本文共 10008 字,大约阅读时间需要 33 分钟。
以下文章来源于捡田螺的小男孩 ,作者捡田螺的小男孩
前言
本文将结合实例demo,阐述30条有关于优化SQL的建议,多数是实际开发中总结出来的,希望对大家有帮助。反例子:
select * from employee;
正例子:
select id, name from employee;
理由:
只取需要的字段,节省资源、减少网络开销。
select * 进行查询时,很可能就不会使用到覆盖索引了,就会造成(基于非主键索引的查询需要多扫描一棵索引树)。
假设现在有employee员工表,要找出一个名字叫jay的人.
CREATE TABLE `employee` ( `id` INT (11) NOT NULL , `name` VARCHAR (255) DEFAULT NULL , `age` INT (11) DEFAULT NULL , `DATE` datetime DEFAULT NULL , `sex` INT (1) DEFAULT NULL , PRIMARY KEY ( `id` ) ) ENGINE = InnoDB DEFAULT CHARSET = utf8 ;
反例:
select id, name from employee where name = 'jay' ;
正例
select id, name from employee where name = 'jay' LIMIT 1 ;
理由:
新建一个user表,它有一个普通索引userId,表结构如下:
CREATE TABLE `USER` ( `id` INT (11) NOT NULL AUTO_INCREMENT , `userId` INT (11) NOT NULL , `age` INT (11) NOT NULL , `name` VARCHAR (255) NOT NULL , PRIMARY KEY ( `id` ), KEY `idx_userId` ( `userId` ) ) ENGINE = InnoDB DEFAULT CHARSET = utf8 ;
假设现在需要查询userid为1或者年龄为18岁的用户,很容易有以下SQL 反例:
SELECT * FROM USER WHERE userid = 1 OR age = 18 ;
正例:
# 使用union ALL SELECT * FROM USER WHERE userid = 1UNION ALL SELECT * FROM USER WHERE age = 18 ;# 或者分开两条sql写:SELECT * FROM USER WHERE userid = 1;SELECT * FROM USER WHERE age = 18 ;
理由:
我们日常做分页需求时,一般会用LIMIT 实现,但是当偏移量特别大的时候,查询效率就变得低下。
反例:select id, name, age from employeeLIMIT 10000 , 10 ;
正例:
# 方案一 :返回上次查询的最大记录(偏移量) select id, name from employee WHERE id > 10000LIMIT 10;# 方案二:order BY + 索引 select id, name from employeeORDER BY idLIMIT 10000 , 10 # 方案三:在业务允许的情况下限制页数:
理由:
日常开发中,如果用到模糊关键字查询,很容易想到like,但是like很可能让你的索引失效。
反例:select id, name from employee WHERE userId LIKE '%123' ;
正例:
select id, name from employee WHERE userId LIKE '123%' ;
理由: 把 % 放前面,并不走索引,如下: 把 % 放关键字后面,还是会走索引的。如下:
业务需求:查询最近七天内登陆过的用户(假设loginTime加了索引) .
#反例:SELECT userId , loginTimeFROM loginuserWHERE Date_ADD ( loginTime , INTERVAL 7 DAY ) >= now ();
正例:
explain SELECT userId , loginTimeFROM loginuserWHERE loginTime >= Date_ADD ( NOW (), INTERVAL - 7 DAY );
理由: 索引列上使用mysql的内置函数,索引失效; 如果索引列不加内置函数,索引还是会走的。
这将导致系统放弃使用索引而进行全表扫描
反例:select id, name from employee WHERE age - 1 = 10 ;
正例:
select id, name from employee WHERE age = 11 ;
理由: 虽然age加了索引,但是因为对它进行运算,索引直接迷路了。。。
如果是left join,左边表结果尽量小
都满足SQL需求的前提下,推荐优先使用Inner join(内连接),如果要使用left join,左边表数据结果尽量小,如果有条件的尽量放到左边处理。
反例:select * from tab1 t1 left join tab2 t2 on t1.size = t2.size where t1.id >2;
正例:
select * from (select * from tab1 where id > 2 ) t1 #条件尽量放到左边处理 left join tab t2 on t1.size on t2.size;
理由: 如果inner join是等值连接,或许返回的行数比较少,所以性能相对会好一点。
同理,使用了左连接,左边表数据结果尽量小,条件尽量放到左边处理,意味着返回的行数可能比较少。反例:
select id, name from employee WHERE age <> 18 ;
正例:
# 可以考虑分开两条sql写 select id, name from employee WHERE age < 18 ;select id, name from employee WHERE age > 18 ;
理由: 使用 != 和 <> 很可能会让索引失效
表结构:(有一个联合索引idxuseridage,userId在前,age在后)
CREATE TABLE `USER` ( `id` INT (11) NOT NULL AUTO_INCREMENT , `userId` INT (11) NOT NULL , `age` INT (11) DEFAULT NULL , `name` VARCHAR (255) NOT NULL , PRIMARY KEY ( `id` ), KEY `idx_userid_age` ( `userId` ,`age` )USING BTREE ) ENGINE = InnoDB AUTO_INCREMENT = 2 DEFAULT CHARSET = utf8 ;
反例:
select id, name from employee WHERE age = 10 ;
正例:
# 符合最左匹配原则 select id, name from employee WHERE userid = 10 AND age = 10 ; # 符合最左匹配原则 select id, name from employee WHERE userid = 10 ;
理由:
当我们创建一个联合索引的时候,如(k1,k2,k3),相当于创建了(k1)、(k1,k2)和(k1,k2,k3)三个索引,这就是最左匹配原则。 联合索引不满足最左原则,索引一般会失效,但是这个还跟Mysql优化器有关的。反例:
select id, name from employee WHERE address = '深圳'ORDER BY age ;
正例:
#添加索引 ALTER TABLE USER ADD INDEX idx_address_age ( address , age );
反例:
for (user u : list) { insert into user(name ,age) values ( #name#,#age# ) }
正例:
# 一次500批量插入,分批进行 insert into user (name,age) values < foreach collection="list" item ="item" index="index" seprator ="," > # mybatis (#{item.name},#{item.age})
理由: 批量插入性能好,更加省时间 .
打个比喻:假如你需要搬一万块砖到楼顶, 你有一个电梯, 电梯一次可以放适量的砖(最多放500), 你可以选择一次运送一块砖, 也可以一次运送500块砖, 你觉得哪个时间消耗大 ?覆盖索引能够使得你的SQL语句不需要回表,仅仅访问索引就能够得到所有需要的数据,大大提高了查询效率。
反例:# like模糊查询,不走索引了 explain select * from t_service_publish_info where f_path like '%123%'正例:
# id为主键,那么为普通索引,即覆盖索引登场了。 explain select f_path from t_service_publish_info where f_path like '%123%'
DISTINCT 关键字一般用来过滤重复记录,以返回不重复的记录。
在查询一个字段或者很少字段的情况下使用时,给查询带来优化效果。 但是在字段很多的时候使用,却会大大降低查询效率。 反例:SELECT DISTINCT *FROM USER ;
正例:
SELECT DISTINCT nameFROM USER ;
理由:
带distinct的语句cpu时间和占用时间都高于不带distinct的语句。 因为当查询很多字段时,如果使用distinct,数据库引擎就会对数据进行比较,过滤掉重复数据, 然而这个比较、过滤的过程会占用系统资源,cpu时间。反例:
KEY `idx_userId` ( `userId` ) KEY `idx_userId_age` ( `userId` ,`age` )
正例:
删除userId索引,因为组合索引(A,B)相当于创建了(A)和(A,B)
理由:
重复的索引需要维护,并且优化器在优化查询的时候也需要逐个地进行考虑,这会影响性能的。避免同时修改或删除过多数据,因为会造成cpu利用率过高,从而影响别人对数据库的访问。
反例:# 一次删除10万或者100万 + ? delete from user where id <100000;# 或者采用单一循环操作,效率低,时间漫长 for (user user:list){ delete from user;}
正例:
# 分批进行删除,如每次500 delete user where id <500 ;delete product where id >=500 and id<1000;
理由: 一次性删除太多数据,可能会有 lock wait timeout exceed
的错误,所以建议分批操作。
反例:
select * from userWHERE age IS NOT NULL ;
正例:
# 设置0为默认值 select * from userWHERE age >0 ;
理由:
并不是说使用了is NULL 或者 IS NOT NULL 就会不走索引了,这个跟mysql版本以及查询成本都有关。 如果mysql优化器发现,走索引比不走索引成本还要高,肯定会放弃索引,这些条件 ! = , >, is null ,is not null 经常被认为让索引失效, 其实是因为一般情况下,查询的成本高,优化器自动放弃索引的。 如果把null值,换成默认值,很多时候让走索引成为可能,同时,表达意思会相对清晰一点。连表越多,编译的时间和开销也就越大。 把连接表拆开成较小的几个执行,可读性更高。
如果一定需要连接很多表才能得到数据,那么意味着糟糕的设计了。假设表A表示某企业的员工表,表B表示部门表,查询所有部门的所有员工,很容易有以下SQL:
select * from a where deptid in (select deptid from b);
这样写等价于:
先查询部门表Bselect deptid from b
再由部门deptId,查询A的员工
select * from a where A.deptId = B.deptId
可以抽象成这样的一个循环:
List <> resultSet ;FOR ( INT i = 0 ; i < B . LENGTH ; i ++) { FOR ( INT j = 0 ; j < A . LENGTH ; j ++) { IF ( A [ i ]. id == B [ j ]. id ) { resultSet . ADD ( A [ i ]); break ; } } }
显然,除了使用in,我们也可以用exists实现一样的查询功能,如下:
select * from 1 where exists ( select 1 from b where a.deptid=b.deptid );
因为exists查询的理解就是,先执行主查询,获得数据后,再放到子查询中做条件验证,根据验证结果(true或者false),来决定主查询的数据结果是否得意保留。
那么,这样写就等价于:select * from A#先从A表做循环select * from B where A.deptId = B.deptId#再从B表做循环.
同理,可以抽象成这样一个循环:
List <> resultSet ;FOR ( INT i = 0 ;i < A . LENGTH ;i ++) { FOR ( INT j = 0 ;j < B . LENGTH ;j ++) { IF ( A [ i ]. deptId == B [ j ]. deptId ) { resultSet . ADD ( A [ i ]); break ;} } }
数据库最费劲的就是跟程序链接释放。
假设链接了两次,每次做上百万次的数据集查询,查完就走,这样就只做了两次; 相反建立了上百万次链接,申请链接释放反复重复,这样系统就受不了了。 即mysql优化原则,就是小表驱动大表,小的数据集驱动大的数据集,从而让性能更优。 因此,我们要选择最外层循环小的,也就是,如果B的数据量小于A,适合使用in,如果B的数据量大于A,即适合选择exist。UNION 如果检索结果中不会有重复的记录,推荐union ALL 替换 union。
反例:select * from userWHERE userid = 1UNION select * from userWHERE userid = 10
正例:
select * from userWHERE userid = 1UNION ALL select * from userWHERE userid = 10
理由:
如果使用union,不管检索结果有没有重复,都会尝试进行合并,然后在输出最终结果前进行排序。如果已知检索结果没有重复记录,使用union ALL 代替union,这样会提高效率。索引并不是越多越好,索引虽然提高了查询的效率,但是也降低了插入和更新的效率。
insert或update时有可能会重建索引,所以建索引需要慎重考虑,视具体情况来定。 一个表的索引数最好不要超过5个,若太多需要考虑一些索引是否没有存在的必要。若只含数值信息的字段尽量不要设计为字符型
反例:`king_id` varchar(20) NOT NULL COMMENT '守护者Id'
正例:
`king_id` INT(11) NOT NULL COMMENT '守护者Id'
理由:
相对于数字型字段,字符型会降低查询和连接的性能,并会增加存储开销。如性别这类型数据库字段。 因为SQL优化器是根据表中数据量来进行查询优化的,如果索引列有大量重复数据,Mysql查询优化器推算发现不走索引的成本更低,很可能就放弃索引了。
假设业务需求是,用户请求查看自己最近一年观看过的直播数据。
反例:# 一次性查询所有数据回来 select * from livinginfo where watchid = useid and watchtime > date_sub ( now(),interval 1 Y )
正例:
# 分页查询 select * from livinginfo where watchid = useid and watchtime > date_sub ( now(),interval 1 Y )LIMIT offset , pageSize # 如果是前端分页,可以先查询前两百条记录,因为一般用户应该也不会往下翻太多页,select * from livinginfo where watchid = useid and watchtime > date_sub ( now(),interval 1 Y )LIMIT 200 ;
反例:
select * from AINNER JOIN B ON A . deptId = B . deptId ;
正例:
SELECT memeber . name , deptment . deptNameFROM A MEMBERINNER JOIN B deptment ON MEMBER . deptId = deptment . deptId ;
反例:
`deptName` CHAR (100) DEFAULT NULL COMMENT '部门名称'
正例:
deptName` VARCHAR (100) DEFAULT NULL COMMENT '部门名称'
理由:
因为首先变长字段存储空间小,可以节省存储空间。 其次对于查询来说,在一个相对较小的字段内搜索,效率更高。反例:
select job,avg(sal) from employee gorup by job having job = 'president' OR job = 'managent' ;
正例:
select job,avg(sal) from employee WHERE job = 'president' OR job = 'managent' gorup by job ;
反例:
select * from userWHERE userid = 123 ;
正例:
select * from userWHERE userid = '123' ;
理由:
为什么第一条语句未加单引号就不走索引了呢? 这是因为不加单引号时,是字符串跟数字的比较,它们类型不匹配,MySQL会做隐式的类型转换,把它们转换为浮点数再做比较。日常开发写SQL的时候,尽量用explain分析一下你写的SQL,尤其是走不走索引这一块。
explain select * from userWHERE userid = 10 OR age = 18 ;--------------------- 作者:w.ang.jie 来源:CSDN 原文:https://blog.csdn.net/qq_32392597/article/details/105124356 版权声明:本文为作者原创文章,转载请附上博文链接! 内容解析By: