MySQL SQL優化之‘%’
阿新 • • 發佈:2018-06-07
sql優化設計索引的主要目的就是幫助我們快速獲取查詢結果,而以%開頭的like查詢則不能夠使用B-Tree索引。
考慮到innodb的表都是聚簇表(類似於oracle中的索引組織表),且二級索引葉節點中記錄的結構為(索引字段->主鍵字段),我們可以通過改寫sql(mysql優化器比較笨,需要給它足夠的提示)采取一種輕量級的方式代替全表掃:
使用索引全掃描找到主鍵,再根據主鍵回表獲取數據的方法。
這種方式的速度優勢在單行記錄數據量較大、表中記錄較多的情況下體現的尤為明顯,因為此時索引全掃描帶來的IO開銷相對於全表掃會小得多。
考慮到innodb的表都是聚簇表(類似於oracle中的索引組織表),且二級索引葉節點中記錄的結構為(索引字段->主鍵字段),我們可以通過改寫sql(mysql優化器比較笨,需要給它足夠的提示)采取一種輕量級的方式代替全表掃:
使用索引全掃描找到主鍵,再根據主鍵回表獲取數據的方法。
這種方式的速度優勢在單行記錄數據量較大、表中記錄較多的情況下體現的尤為明顯,因為此時索引全掃描帶來的IO開銷相對於全表掃會小得多。
紙上得來終覺淺,絕知此事要躬行:
創建測試表test,表上有自增主鍵primary(id)和二級索引idx_name1(name1),表中有500萬條數據。
mysql> desc test; +--------+-------------+------+-----+---------+----------------+ | Field | Type | Null | Key | Default | Extra | +--------+-------------+------+-----+---------+----------------+ | id | int(11) | NO | PRI | NULL | auto_increment | | name1 | varchar(20) | YES | MUL | NULL | | | name2 | varchar(20) | YES | | NULL | | | name3 | varchar(20) | YES | | NULL | | | name4 | varchar(20) | YES | | NULL | | | name5 | varchar(20) | YES | | NULL | | | name6 | varchar(20) | YES | | NULL | | | name7 | varchar(20) | YES | | NULL | | | name8 | varchar(20) | YES | | NULL | | | name9 | varchar(20) | YES | | NULL | | | name10 | varchar(20) | YES | | NULL | | +--------+-------------+------+-----+---------+----------------+ 11 rows in set (0.01 sec) mysql> show index from test\G *************************** 1. row *************************** Table: test Non_unique: 0 Key_name: PRIMARY Seq_in_index: 1 Column_name: id Collation: A Cardinality: 4829778 Sub_part: NULL Packed: NULL Null: Index_type: BTREE Comment: Index_comment: *************************** 2. row *************************** Table: test Non_unique: 1 Key_name: idx_name1 Seq_in_index: 1 Column_name: name1 Collation: A Cardinality: 2414889 Sub_part: NULL Packed: NULL Null: YES Index_type: BTREE Comment: Index_comment: 2 rows in set (0.00 sec) mysql> select count(*) from test; +----------+ | count(*) | +----------+ | 5000000 | +----------+ 1 row in set (1.59 sec)
基於name1進行like查詢,耗時11.13s,從執行計劃看,sql在執行時走的是全表掃描(type: ALL):
mysql> select * from test where name1 like ‘%O4JljqZw%‘\G *************************** 1. row *************************** id: 1167352 name1: BO4JljqZws name2: BrfLU7J69j name3: XFikCVEilI name4: lr0yz3qMsO name5: vUUDghq8dx name6: RvQvSHHg4p name7: ESiDbQuK8f name8: GugFnLtYe8 name9: OuPwY8BsiY name10: O0oNGPX9IW 1 row in set (11.13 sec) mysql> explain select * from test where name1 like ‘%O4JljqZw%‘\G *************************** 1. row *************************** id: 1 select_type: SIMPLE table: test type: ALL possible_keys: NULL key: NULL key_len: NULL ref: NULL rows: 4829778 Extra: Using where 1 row in set (0.00 sec)
將sql改寫為‘select a. from test a,(select id from test where name1 like ‘%O4JljqZw%‘) b where a.id=b.id;’
提示優化器在子查詢中使用二級索引idx_name1獲取id:
mysql> select a.* from test a,(select id from test where name1 like ‘%O4JljqZw%‘) b where a.id=b.id\G
*************************** 1. row ***************************
id: 1167352
name1: BO4JljqZws
name2: BrfLU7J69j
name3: XFikCVEilI
name4: lr0yz3qMsO
name5: vUUDghq8dx
name6: RvQvSHHg4p
name7: ESiDbQuK8f
name8: GugFnLtYe8
name9: OuPwY8BsiY
name10: O0oNGPX9IW
1 row in set (2.46 sec)
mysql> explain select a.* from test a,(select id from test where name1 like ‘%O4JljqZw%‘) b where a.id=b.id\G
*************************** 1. row ***************************
id: 1
select_type: PRIMARY
table: <derived2>
type: ALL
possible_keys: NULL
key: NULL
key_len: NULL
ref: NULL
rows: 4829778
Extra: NULL
*************************** 2. row ***************************
id: 1
select_type: PRIMARY
table: a
type: eq_ref
possible_keys: PRIMARY
key: PRIMARY
key_len: 4
ref: b.id
rows: 1
Extra: NULL
*************************** 3. row ***************************
id: 2
select_type: DERIVED
table: test
type: index
possible_keys: NULL
key: idx_name1
key_len: 63
ref: NULL
rows: 4829778
Extra: Using where; Using index
3 rows in set (0.00 sec)
改寫後的sql執行時間縮短至2.46s,效率提升了近4倍!
執行計劃分析如下:
step 1:mysql先對二級索引idx_name1進行覆蓋掃描取出符合條件的id(Using where; Using index)
step 2:對子step 1衍生出來的結果集table: <derived2>進行全表掃,獲取id(本案例中只有一個id符合條件)
step 3:最後根據step 2中的id使用主鍵回表獲取數據(type: eq_ref,key: PRIMARY )
總結:
在表中每條記錄的數據量較大時,通過這種方法改寫後的sql效率會有明顯提升。
本實驗中每條記錄的數據量還很小,如果每條記錄的數據量進一步加大,改寫後sql的執行效率會有數量級的提升,大家可以自行驗證~
MySQL SQL優化之‘%’