友情提示

转载须知: 以下所有文章整理于B站宋红康老师的《MySQL数据库入门到大牛》。MySQL (opens new window)

都有哪些维度可以进行数据库调优？简言之：

• 索引失效、没有充分利用到索引——建立索引
• 关联查询太多JOIN（设计缺陷或不得已的需求）——SQL优化
• 服务器调优及各个参数设置（缓冲、线程数等）——调整my.cnf
• 数据过多——分库分表

关于数据库调优的知识非常分散。不同的DBMS，不同的公司，不同的职位，不同的项目遇到的问题都不尽相同。这里我们分为三个章节进行细致讲解。

虽然SQL查询优化的技术有很多，但是大方向上完全可以分成物理查询优化和逻辑查询优化两大块。

• 物理查询优化是通过索引和表连接方式等技术来进行优化，这里重点需要掌握索引的使用。
• 逻辑查询优化就是通过SQL等价变换提升查询效率，直白一点就是说，换一种查询写法效率可能更高。

1. 数据准备

学员表 插 50万 条，班级表 插 1万 条。

CREATE DATABASE atguigudb2;
USE atguigudb2;

步骤1：建表

-- 创建班级信息表
CREATE TABLE `class` (
    `id` INT(11) NOT NULL AUTO_INCREMENT, -- 主键，自增
    `className` VARCHAR(30) DEFAULT NULL, -- 班级名称
    `address` VARCHAR(40) DEFAULT NULL, -- 地址
    `monitor` INT NULL, -- 班长ID
    PRIMARY KEY (`id`) -- 定义主键
) ENGINE=INNODB AUTO_INCREMENT=1 DEFAULT CHARSET=utf8; -- 使用InnoDB存储引擎，字符集为utf8

-- 创建学生信息表
CREATE TABLE `student` (
    `id` INT(11) NOT NULL AUTO_INCREMENT, -- 主键，自增
    `stuno` INT NOT NULL, -- 学号
    `name` VARCHAR(20) DEFAULT NULL, -- 姓名
    `age` INT(3) DEFAULT NULL, -- 年龄
    `classId` INT(11) DEFAULT NULL, -- 所属班级的ID
    PRIMARY KEY (`id`) -- 定义主键
    -- CONSTRAINT `fk_class_id` FOREIGN KEY (`classId`) REFERENCES `t_class` (`id`) -- 外键约束，链接班级表
) ENGINE=INNODB AUTO_INCREMENT=1 DEFAULT CHARSET=utf8; -- 使用InnoDB存储引擎，字符集为utf8

步骤2：设置参数

• 命令开启：允许创建函数设置：

set global log_bin_trust_function_creators=1; # 不加global只是当前窗口有效。

步骤3：创建函数

保证每条数据都不同。

#随机产生字符串
DELIMITER //
CREATE FUNCTION rand_string(n INT) RETURNS VARCHAR(255)
BEGIN
DECLARE chars_str VARCHAR(100) DEFAULT
'abcdefghijklmnopqrstuvwxyzABCDEFJHIJKLMNOPQRSTUVWXYZ';
DECLARE return_str VARCHAR(255) DEFAULT '';
DECLARE i INT DEFAULT 0;
WHILE i < n DO
SET return_str =CONCAT(return_str,SUBSTRING(chars_str,FLOOR(1+RAND()*52),1));
SET i = i + 1;
END WHILE;
RETURN return_str;
END //
DELIMITER ;
#假如要删除
#drop function rand_string;

随机产生班级编号

#用于随机产生多少到多少的编号
DELIMITER //
CREATE FUNCTION rand_num (from_num INT ,to_num INT) RETURNS INT(11)
BEGIN
DECLARE i INT DEFAULT 0;
SET i = FLOOR(from_num +RAND()*(to_num - from_num+1)) ;
RETURN i;
END //
DELIMITER ;
#假如要删除
#drop function rand_num;

步骤4：创建存储过程

#创建往stu表中插入数据的存储过程
DELIMITER //
CREATE PROCEDURE insert_stu( START INT , max_num INT )
BEGIN
DECLARE i INT DEFAULT 0;
SET autocommit = 0; #设置手动提交事务
REPEAT #循环
SET i = i + 1; #赋值
INSERT INTO student (stuno, name ,age ,classId ) VALUES
((START+i),rand_string(6),rand_num(1,50),rand_num(1,1000));
UNTIL i = max_num
END REPEAT;
COMMIT; #提交事务
END //
DELIMITER ;
#假如要删除
#drop PROCEDURE insert_stu;

创建往class表中插入数据的存储过程

#执行存储过程，往class表添加随机数据
DELIMITER //
CREATE PROCEDURE `insert_class`( max_num INT )
BEGIN
DECLARE i INT DEFAULT 0;
SET autocommit = 0;
REPEAT
SET i = i + 1;
INSERT INTO class ( classname,address,monitor ) VALUES
(rand_string(8),rand_string(10),rand_num(1,100000));
UNTIL i = max_num
END REPEAT;
COMMIT;
END //
DELIMITER ;
#假如要删除
#drop PROCEDURE insert_class;

步骤5：调用存储过程

class

#执行存储过程，往class表添加1万条数据
CALL insert_class(10000);

stu

#执行存储过程，往stu表添加50万条数据
CALL insert_stu(100000,500000);
# 查看数据是否插入成功
SELECT COUNT(*) FROM class;
SELECT COUNT(*) FROM student;

步骤6：删除某表上的索引

下面定义了一个删除某库某表上的索引的存储过程，其目的是方便后面的一些操作。

DELIMITER //
CREATE PROCEDURE `proc_drop_index`(dbname VARCHAR(200),tablename VARCHAR(200))
BEGIN
        DECLARE done INT DEFAULT 0;
        DECLARE ct INT DEFAULT 0;
        DECLARE _index VARCHAR(200) DEFAULT '';
        DECLARE _cur CURSOR FOR SELECT index_name FROM
information_schema.STATISTICS WHERE table_schema=dbname AND table_name=tablename AND
seq_in_index=1 AND index_name <>'PRIMARY' ;
#每个游标必须使用不同的declare continue handler for not found set done=1来控制游标的结束
		DECLARE CONTINUE HANDLER FOR NOT FOUND set done=2 ;
#若没有数据返回,程序继续,并将变量done设为2
        OPEN _cur;
        FETCH _cur INTO _index;
        WHILE _index<>'' DO
            SET @str = CONCAT("drop index " , _index , " on " , tablename );
            PREPARE sql_str FROM @str ;
            EXECUTE sql_str;
            DEALLOCATE PREPARE sql_str;
            SET _index='';
            FETCH _cur INTO _index;
        END WHILE;
    CLOSE _cur;
END //
DELIMITER ;

执行存储过程

CALL proc_drop_index("dbname","tablename");

2. 索引失效案例

（1）MySQL 中提高性能的一个最有效的方式是对数据表设计合理的索引。索引提供了高效访问数据的方法，并且加快查询的速度，因此索引对查询的速度有着至关重要的影响。

• ① 使用索引可以快速地定位表中的某条记录，从而提高数据库查询的速度，提高数据库的性能。
• ② 如果查询时没有使用索引，查询语句就会扫描表中的所有记录。在数据量大的情况下，这样查询的速度会很慢。

（2）大多数情况下都默认采用 B+ 树来构建索引。只是空间列类型的索引使用 R- 树，并且 MEMORY 表还支持 hash 索引。其实，用不用索引，最终都是优化器说了算。优化器是基于什么的优化器？基于 cost 开销 (CostBaseOptimizer)，它不是基于规则 (Rule-BasedOptimizer)，也不是基于语义。怎么样开销小就怎么来。另外，SQL语句是否使用索引，跟数据库版本、数据量、数据选择度都有关系。

2.1 全值匹配我最爱

（1）系统种经常会出现类似如下的 SQL 语句：

EXPLAIN SELECT SQL_NO_CACHE * FROM student WHERE age=30;
EXPLAIN SELECT SQL_NO_CACHE * FROM student WHERE age=30 AND classId=746;
EXPLAIN SELECT SQL_NO_CACHE * FROM student WHERE age=30 AND classId=746 AND NAME = 'wym';

在建立索引之前执行（主要关注消耗的时间，为 0.18s）：

（2）建立索引的 3 条语句如下：

CREATE INDEX idx_age ON student(age);
CREATE INDEX idx_age_classid ON student(age,classId);
CREATE INDEX idx_age_classid_name ON student(age,classId,NAME);

① 先建立索引 idx_age，然后执行上述语句，根据结果可以看出，索引 idx_age 已被使用，且消耗的时间为 0.04s，查询速度更快了。

② 再建立索引 idx_age_classid，同样执行上述语句，根据结果可以看出，索引 idx_age_classid 已被使用，而之前建立的索引 idx_age 未被使用，并且消耗的时间更短了。其原因在于上述 SQL 语句中的查询条件与索引列中的顺序更加匹配，简单来说：

1）索引 idx_age 可以匹配 WHERE age=30 AND classId=4 AND NAME = ‘abcd’ 中的 age；

2）而索引 idx_age_classid 则可以匹配 age 和 classId，因此使用该索引可以实现更快的查找。

③ 最后建立索引 idx_age_classid_name，同样执行上述语句，根据结果可知，索引 idx_age_classid_name 已被使用，而之前建立的索引 idx_age 和 idx_age_classid 未被使用，即失效了。同理，可以分析原因：索引 idx_age_classid_name 中的列 age、classId、NAME 与 WHERE age=30 AND classId=4 AND NAME = ‘abcd’ 完全匹配（包括字段名和顺序），这也称为全值匹配，这种情况下我们比较希望见到的。

2.2 最佳左前缀法则

（1）MySQL可以为多个字段创建索引，一个索引可以包括16个字段。在 MySQL 建立联合索引时会遵守最佳左前缀匹配原则：

• ① 最左优先，在检索数据时从联合索引的最左边开始匹配。
• ② 对于多列索引，过滤条件要使用索引必须按照索引建立时的顺序，依次满足，一旦跳过某个字段，索引后面的字段都无法被使用。
• ③ 如果查询条件中没有使用这些字段中第 1 个字段时，多列（或联合）索引将会失效。

（2）举例

① 目前 student 表上有 4 个索引。

SHOW INDEX FROM student;

② 下面 SQL 语句中的查询条件涉及的字段依次为：age、name。

EXPLAIN SELECT SQL_NO_CACHE * FROM student WHERE age=30 AND name = 'wym';

根据上面的分析可知，索引 idx_age 被使用了，因为 (age, name) 中的 age（从左往右看）正好可以和 idx_age 中的索引列 age 匹配，因此可以使用该索引。

③ 下面 SQL 语句中的查询条件涉及的字段依次为：classid、name。

EXPLAIN SELECT SQL_NO_CACHE * FROM student WHERE classid=1 AND name = 'wym';

根据上面的分析可知，该语句上没有索引被使用，因为根据最佳左前缀匹配原则，(classid、name) 无法与已有的任何索引进行匹配（即使优化器对字段顺序进行调整之后）。

④ 下面 SQL 语句中的查询条件涉及的字段依次为：classid、age、name。

EXPLAIN SELECT SQL_NO_CACHE * FROM student WHERE classid=4 AND age=30 AND name = 'wym'; 

根据上面的分析可知，索引 idx_age_classid_name 被使用了，尽管第一眼看起来，没有一个索引的索引列是以 classid 开始，(classid, age, name) 并不能与已有的索引匹配，但是 MySQL 中的优化器会对字段顺序进行一定的调整，看能否匹配上已有的索引，而如果将原本的 (classid, age, name) 调整为 (age, classid, name)，那么此时就可以匹配上索引 idx_age_classid_name！

④ 先删除索引 idx_age 和 idx_age_classid：

DROP INDEX idx_age ON student;
DROP INDEX idx_age_classid ON student;

下面 SQL 语句中的查询条件涉及的字段依次为：age、name。

EXPLAIN SELECT SQL_NO_CACHE * FROM student WHERE student.age=30 AND student.name = 'wym';

根据上面的分析可知，索引 idx_age_classid_name 被使用了，但是 key_len = 5，即实际使用到的索引长度只有 5 个字节，涉及的所索引列为 age，索引并未被充分利用（有关 key_len 的介绍可以参考MySQL高级篇知识点——性能分析工具的使用 (opens new window)这篇文章的 6.4.7节)。

其原因在于索引 idx_age_classid_name 的索引列依次为 (age, classid, name)，而上述查询条件涉及的字段依次为 (age、name)，根据最佳左前缀匹配原则，该索引的索引列 classid 被跳过后，其自身以及后面的字段都无法被使用！

拓展：Alibaba《Java开发手册》

索引文件具有 B-Tree 的最左前缀匹配特性，如果左边的值未确定，那么无法使用此索引。

2.3 主键插入顺序

（1）对于一个使用 InnoDB 存储引擎的表来说，在我们没有显示的创建索引时，表中的数据实际上都是存储在 聚簇索引 的叶子节点的。而记录又存储在数据页中的，数据页和记录又是按照记录 主键值从小到大 的顺序进行排序，所以如果我们 插入 的记录的 主键值是依次增大 的话，那我们每插满一个数据页就换到下一个数据页继续插，而如果我们插入的主键值忽小忽大的话，则可能会造成 页面分裂 和 记录移位。

（2）假设某个数据页存储的记录已经满了，它存储的主键值在 1~100 之间：

如果此时再插入一条主键值为 9 的记录，那它插入的位置就如下图：

（3）可这个数据页已经满了，再插进来怎么办呢？我们需要把当前页面分裂成两个页面，把本页中的一些记录移动到新创建的这个页中。页面分裂和记录移位意味着什么？意味着： 性能损耗！所以如果我们想尽量避免这样无谓的性能损耗，最好让插入的记录的主键值依次递增 ，这样就不会发生这样的性能损耗了。所以我们建议：让主键具有 AUTO_INCREMENT ，让存储引擎自己为表生成主键，而不是我们手动插入，比如： person_info 表：

CREATE TABLE person_info( 
id INT UNSIGNED NOT NULL AUTO_INCREMENT, 
name VARCHAR(100) NOT NULL, 
birthday DATE NOT NULL, 
phone_number CHAR(11) NOT NULL, 
country varchar(100) NOT NULL, 
PRIMARY KEY (id), 
KEY idx_name_birthday_phone_number (name(10), birthday, phone_number) 
);

我们自定义的主键列 id 拥有 AUTO_INCREMENT 属性，在插入记录时存储引擎会自动为我们填入自增的主键值。这样的主键占用空间小，顺序写入，减少页分裂。

2.4 计算、函数、类型转换(自动或手动)导致索引失效

（1）在 student 表上建立索引 idx_name 和 idx_sno。

CREATE INDEX idx_name ON student(name);

CREATE INDEX idx_sno ON student(stuno);

（2）下面的 2 条 SQL 语句查询得到的结果一样（数据顺序可能略有不同），但是第一条语句能够使用索引 idx_name，而第二条语句由于用到了函数LEFT()，从而导致索引 idx_name 失效。（索引保存的是索引字段的原始值，而不是经过函数计算后的值，自然就无法使用索引了）

EXPLAIN SELECT SQL_NO_CACHE * FROM student WHERE student.name LIKE 'wym%';
SELECT SQL_NO_CACHE * FROM student WHERE student.name LIKE 'wym%';

EXPLAIN SELECT SQL_NO_CACHE * FROM student WHERE LEFT(student.name,3) = 'wym'; 
SELECT SQL_NO_CACHE * FROM student WHERE LEFT(student.name,3) = 'wym'; 

（3）同理，由于下面的第二条 SQL 语句中含有计算（即 stuno + 1），所以它使用不了索引 idx_sno。

EXPLAIN SELECT SQL_NO_CACHE id, stuno, NAME FROM student WHERE stuno = 900000;

EXPLAIN SELECT SQL_NO_CACHE id, stuno, NAME FROM student WHERE stuno + 1 = 900001;

2.5 类型转换导致索引失效

在 student 表中，name 字段的类型是 VARCHAR(20)，而在下面的第一条 SQL 语句中，NAME = 123 存在隐式类型转换，故导致索引 idx_name 失效。

# 隐式类型转换
EXPLAIN SELECT SQL_NO_CACHE * FROM student WHERE NAME = 123; 

EXPLAIN SELECT SQL_NO_CACHE * FROM student WHERE NAME = '123'; 

2.6 范围条件右边的列索引失效

（1）删除数据库 atguigudb2 中 student 表上除主键索引之外的所有索引，防止之前存在的索引对下面的例子产生影响。

SHOW INDEX FROM student;

CALL proc_drop_index('atguigudb2','student');

（2）先创建索引 idx_age_classId_name，然后再执行后面的 SQL 语句。

CREATE INDEX idx_age_classId_name ON student(age,classId,NAME);
SHOW INDEX FROM student;

EXPLAIN SELECT SQL_NO_CACHE * FROM student WHERE student.age=30 AND student.classId>20 AND student.name = 'wym' ; 

通过上面 EXPLAIN 的执行计划可知，索引 idx_age_classId_name 被使用了，但是没有完全使用！key_len = 10 就可以说明这一点，索引 idx_age_classId_name 上的三个字段 (age,classId,NAME) 中，只有 age 和 classId 被使用了（由于都是age 和 classId字段类型都是非null的int类型，所以长度均为 5，故 key_len = 5 + 5 = 10)，至于那么字段为什么没有成功使用索引，其原因就是范围查询的列导致其右边的列索引都失效了（ student.classId>20 是一个范围条件）。

此时可能有人会问：如果将 SQL 语句中的 student.classId > 20 与 student.name = ‘abc’ 颠倒顺序，这样范围条件右边就没有索引列了，这样是不是就可以完全使用上索引 idx_age_classId_name 了？

答案是否定的，这样依然不能完全使用上索引 idx_age_classId_name，并且 key_len 仍然为 10。其原因在优化器会根据已有索引来调整查询条件的顺序，以索引 idx_age_classId_name 为例，其索引列的顺序依次为(age,classId,NAME)，如果查询条件中正好出现了这 3 个字段，那么优化器会自动调整它们之间的顺序，使其保持与索引列的顺序一致，以便可以使用上索引。所以单纯地调整 student.classId > 20 与 student.name = ‘abc’ 的顺序是没有用的。

如果想要完全使用使用上索引，可以从以下两个方面进行改进：

① 重新创建索引 idx_age_name_classId，将需要进行范围查询的索引列放到最后；

② 修改 SQL 语句，只对索引中的最后一个索引列进行范围查询，但是该方法限制性太大；

（3）注意事项：

• ① 创建的联合索引中，务必把范围涉及到的字段写在最后；
• ② 应用开发中应将查询条件（例如：金额查询，日期查询往往都是范围查询）放置 where 语句的最后。

2.7 不等于(!= 或者<>)索引失效

• 为name字段创建索引

CREATE INDEX idx_name ON student(NAME);

• 查看索引是否失效

# <> 运算符用于表示 "不等于"
EXPLAIN SELECT SQL_NO_CACHE * FROM student WHERE student.name <> 'abc';

或者

EXPLAIN SELECT SQL_NO_CACHE * FROM student WHERE student.name != 'abc';

场景举例：用户提出需求，将财务数据，产品利润金额不等于0的都统计出来。

2.8 is null可以使用索引，is not null无法使用索引

• IS NULL: 可以触发索引

EXPLAIN SELECT SQL_NO_CACHE * FROM student WHERE age IS NULL;

• IS NOT NULL: 无法触发索引

EXPLAIN SELECT SQL_NO_CACHE * FROM student WHERE age IS NOT NULL;

结论：最好在设计数据库的时候就将字段设置为 NOT NULL 约束，比如你可以将 INT 类型的字段，默认值设置为0。将字符类型的默认值设置为空字符串('')。

扩展：同理，在查询中使用not like也无法使用索引，导致全表扫描。

2.9 like以通配符%开头索引失效

在使用LIKE关键字进行查询的查询语句中，如果匹配字符串的第一个字符为'%'，索引就不会起作用。只有'%'不在第一个位置，索引才会起作用。

主要因为 % 表示匹配任意数量的字符，底层B+树在进行搜索的时候没有一个明确的起始点，因此无法直接利用索引的有序性，只能选择全表扫描，逐一检查每一条记录。

• 使用到索引

EXPLAIN SELECT SQL_NO_CACHE * FROM student WHERE name LIKE 'wy%';

• 未使用到索引

EXPLAIN SELECT SQL_NO_CACHE * FROM student WHERE name LIKE '%wy%';

拓展：Alibaba《Java开发手册》

【强制】页面搜索严禁左模糊或者全模糊，如果需要请走搜索引擎来解决。

2.10 OR 前后存在非索引的列，索引失效

在WHERE子句中，如果在OR前的条件列进行了索引，而在OR后的条件列没有进行索引，那么索引会失效。也就是说，OR前后的两个条件中的列都是索引时，查询中才使用索引。

因为OR的含义就是两个只要满足一个即可，因此只有一个条件列进行了索引是没有意义的，只要有条件列没有进行索引，就会进行全表扫描，因此所以的条件列也会失效。

查询语句使用OR关键字的情况：

# 未使用到索引
EXPLAIN SELECT SQL_NO_CACHE * FROM student WHERE age = 10 OR classid = 100;

因为classId字段上没有索引，所以上述查询语句没有使用索引。

#使用到索引
EXPLAIN SELECT SQL_NO_CACHE * FROM student WHERE age = 10 OR name = 'wym';

因为age字段和name字段上都有索引，所以查询中使用了索引。你能看到这里使用到了index_merge，简单来说index_merge就是对age和name分别进行了扫描，然后将这两个结果集进行了合并。这样做的好处就是避免了全表扫描。

2.11 数据库和表的字符集统一使用utf8mb4

统一使用utf8mb4( 5.5.3版本以上支持)兼容性更好，统一字符集可以避免由于字符集转换产生的乱码。不 同的 字符集 进行比较前需要进行 转换 会造成索引失效。

2.12 练习及一般性建议

练习： 假设：index(a,b,c)

一般性建议

• 对于单列索引，尽量选择针对当前query过滤性更好的索引
• 在选择组合索引的时候，当前query中过滤性最好的字段在索引字段顺序中，位置越靠前越好。
• 在选择组合索引的时候，尽量选择能够当前query中where子句中更多的索引。
• 在选择组合索引的时候，如果某个字段可能出现范围查询时，尽量把这个字段放在索引次序的最后面。

总之，书写SQL语句时，尽量避免造成索引失效的情况

3. 关联查询优化

3.1 数据准备

# 分类
CREATE TABLE IF NOT EXISTS `type` (
`id` INT(10) UNSIGNED NOT NULL AUTO_INCREMENT,
`card` INT(10) UNSIGNED NOT NULL,
PRIMARY KEY (`id`)
);
#图书
CREATE TABLE IF NOT EXISTS `book` (
`bookid` INT(10) UNSIGNED NOT NULL AUTO_INCREMENT,
`card` INT(10) UNSIGNED NOT NULL,
PRIMARY KEY (`bookid`)
);

#向分类表中添加20条记录
INSERT INTO `type`(card) VALUES(FLOOR(1 + (RAND() * 20)));
INSERT INTO `type`(card) VALUES(FLOOR(1 + (RAND() * 20)));
INSERT INTO `type`(card) VALUES(FLOOR(1 + (RAND() * 20)));
INSERT INTO `type`(card) VALUES(FLOOR(1 + (RAND() * 20)));
INSERT INTO `type`(card) VALUES(FLOOR(1 + (RAND() * 20)));
INSERT INTO `type`(card) VALUES(FLOOR(1 + (RAND() * 20)));
INSERT INTO `type`(card) VALUES(FLOOR(1 + (RAND() * 20)));
INSERT INTO `type`(card) VALUES(FLOOR(1 + (RAND() * 20)));
INSERT INTO `type`(card) VALUES(FLOOR(1 + (RAND() * 20)));
INSERT INTO `type`(card) VALUES(FLOOR(1 + (RAND() * 20)));
INSERT INTO `type`(card) VALUES(FLOOR(1 + (RAND() * 20)));
INSERT INTO `type`(card) VALUES(FLOOR(1 + (RAND() * 20)));
INSERT INTO `type`(card) VALUES(FLOOR(1 + (RAND() * 20)));
INSERT INTO `type`(card) VALUES(FLOOR(1 + (RAND() * 20)));
INSERT INTO `type`(card) VALUES(FLOOR(1 + (RAND() * 20)));
INSERT INTO `type`(card) VALUES(FLOOR(1 + (RAND() * 20)));
INSERT INTO `type`(card) VALUES(FLOOR(1 + (RAND() * 20)));
INSERT INTO `type`(card) VALUES(FLOOR(1 + (RAND() * 20)));
INSERT INTO `type`(card) VALUES(FLOOR(1 + (RAND() * 20)));
INSERT INTO `type`(card) VALUES(FLOOR(1 + (RAND() * 20)));

#向图书表中添加20条记录
INSERT INTO book(card) VALUES(FLOOR(1 + (RAND() * 20)));
INSERT INTO book(card) VALUES(FLOOR(1 + (RAND() * 20)));
INSERT INTO book(card) VALUES(FLOOR(1 + (RAND() * 20)));
INSERT INTO book(card) VALUES(FLOOR(1 + (RAND() * 20)));
INSERT INTO book(card) VALUES(FLOOR(1 + (RAND() * 20)));
INSERT INTO book(card) VALUES(FLOOR(1 + (RAND() * 20)));
INSERT INTO book(card) VALUES(FLOOR(1 + (RAND() * 20)));
INSERT INTO book(card) VALUES(FLOOR(1 + (RAND() * 20)));
INSERT INTO book(card) VALUES(FLOOR(1 + (RAND() * 20)));
INSERT INTO book(card) VALUES(FLOOR(1 + (RAND() * 20)));
INSERT INTO book(card) VALUES(FLOOR(1 + (RAND() * 20)));
INSERT INTO book(card) VALUES(FLOOR(1 + (RAND() * 20)));
INSERT INTO book(card) VALUES(FLOOR(1 + (RAND() * 20)));
INSERT INTO book(card) VALUES(FLOOR(1 + (RAND() * 20)));
INSERT INTO book(card) VALUES(FLOOR(1 + (RAND() * 20)));
INSERT INTO book(card) VALUES(FLOOR(1 + (RAND() * 20)));
INSERT INTO book(card) VALUES(FLOOR(1 + (RAND() * 20)));
INSERT INTO book(card) VALUES(FLOOR(1 + (RAND() * 20)));
INSERT INTO book(card) VALUES(FLOOR(1 + (RAND() * 20)));
INSERT INTO book(card) VALUES(FLOOR(1 + (RAND() * 20)));

3.2 采用左外连接

知识点补充：驱动表与被驱动表

在MySQL中进行多表查询时，MySQL查询优化器会选择一个表作为驱动表（leading table），另一个表作为被驱动表（driven table）。通常，驱动表是查询中先被访问的表，而被驱动表是基于驱动表的查询结果之后才被访问的。

下面开始 EXPLAIN 分析

# type 表和 book 表的字段 card 上均没有索引。
EXPLAIN SELECT SQL_NO_CACHE * FROM `type` LEFT JOIN book ON type.card = book.card;

为被驱动表 book 中的字段 card 添加索引优化查询

ALTER TABLE book ADD INDEX Y ( card);  # 为被驱动表 book 中的字段 card 添加索引
EXPLAIN SELECT SQL_NO_CACHE * FROM `type` LEFT JOIN book ON type.card = book.card;

可以看到第二行的 type 变为了 ref，rows 也变成了优化比较明显。这是由左连接特性决定的。LEFT JOIN 条件用于确定如何从右表搜索行，左边一定都有，所以 右边是我们的关键点,一定需要建立索引 。

ALTER TABLE `type` ADD INDEX X (card);  # 为驱动表 type 中的字段 card 添加索引
EXPLAIN SELECT SQL_NO_CACHE * FROM `type` LEFT JOIN book ON type.card = book.card;

接着：删除被驱动表 book 中的字段 card 上的索引。

DROP INDEX Y ON book;
EXPLAIN SELECT SQL_NO_CACHE * FROM `type` LEFT JOIN book ON type.card = book.card;

3.3 采用内连接

（1）删除驱动表 type 中的字段 card 上的索引，这样两张表的 card 字段上都没有索引。

DROP INDEX X ON `type`;

# 内连接 换成 inner join（由于两个表中都没有索引，优化器根据其它因素选择驱动表和被驱动表）
EXPLAIN SELECT SQL_NO_CACHE * FROM `type` INNER JOIN book ON type.card = book.card;

（2）为被驱动表 book 中的字段 card 添加索引。

ALTER TABLE book ADD INDEX Y (card);

EXPLAIN SELECT SQL_NO_CACHE * FROM `type` INNER JOIN book ON type.card = book.card;

当book表的card字段添加索引后，它成为了被驱动表，因为索引加速了连接条件的匹配过程。

（3）为驱动表 type 中的字段 card 也添加索引。

ALTER TABLE type ADD INDEX X (card);

EXPLAIN SELECT SQL_NO_CACHE * FROM `type` INNER JOIN book ON type.card = book.card;

当type表的card字段也添加索引后，优化器可以选择哪个表作为被驱动表（哪个索引更有效率就会被作为被驱动表）

对于内连接来说，查询优化器可以决定谁作为驱动表，谁作为被驱动表出现的

（4）删除被驱动表 type 中的字段 card 上的索引。

DROP INDEX X ON type;

EXPLAIN SELECT SQL_NO_CACHE * FROM `type` INNER JOIN book ON type.card = book.card;

删除type表的card字段上的索引后，book表成为了被驱动表，因为此时它是唯一有索引的表。

结论：对于内连接来讲，如果表的连接条件中只能有一个字段有索引，则有索引的字段所在的表会被作为被驱动表出现。 之前 type 表为被驱动表，但是将其字段 card 上的索引删除之后，那么连接条件中就只有 book表上的 card 字段上有索引，此时，book会从原本的驱动表变为被驱动表，其目的就是为了更加快速地进行内连接查询。

（5）重新为驱动表type中的字段 card 添加索引，此时可以看到 type 表又变回了被驱动表。

ALTER TABLE type ADD INDEX X (card);

EXPLAIN SELECT SQL_NO_CACHE * FROM `type` INNER JOIN book ON type.card = book.card;

此时向驱动表（即 book 表）中添加 20 条数据，那么 book表中一共就有 40 条数据了，而 type表中还是只有 20 条数据。

INSERT INTO `book` (card) VALUES(FLOOR(1 + (RAND() * 20)));
INSERT INTO `book` (card) VALUES(FLOOR(1 + (RAND() * 20)));
INSERT INTO `book` (card) VALUES(FLOOR(1 + (RAND() * 20)));
INSERT INTO `book` (card) VALUES(FLOOR(1 + (RAND() * 20)));
INSERT INTO `book` (card) VALUES(FLOOR(1 + (RAND() * 20)));
INSERT INTO `book` (card) VALUES(FLOOR(1 + (RAND() * 20)));
INSERT INTO `book` (card) VALUES(FLOOR(1 + (RAND() * 20)));
INSERT INTO `book` (card) VALUES(FLOOR(1 + (RAND() * 20)));
INSERT INTO `book` (card) VALUES(FLOOR(1 + (RAND() * 20)));
INSERT INTO `book` (card) VALUES(FLOOR(1 + (RAND() * 20)));
INSERT INTO `book` (card) VALUES(FLOOR(1 + (RAND() * 20)));
INSERT INTO `book` (card) VALUES(FLOOR(1 + (RAND() * 20)));
INSERT INTO `book` (card) VALUES(FLOOR(1 + (RAND() * 20)));
INSERT INTO `book` (card) VALUES(FLOOR(1 + (RAND() * 20)));
INSERT INTO `book` (card) VALUES(FLOOR(1 + (RAND() * 20)));
INSERT INTO `book` (card) VALUES(FLOOR(1 + (RAND() * 20)));
INSERT INTO `book` (card) VALUES(FLOOR(1 + (RAND() * 20)));
INSERT INTO `book` (card) VALUES(FLOOR(1 + (RAND() * 20)));
INSERT INTO `book` (card) VALUES(FLOOR(1 + (RAND() * 20)));
INSERT INTO `book` (card) VALUES(FLOOR(1 + (RAND() * 20)));

再次执行下面的 SQL 语句：

EXPLAIN SELECT SQL_NO_CACHE * FROM `type` INNER JOIN book ON type.card = book.card;

此时可以发现：数据量较少的被驱动表 type 变为了驱动表，而数据量较多的驱动表 book 变为了驱动表！

结论：对于内连接来说，在两个表的连接条件都存在索引的情况下，会选择小表作为驱动表，即“小表驱动大表”。 特别需要注意的是，在决定哪个表做驱动表的时候，应该是两个表按照各自的条件过滤，过滤完成之后，计算参与 join 的各个字段的总数据量，数据量小的那个表，就是“小表”，应该作为驱动表。

3.4 join语句原理

join方式连接多个表，本质就是各个表之间数据的循环匹配。MySQL5.5版本之前，MySQL只支持一种表间关联方式，就是嵌套循环(Nested Loop Join)。如果关联表的数据量很大，则join关联的执行时间会很长。在MySQL5.5以后的版本中，MySQL通过引入BNLJ算法来优化嵌套执行。

1. 驱动表和被驱动表

驱动表就是主表，被驱动表就是从表、非驱动表。

• 对于内连接来说：

SELECT * FROM A JOIN B ON ...

A一定是驱动表吗？不一定，优化器会根据你查询语句做优化，决定先查哪张表。先查询的那张表就是驱动表，反之就是被驱动表。通过explain关键字可以查看。

• 对于外连接来说：

SELECT * FROM A LEFT JOIN B ON ...
# 或
SELECT * FROM B RIGHT JOIN A ON ... 

通常，大家会认为A就是驱动表，B就是被驱动表。但也未必。测试如下：

CREATE TABLE a(f1 INT, f2 INT, INDEX(f1)) ENGINE=INNODB;
CREATE TABLE b(f1 INT, f2 INT) ENGINE=INNODB;

INSERT INTO a VALUES(1,1),(2,2),(3,3),(4,4),(5,5),(6,6);
INSERT INTO b VALUES(3,3),(4,4),(5,5),(6,6),(7,7),(8,8);

SELECT * FROM b;

# 测试1
EXPLAIN SELECT * FROM a LEFT JOIN b ON(a.f1=b.f1) WHERE (a.f2=b.f2);

# 测试2
EXPLAIN SELECT * FROM a LEFT JOIN b ON(a.f1=b.f1) AND (a.f2=b.f2);

# 测试3
EXPLAIN SELECT * FROM a  JOIN b ON(a.f1=b.f1) WHERE (a.f2=b.f2);

2. Simple Nested-Loop Join (简单嵌套循环连接)

算法相当简单，从表A中取出一条数据1，遍历表B，将匹配到的数据放到result.. 以此类推，驱动表A中的每一条记录与被驱动表B的记录进行判断：

可以看到这种方式效率是非常低的，以上述表A数据100条，表B数据1000条计算，则A*B=10万次。开销统计如下:

当然mysql肯定不会这么粗暴的去进行表的连接，所以就出现了后面的两种对Nested-Loop Join优化算法。

3. Index Nested-Loop Join （索引嵌套循环连接）

Index Nested-Loop Join其优化的思路主要是为了减少内存表数据的匹配次数，所以要求被驱动表上必须有索引才行。通过外层表匹配条件直接与内层表索引进行匹配，避免和内存表的每条记录去进行比较，这样极大的减少了对内存表的匹配次数。

驱动表中的每条记录通过被驱动表的索引进行访问，因为索引查询的成本是比较固定的，故mysql优化器都倾向于使用记录数少的表作为驱动表（外表）。

如果被驱动表加索引，效率是非常高的，但如果索引不是主键索引，所以还得进行一次回表查询。相比，被驱动表的索引是主键索引，效率会更高。

4. Block Nested-Loop Join（块嵌套循环连接）

（1）如果存在索引，那么会使用 index 的方式进行 join，如果 join 的列没有索引，被驱动表要扫描的次数太多了。每次访问被驱动表，其表中的记录都会被加载到内存中，然后再从驱动表中取一条与其匹配，匹配结束后清除内存，然后再从驱动表中加载一条记录，然后把被驱动表的记录在加载到内存匹配，这样大大增加了 I/O 的次数。为了减少被驱动表的 I/O 次数，就出现了 Block Nested-Loop Join 的方式。

（2）不再是逐条获取驱动表的数据，而是一块一块的获取，引入了 join buffer 缓冲区，将驱动表 join 相关的部分数据列（大小受 join buffer 的限制）缓存到 join buffer 中，然后全表扫描被驱动表，被驱动表的每一条记录一次性和 join buffer 中的所有驱动表记录进行匹配（内存中操作），将简单嵌套循环中的多次比较合并成一次，降低了被驱动表的访问频率。

注意事项

这里缓存的不只是关联表的列，select后面的列也会缓存起来。

在一个有N个join关联的sql中会分配N-1个join buffer。所以查询的时候尽量减少不必要的字段，可以让join buffer中可以存放更多的列。

参数设置：

• block_nested_loop

通过show variables like '%optimizer_switch%; 查看 block_nested_loop状态。默认是开启的。

show variables like '%optimizer_switch%';

• join_buffer_size

驱动表能不能一次加载完，要看join buffer能不能存储所有的数据，默认情况下join_buffer_size=256k。

show variables like '%join_buffer%';

join_buffer_size的最大值在32位操作系统可以申请4G，而在64位操作系统下可以申请大于4G的Join Buffer空间（64位Windows除外，其大值会被截断为4GB并发出警告）。

5. Join小结

（1）整体效率比较：INLJ > BNLJ > SNLJ。

（2）永远用小结果集驱动大结果集（其本质就是减少外层循环的数据数量，小的度量单位指的是表行数 * 每行大小）。

select t1.b,t2.* from t1 straight_join t2 on (t1.b=t2.b) where t2.id<=100; # 推荐
select t1.b,t2.* from t2 straight_join t1 on (t1.b=t2.b) where t2.id<=100; # 不推荐

在上面的例子中，表 t1 和 t2 都是只有 100 行参加 join，但是这 2 条语句每次查询放入 join_buffer 的数据是不一样的：

• ① 表 t1 只查字段 b，因此如果把 t1 放到 join_buffer 中，则 join_buffer 中只需要放入 b 的值；
• ② 表 t2 需要查所有的字段，因此如果把表 t2 放到 join_buffer 中的话，就需要放入三个字段 id、 a 和 b。

（3）为被驱动表匹配的条件增加索引（减少内层表的循环匹配次数）。

（4）增大 join buffer size 的大小（一次缓存的数据越多，那么内层包的扫表次数就越少）。

（5）减少驱动表不必要的字段查询（字段越少，join buffer 所缓存的数据就越多）。

（6）需要 join 的字段，数据类型保持绝对一致。

（7）能够直接多表关联的尽量直接关联，不用子查询。(减少查询的趟数)

（8）不建议使用子查询，建议将子查询 SQL 拆开结合程序多次查询，或使用 JOIN 来代替子查询。

（9）衍生表建不了索引。

6. Hash Join

从 MySQL 的 8.0.20 版本开始将废弃 BNLJ，因为从 MySQL 8.0.18 版本开始就加入了hash join，默认都会使用 hash join。

Nested Loop：对于被连接的数据子集较小的情况，Nested Loop 是个较好的选择。

Hash Join 是做大数据集连接时的常用方式，优化器使用两个表中较小（相对较小）的表利用 Join Key 在内存中建立散列表，然后扫描较大的表并探测散列表，找出与 Hash 表匹配的行。

• ① 这种方式适用于较小的表完全可以放于内存中的情况，这样总成本就是访问两个表的成本之和。
• ② 在表很大的情况下并不能完全放入内存，这时优化器会将它分割成若干不同的分区，不能放入内存的部分就把该分区写入磁盘的临时段，此时要求有较大的临时段从而尽量提高 I/O 的性能。
• ③ 它能够很好的工作于没有索引的大表和并行查询的环境中，并提供最好的性能。大多数人都说它是 Join 的重型升降机。Hash Join 只能应用于等值连接（例如 WHERE A.COL1=B.COL2），这是由 Hash 的特点决定的。

4. 子查询优化

MySQL 从 4.1 版本开始支持子查询，使用子查询可以进行 SELECT 语句的嵌套查询，即一个 SELECT 查询的结果作为另一个 SELECT 语句的条件。子查询可以一次性完成很多逻辑上需要多个步骤才能完成的 SQL 操作。

子查询可以帮助我们通过一个 SQL 语句实现比较复杂的查询。但是子查询的执行效率不高。其原因在于：

• ① 执行子查询时，MySQL 需要为内层查询语句的查询结果建立一个临时表，然后外层查询语句从临时表中查询记录。查询完毕后，再撤销这些临时表。这样会消耗过多的 CPU 和 I/O 资源，产生大量的慢查询。
• ② 子查询的结果集存储的临时表，不论是内存临时表还是磁盘临时表都不会存在索引，所以查询性能会受到一定的影响。
• ③ 对于返回结果集比较大的子查询，其对查询性能的影响也就越大。

在 MySQL 中，可以使用连接 (JOIN) 查询来替代子查询。连接查询不需要建立临时表，其速度比子查询要快，如果查询中使用索引的话，性能就会更好。

举例如下

① 查询学生表 student 中是班长的学生信息

使用子查询

# 创建班级表中班长的索引
CREATE INDEX idx_monitor ON class(monitor);

# 查询班长的信息
EXPLAIN SELECT * FROM student stu1
WHERE stu1.`stuno` IN (
SELECT monitor
FROM class c
WHERE monitor IS NOT NULL
);

使用 join

EXPLAIN SELECT stu1.* FROM student stu1 JOIN class c 
ON stu1.`stuno` = c.`monitor`
WHERE c.`monitor` IS NOT NULL;

温馨提示

为什么上面这个 子查询 和 连接查询 明明用了 IS NOT NULL ，但还是走索引了呢？是因为MySQL 5.6开始，引入了索引条件下推优化，它允许存储引擎在索引扫描阶段过滤数据，而不是在找到所有可能的索引记录之后。这意味着即使是IS NOT NULL这样的条件，如果它与索引扫描结合起来能够显著减少需要检查的记录数量，MySQL也可能利用索引来优化查询。

② 查询不为班长的学生信息

使用子查询

EXPLAIN SELECT SQL_NO_CACHE a.* 
FROM student a
WHERE a.stuno NOT IN (SELECT monitor FROM class b WHERE monitor IS NOT NULL) ;

使用 join

EXPLAIN SELECT SQL_NO_CACHE a.*
FROM  student a LEFT OUTER JOIN class b 
ON a.stuno =b.monitor
WHERE b.monitor IS NULL;

注意事项

尽量不要使用 NOT IN 或者 NOT EXISTS，用 LEFT JOIN xxx ON xx WHERE xx IS NULL 替代

5. 排序优化

5.1.问题引入

问题：在 WHERE 条件字段上加索引，但是为什么在 ORDER BY 字段上还要加索引呢？

回答：在 MySQL 中，支持两种排序方式，分别是 FileSort 和 Index 排序：

• ① 在lndex 排序中，索引可以保证数据的有序性，不需要再进行排序，效率更高。
• ② FileSort 排序则一般在内存中进行排序，占用 CPU 较多。如果待排结果较大，会产生临时文件 I/O 到磁盘进行排序的情况，效率较低。

5.2.优化建议

1. SQL 中，可以在 WHERE 子句和 ORDER BY 子句中使用索引，目的是在 WHERE 子句中避免全表扫描，在 ORDER BY 子句是为了避免使用 FileSort 排序。当然，某些情况下全表扫描，或者 FileSort 排序不一定比索引慢。但总的来说，还是要避免，以提高查询效率。
2. 尽量使用 Index 完成 ORDER BY 排序。如果 WHERE 和 ORDER BY 后面是相同的列就使用单索引列；如果不同就使用联合索引。
3. 无法使用 Index 时，需要对 FileSort 方式进行调优。

5.3.测试

（1）删除 student 和 class 表中的非主键索引。

# 方式1
DROP INDEX idx_monitor ON class;
DROP INDEX idx_cid ON student;
DROP INDEX idx_age ON student;
DROP INDEX idx_name ON student;
DROP INDEX idx_age_name_classId ON student;
DROP INDEX idx_age_classId_name ON student;

# 方式2
call proc_drop_index('atguigudb2','student');
call proc_drop_index('atguigudb2','class');

（2）无索引可用。

EXPLAIN SELECT SQL_NO_CACHE * FROM student ORDER BY age, classid; 

EXPLAIN SELECT SQL_NO_CACHE * FROM student ORDER BY age, classid LIMIT 10; 

（3）在 student 表上创建索引 idx_age_classid_name。

# 创建索引  
CREATE INDEX idx_age_classid_name ON student(age,classid,NAME);

① 查询所有字段，索引失效

EXPLAIN SELECT SQL_NO_CACHE * FROM student ORDER BY age, classid; 

由上图可知，索引 idx_age_classid_name 失效，其原因在于优化器估计了使用与不适用该索引的成本，如果使用该索引，由于查询的是所有字段（上述 SQL 语句中的 * ），所以在使用二级索引 idx_age_classid_name 之后还要进行回表操作，当数据量比较大时，其成本可能要比不使用索引而直接查询的成本还要大！所以上述 SQL 未使用索引 idx_age_classid_name 。

② 查询部分字段，索引生效

EXPLAIN  SELECT SQL_NO_CACHE age, classid FROM student ORDER BY age, classid; 

由上图可知，索引 idx_age_classid_name 被使用了，其原因在于要查询的字段不是全部的字段，而只是部分索引上的字段，此时不需要回表就能查到，其成本较小，此时索引 idx_age_classid_name 也被称为覆盖索引。

③ 查询所有字段，但使用 limit，索引生效

EXPLAIN SELECT SQL_NO_CACHE * FROM student ORDER BY age,classid LIMIT 10;  

由于 limit 限制了要查询的数量，所以此时的回表操作的成本就低了许多，所以使用上了索引 idx_age_classid_name 。

（4）创建索引 idx_age_classid_stuno。

CREATE  INDEX idx_age_classid_stuno ON student (age,classid,stuno); 

SHOW INDEX FROM student;

判断：下面的语句会使用到索引吗？

# 没有使用到索引
EXPLAIN  SELECT * FROM student ORDER BY classid LIMIT 10;

# 没有使用到索引
EXPLAIN  SELECT * FROM student ORDER BY classid, NAME LIMIT 10;

# 使用了索引 idx_age_classid_stuno
EXPLAIN  SELECT * FROM student ORDER BY age, classid, stuno LIMIT 10;

# 使用了索引 idx_age_classid_name
EXPLAIN  SELECT * FROM student ORDER BY age, classid LIMIT 10;

# 使用了索引 idx_age_classid_name
EXPLAIN  SELECT * FROM student ORDER BY age LIMIT 10;

（5）order by 后的规则不一致，索引失效 （顺序错，不索引；方向反，不索引）

# age 字段的排序方式 (DESC) 与索引中的相反
EXPLAIN  SELECT * FROM student ORDER BY age DESC, classid ASC LIMIT 10;

# classid 字段的排序方式 (DESC) 与索引中的相反
EXPLAIN  SELECT * FROM student ORDER BY classid DESC, NAME DESC LIMIT 10;

# age 与 classid 的排序方式一升一降
EXPLAIN  SELECT * FROM student ORDER BY age ASC,classid DESC LIMIT 10; 

# age 与 classid 的排序方式同为降序时，此时 MySQL 会选择从后往前遍历，即 "Backward index scan"
EXPLAIN  SELECT * FROM student ORDER BY age DESC, classid DESC LIMIT 10;

（6）无过滤，不索引

EXPLAIN  SELECT * FROM student WHERE age=45 ORDER BY classid;

根据上图可知，索引 idx_age_classid_name 被使用了，但需要注意的是，key_len = 5，其原因在于经过 where age = 45 这个条件过滤之后，剩下的数据量可能比较少（上图中的 rows = 18998，说明过滤之后只剩 18998 条数据，这对于 CPU 来说是比较少的），所以此时不需要再使用 idx_age_classid_name 中的索引列，而是直接回表并将得到的数据进行排序。

---

EXPLAIN  SELECT * FROM student WHERE  age=45 ORDER BY classid, NAME; 

结果分析与上面的类似，这里就不再赘述。

---

EXPLAIN  SELECT * FROM student WHERE  classid=45 ORDER BY age;

---

EXPLAIN  SELECT * FROM student WHERE  classid=45 ORDER BY age LIMIT 10;

（7)小结

INDEX a_b_c(a,b,c) 

order by 能使用索引最左前缀情况如下
- ORDER BY a
- ORDER BY a,b
- ORDER BY a,b,c
- ORDER BY a DESC,b DESC,c DESC 

如果WHERE使用索引的最左前缀定义为常量，则order by 能使用索引
- WHERE a = const ORDER BY b,c
- WHERE a = const AND b = const ORDER BY c
- WHERE a = const ORDER BY b,c
- WHERE a = const AND b > const ORDER BY b,c 

不能使用索引进行排序的情况如下
- ORDER BY a ASC,b DESC,c DESC /* 排序不一致 */
- WHERE g = const ORDER BY b,c /*丢失a索引*/
- WHERE a = const ORDER BY c /*丢失b索引*/
- WHERE a = const ORDER BY a,d /*d不是索引的一部分*/
- WHERE a in (...) ORDER BY b,c /*对于排序来说，多个相等条件也是范围查询*/

5.4.案例实战

（1）先清除 student 表上的索引，只留主键：

call proc_drop_index('atguigudb2', 'student');

（2）场景：查询年龄为 30 岁的，且学生编号小于 101000 的学生，按学生名称排序。

EXPLAIN SELECT SQL_NO_CACHE * FROM student WHERE age = 30 AND stuno <101000 ORDER BY NAME;

SELECT SQL_NO_CACHE * FROM student WHERE age = 30 AND stuno <101000 ORDER BY NAME;

结论：type 是 ALL，即最坏的情况。Extra 里还出现了 Using filesort，也是最坏的情况，所以需要进行优化。

（3）优化思路

• ① 为了去掉 filesort，可以把建立如下索引：

CREATE INDEX idx_age_name ON student(age, NAME);
EXPLAIN SELECT SQL_NO_CACHE * FROM student WHERE age = 30 AND stuno <101000 ORDER BY NAME;
SELECT SQL_NO_CACHE * FROM student WHERE age = 30 AND stuno <101000 ORDER BY NAME;

② 尽量让 where 中的过滤条件和排序使用上索引

CREATE INDEX idx_age_stuno_name ON student (age,stuno,NAME); 
EXPLAIN SELECT SQL_NO_CACHE * FROM student WHERE age = 30 AND stuno <101000 ORDER BY NAME;
SELECT SQL_NO_CACHE * FROM student WHERE age = 30 AND stuno <101000 ORDER BY NAME;

仔细观察上面的结果会发现：有 filesort的 SQL 运行速度， 超过了已经优化掉 filesort 的 SQL ，而且几乎一瞬间就出现了结果！

原因： 所有的排序都是在条件过滤之后才执行的。所以，如果条件过滤掉大部分数据的话，剩下几百几千条数据进行排序其实并不是很消耗性能，即使索引优化了排序，但实际提升性能很有限。相对的 stuno < 101000 这个条件，如果没有用到索引的话，要对几万条的数据进行扫描，这是非常消耗性能的，所以索引放在这个字段上性价比最高，是最优选择。

结论

① 两个索引同时存在，mysql自动选择最优的方案（对于这个例子，MySQL 选择 idx_age_stuno_name）。但是随着数据量的变化，选择的索引也会随之变化的。

② 当【范围条件】和【group by 或者 order by】的字段出现二选一时，优先观察条件字段的过滤数量，如果过滤的数据足够多，而需要排序的数据并不多时，优先把索引放在范围字段上。反之，亦然。

下面这种建立索引的方式也是可行的。

DROP INDEX idx_age_stuno_name ON student;

CREATE INDEX idx_age_stuno ON student(age,stuno);

5.5.filesort 算法：双路排序和单路排序

排序的字段若如果不在索引列上,则filesort会有两种算法：双路排序和单路排序

5.5.1.双路排序 （慢）

• MySQL 4.1 之前是使用双路排序，字面意思就是两次扫描磁盘，最终得到数据， 读取行指针和 order by 列 ，对他们进行排序，然后扫描已经排序好的列表，按照列表中的值重新从列表中读取对应的数据输出。
• 从磁盘取排序字段，在 buffer 进行排序，再从磁盘取其他字段。

取一批数据，要对磁盘进行两次扫描，众所周知，I/O 是很耗时的，所以在 MySQL 4.1 之后，出现了第二种改进的算法，就是单路排序。

5.5.2.单路排序 （快）

从磁盘读取查询需要的所有列，按照 order by 列在 buffer 对它们进行排序，然后扫描排序后的列表进行输出，它的效率更快一些，避免了第二次读取数据。并且把随机IO变成了顺序 I/O，但是它会使用更多的空间， 因为它把每一行都保存在内存中了。

5.5.3.结论及引申出的问题

（1）由于单路排序是后出的，总体而言好过双路排序； （2）但是单路排序也存在一定的缺陷：

• ① 在 sort_buffer 中，单路排序要比多路排序要多占用很多空间，因为单路排序是把所有字段都取出，所以有可能取出的数据的总大小超出了 sort_buffer 的容量，导致每次只能取 sort_buffer 容量大小的数据，进行排序（创建 tmp 文件，多路合并），排完再取 sort_buffer 容量大小，再排…从而多次有 I/O。
• ② 单路本来想省一次 I/O 操作，反而导致了大量的 I/O 操作，反而得不偿失。

5.5.4.优化策略

（1）尝试提高 sort_buffer_size。 不管用哪种算法，提高这个参数都会提高效率，要根据系统的能力去提高，因为这个参数是针对每个进程 (connection) 的 1M-8M 之间调整。再 MySQL 5.7 中，InnoDB 存储引擎默认值是 1048576 字节，即 1MB，可以使用下面的语句进行查看。

SHOW VARIABLES LIKE '%sort_buffer_size%';

（2）尝试提高 max_length_for_sort_data。

• 提高这个参数，会增加用改进算法的概率。

# 默认 1024 字节
SHOw VARIABLES LIKE ' %max_length_for_sort_data%' ;

• 但是如果设的太高，数据总容量超出 sort_buffer_size 的概率就增大，明显的症状是就高的磁盘 l/O 活动和低的处理器使用率。如果需要返回的列的总长度大于max_length_for_sort_data，使用双路算法，否则使用单路算法。1024-8192字节之间调整。

（3）Order by 时 select * 是一个大忌，最好只查询需要的字段。

• 当查询的字段大小总和小于 max_length_for_sort_data，而且排序字段不是 TEXT|BLOB 类型时，会用改进后的算法――单路排序，否则用老算法—―多路排序。
• 两种算法的数据都有可能超出 sort_buffer_size 的容量，超出之后，会创建 tmp 文件进行合并排序，导致多次 I/O，但是用单路排序算法的风险会更大一些，所以要提高 sort_buffer_size。

6. GROUP BY优化

• group by 使用索引的原则几乎跟 order by 一致 ，group by 即使没有过滤条件用到索引，也可以直接使用索引。
• group by 先排序再分组，遵照索引建的最佳左前缀法则。
• 当无法使用索引列，增大 max_length_for_sort_data 和 sort_buffer_size 参数的设置。
• where 效率高于 having，能写在 where 限定的条件就不要写在 having 中了。
• 减少使用 order by，和业务沟通能不排序就不排序，或将排序放到程序端去做。order by、group by、distinct 这些语句较为耗费 CPU，数据库的 CPU资源是极其宝贵的。
• 包含了 order by、group by、distinct 这些查询的语句，where 条件过滤出来的结果集请保持在 1000 行以内，否则 SQL 会很慢。

7. 优化分页查询

一般分页查询时，通过创建覆盖索引能够比较好地提高性能。一个常见又非常头疼的问题就是 limit 2000000,10，此时需要 MySQL 排序前 2000010 条记录，但仅仅返回 2000000 - 2000010 之间的记录，其他记录丢弃，查询排序的代价非常大。

EXPLAIN SELECT * FROM student LIMIT 2000000, 10;

（1）优化思路一

在索引上完成排序分页操作，最后根据主键关联回原表查询所需要的其他列内容。

EXPLAIN SELECT * FROM student t,(SELECT id FROM student ORDER BY id LIMIT 2000000,10) a WHERE t.id = a.id;

（2）优化思路二

该方案适用于主键自增的表，可以把 limit 查询转换成某个位置的查询。

EXPLAIN SELECT * FROM student WHERE id > 2000000 LIMIT 10;

8. 优先考虑覆盖索引

8.1 什么是覆盖索引？

理解方式一：索引是高效找到行的一个方法，但是一般数据库也能使用索引找到一个列的数据，因此它不必读取整个行。毕竟索引叶子节点存储了它们索引的数据；当能通过读取索引就可以得到想要的数据，那就不需要通过回表去读取整个行的数据了。一个索引包含了满足查询结果的数据就叫做覆盖索引。

理解方式二：非聚簇复合索引的一种形式，它包括在查询里的SELECT、JOIN和WHERE子句用到的所有列，即建索引的字段正好是覆盖查询条件中所涉及的字段 。

简单说就是， 索引列+主键 包含 SELECT 到 FROM之间查询的列 。

8.2 覆盖索引的优缺点

（1）优点

• 避免 Innodb 表进行索引的二次查询（回表）

InnoDB 是以聚集索引的顺序来存储的，对于 InnoDB 来说，二级索引在叶子节点中所保存的是行的主键信息，如果是用二级索引查询数据，在查找到相应的键值后，还需通过主键进行二次查询才能获取我们真实所需要的数据。

在覆盖索引中，二级索引的键值中可以获取所要的数据，避免了对主键的二次查询，减少了 I/O 操作，提升了查询效率。

• 可以把随机 I/O 变成顺序 I/O 加快查询效率

由于覆盖索引是按键值的顺序存储的，对于 I/O 密集型的范围查找来说，对比随机从磁盘读取每一行的数据 I/O 要少的多，因此利用覆盖索引在访问时也可以把磁盘的随机读取的 I/O 转变成索引查找的顺序 I/O。

由于覆盖索引可以减少树的搜索次数，显著提升查询性能，所以使用覆盖索引是一个常用的性能优化手段。

（2）缺点

索引字段的维护总是有代价的，在建立冗余索引来支持覆盖索引时就需要权衡考虑了。这是业务 DBA，或者称为业务数据架构师的工作。

8.3.案例

（1）先删除 student 表上除主键索引之外的所有索引，防止其余的索引对下面的例子产生干扰。

CALL proc_drop_index('atguigudb2','student');

SHOW INDEX FROM student;

（2）建立索引 idx_age_name。

CREATE INDEX idx_age_name ON student (age, NAME);

（3）案例 1

EXPLAIN SELECT * FROM student WHERE age <> 20;

EXPLAIN SELECT age, NAME FROM student WHERE age <> 20;

（4)案例 2

EXPLAIN SELECT * FROM student WHERE NAME LIKE '%wym';

EXPLAIN SELECT id, age FROM student WHERE NAME LIKE '%wym';

看到这里，可能有的读者会有疑问：

前面的第 2.7 节和第 2.9 节中不是说了不等于（!= 或者<>）索引失效以及 like 以通配符 % 开头索引失效吗，怎么上面 2 个案例中的第 2 条 SQL 语句都能使用上索引？

这里需要解释一下，前面的第 2 节总结的索引失效的情况指的是一般规律，并非完全绝对的。对于具体问题需要具体分析，这里的分析主要指优化器会对 SQL 语句的运行成本进行具体分析，看是否需要使用索引。上面的 2 个案例中的第 2 个 SQL 语句还是基于索引idx_age_name进行查询的，只不过这里走的是索引下推，底层是存储引擎基于该索引进行了一个全范围的扫描，尽管如此，其执行成本比还是比回表的成本要低，所以就使用了该索引。

9. 如何给字符串添加索引

有一张教师表，表定义如下：

create table teacher(
ID bigint unsigned primary key,
email varchar(64),
...
)engine=innodb;

讲师要使用邮箱登录，所以业务代码中一定会出现类似于这样的语句：

mysql> select col1, col2 from teacher where email='xxx';

如果email这个字段上没有索引，那么这个语句就只能做 全表扫描 。

9.1 前缀索引

（1）MySQL是支持前缀索引的。默认地，如果你创建索引的语句不指定前缀长度，那么索引就会包含整个字符串。

mysql> alter table teacher add index index1(email); 
# 或
mysql> alter table teacher add index index2(email(6));

（2）这两种不同的定义在数据结构和存储上有什么区别呢？下图就是这两个索引的示意图。

（3）如果使用的是 index1（即 email 整个字符串的索引结构），执行顺序是这样的：

• ① 从 index1 索引树找到满足索引值是 ‘zhangssxyz@xxx.com’ 的这条记录，取得 ID2 的值；
• ② 到主键上查到主键值是 ID2 的行，判断 email 的值是正确的，将这行记录加入结果集；
• ③ 取 index1 索引树上刚刚查到的位置的下一条记录，发现已经不满足 email = ‘zhangssxyz@xxx.com’ 的条件了，循环结束。

这个过程中，只需要回主键索引取一次数据，所以系统认为只扫描了一行。

（4）如果使用的是 index2（即 email(6) 索引结构），执行顺序是这样的：

• ① 从 index2 索引树找到满足索引值是 ’zhangs’ 的记录，找到的第一个是ID1；
• ② 到主键上查到主键值是 ID1 的行，判断出email的值不是 ’zhangssxyz@xxx.com‘，这行记录丢弃；
• ③ 取 index2 上刚刚查到的位置的下一条记录，发现仍然是 ”zhangs‘，取出 ID2，再到 ID 索引上取整行然后判断，这次值对了，将这行记录加入结果集；
• ④ 重复上一步，直到在 indxe2 上取到的值不是 ‘zhangs’ 时，循环结束。

也就是说使用前缀索引，定义好长度，就可以做到既节省空间，又不用额外增加太多的查询成本。前面已经讲过区分度，区分度越高越好。因为区分度越高，意味着重复的键值越少。

9.2.前缀索引对覆盖索引的影响

结论：使用前缀索引就用不上覆盖索引对查询性能的优化了，这也是你在选择是否使用前缀索引时需要考虑的一个因素。

10. 索引下推

10.1.索引下推的概念和原理？

索引下推 (Index Condition Pushdown, ICP) 是 MySQL 5.6 中新特性，是一种在存储引擎层使用索引过滤数据的一种优化方式。

什么是索引下推（ICP）？

索引下推是一种优化技术，它允许MySQL在存储引擎层面更有效地使用索引进行数据过滤。在传统的查询处理中，存储引擎负责根据索引找到对应的行，然后返回这些行到MySQL服务器层，由服务器层来判断这些行是否满足WHERE子句中的条件。这个过程可能会导致不必要的数据加载和传输，特别是当很多行不满足条件时。

ICP的工作原理

当ICP启用时，如果WHERE子句中的一部分条件可以仅通过索引列来评估，那么这些条件会被"下推"到存储引擎层。这意味着在存储引擎内部，使用索引本身就可以过滤掉不满足条件的行，从而避免了对这些行的进一步读取。只有当行数据基于索引已经被判断可能满足条件时，才会从磁盘上加载行数据进行进一步的处理。

关于“下推”的条件理解

• 不是所有的WHERE条件都会下推：只有那些可以完全通过索引列进行评估的条件才会被下推。如果WHERE条件涉及到索引中没有包含的列，这部分条件不会被下推，而是在存储引擎返回行数据后由MySQL服务器层进行评估。
• 在索引中能够评估的条件会被下推：例如，如果有一个联合索引覆盖了某个查询的一部分条件，那么这部分条件可以在存储引擎层通过索引直接评估，而不需要先回表取得完整的行数据。

注意事项

当WHERE子句中的匹配条件涉及到索引列时，即使这些条件（如以%开头的LIKE '%xyz'查询）会导致索引失效，存储引擎可以仍然利用ICP进行优化，基于索引进行一个全范围的扫描过滤，虽然没有基于那些生效的索引列扫描高效，但是相对与大量的回表操作来说，MySQL优化器这样操作可以减轻大量I/O操作和CPU的负担，提升查询的整体响应时间。

ICP的优点

• 减少数据访问：通过在存储引擎层面过滤掉更多不满足条件的行，ICP减少了对基表行的访问次数，从而减少了I/O操作。
• 减轻服务器负担：由于存储引擎层面已经过滤掉一部分不满足条件的数据，MySQL服务器需要处理的数据量减少，减轻了服务器的计算负担。

ICP的缺点

• 效果依赖于数据分布：ICP的效率提升效果高度依赖于能够通过索引筛选掉的数据比例。如果大部分数据都需要被加载和评估，那么ICP带来的性能提升可能不会太明显。
• 索引设计：ICP的效果也受到索引设计的影响。合理设计的索引更能够利用ICP带来性能提升。

10.2.索引下推的开启与关闭

（1）默认情况下索引条件下推是开启的。可以通过设置系统变量 optimizer_switch 控制：

# 关闭索引下推
SET optimizer_switch = 'index_condition_pushdown=off';
# 打开索引下推
SET optimizer_switch = 'index_condition_pushdown=on';

（2）当使用索引条件下推时，EXPLAIN 语句输出结果中 Extra 列内容显示为 Using index condition。

10.3.ICP 的使用条件

1. 只能用于二级索引 (secondary index)；
2. explain显示的执行计划中 type 值（join 类型）为 range 、 ref 、 eq_ref 或者 ref_or_null 。
3. 并非全部where条件都可以用ICP筛选，如果 where 条件的字段不在索引列中，还是要读取整表的记录到 server 端做 where 过滤。
4. ICP 可以用于 MyISAM 和 InnnoDB 存储引擎
5. MySQL 5.6 版本的不支持分区表的 ICP 功能，5.7 版本的开始支持。
6. 当 SQL 使用覆盖索引时，不支持 ICP 优化方法。

10.4.案例

（1）单列索引（特殊情况）

USE atguigudb1;

EXPLAIN SELECT * FROM s1 WHERE key1 > 'z' AND key1 LIKE '%a';

以上面的 SQL 语句为例，开启 ICP 后，在使用二级索引 idx_key1 的情况下，假设通过查询条件 key1 > ‘z’ 过滤得到了 1000 条记录（注意这里并不是完整的记录，只是包括索引列+主键，即 key1 + id），此时先不着急回表，而是在后面的查询语句 key1 LIKE ‘%a’ 的基础上，对这 1000 条记录再次进行过滤，假设只剩下 100 条记录，此时再根据 id 进行回表操作查找完整的记录即可。

WHERE条件中涉及到索引的列都会下推

前面我有提过，只有那些可以完全通过索引列进行评估的条件才会被下推。如果WHERE条件涉及到索引中没有包含的列，这部分条件不会被下推，而是在存储引擎返回行数据后由MySQL服务器层进行评估。

（2）联合索引（普遍情况）

USE atguigudb1;

# 建立 people 表
CREATE TABLE `people`(
`id` INT NOT NULL AUTO_INCREMENT,
`zipcode` VARCHAR(20) COLLATE utf8_bin DEFAULT NULL,
`firstname` VARCHAR(20) COLLATE utf8_bin DEFAULT NULL,
`lastname` VARCHAR(20)COLLATE utf8_bin DEFAULT NULL,
`address` VARCHAR(50) COLLATE utf8_bin DEFAULT NULL,
PRIMARY KEY (`id`),
# 建立联合索引
KEY `zip_last_first`(`zipcode`, `lastname`, `firstname`)
)ENGINE=INNODB AUTo_INCREMENT=5 DEFAULT CHARSET=utf8mb3 COLLATE=utf8_bin;

# 插入数据
INSERT INTO `people` VALUES
('1', '000001', '三', '张', '北京市'),
('2', '000002', '四', '李', '南京市'),
('3', '000003', '五', '王', '上海市'),
('4', '000001','六', '赵', '天津市');

EXPLAIN SELECT * FROM people
WHERE zipcode='000001'
AND lastname LIKE '%张%'
AND address LIKE '%北京市%';

① 由上面的查询计划可知，key_len = 63，这说明索引 zip_last_first 中只有索引列 zip 被使用了（like 以通配符 % 开头索引失效）。

② 开启 ICP 后，在使用二级索引（联合索引） zip_last_first 的情况下，假设通过查询条件 zipcode = ‘000001’ 过滤得到了 1000 条记录（注意这里并不是完整的记录，只是包括索引列+主键，即 zipcode, lastname, firstname + id），此时先不着急回表，而是在后面的查询语句 lastname LIKE ‘%张%’ 的基础上，对这 1000 条记录再次进行过滤，假设只剩下 100 条记录，而此时由于字段 address 不在 zipcode, lastname, firstname + id 中，所以无法再次过滤，此时再根据 id 进行回表操作查找完整的记录即可。

在索引中能够评估的条件会被下推

前面我有提过，如果有一个联合索引覆盖了某个查询的一部分条件，那么这部分条件可以在存储引擎层通过索引直接评估，而不需要先回表取得完整的行数据，这个lastname 就是属于联合索引中的一个字段，那么就会通过存储引擎进行过滤，而address 不是属于联合索引中的一个字段，那么就无法通过存储引擎过滤，只能回表通过MySQL服务器进行过滤。

③ 如果关闭 ICP，在使用二级索引（联合索引） zip_last_first 的情况下，假设通过查询条件 zipcode = ‘000001’ 过滤得到了 1000 条记录，此时会直接回表，根据 id 查询到完整的记录，然后再根据后面的 2 个查询条件进行过滤。其缺点就比较明显，如果通过查询条件 zipcode = ‘000001’ 过滤得到的记录数非常大（比如有几百万条），那么此时直接全部回表的效率会比较低。

④ 注：具体 key_len 的计算可以查看MySQL高级篇知识点——性能分析工具的使用 (opens new window)这篇文章的第 6.4.7 节，key_len = 63 的由来如下： varchar(20) 变长字段且允许 NULL = 20 * (character set:utf8 = 3, gbk = 2, latin1 = 1) + 1(NULL) + 2(变长字段) = 20 * 3 + 1 + 2 = 63

10.5.开启/关闭索引下推的性能对比

10.5.1.准备数据

# 创建存储过程，向 people 表中添加 1000000 条数据，测试 ICP 开启和关闭状态下的性能
DELIMITER //
CREATE PROCEDURE insert_people (max_num INT)
BEGIN
	DECLARE i INT DEFAULT 0;
	SET autocommit = 0;
	REPEAT
	SET i = i + 1;
	INSERT INTO people (zipcode, firstname ,lastname, address ) VALUES ('000001', '六', '赵', '天津市');
	UNTIL i = max_num
	END REPEAT;
	COMMIT;
END //
DELIMITER;

# 调用存储过程，插入 1000000 条数据
CALL insert_people(1000000);e;
select count(*) from people;

10.5.2.性能对比

（1）开启 profiling 用于查看SQL执行成本

    set profiling = 'ON';

（2）执行 SQL 语句，此时默认打开索引下推。

# 打开索引下推（默认开启状态）
SET optimizer_switch = 'index_condition_pushdown=on';
SELECT * FROM people WHERE zipcode='008801' AND lastname LIKE '%吴%';

（3）再次执行 SQL 语句，不使用索引下推（也可通过设置 optimizer_switch 来关闭索引下推）。

# 关闭索引下推
SET optimizer_switch = 'index_condition_pushdown=off';
SELECT /*+ no_icp (people) */  * FROM people WHERE zipcode='008801' AND lastname LIKE '%吴%';

（4）查看 SQL执行成本 show profiles

对比结果可知，开启 ICP 后查询所消耗的时间明显少于关闭 ICP 的！

11. 普通索引 vs 唯一索引

（1）从性能的角度考虑，你选择唯一索引还是普通索引呢？选择的依据是什么呢？

（2）假设，我们有一个主键列为 ID 的表，表中有字段 k，并且在 k 上有索引，假设字段 k 上的值都不重复。这个表的建表语句是：

create table test( 
id int primary key, 
k int not null, 
name varchar(16), 
index (k) 
)engine=InnoDB;

表中 R1~R5 的 (ID, k )值分别为 (100,1)、(200,2)、(300,3)、(500,5) 和 (600,6)。

11.1.查询过程

假设，执行查询的语句是：

select id from test where k = 5;

对于普通索引来说，查找到满足条件的第一个记录 (5,500) 后，需要查找下一个记录，直到碰到第一个不满足 k = 5 条件的记录。

对于唯一索引来说，由于索引定义了唯一性，查找到第一个满足条件的记录后，就会停止继续检索。

那么，这个不同带来的性能差距会有多少呢？答案是， 微乎其微 。

11.2.更新过程

1. 为了说明普通索引和唯一索引对更新语句性能的影响这个问题，介绍一下 change buffer。
2. 当需要更新一个数据页时，如果数据页在内存中就直接更新，而如果这个数据页还没有在内存中的话，在不影响数据一致性的前提下， InooDB 会将这些更新操作缓存在 change buffer 中，这样就不需要从磁盘中读入这个数据页了。在下次查询需要访问这个数据页的时候，将数据页读入内存，然后执行 change buffer 中与这个页有关的操作。通过这种方式就能保证这个数据逻辑的正确性。
3. 将 change buffer 中的操作应用到原数据页，得到最新结果的过程称为 merge 。除了访问这个数据页会触发 merge 外，系统有后台线程会定期 merge。在数据库正常关闭 (shutdown) 的过程中，也会执行 merge 操作。
4. 如果能够将更新操作先记录在 change buffer， 减少读磁盘，语句的执行速度会得到明显的提升。而且，数据读入内存是需要占用 buffer pool 的，所以这种方式还能够避免占用内存，提高内存利用率。
5. 唯一索引的更新就不能使用 change buffer ，实际上也只有普通索引可以使用。

如果要在这张表中插入一个新记录 (4, 400) 的话，InnoDB 的处理流程是怎样的？

11.3. change buffer的使用场景

1. 普通索引和唯一索引应该怎么选择？其实，这两类索引在查询能力上是没差别的，主要考虑的是对更新性能的影响。所以，建议尽量选择普通索引。
2. 在实际使用中会发现， 普通索引和 change buffer 的配合使用，对于数据量大的表的更新优化还是很明显的。
3. 如果所有的更新后面，都马上伴随着对这个记录的查询，那么你应该关闭 change buffer 。而在其他情况下，change buffer 都能提升更新性能。
4. 由于唯一索引用不上 change buffer 的优化机制，因此如果业务可以接受，从性能角度出发建议优先考虑非唯一索引。

但是如果"业务可能无法确保"的情况下，怎么处理呢？

• 首先， 业务正确性优先 。我们的前提是“业务代码已经保证不会写入重复数据”的情况下，讨论性能问题。如果业务不能保证，或者业务就是要求数据库来做约束，那么没得选，必须创建唯一索引。这种情况下，本节的意义在于，如果碰上了大量插入数据慢、内存命中率低的时候，给你多提供一个排查思路。
• 然后，在一些"归档库"的场景，你是可以考虑使用唯一索引的。比如，线上数据只需要保留半年，然后历史数据保存在归档库。这时候，归档数据已经是确保没有唯一键冲突了。要提高归档效率，可以考虑把表里面的唯一索引改成普通索引。

12. 其它查询优化策略

12.1.EXISTS 和 IN 的区分

问题：不太理解哪种情况下应该使用 EXISTS，哪种情况应该用 IN。选择的标准是看能否使用表的索引吗？

回答：索引是个前提，其实选择与否还是要看表的大小。你可以将选择的标准理解为小表驱动大表。在这种方式下效率是最高的。

比如下面这样：

SELECT * FROM A WHERE cc IN (SELECT ce FROM B)
SELECT * FROM A WHERE EXISTS (SELECT cc FROM B WHERE B.cc=A.cc)

① 当 A 小于 B 时，用 EXISTS。因为 EXISTS 的实现，相当于外表循环，实现的逻辑类似于：

for i in A
	for j in B
		if j.cc == i.cc then ...

② 当 B 小于 A 时用 IN，因为实现的逻辑类似于：

for i in B
	for j in A
		if j.cc == i.cc then ...

哪个表小就用哪个表来驱动，A 表小就用 EXISTS，B 表小就用 IN。

12.2.COUNT(*) 与 COUNT(具体字段)效率

问：在 MySQL 中统计数据表的行数，可以使用三种方式：SELECT COUNT(*)、SELECT COUNT(1) 和 SELECT COUNT(具体字段)，使用这三者之间的查询效率是怎样的？

答：前提：如果你要统计的是某个字段的非空数据行数，则另当别论，毕竟比较执行效率的前提是结果一样才可以。

环节1：COUNT(*) 和 COUNT(1) 都是对所有结果进行 COUNT，COUNT(*) 和 COUNT(1) 本质上并没有区别（二者执行时间可能略有差别，不过你还是可以把它俩的执行效率看成是相等的）。如果有 WHERE 子句，则是对所有符合筛选条件的数据行进行统计；如果没有WHERE子句，则是对数据表的数据行数进行统计。

环节2：如果是 MyISAM 存储引擎，统计数据表的行数只需要O(1)的复杂度，这是因为每张 MyISAM 的数据表都有一个 meta 信息存储了row_count值，而一致性则是由表级锁来保证的。

如果是 InnoDB 存储引擎，因为 InnoDB 支持事务，采用行级锁和 MVCC 机制，所以无法像 MyISAM 一样，维护一个 row_count 变量，因此需要采用扫描全表，是 O(n) 的复杂度，进行循环+计数的方式来完成统计。

环节3：在 InnoDB 引擎中，如果采用 COUNT(具体字段) 来统计数据行数，要尽量采用二级索引。因为主键采用的索引是聚簇索引，聚簇索引包含的信息多，明显会大于二级索引（非聚簇索引）。对于 COUNT(*) 和 COUNT(1) 来说，它们不需要查找具体的行，只是统计行数，系统会自动采用占用空间更小的二级索引来进行统计。

如果有多个二级索引，会使用 key_len 小的二级索引进行扫描。当没有二级索引的时候，才会采用主键索引来进行统计。

12.3.关于 SELECT(*)

在表查询中，建议明确字段，不要使用 * 作为查询的字段列表，推荐使用SELECT <字段列表> 查询。原因：

① MySQL 在解析的过程中，会通过查询数据字典将"*"按序转换成所有列名，这会大大的耗费资源和时间。

② 无法使用覆盖索引。

12.4.LIMIT 1 对优化的影响

针对的是会扫描全表的 SQL 语句，如果你可以确定结果集只有一条，那么加上LIMIT 1的时候，当找到一条结果的时候就不会继续扫描了，这样会加快查询速度。

如果数据表已经对字段建立了唯一索引，那么可以通过索引进行查询，不会全表扫描的话，就不需要加上LIMIT 1了。

12.5.多使用 COMMIT

只要有可能，在程序中尽量多使用 COMMIT，这样程序的性能得到提高，需求也会因为 COMMIT 所释放的资源而减少。

COMMIT 所释放的资源：

1. 回滚段上用于恢复数据的信息；
2. 被程序语句获得的锁；
3. redo / undo log buffer 中的空间；
4. 管理上述 3 种资源中的内部花费；

13. 淘宝数据库，主键如何设计的？

聊一个实际问题：淘宝数据库的主键是如何设计的？

某些错的离谱的答案还在网上年复一年的流传着，甚至还成为了所谓的 MySQL 军规。其中，一个最明显的错误就是关于 MySQL 的主键设计。大部分人的回答如此自信：用 8 字节的 BIGINT 做主键，而不要用 INT。 错！这样的回答，只站在了数据库这一层，而没有从业务的角度思考主键。主键就是一个自增 ID 吗？用自增做主键，架构设计上可能连及格都拿不到！

13.1 自增 ID 的问题

自增 ID 做主键，简单易懂，几乎所有数据库都支持自增类型，只是实现上各自有所不同而已。自增 ID 除了简单，其他都是缺点，总体来看存在以下几方面的问题：

（1）可靠性不高 存在自增 ID 回溯的问题，这个问题直到最新版本的 MySQL 8.0 才修复。

（2）安全性不高 对外暴露的接口可以非常容易猜测对应的信息。比如：/User/1/这样的接口，可以非常容易猜测用户 ID 的值为多少，总用户数量有多少，也可以非常容易地通过接口进行数据的爬取。

（3）性能差 自增 ID 的性能较差，需要在数据库服务器端生成。

（4）交互多 业务还需要额外执行一次类似 last_insert_id() 的函数才能知道刚才插入的自增值，这需要多一次的网络交互。在海量并发的系统中，多1条SQL，就多一次性能上的开销。

（5）局部唯一性 最重要的一点，自增ID是局部唯一，只在当前数据库实例中唯一，而不是全局唯一，在任意服务器间都是唯一的。对于目前分布式系统来说，这简直就是噩梦。

13.2.业务字段做主键

为了能够唯一地标识一个会员的信息，需要为 会员信息表 设置一个主键。那么，怎么为这个表设置主键，才能达到我们理想的目标呢？ 这里我们考虑业务字段做主键。假设表数据如下：

在这个表里，哪个字段比较合适呢？

13.2.1.选择卡号 (cardno)

（1）会员卡号 (cardno) 看起来比较合适，因为会员卡号不能为空，而且有唯一性，可以用来标识一条会员记录。

mysql> CREATE TABLE demo.membermaster
-> (
-> cardno CHAR(8) PRIMARY KEY, -- 会员卡号为主键
-> membername TEXT,
-> memberphone TEXT,
-> memberpid TEXT,
-> memberaddress TEXT,
-> sex TEXT,
-> birthday DATETIME
-> ); 
Query OK, 0 rows affected (0.06 sec)

不同的会员卡号对应不同的会员，字段“cardno”唯一地标识某一个会员。如果都是这样，会员卡号与会员一一对应，系统是可以正常运行的。

（2）但实际情况是， 会员卡号可能存在重复使用的情况。比如，张三因为工作变动搬离了原来的地址，不再到商家的门店消费了 （退还了会员卡），于是张三就不再是这个商家门店的会员了。但是，商家不想让这个会员卡空着，就把卡号是“10000001”的会员卡发给了王五。

（3）从系统设计的角度看，这个变化只是修改了会员信息表中的卡号是“10000001”这个会员 信息，并不会影响到数据一致性。也就是说，修改会员卡号是“10000001”的会员信息， 系统的各个模块，都会获取到修改后的会员信息，不会出现“有的模块获取到修改之前的会员信息，有的模块获取到修改后的会员信息，而导致系统内部数据不一致”的情况。因此，从信息系统层面上看是没问题的。

（4）但是从使用统的业务层面 来看，就有很大的问题了，会对商家造成影响。比如，我们有一个销售流水表 (trans)，记录了所有的销售流水明细。2020 年 12 月 01 日，张三在门店购买了一本书，消费了 89 元。那么，系统中就有了张三买书的流水记录，如下所示：

接着，我们查询一下 2020 年 12 月 01 日的会员销售记录：

mysql> SELECT b.membername,c.goodsname,a.quantity,a.salesvalue,a.transdate
-> FROM demo.trans AS a
-> JOIN demo.membermaster AS b
-> JOIN demo.goodsmaster AS c
-> ON (a.cardno = b.cardno AND a.itemnumber=c.itemnumber); 
+------------+-----------+----------+------------+---------------------+
| membername | goodsname | quantity | salesvalue | transdate 		   | 
+------------+-----------+----------+------------+---------------------+
| 张三		 | 书 		 | 1.000 	| 89.00 	 | 2020-12-01 00:00:00 | 
+------------+-----------+----------+------------+---------------------+
1 row in set (0.00 sec)

如果会员卡“10000001”又发给了王五，我们会更改会员信息表。导致查询时：

mysql> SELECT b.membername,c.goodsname,a.quantity,a.salesvalue,a.transdate
-> FROM demo.trans AS a
-> JOIN demo.membermaster AS b
-> JOIN demo.goodsmaster AS c
-> ON (a.cardno = b.cardno AND a.itemnumber=c.itemnumber); 
+------------+-----------+----------+------------+---------------------+
| membername | goodsname | quantity | salesvalue | transdate 		   | 
+------------+-----------+----------+------------+---------------------+
| 王五 		 | 书 		 | 1.000 	| 89.00 	 | 2020-12-01 00:00:00 | 
+------------+-----------+----------+------------+---------------------+
1 row in set (0.01 sec)

这次得到的结果是：王五在 2020 年 12 月 01 日，买了一本书，消费 89 元。显然是错误的！结论：千万不能把会员卡号当做主键。

13.2.2.选择会员电话或身份证号

1. 会员电话可以做主键吗？不行的。在实际操作中，手机号也存在被运营商收回，重新发给别人用的情况。
2. 那身份证号行不行呢？好像可以。因为身份证决不会重复，身份证号与一个人存在一一对 应的关系。可问题是，身份证号属于个人隐私 ，顾客不一定愿意给你。要是强制要求会员必须登记身份证号，会把很多客人赶跑的。其实，客户电话也有这个问题，这也是我们在设计会员信息表的时候，允许身份证号和电话都为空的原因。
3. 所以，建议尽量不要用跟业务有关的字段做主键。毕竟，作为项目设计的技术人员，我们谁也无法预测在项目的整个生命周期中，哪个业务字段会因为项目的业务需求而有重复，或者重用之类的情况出现。

经验：刚开始使用 MySQL 时，很多人都很容易犯的错误是喜欢用业务字段做主键，想当然地认为了解业务需求，但实际情况往往出乎意料，而更改主键设置的成本非常高。

13.3.淘宝的主键设计

（1）在淘宝的电商业务中，订单服务是一个核心业务。那订单表的主键淘宝是如何设计的呢？是自增 ID 吗？打开淘宝，看一下订单信息：

从上图可以发现，订单号不是自增 ID！我们详细看下上述4个订单号：

1550672064762308113 
1481195847180308113 
1431156171142308113 
1431146631521308113

（2）订单号是 19 位的长度，且订单的最后 5 位都是一样的，都是 08113。且订单号的前面 14 位部分是单调递增的。大胆猜测，淘宝的订单 ID 设计应该是：

订单ID = 时间 + 去重字段 + 用户ID后 6 位尾号

这样的设计能做到全局唯一，且对分布式系统查询及其友好。

13.4.推荐的主键设计

13.4.1.非核心业务

非核心业务：对应表的主键自增 ID，如告警、日志、监控等信息。

13.4.2.核心业务

核心业务 ：主键设计至少应该是全局唯一且是单调递增。全局唯一保证在各系统之间都是唯一的，单调递增是希望插入时不影响数据库性能。这里推荐最简单的一种主键设计：UUID。

（1）UUID的特点 全局唯一，占用36字节，数据无序，插入性能差。

（2）认识UUID： MySQL 数据库的 UUID 组成如下所示：

UUID = 时间+UUID版本（16字节）- 时钟序列（4字节） - MAC地址（12字节）

我们以 UUID 值 e0ea12d4-6473-11eb-943c-00155dbaa39d 举例： ① 为什么 UUID 是全局唯一的？

在 UUID 中时间部分占用 60 位，存储的类似 TIMESTAMP 的时间戳，但表示的是从1582-10-15 00：00：00.00 到现在的 100ns 的计数。可以看到 UUID 存储的时间精度比 TIMESTAMPE 更高，时间维度发生重复的概率降低到 1/100 ns。时钟序列是为了避免时钟被回拨导致产生时间重复的可能性。MAC地址用于全局唯一。

② 为什么 UUID 占用36个字节？

UUID根据字符串进行存储，设计时还带有无用"-"字符串，因此总共需要36个字节。

③ 为什么 UUID 是无序的？

因为在 UUID 的设计中，将时间低位放在最前面，而这部分的数据是一直在变化的，并且是无序。

（3）改造 UUID

① 若将时间高低位互换，则时间就是单调递增的了，也就变得单调递增了。MySQL 8.0 可以更换时间低位和时间高位的存储方式，这样 UUID就是有序的 UUID 了。MySQL 8.0 还解决了 UUID 存在的空间占用的问题，除去了 UUID 字符串中无意义的 “-” 字符串，并且将字符串用二进制类型保存，这样存储空间降低为了 16 字节。

② 可以通过 MySQL8.0 提供的 uuid_to_bin 函数实现上述功能，同样的，MySQL 也提供了bin_to_uui函数进行转化：

SET @uuid = UUID(); 

SELECT @uuid,uuid_to_bin(@uuid),uuid_to_bin(@uuid,TRUE);

③ 通过函数 uuid_to_bin(@uuid,true) 将 UUID 转化为有序 UUID 了。全局唯一 + 单调递增，这不就是我们想要的主键！

（4）有序 UUID 性能测试

16 字节的有序 UUID，相比之前 8 字节的自增 ID，性能和存储空间对比究竟如何呢？

我们来做一个测试，插入 1 亿条数据，每条数据占用500 字节，含有 3 个二级索引，最终的结果如下所示：

从上图可以看到插入 1 亿条数据有序 UUID 是最快的，而且在实际业务使用中有序 UUID 在业务端就可以生成 。还可以进一步减少 SQL 的交互次数。另外，虽然有序 UUID 相比自增 ID 多了 8 个字节，但实际只增大了 3G 的存储空间，还可以接受。

在当今的互联网环境中，非常不推荐自增ID作为主键的数据库设计。更推荐类似有序 UUID 的全局唯一的实现。另外在真实的业务系统中，主键还可以加入业务和系统属性，如用户的尾号，机房的信息等。这样的主键设计就更为考验架构师的水平了。

（5）如果不是 MySQ L8.0 怎么办？

手动赋值字段做主键！

比如，设计各个分店的会员表的主键，因为如果每台机器各自产生的数据需要合并，就可能会出现主键重复的问题。

可以在总部 MySQL 数据库中，有一个管理信息表，在这个表中添加一个字段，专门用来记录当前会员编号的最大值。

门店在添加会员的时候，先到总部 MySQL 数据库中获取这个最大值，在这个基础上加 1，然后用这个值 作为新会员的“id”，同时，更新总部 MySQL 数据库管理信息表中的当前会员编号的最大值。

这样一来，各个门店添加会员的时候，都对同一个总部 MySQL 数据库中的数据表字段进行操作，就解决了各门店添加会员时会员编号冲突的问题。