多数情况下,我们知道索引能够提高查询效率,但应该如何建立索引?索引的顺序如何?
这篇文章由浅入深,结合实例分析了索引的应用以及慢查询的优化,我觉得受益匪浅。
以下是摘要:
SQL查询优化
索引优化:
- 1.最左前缀匹配原则,非常重要的原则,mysql会一直向右匹配直到遇到范围查询(>、<、between、like)就停止匹配,比如a = 1 and b = 2 and c > 3 and d = 4 如果建立(a,b,c,d)顺序的索引,d是用不到索引的,如果建立(a,b,d,c)的索引则都可以用到,a,b,d的顺序可以任意调整。
- 2.尽量选择区分度高的列作为索引,区分度的公式是count(distinct col)/count(*),表示字段不重复的比例,比例越大我们扫描的记录数越少,唯一键的区分度是1,而一些状态、性别字段可能在大数据面前区分度就是0,那可能有人会问,这个比例有什么经验值吗?使用场景不同,这个值也很难确定,一般需要join的字段我们都要求是0.1以上,即平均1条扫描10条记录。
- 3.尽量的扩展索引,不要新建索引。比如表中已经有a的索引,现在要加(a,b)的索引,那么只需要修改原来的索引即可。
查询语句优化:
- 1.查询时尽量使用索引,遵守最左前缀匹配原则,避免全表扫描。具体的如:慎用or,<>,全模糊等。
- 2.索引列不能参与计算,保持列“干净”,比如from_unixtime(create_time) = ’2014-05-29’就不能使用到索引,原因很简单,b+树中存的都是数据表中的字段值,但进行检索时,需要把所有元素都应用函数才能比较,显然成本太大。所以语句应该写成create_time = unix_timestamp(’2014-05-29’)。
- 3.利用查询优化神器 - explain命令查看执行计划,分析语句执行过程,找到查询慢的原因根据查询优化器、索引的内部原理,进行优化。
elxplain命令实例: 官网参考 - 解释:参考explain命令详解
慢查询优化基本步骤:
0.先运行看看是否真的很慢,注意设置SQL_NO_CACHE
1.where条件单表查,锁定最小返回记录表,统计字段区分度。这句话的意思是把查询语句的where都应用到表中返回的记录数最小的表开始查起,单表每个字段分别查询,看哪个字段的区分度最高。
2.explain查看执行计划,是否与1预期一致(从锁定记录较少的表开始查询)
3.order by limit 形式的sql语句让排序的表优先查
4.了解业务方使用场景
5.加索引时参照建索引的几大原则
6.观察结果,不符合预期继续从0分析
项目实践中教训(持续更新)
- exist代替in
- 慎用or,!=
- 不要在where条件=左侧使用表达式或函数
- 不用全模糊
- 联合索引注意最左匹配的原则
- 子查询变成left join
- limit 分布优化,先利用ID定位,再分页
- or条件优化,多个or条件可以用union all对结果进行合并(union
all结果可能重复) - 避免不必要的排序 where代替having,having 检索完所有记录,才进行过滤 避免嵌套查询
参考文献