06.Mysql 性能优化
06.Mysql 性能优化
数据结构优化
良好的逻辑设计和物理设计是高性能的基石。
数据类型优化
数据类型优化基本原则
- 更小的通常更好 - 越小的数据类型通常会更快,占用更少的磁盘、内存,处理时需要的 CPU 周期也更少。
- 例如:整型比字符类型操作代价低,因而会使用整型来存储 IP 地址,使用
DATETIME
来存储时间,而不是使用字符串。
- 例如:整型比字符类型操作代价低,因而会使用整型来存储 IP 地址,使用
- 简单就好 - 如整型比字符型操作代价低。
- 例如:很多软件会用整型来存储 IP 地址。
- 例如:
UNSIGNED
表示不允许负值,大致可以使正数的上限提高一倍。
- 尽量避免 NULL - 可为 NULL 的列会使得索引、索引统计和值比较都更复杂。
类型的选择
整数类型通常是标识列最好的选择,因为它们很快并且可以使用
AUTO_INCREMENT
。ENUM
和SET
类型通常是一个糟糕的选择,应尽量避免。应该尽量避免用字符串类型作为标识列,因为它们很消耗空间,并且通常比数字类型慢。对于
MD5
、SHA
、UUID
这类随机字符串,由于比较随机,所以可能分布在很大的空间内,导致INSERT
以及一些SELECT
语句变得很慢。- 如果存储 UUID ,应该移除
-
符号;更好的做法是,用UNHEX()
函数转换 UUID 值为 16 字节的数字,并存储在一个BINARY(16)
的列中,检索时,可以通过HEX()
函数来格式化为 16 进制格式。
- 如果存储 UUID ,应该移除
表设计
应该避免的设计问题:
- 太多的列 - 设计者为了图方便,将大量冗余列加入表中,实际查询中,表中很多列是用不到的。这种宽表模式设计,会造成不小的性能代价,尤其是
ALTER TABLE
非常耗时。 - 太多的关联 - 所谓的实体 - 属性 - 值(EAV)设计模式是一个常见的糟糕设计模式。Mysql 限制了每个关联操作最多只能有 61 张表,但 EAV 模式需要许多自关联。
- 枚举 - 尽量不要用枚举,因为添加和删除字符串(枚举选项)必须使用
ALTER TABLE
。 - 尽量避免
NULL
范式和反范式
范式化目标是尽量减少冗余,而反范式化则相反。
范式化的优点:
- 比反范式更节省空间
- 更新操作比反范式快
- 更少需要
DISTINCT
或GROUP BY
语句
范式化的缺点:
- 通常需要关联查询。而关联查询代价较高,如果是分表的关联查询,代价更是高昂。
在真实世界中,很少会极端地使用范式化或反范式化。实际上,应该权衡范式和反范式的利弊,混合使用。
索引优化
索引优化应该是查询性能优化的最有效手段。
何时使用索引
- 对于非常小的表,大部分情况下简单的全表扫描更高效。
- 对于中、大型表,索引非常有效。
- 对于特大型表,建立和使用索引的代价将随之增长。可以考虑使用分区技术。
- 如果表的数量特别多,可以建立一个元数据信息表,用来查询需要用到的某些特性。
索引优化策略
- 索引基本原则
- 索引不是越多越好,不要为所有列都创建索引。
- 要尽量避免冗余和重复索引。
- 要考虑删除未使用的索引。
- 尽量的扩展索引,不要新建索引。
- 频繁作为
WHERE
过滤条件的列应该考虑添加索引。
- 独立的列 - “独立的列” 是指索引列不能是表达式的一部分,也不能是函数的参数。
- 前缀索引 - 索引很长的字符列,可以索引开始的部分字符,这样可以大大节约索引空间。
- 最左匹配原则 - 将选择性高的列或基数大的列优先排在多列索引最前列。
- 使用索引来排序 - 索引最好既满足排序,又用于查找行。这样,就可以使用索引来对结果排序。
=
、IN
可以乱序 - 不需要考虑=
、IN
等的顺序- 覆盖索引
- 自增字段作主键
SQL 优化
使用 EXPLAIN
命令查看当前 SQL 是否使用了索引,优化后,再通过执行计划(EXPLAIN
)来查看优化效果。
SQL 优化基本思路:
只返回必要的列 - 最好不要使用
SELECT *
语句。只返回必要的行 - 使用
WHERE
子查询语句进行过滤查询,有时候也需要使用LIMIT
语句来限制返回的数据。缓存重复查询的数据 - 应该考虑在客户端使用缓存,尽量不要使用 Mysql 服务器缓存(存在较多问题和限制)。
使用索引来覆盖查询
优化 COUNT()
查询
COUNT()
有两种作用:
- 统计某个列值的数量。统计列值时,要求列值是非
NULL
的,它不会统计NULL
。 - 统计行数。
统计列值时,要求列值是非空的,它不会统计 NULL。如果确认括号中的表达式不可能为空时,实际上就是在统计行数。最简单的就是当使用 COUNT(*)
时,并不是我们所想象的那样扩展成所有的列,实际上,它会忽略所有的列而直接统计行数。
我们最常见的误解也就在这儿,在括号内指定了一列却希望统计结果是行数,而且还常常误以为前者的性能会更好。但实际并非这样,如果要统计行数,直接使用 COUNT(*)
,意义清晰,且性能更好。
(1)简单优化
SELECT count(*) FROM world.city WHERE id > 5;
SELECT (SELECT count(*) FROM world.city) - count(*)
FROM world.city WHERE id <= 5;
(2)使用近似值
有时候某些业务场景并不需要完全精确的统计值,可以用近似值来代替,EXPLAIN
出来的行数就是一个不错的近似值,而且执行 EXPLAIN
并不需要真正地去执行查询,所以成本非常低。通常来说,执行 COUNT()
都需要扫描大量的行才能获取到精确的数据,因此很难优化,MySQL 层面还能做得也就只有覆盖索引了。如果不还能解决问题,只有从架构层面解决了,比如添加汇总表,或者使用 Redis 这样的外部缓存系统。
优化关联查询
在大数据场景下,表与表之间通过一个冗余字段来关联,要比直接使用 JOIN
有更好的性能。
如果确实需要使用关联查询的情况下,需要特别注意的是:
- 确保
ON
和USING
字句中的列上有索引。在创建索引的时候就要考虑到关联的顺序。当表 A 和表 B 用某列 column 关联的时候,如果优化器关联的顺序是 A、B,那么就不需要在 A 表的对应列上创建索引。没有用到的索引会带来额外的负担,一般来说,除非有其他理由,只需要在关联顺序中的第二张表的相应列上创建索引(具体原因下文分析)。 - 确保任何的
GROUP BY
和ORDER BY
中的表达式只涉及到一个表中的列,这样 MySQL 才有可能使用索引来优化。
要理解优化关联查询的第一个技巧,就需要理解 MySQL 是如何执行关联查询的。当前 MySQL 关联执行的策略非常简单,它对任何的关联都执行嵌套循环关联操作,即先在一个表中循环取出单条数据,然后在嵌套循环到下一个表中寻找匹配的行,依次下去,直到找到所有表中匹配的行为为止。然后根据各个表匹配的行,返回查询中需要的各个列。
太抽象了?以上面的示例来说明,比如有这样的一个查询:
SELECT A.xx,B.yy
FROM A INNER JOIN B USING(c)
WHERE A.xx IN (5,6)
假设 MySQL 按照查询中的关联顺序 A、B 来进行关联操作,那么可以用下面的伪代码表示 MySQL 如何完成这个查询:
outer_iterator = SELECT A.xx,A.c FROM A WHERE A.xx IN (5,6);
outer_row = outer_iterator.next;
while(outer_row) {
inner_iterator = SELECT B.yy FROM B WHERE B.c = outer_row.c;
inner_row = inner_iterator.next;
while(inner_row) {
output[inner_row.yy,outer_row.xx];
inner_row = inner_iterator.next;
}
outer_row = outer_iterator.next;
}
可以看到,最外层的查询是根据A.xx
列来查询的,A.c
上如果有索引的话,整个关联查询也不会使用。再看内层的查询,很明显B.c
上如果有索引的话,能够加速查询,因此只需要在关联顺序中的第二张表的相应列上创建索引即可。
优化 GROUP BY
和 DISTINCT
Mysql 优化器会在内部处理的时候相互转化这两类查询。它们都可以使用索引来优化,这也是最有效的优化方法。
优化 LIMIT
当需要分页操作时,通常会使用 LIMIT
加上偏移量的办法实现,同时加上合适的 ORDER BY
字句。如果有对应的索引,通常效率会不错,否则,MySQL 需要做大量的文件排序操作。
一个常见的问题是当偏移量非常大的时候,比如:LIMIT 10000 20
这样的查询,MySQL 需要查询 10020 条记录然后只返回 20 条记录,前面的 10000 条都将被抛弃,这样的代价非常高。
优化这种查询一个最简单的办法就是尽可能的使用覆盖索引扫描,而不是查询所有的列。然后根据需要做一次关联查询再返回所有的列。对于偏移量很大时,这样做的效率会提升非常大。考虑下面的查询:
SELECT film_id,description FROM film ORDER BY title LIMIT 50,5;
如果这张表非常大,那么这个查询最好改成下面的样子:
SELECT film.film_id,film.description
FROM film INNER JOIN (
SELECT film_id FROM film ORDER BY title LIMIT 50,5
) AS tmp USING(film_id);
这里的延迟关联将大大提升查询效率,让 MySQL 扫描尽可能少的页面,获取需要访问的记录后在根据关联列回原表查询所需要的列。
有时候如果可以使用书签记录上次取数据的位置,那么下次就可以直接从该书签记录的位置开始扫描,这样就可以避免使用OFFSET
,比如下面的查询:
SELECT id FROM t LIMIT 10000, 10;
改为:
SELECT id FROM t WHERE id > 10000 LIMIT 10;
其他优化的办法还包括使用预先计算的汇总表,或者关联到一个冗余表,冗余表中只包含主键列和需要做排序的列。
优化 UNION
MySQL 总是通过创建并填充临时表的方式来执行 UNION
查询。因此很多优化策略在UNION
查询中都没有办法很好的时候。经常需要手动将WHERE
、LIMIT
、ORDER BY
等字句“下推”到各个子查询中,以便优化器可以充分利用这些条件先优化。
除非确实需要服务器去重,否则就一定要使用UNION ALL
,如果没有ALL
关键字,MySQL 会给临时表加上DISTINCT
选项,这会导致整个临时表的数据做唯一性检查,这样做的代价非常高。当然即使使用 ALL 关键字,MySQL 总是将结果放入临时表,然后再读出,再返回给客户端。虽然很多时候没有这个必要,比如有时候可以直接把每个子查询的结果返回给客户端。
优化查询方式
切分大查询
一个大查询如果一次性执行的话,可能一次锁住很多数据、占满整个事务日志、耗尽系统资源、阻塞很多小的但重要的查询。
DELEFT FROM messages WHERE create < DATE_SUB(NOW(), INTERVAL 3 MONTH);
rows_affected = 0
do {
rows_affected = do_query(
"DELETE FROM messages WHERE create < DATE_SUB(NOW(), INTERVAL 3 MONTH) LIMIT 10000")
} while rows_affected > 0
分解大连接查询
将一个大连接查询(JOIN)分解成对每一个表进行一次单表查询,然后将结果在应用程序中进行关联,这样做的好处有:
- 让缓存更高效。对于连接查询,如果其中一个表发生变化,那么整个查询缓存就无法使用。而分解后的多个查询,即使其中一个表发生变化,对其它表的查询缓存依然可以使用。
- 分解成多个单表查询,这些单表查询的缓存结果更可能被其它查询使用到,从而减少冗余记录的查询。
- 减少锁竞争;
- 在应用层进行连接,可以更容易对数据库进行拆分,从而更容易做到高性能和可扩展。
- 查询本身效率也可能会有所提升。例如下面的例子中,使用 IN() 代替连接查询,可以让 MySQL 按照 ID 顺序进行查询,这可能比随机的连接要更高效。
SELECT * FROM tag
JOIN tag_post ON tag_post.tag_id=tag.id
JOIN post ON tag_post.post_id=post.id
WHERE tag.tag='mysql';
SELECT * FROM tag WHERE tag='mysql';
SELECT * FROM tag_post WHERE tag_id=1234;
SELECT * FROM post WHERE post.id IN (123,456,567,9098,8904);
执行计划(EXPLAIN
)
如何判断当前 SQL 是否使用了索引?如何检验修改后的 SQL 确实有优化效果?
在 SQL 中,可以通过执行计划(EXPLAIN
)分析 SELECT
查询效率。
mysql> explain select * from user_info where id = 2\G
*************************** 1. row ***************************
id: 1
select_type: SIMPLE
table: user_info
partitions: NULL
type: const
possible_keys: PRIMARY
key: PRIMARY
key_len: 8
ref: const
rows: 1
filtered: 100.00
Extra: NULL
1 row in set, 1 warning (0.00 sec)
EXPLAIN
参数说明:
id
: SELECT 查询的标识符. 每个 SELECT 都会自动分配一个唯一的标识符.select_type
⭐ :SELECT 查询的类型.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SUBQUERY
:子查询中的第一个 SELECTDEPENDENT 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.
table
: 查询的是哪个表,如果给表起别名了,则显示别名。partitions
:匹配的分区type
⭐:表示从表中查询到行所执行的方式,查询方式是 SQL 优化中一个很重要的指标,结果值从好到差依次是:system > const > eq_ref > ref > range > index > ALL。system
/const
:表中只有一行数据匹配,此时根据索引查询一次就能找到对应的数据。如果是 B + 树索引,我们知道此时索引构造成了多个层级的树,当查询的索引在树的底层时,查询效率就越低。const 表示此时索引在第一层,只需访问一层便能得到数据。eq_ref
:使用唯一索引扫描,常见于多表连接中使用主键和唯一索引作为关联条件。ref
:非唯一索引扫描,还可见于唯一索引最左原则匹配扫描。range
:索引范围扫描,比如,<,>,between 等操作。index
:索引全表扫描,此时遍历整个索引树。ALL
:表示全表扫描,需要遍历全表来找到对应的行。
possible_keys
:此次查询中可能选用的索引。key
⭐:此次查询中实际使用的索引。ref
:哪个字段或常数与 key 一起被使用。rows
⭐:显示此查询一共扫描了多少行,这个是一个估计值。filtered
:表示此查询条件所过滤的数据的百分比。extra
:额外的信息。
更多内容请参考:MySQL 性能优化神器 Explain 使用分析
optimizer trace
在 MySQL 5.6 及之后的版本中,我们可以使用 optimizer trace 功能查看优化器生成执行计划的整个过程。有了这个功能,我们不仅可以了解优化器的选择过程,更可以了解每一个执行环节的成本,然后依靠这些信息进一步优化查询。
如下代码所示,打开 optimizer_trace 后,再执行 SQL 就可以查询 information_schema.OPTIMIZER_TRACE 表查看执行计划了,最后可以关闭 optimizer_trace 功能:
SET optimizer_trace="enabled=on";
SELECT * FROM person WHERE NAME >'name84059' AND create_time>'2020-01-24 05:00
SELECT * FROM information_schema.OPTIMIZER_TRACE;
SET optimizer_trace="enabled=off";
数据模型和业务
- 表字段比较复杂、易变动、结构难以统一的情况下,可以考虑使用 Nosql 来代替关系数据库表存储,如 ElasticSearch、MongoDB。
- 在高并发情况下的查询操作,可以使用缓存(如 Redis)代替数据库操作,提高并发性能。
- 数据量增长较快的表,需要考虑水平分表或分库,避免单表操作的性能瓶颈。
- 除此之外,我们应该通过一些优化,尽量避免比较复杂的 JOIN 查询操作,例如冗余一些字段,减少 JOIN 查询;创建一些中间表,减少 JOIN 查询。
参考资料
来源:https://github.com/dunwu/db-tutorial