER_PAGE where INDEX_NAME in('val','primary'and TABLE_NAME like '%test%' group by index_name; 
  14. +------------+----------+ 
  15. | index_name | count(*) | 
  16. +------------+----------+ 
  17. PRIMARY    |        5 | 
  18. | val        |      390 | 
  19. +------------+----------+ 
  20. rows in set (0.03 sec) 

我们可以明显的看出两者的差别:第一个sql加载了4098个数据页到buffer pool,而第二个sql只加载了5个数据页到buffer pool。符合我们的预测。也证实了为什么第一个sql会慢:读取大量的无用数据行(300000),最后却抛弃掉。

而且这会造成一个问题:加载了很多热点不是很高的数据页到buffer pool,会造成buffer pool的污染,占用buffer pool的空间。遇到的问题为了在每次重启时确保清空buffer pool,我们需要关闭innodb_buffer_pool_dump_at_shutdown和innodb_buffer_pool_load_at_startup,这两个选项能够控制数据库关闭时dump出buffer pool中的数据和在数据库开启时载入在磁盘上备份buffer pool的数据。

 

责任编辑:未丽燕 来源: 简书
相关推荐

2022-07-05 10:50:31

数据库查询实战

2022-09-27 08:40:44

慢查询MySQL定位优化

2019-06-20 11:20:25

sql优化数据库

2022-09-19 08:41:02

数据查询分离

2022-06-29 09:43:14

SQL优化数据库

2023-09-27 08:21:00

查询分离数据API

2020-02-10 10:15:31

技术研发指标

2022-01-28 08:59:59

分库分表数据

2023-11-29 08:10:52

类型sql语句

2019-09-27 17:24:26

数据库优化sql

2020-06-11 11:16:36

戴尔

2021-10-14 10:53:20

数据库查询超时

2021-01-08 13:52:15

Consul微服务服务注册中心

2015-03-18 13:18:45

MySQLSQL优化

2022-06-30 19:40:36

查询接口索引优化

2019-04-04 15:00:40

SQL索引数据库

2021-07-30 07:28:16

SQL优化日志

2019-03-19 14:52:00

性能优化MySQL数据库

2017-11-30 09:52:26

SQLSQL Monitor查询优化

2021-07-14 10:39:28

JqueryVue 编程
点赞
收藏

51CTO技术栈公众号