很多人连模糊匹配Like %xxx%怎么优化都不知道

数据库 MySQL
在开发过程中,经常会碰到一些业务场景,需要以完全模糊匹配的方式查找数据,就会想到用 like %xxx% 或者 like %xxx 的方式去实现,而且即使列上有选择率很高的索引,也不会被使用。在MySQL中可以通过ICP特性,全文索引,基于生成列索引解决这类问题,下面就从索引条件下推ICP,全文索引,基于生成列索引及如何利用它们解决模糊匹配的SQL性能问题。

在开发过程中,经常会碰到一些业务场景,需要以完全模糊匹配的方式查找数据,就会想到用 like %xxx% 或者 like %xxx 的方式去实现,而且即使列上有选择率很高的索引,也不会被使用。

在MySQL中可以通过ICP特性,全文索引,基于生成列索引解决这类问题,下面就从索引条件下推ICP,全文索引,基于生成列索引及如何利用它们解决模糊匹配的SQL性能问题。

索引条件下推ICP

ICP介绍

MySQL 5.6开始支持ICP(Index Condition Pushdown),不支持ICP之前,当进行索引查询时,首先根据索引来查找数据,然后再根据where条件来过滤,扫描了大量不必要的数据,增加了数据库IO操作。

在支持ICP后,MySQL在取出索引数据的同时,判断是否可以进行where条件过滤,将where的部分过滤操作放在存储引擎层提前过滤掉不必要的数据,减少了不必要数据被扫描带来的IO开销。

在某些查询下,可以减少Server层对存储引擎层数据的读取,从而提供数据库的整体性能。

ICP具有以下特点

 ICP相关控制参数

index_condition_pushdown:索引条件下推默认开启,设置为off关闭ICP特性。

  1. mysql>show variables like 'optimizer_switch'
  2. | optimizer_switch | index_condition_pushdown=on 
  3. # 开启或者关闭ICP特性 
  4. mysql>set optimizer_switch = 'index_condition_pushdown=on | off'

ICP处理过程

假设有用户表users01(id, name, nickname, phone, create_time),表中数据有11W。由于ICP只能用于二级索引,故在name,nickname列上创建复合索引idx_name_nickname(name,nickname),分析SQL语句select * from users01 where name = 'Lyn' and nickname like '%SK%'在ICP关闭和开启下的执行情况。

关闭ICP特性的SQL性能分析

 开启profiling进行跟踪SQL执行期间每个阶段的资源使用情况。

  1. mysql>set profiling  = 1; 

关闭ICP特性分析SQL执行情况

  1. mysql>set optimizer_switch = 'index_condition_pushdown=off'

  1. mysql>explain select * from users01 where name = 'Lyn' and nickname like '%SK%'
  2. |  1 | SIMPLE      | users01 | NULL       | ref  | idx_name_nickname | idx_name_nickname | 82      | const | 29016 |   100.00 | Using where | 
  3. #查看SQL执行期间各阶段的资源使用 
  4. mysql>show profile cpu,block io for query 2; 
  5. | Status                         | Duration | CPU_user | CPU_system | Block_ops_in | Block_ops_out | 
  6. +--------------------------------+----------+----------+------------+--------------+---------------+ 
  7. | starting                       | 0.000065 | 0.000057 |   0.000009 |            0 |             0 | 
  8. .................. 
  9. | executing                      | 0.035773 | 0.034644 |   0.000942 |            0 |             0 |#执行阶段耗时0.035773秒。 
  10. end                            | 0.000015 | 0.000006 |   0.000009 |            0 |             0 | 
  11. #status状态变量分析 
  12. | Handler_read_next | 16384          |  ##请求读的行数 
  13. | Innodb_data_reads | 2989           |  #数据物理读的总数 
  14. | Innodb_pages_read | 2836           |  #逻辑读的总数 
  15. | Last_query_cost   | 8580.324460    |  #SQL语句的成本COST,主要包括IO_COST和CPU_COST。 

通过explain分析执行计划,SQL语句在关闭CP特性的情况下,走的是复合索引idx_name_nickname,Extra=Using Where,首先通过复合索引 idx_name_nickname 前缀从存储引擎中读出 name = 'Lyn' 的所有记录,然后在Server端用where 过滤 nickname like '%SK%' 情况。

Handler_read_next=16384说明扫描了16384行的数据,SQL实际返回只有12行数,耗时50ms。对于这种扫描大量数据行,只返回少量数据的SQL,可以从两个方面去分析。

1.索引选择率低:对于符合索引(name,nickname),name作为前导列出现 where 条件,CBO都会选择走索引,因为扫描索引比全表扫描的COST要小,但由于 name 列的基数不高,导致扫描了索引中大量的数据,导致SQL性能也不太高。

Column_name: name Cardinality: 6 可以看到users01表中name的不同的值只有6个,选择率6/114688很低。

2.数据分布不均匀:对于where name = ?来说,name数据分布不均匀时,SQL第一次传入的值返回结果集很小,CBO就会选择走索引,同时将SQL的执行计划缓存起来,以后不管name传入任何值都会走索引扫描,这其实是不对的,如果传入name的值是Fly100返回表中80%的数据,这是走全表扫描更快。

  1. name      | count(*) | 
  2. +---------------+----------+ 
  3. | Grubby        |    12    | 
  4. | Lyn           |    1000  | 
  5. | Fly100        |    98100 | 

在MySQL 8.0推出了列的直方图统计信息特性,主要针对索引列数据分布不均匀的情况进行优化。

开启ICP特性的性能分析 

 开启ICP特性分析SQL执行情况 

  1. mysql>set optimizer_switch = 'index_condition_pushdown=on'

  1. #执行计划 
  2. |  1 | SIMPLE      | users01 | NULL       | ref  | idx_name_nickname | idx_name_nickname | 82      | const | 29016 |    11.11 | Using index condition | 
  3. #status状态变量分析 
  4. | Handler_read_next | 12             | 
  5. | Innodb_data_reads | 2989           | 
  6. | Innodb_pages_read | 2836           | 
  7. | Last_query_cost   | 8580.324460    | 

从执行计划可以看出,走了复合索引 idx_name_nickname,Extra=Using index condition,且只扫描了12行数据,说明使用了索引条件下推ICP特性,SQL总共耗时10ms,跟关闭ICP特性下相比,SQL性能提升了5倍。

开启ICP特性后,由于 nickname 的 like 条件可以通过索引筛选,存储引擎层通过索引与 where 条件的比较来去除不符合条件的记录,这个过程不需要读取记录,同时只返回给Server层筛选后的记录,减少不必要的IO开销。

Extra显示的索引扫描方式

  • using where:查询使用索引的情况下,需要回表去查询所需的数据。
  • using index condition:查询使用了索引,但是需要回表查询数据。
  • using index:查询使用覆盖索引的时候会出现。
  • using index & using where:查询使用了索引,但是需要的数据都在索引列中能找到,不需要回表查询数据。

模糊匹配改写优化

在开启ICP特性后,对于条件where name = 'Lyn' and nickname like '%SK%' 可以利用复合索引 (name,nickname) 减少不必要的数据扫描,提升SQL性能。但对于 where nickname like '%SK%'完全模糊匹配查询能否利用ICP特性提升性能?首先创建nickname上单列索引 idx_nickname。

  1. mysql>alter table users01 add index idx_nickname(nickname); 
  2. #SQL执行计划 
  3. |  1 | SIMPLE      | users01 | NULL       | ALL  | NULL          | NULL | NULL    | NULL | 114543 |    11.11 | Using where | 

从执行计划看到 type=ALL,Extra=Using where 走的是全部扫描,没有利用到ICP特性。

辅助索引idx_nickname(nickname)内部是包含主键id的,等价于(id,nickname)的复合索引,尝试利用覆盖索引特性将SQL改写为 select Id from users01 where nickname like '%SK%' 。

  1. |  1 | SIMPLE      | users01 | NULL       | index | NULL          | idx_nickname | 83      | NULL | 114543 |    11.11 | Using where; Using index | 

从执行计划看到,type=index,Extra=Using where; Using index,索引全扫描,但是需要的数据都在索引列中能找到,不需要回表。利用这个特点,将原始的SQL语句先获取主键id,然后通过id跟原表进行关联,分析其执行计划。

  1. select  * from users01 a , (select id from users01 where nickname like '%SK%') b where a.id = b.id; 

  1. |  1 | SIMPLE      | users01 | NULL       | index  | PRIMARY       | idx_nickname | 83      | NULL            | 114543 |    11.11 | Using where; Using index | 
  2. |  1 | SIMPLE      | a       | NULL       | eq_ref | PRIMARY       | PRIMARY      | 4       | test.users01.id |      1 |   100.00 | NULL                     | 

从执行计划看,走了索引idx_nickname,不需要回表访问数据,执行时间从60ms降低为40ms,type = index 说明没有用到ICP特性,但是可以利用 Using where; Using index 这种索引扫描不回表的方式减少资源开销来提升性能。

全文索引

MySQL 5.6开始支持全文索引,可以在变长的字符串类型上创建全文索引,来加速模糊匹配业务场景的DML操作。它是一个inverted index(反向索引),创建 fulltext index 时会自动创建6个 auxiliary index tables(辅助索引表),同时支持索引并行创建,并行度可以通过参数 innodb_ft_sort_pll_degree 设置,对于大表可以适当增加该参数值。

删除全文索引的表的数据时,会导致辅助索引表大量delete操作,InnoDB内部采用标记删除,将已删除的DOC_ID都记录特殊的FTS_*_DELETED表中,但索引的大小不会减少,需要通过设置参数innodb_optimize_fulltext_only=ON 后,然后运行OPTIMIZE TABLE来重建全文索引。

全文索引特征

两种检索模式

  • IN NATURAL LANGUAGE MODE:默认模式,以自然语言的方式搜索,AGAINST('看风' IN NATURAL LANGUAGE MODE ) 等价于AGAINST('看风')。
  • IN BOOLEAN MODE:布尔模式,表是字符串前后的字符有特殊含义,如查找包含SK,但不包含Lyn的记录,可以用+,-符号。

AGAINST('+SK -Lyn' in BOOLEAN MODE);

 

这时查找 nickname like '%Lyn%' ,通过反向索引关联数组可以知道,单词Lyn存储于文档4中,然后定位到具体的辅助索引表中。

全文索引分析

对表users01的nickname添加支持中文分词的全文索引

  1. mysql>alter table users01 add fulltext index idx_full_nickname(nickname) with parser ngram; 

查看数据分布

  1. #设置当前的全文索引表 
  2. mysql>set global innodb_ft_aux_table = 'test/users01'
  3. #查看数据文件 
  4. mysql>select * from information_schema.innodb_ft_index_cache; 
  5. +--------+--------------+-------------+-----------+--------+----------+ 
  6. | WORD   | FIRST_DOC_ID | LAST_DOC_ID | DOC_COUNT | DOC_ID | POSITION | 
  7. +--------+--------------+-------------+-----------+--------+----------+ 
  8. ............. 
  9. | 看风   |            7 |           7 |         1 |      7 |        3 | 
  10. | 笑看   |            7 |           7 |         1 |      7 |        0 | 

全文索引相关对象分析

  1. #全文索引对象分析 
  2. mysql>SELECT table_id, namespace from INFORMATION_SCHEMA.INNODB_TABLES where name like 'test/%'
  3. |     1198 | test/users01                                       |   139 | 
  4. #存储被标记删除同时从索引中清理的文档ID,其中_being_deleted_cache是_being_deleted表的内存版本。 
  5. |     1199 | test/fts_00000000000004ae_being_deleted            |   140 | 
  6. |     1200 | test/fts_00000000000004ae_being_deleted_cache      |   141 | 
  7. #存储索引内部状态信息及FTS_SYNCED_DOC_ID 
  8. |     1201 | test/fts_00000000000004ae_config                   |   142 |  
  9. #存储被标记删除但没有从索引中清理的文档ID,其中_deleted_cache是_deleted表的内存版本。 
  10. |     1202 | test/fts_00000000000004ae_deleted                  |   143 | 
  11. |     1203 | test/fts_00000000000004ae_deleted_cache            |   144 | 

模糊匹配优化

对于SQL语句后面的条件 nickname like '%看风%' 默认情况下,CBO是不会选择走nickname索引的,该写SQL为全文索引匹配的方式:match(nickname) against('看风')

  1. mysql>explain select * from users01 where match(nickname) against('看风'); 
  2. |  1 | SIMPLE      | users01 | NULL       | fulltext | idx_full_nickname | idx_full_nickname | 0       | const |    1 |   100.00 | Using where; Ft_hints: sorted | 

使用了全文索引的方式查询,type=fulltext,同时命中全文索引 idx_full_nickname,从上面的分析可知,在MySQL中,对于完全模糊匹配%%查询的SQL可以通过全文索引提高效率。

生成列

MySQL 5.7开始支持生成列,生成列是由表达式的值计算而来,有两种模式:VIRTUAL和STORED,如果不指定默认是VIRTUAL,创建语法如下:

  1. col_name data_type [GENERATED ALWAYS] AS (expr)  [**VIRTUAL** | **STORED**] [NOT NULL | NULL

 

生成列特征

  • VIRTUAL生成列用于复杂的条件定义,能够简化和统一查询,不占用空间,访问列是会做计算。
  • STORED生成列用作物化缓存,对于复杂的条件,可以降低计算成本,占用磁盘空间。
  • 支持辅助索引的创建,分区以及生成列可以模拟函数索引。
  • 不支持存储过程,用户自定义函数的表达式,NONDETERMINISTIC的内置函数,如NOW(), RAND()以及不支持子查询

生成列使用

  1. #添加基于函数reverse的生成列reverse_nickname 
  2. mysql>alter table users01 add reverse_nickname varchar(200) generated always as (reverse(nickname)); 
  3. #查看生成列信息 
  4. mysql>show columns from users01; 
  5. | reverse_nickname | varchar(200) | YES  |     | NULL              | VIRTUAL GENERATED | #虚拟生成列 

模糊匹配优化

对于where条件后的 like '%xxx' 是无法利用索引扫描,可以利用MySQL 5.7的生成列模拟函数索引的方式解决,具体步骤如下:

  1. 利用内置reverse函数将like '%风云'反转为like '云风%',基于此函数添加虚拟生成列。
  2. 在虚拟生成列上创建索引。
  3. 将SQL改写成通过生成列like reverse('%风云')去过滤,走生成列上的索引。

添加虚拟生成列并创建索引。

  1. mysql>alter table users01 add reverse_nickname varchar(200) generated always as (reverse(nickname)); 
  2. mysql>alter table users01 add index idx_reverse_nickname(reverse_nickname); 
  3. #SQL执行计划 
  4. |  1 | SIMPLE      | users01 | NULL       | range | idx_reverse_nickname | idx_reverse_nickname | 803     | NULL |    1 |   100.00 | Using where | 

可以看到对于 like '%xxx' 无法使用索引的场景,可以通过基于生成列的索引方式解决。

总结

介绍了索引条件下推ICP特性,全文索引以以及生成列特性,利用这些特性可以对模糊匹配 like %xxx% 或 like %xxx 的业务SQL进行优化,可以有效降低不必要的数据读取,减少IO扫描以及CPU开销,提高服务的稳定性。

对于MySQL每个版本发布的新特性,尤其是跟优化器和SQL相关的,应该去关注和了解,可能会发现适合自己业务场景的特性。

我是敖丙,你知道的越多,你不知道的越多,我们下期见。

 

责任编辑:姜华 来源: 三太子敖丙
相关推荐

2022-12-05 15:23:33

JavaScript技巧运算符

2021-08-27 10:03:12

人工智能AI

2018-08-10 10:36:25

SSL证书误区

2021-01-15 05:39:13

HashMapHashTableTreeMap

2020-06-29 08:28:36

v-for 解构函数

2023-06-05 08:07:34

聚集索引存储数据

2020-07-01 08:36:43

CSS规范web

2020-07-14 08:43:54

VueHTML函数

2015-07-22 11:53:29

云计算AWS分析瘫痪

2019-12-13 19:52:29

人工智能AI

2021-08-24 00:13:23

Windows 10Windows微软

2021-05-08 23:19:25

微信存储小程序

2021-02-07 12:33:06

Dubbo线程池监控

2019-01-07 09:27:39

2020-07-07 08:35:53

VueKey组件

2020-12-21 09:00:04

MySQL缓存SQL

2020-12-21 09:44:53

MySQL查询缓存数据库

2023-01-05 23:18:06

CPU线程

2019-05-21 15:43:59

CIO云计算成本

2012-02-15 13:19:04

JavaJava Socket
点赞
收藏

51CTO技术栈公众号