一次SQL查询优化原理分析(900W+数据,从17s到300ms)

栏目: IT技术 · 发布时间: 4年前

内容简介: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);首先说明一下MySQL的版本:表结构:

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;
-- 优化前SQL 
SELECT  各种字段 
FROM `table_name` 
WHERE 各种条件 
LIMIT 0,10;  
-- 优化后SQL 
SELECT  各种字段 
FROM `table_name` main_tale 
RIGHT JOIN  
( 
SELECT  子查询只查主键 
FROM `table_name` 
WHERE 各种条件 
LIMIT 0,10; 
) temp_table ON temp_table.主键 = main_table.主键 

一,前言

首先说明一下 MySQL 的版本:

mysql> select version(); 
+-----------+ 
| version() | 
+-----------+ 
| 5.7.17    | 
+-----------+ 
1 row in set (0.00 sec) 

表结构:

mysql> desc test; 
+--------+---------------------+------+-----+---------+----------------+ 
| Field  | Type                | Null | Key | Default | Extra          | 
+--------+---------------------+------+-----+---------+----------------+ 
| id     | bigint(20) unsigned | NO   | PRI | NULL    | auto_increment | 
| val    | int(10) unsigned    | NO   | MUL | 0       |                | 
| source | int(10) unsigned    | NO   |     | 0       |                | 
+--------+---------------------+------+-----+---------+----------------+ 
3 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:

mysql> select count(*) from test; 
+----------+ 
| count(*) | 
+----------+ 
|  5242882 | 
+----------+ 
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:

mysql> select * from test where val=4 limit 300000,5; 
+---------+-----+--------+ 
| id      | val | source | 
+---------+-----+--------+ 
| 3327622 |   4 |      4 | 
| 3327632 |   4 |      4 | 
| 3327642 |   4 |      4 | 
| 3327652 |   4 |      4 | 
| 3327662 |   4 |      4 | 
+---------+-----+--------+ 
5 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:

mysql> select * from test a inner join (select id from test where val=4 limit 300000,5) b on a.id=b.id; 
+---------+-----+--------+---------+ 
| id      | val | source | id      | 
+---------+-----+--------+---------+ 
| 3327622 |   4 |      4 | 3327622 | 
| 3327632 |   4 |      4 | 3327632 | 
| 3327642 |   4 |      4 | 3327642 | 
| 3327652 |   4 |      4 | 3327652 | 
| 3327662 |   4 |      4 | 3327662 | 
+---------+-----+--------+---------+ 
5 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:

一次SQL查询优化原理分析(900W+数据,从17s到300ms)

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

一次SQL查询优化原理分析(900W+数据,从17s到300ms)

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

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。

mysql> select * from test where val=4 limit 300000,5; 
+---------+-----+--------+ 
| id      | val | source | 
+---------+-----+--------+|  
3327622 |   4 |      4 | 
| 3327632 |   4 |      4 | 
| 3327642 |   4 |      4 | 
| 3327652 |   4 |      4 | 
| 3327662 |   4 |      4 | 
+---------+-----+--------+ 
5 rows in set (26.19 sec) 
 
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; 
+------------+----------+ 
| index_name | count(*) | 
+------------+----------+ 
| PRIMARY    |     4098 | 
| val        |      208 | 
+------------+----------+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。

mysqladmin shutdown 
/usr/local/bin/mysqld_safe & 
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 (0.03 sec) 

运行sql:

mysql> select * from test a inner join (select id from test where val=4 limit 300000,5) b on a.id=b.id; 
+---------+-----+--------+---------+ 
| id      | val | source | id      | 
+---------+-----+--------+---------+ 
| 3327622 |   4 |      4 | 3327622 | 
| 3327632 |   4 |      4 | 3327632 | 
| 3327642 |   4 |      4 | 3327642 | 
| 3327652 |   4 |      4 | 3327652 | 
| 3327662 |   4 |      4 | 3327662 | 
+---------+-----+--------+---------+ 
5 rows in set (0.09 sec) 
 
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; 
+------------+----------+ 
| index_name | count(*) | 
+------------+----------+ 
| PRIMARY    |        5 | 
| val        |      390 | 
+------------+----------+ 
2 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。


以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持 码农网

查看所有标签

猜你喜欢:

本站部分资源来源于网络,本站转载出于传递更多信息之目的,版权归原作者或者来源机构所有,如转载稿涉及版权问题,请联系我们

Mathematica演示项目笔记

Mathematica演示项目笔记

吴飞 / 清华大学出版社 / 2010-7 / 39.00元

Mathematica是由美国科学家斯蒂芬·沃尔夫勒姆(Stephen Wolfram)领导的Wolfram Research Inc.研究公司所开发的一体化计算引擎。《Mathematica演示项目笔记》结合Mathematica演示项目以及第6版和第7版的最新功能(动态交互性、即时三维图形、数值模拟和仿真、高效实时计算、集成语言系统、多核并行计算和数字图像处理等),讲解了符号计算、程序设计、算......一起来看看 《Mathematica演示项目笔记》 这本书的介绍吧!

UNIX 时间戳转换
UNIX 时间戳转换

UNIX 时间戳转换

正则表达式在线测试
正则表达式在线测试

正则表达式在线测试