【尚硅谷】MySQL-索引优化与查询优化
【尚硅谷】MySQL-索引优化与查询优化
時光在线视频:MySQL数据库入门到大牛，mysql安装到优化，百科全书级，全网天花板
官方资料: 尚硅谷MySQL入门到高级-宋红康版
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。
数据准备
学员表 插 50万 条， 班级表 插 1万 条。
1 | CREATE DATABASE atguigudb2; |
步骤1：建表
1 | CREATE TABLE `class` ( |
步骤2：设置参数
- 命令开启：允许创建函数设置：
1 | 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。
1 | #随机产生字符串 |
随机产生班级编号
1 | #用于随机产生多少到多少的编号 |
步骤4：创建存储过程
1 | #创建往stu表中插入数据的存储过程 |
创建往class表中插入数据的存储过程
1 | #执行存储过程，往class表添加随机数据 |
步骤5：调用存储过程
class
1 | #执行存储过程，往class表添加1万条数据 |
stu
1 | #执行存储过程，往stu表添加50万条数据 |
步骤6：删除某表上的索引
创建存储过程
1 | DELIMITER // |
执行存储过程
1 | CALL proc_drop_index("dbname","tablename"); |
索引失效案例
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。
- 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。
- 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。
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。**
全值匹配我最爱
系统中经常出现的sql语句如下：
1 | EXPLAIN SELECT SQL_NO_CACHE * FROM student WHERE age=30; |
建立索引前执行：（关注执行时间）
1 | mysql> SELECT SQL_NO_CACHE * FROM student WHERE age=30 AND classId=4 AND name = 'abcd'; |
建立索引
1 | CREATE INDEX idx_age ON student(age); |
建立索引后执行：
1 | mysql> SELECT SQL_NO_CACHE * FROM student WHERE age=30 AND classId=4 AND name = 'abcd'; |
可以看到，创建索引前的查询时间是0.28秒，创建索引后的查询时间是0.01秒，索引帮助我们极大的提高了查
询效率。
最佳左前缀法则
在MySQL建立联合索引时会遵守最佳左前缀原则，即最左优先，在检索数据时从联合索引的最左边开始匹配。
举例1：
1 | EXPLAIN SELECT SQL_NO_CACHE * FROM student WHERE student.age=30 AND student.name = 'abcd'; |
举例2：
1 | EXPLAIN SELECT SQL_NO_CACHE * FROM student WHERE student.classId=1 AND student.name = 'abcd'; |
举例3：索引idx_age_classid_name还能否正常使用？
1 | EXPLAIN SELECT SQL_NO_CACHE * FROM student WHERE student.classId=4 AND student.age=30 AND student.name = 'abcd'; |
如果索引了多列，要遵守最左前缀法则。指的是查询从索引的最左前列开始并且不跳过索引中的列。
1 | mysql> EXPLAIN SELECT SQL_NO_CACHE * FROM student WHERE student.age=30 AND student.name = 'abcd'; |
虽然可以正常使用，但是只有部分被使用到了。
1 | mysql> EXPLAIN SELECT SQL_NO_CACHE * FROM student WHERE student.classId=1 AND student.name = 'abcd'; |
完全没有使用上索引。
结论：MySQL可以为多个字段创建索引，一个索引可以包含16个字段。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**。如果查询条件中没有用这些字段中第一个字段时，多列（或联合）索引不会被使用。
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。
主键插入顺序
对于一个使用InnoDB存储引擎的表来说，在我们没有显式的创建索引时，表中的数据实际上都是存储在聚簇索 引的叶子节点的。而记录又是存储在数据页中的，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大忽小的话，就比较麻烦了，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：
可这个数据页已经满了，再插进来咋办呢？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：
1 | CREATE TABLE person_info( |
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。
对于非核心业务的表的主键建议使用AUTO_INCREMENT，但不适合用于核心业务的表，后面会提到
计算、函数、类型转换(自动或手动)导致索引失效
这两条sql哪种写法更好
1
EXPLAIN SELECT SQL_NO_CACHE * FROM student WHERE student.name LIKE 'abc%';
1
EXPLAIN SELECT SQL_NO_CACHE * FROM student WHERE LEFT(student.name,3) = 'abc';
创建索引
1
CREATE INDEX idx_name ON student(NAME);
第一种：索引优化生效
1
mysql> EXPLAIN SELECT SQL_NO_CACHE * FROM student WHERE student.name LIKE 'abc%';
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30mysql> SELECT SQL_NO_CACHE * FROM student WHERE student.name LIKE 'abc%';
+---------+---------+--------+------+---------+
| id | stuno | name | age | classId |
+---------+---------+--------+------+---------+
| 5301379 | 1233401 | AbCHEa | 164 | 259 |
| 7170042 | 3102064 | ABcHeB | 199 | 161 |
| 1901614 | 1833636 | ABcHeC | 226 | 275 |
| 5195021 | 1127043 | abchEC | 486 | 72 |
| 4047089 | 3810031 | AbCHFd | 268 | 210 |
| 4917074 | 849096 | ABcHfD | 264 | 442 |
| 1540859 | 141979 | abchFF | 119 | 140 |
| 5121801 | 1053823 | AbCHFg | 412 | 327 |
| 2441254 | 2373276 | abchFJ | 170 | 362 |
| 7039146 | 2971168 | ABcHgI | 502 | 465 |
| 1636826 | 1580286 | ABcHgK | 71 | 262 |
| 374344 | 474345 | abchHL | 367 | 212 |
| 1596534 | 169191 | AbCHHl | 102 | 146 |
...
| 5266837 | 1198859 | abclXe | 292 | 298 |
| 8126968 | 4058990 | aBClxE | 316 | 150 |
| 4298305 | 399962 | AbCLXF | 72 | 423 |
| 5813628 | 1745650 | aBClxF | 356 | 323 |
| 6980448 | 2912470 | AbCLXF | 107 | 78 |
| 7881979 | 3814001 | AbCLXF | 89 | 497 |
| 4955576 | 887598 | ABcLxg | 121 | 385 |
| 3653460 | 3585482 | AbCLXJ | 130 | 174 |
| 1231990 | 1283439 | AbCLYH | 189 | 429 |
| 6110615 | 2042637 | ABcLyh | 157 | 40 |
+---------+---------+--------+------+---------+
401 rows in set, 1 warning (0.01 sec)第二种：索引优化失效
1
mysql> EXPLAIN SELECT SQL_NO_CACHE * FROM student WHERE LEFT(student.name,3) = 'abc';
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30mysql> SELECT SQL_NO_CACHE * FROM student WHERE LEFT(student.name,3) = 'abc';
+---------+---------+--------+------+---------+
| id | stuno | name | age | classId |
+---------+---------+--------+------+---------+
| 5301379 | 1233401 | AbCHEa | 164 | 259 |
| 7170042 | 3102064 | ABcHeB | 199 | 161 |
| 1901614 | 1833636 | ABcHeC | 226 | 275 |
| 5195021 | 1127043 | abchEC | 486 | 72 |
| 4047089 | 3810031 | AbCHFd | 268 | 210 |
| 4917074 | 849096 | ABcHfD | 264 | 442 |
| 1540859 | 141979 | abchFF | 119 | 140 |
| 5121801 | 1053823 | AbCHFg | 412 | 327 |
| 2441254 | 2373276 | abchFJ | 170 | 362 |
| 7039146 | 2971168 | ABcHgI | 502 | 465 |
| 1636826 | 1580286 | ABcHgK | 71 | 262 |
| 374344 | 474345 | abchHL | 367 | 212 |
| 1596534 | 169191 | AbCHHl | 102 | 146 |
...
| 5266837 | 1198859 | abclXe | 292 | 298 |
| 8126968 | 4058990 | aBClxE | 316 | 150 |
| 4298305 | 399962 | AbCLXF | 72 | 423 |
| 5813628 | 1745650 | aBClxF | 356 | 323 |
| 6980448 | 2912470 | AbCLXF | 107 | 78 |
| 7881979 | 3814001 | AbCLXF | 89 | 497 |
| 4955576 | 887598 | ABcLxg | 121 | 385 |
| 3653460 | 3585482 | AbCLXJ | 130 | 174 |
| 1231990 | 1283439 | AbCLYH | 189 | 429 |
| 6110615 | 2042637 | ABcLyh | 157 | 40 |
+---------+---------+--------+------+---------+
401 rows in set, 1 warning (3.62 sec)type为“ALL”，表示没有使用到索引，查询时间为 3.62 秒，查询效率较之前低很多。
再举例：
student表的字段stuno上设置有索引
1
CREATE INDEX idx_sno ON student(stuno);
索引优化失效：（假设：student表的字段stuno上设置有索引）
1
EXPLAIN SELECT SQL_NO_CACHE id, stuno, NAME FROM student WHERE stuno+1 = 900001;
运行结果：
索引优化生效：
1
EXPLAIN SELECT SQL_NO_CACHE id, stuno, NAME FROM student WHERE stuno = 900000;
再举例：
student表的字段name上设置有索引
1
CREATE INDEX idx_name ON student(NAME);
1
EXPLAIN SELECT id, stuno, name FROM student WHERE SUBSTRING(name, 1,3)='abc';
索引优化生效
1
EXPLAIN SELECT id, stuno, NAME FROM student WHERE NAME LIKE 'abc%';
类型转换导致索引失效
下列哪个sql语句可以用到索引。（假设name字段上设置有索引）
1 | # 未使用到索引 |
1 | # 使用到索引 |
name=123发生类型转换，索引失效。
范围条件右边的列索引失效
- 系统经常出现的sql如下：
1 | ALTER TABLE student DROP INDEX idx_name; |
- 那么索引 idx_age_classId_name 这个索引还能正常使用么？
- 不能，范围右边的列不能使用。比如：(<) (<=) (>) (>=) 和 between 等
- 如果这种sql出现较多，应该建立：
1 | create index idx_age_name_classId on student(age,name,classId); |
- 将范围查询条件放置语句最后：
1 | EXPLAIN SELECT SQL_NO_CACHE * FROM student WHERE student.age=30 AND student.name = 'abc' AND student.classId>20; |
应用开发中范围查询，例如：金额查询，日期查询往往都是范围查询。应将查询条件放置where语句最后。（创建的联合索引中，务必把范围涉及到的字段写在最后）
- 效果
不等于(!= 或者<>)索引失效
- 为name字段创建索引
1 | CREATE INDEX idx_name ON student(NAME); |
- 查看索引是否失效
1 | EXPLAIN SELECT SQL_NO_CACHE * FROM student WHERE student.name <> 'abc'; |
或者
1 | 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。
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
1 | EXPLAIN SELECT SQL_NO_CACHE * FROM student WHERE age IS NULL; |
- IS NOT NULL: 无法触发索引
1 | 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。
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。
- 使用到索引
1 | EXPLAIN SELECT SQL_NO_CACHE * FROM student WHERE name LIKE 'ab%'; |
- 未使用到索引
1 | EXPLAIN SELECT SQL_NO_CACHE * FROM student WHERE name LIKE '%ab%'; |
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。
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：
1 | # 未使用到索引 |
因为classId字段上没有索引，所以上述查询语句没有使用索引。
1 | #使用到索引 |
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。
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。
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
关联查询优化
数据准备
1 | # 分类 |
采用左外连接
下面开始 EXPLAIN 分析
1 | EXPLAIN SELECT SQL_NO_CACHE * FROM `type` LEFT JOIN book ON type.card = book.card; |
结论：type 有All
添加索引优化
1 | ALTER TABLE book ADD INDEX Y ( card); #【被驱动表】，可以避免全表扫描 |
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 。
1 | ALTER TABLE `type` ADD INDEX X (card); #【驱动表】，无法避免全表扫描 |
接着：
1 | DROP INDEX Y ON book; |
采用内连接
1 | drop index X on type; |
换成 inner join（MySQL自动选择驱动表）
1 | EXPLAIN SELECT SQL_NO_CACHE * FROM type INNER JOIN book ON type.card=book.card; |
添加索引优化
1 | ALTER TABLE book ADD INDEX Y (card); |
1 | ALTER TABLE type ADD INDEX X (card); |
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
接着：
1 | DROP INDEX X ON `type`; |
接着：
1 | ALTER TABLE `type` ADD INDEX X (card); |
接着：
1 | #向图书表中添加20条记录 |
图中发现，由于type表数据大于book表数据，MySQL选择将type作为被驱动表。
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。
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：
1 | 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：
1 | SELECT * FROM A LEFT JOIN B 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：
1 | CREATE TABLE a(f1 INT, f2 INT, INDEX(f1)) ENGINE=INNODB; |
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:
| 开销统计 | SNLJ |
|---|---|
| 外表扫描次数 | 1 |
| 内表扫描次数 | A |
| 读取记录数 | A + B* A |
| JOIN比较次数 | B * A |
| 回表读取记录次数 | 0 |
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。
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层表数据的匹配次数，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层表的匹配次数。
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）。
| 开销统计 | SNLJ | INLJ |
|---|---|---|
| 外表扫描次数 | 1 | 1 |
| 内表扫描次数 | A | 0 |
| 读取记录数 | A + B* A | A + B(match) |
| JOIN比较次数 | B * A | A * Index(Height) |
| 回表读取记录次数 | 0 | B(match)(if possible) |
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。
Block Nested-Loop Join（块嵌套循环连接）
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，这样周而复始，大大增加了IO的次数。为了减少被驱动表的IO次数，就出现了Block Nested-Loop Join的方式。
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 bufr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：
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。
| 开销统计 | SNLJ | INLJ | BNLJ |
|---|---|---|---|
| 外表扫描次数 | 1 | 1 | 1 |
| 内表扫描次数 | A | 0 | A * used_column_size / join_buffer_size +1 |
| 读取记录数 | A + B* A | A + B(match) | A + B * (A * used_column_size / join_buffer_size) |
| JOIN比较次数 | B * A | A * Index(Height) | B * A |
| 回表读取记录次数 | 0 | B(match)(if possible) | 0 |
| 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。
- 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。
1 | mysql> 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）。
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）
1 | select t1.b,t2.* from t1 straight_join t2 on (t1.b=t2.b) where t2.id<=100; # 推荐 |
3、为被驱动表匹配的条件增加索引(减少内存表的循环匹配次数)
4、增大join buffer size的大小（一次索引的数据越多，那么内层包的扫描次数就越少）
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）
Hash Join
从MySQL的8.0.20版本开始将废弃BNLJ，因为从MySQL8.0.18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。- 这种方式适合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。
- 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。 - 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（如WHERE A.COL1 = B.COL2），这是由Hash的特点决定的。
| 类别 | Nested Loop | Hash Join |
|---|---|---|
| 使用条件 | 任何条件 | 等值连接(=) |
| 相对资源 | CPU、磁盘I/O | 内存、临时空间 |
| 特点 | 当有高选择性索引或进行限制性搜索时效率比较高，能够快速返回第一次的搜索结果 | 当缺乏索引或者索引条件模糊时，Hash Join比NestedLoop有效。在数据仓库环境下，如果表的纪录数多，效率高。 |
| 缺点 | 当索引丢失或者查询条件限制不够时，效率很低；当表的纪录数多时，效率低 | 为建立哈希表，需要大量内存。第一次的结果返回较慢。 |
小结
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jo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。
- 保证被驱动表的JOIN字段已经创建了索引
- 需要JOIN 的字段，数据类型保持绝对一致。
- LEFT JOIN 时，选择小表作为驱动表，
大表作为被驱动表。减少外层循环的次数。 - INNER JOIN 时，MySQL会自动将
小结果集的表选为驱动表。选择相信MySQL优化策略。 - 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)
- 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。
- 衍生表建不了索引
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 。
**子查询是 MySQL 的一项重要的功能，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。**原因：
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IO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1：查询学生表中是班长的学生信息
- 使用子查询
1 | # 创建班级表中班长的索引 |
- 推荐使用多表查询
1 | EXPLAIN SELECT stu1.* FROM student stu1 JOIN class c |
举例2：取所有不为班长的同学
- 不推荐
1 | EXPLAIN SELECT SQL_NO_CACHE a.* |
执行结果如下：
- 推荐：
1 | EXPLAIN SELECT SQL_NO_CACHE a.* |
结论：尽量不要使用NOT IN或者NOT EXISTS，用LEFT JOIN xxx ON xx WHERE xx IS NULL替代
排序优化
排序优化
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。
- Index 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。 - 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。
优化建议：
- 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，我们还是要避免，以提高查询效率。 - 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。
- 无法使用 Index 时，需要对 FileSort 方式进行调优。
测试
删除student表和class表中已创建的索引。
1 | # 方式1 |
以下是否能使用到索引，能否去掉using filesort
过程一：
1 | EXPLAIN SELECT SQL_NO_CACHE * FROM student ORDER BY age,classid; |
1 | EXPLAIN SELECT SQL_NO_CACHE * FROM student ORDER BY age,classid LIMIT 10; |
过程二： order by 时不limit，索引失效
1 | #创建索引 |
1 | #增加limit过滤条件，使用上索引了。 |
过程三： order by 时不limit,索引失效
1 | #过程三：order by时顺序错误，索引失效 |
过程四：order by 时规则不一致，索引失效（顺序错，不索引；方向反，不索引）
1 | #过程四：order by时规则不一致, 索引失效 （顺序错，不索引；方向反，不索引） |
过程五：无过滤，不索引
1 | #过程五：无过滤，不索引 |
小结
1 | INDEX a_b_c(a,b,c) |
案例实战
ORDER BY子句，尽量使用Index方式排序，避免使用FileSort方式排序。
执行案例前先清除student上的索引，只留主键：
1 | DROP INDEX idx_age ON student; |
场景: 查询年龄为30岁的，且学生编号小于101000的学生，按用户名称排序
1 | EXPLAIN SELECT SQL_NO_CACHE * FROM student WHERE age = 30 AND stuno <101000 ORDER BY NAME ; |
查询结果如下：
1 | mysql> 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。优化是必须的。
方案一: 为了去掉filesort我们可以把索引建成
1 | #创建新索引 |
这样我们优化掉了 using filesort
方案二：尽量让where的过滤条件和排序使用上索引
建一个三个字段的组合索引：
1 | DROP INDEX idx_age_name ON student; |
结果竟然有 filesort的 sql 运行速度， 超过了已经优化掉 filesort的 sql ，而且快了很多，几乎一瞬间就出现了结果。
结论：
- 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。- 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。
思考：这里我们使用如下索引，是否可行？
1 | DROP INDEX idx_age_stuno_name ON student; |
当然可以。
filesort算法：双路排序和单路排序
排序的字段若不在索引列上，则filesort会有两种算法：双路排序和单路排序
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，IO是很耗时的，所以在mysql4.1之后，出现了第二种 改进的算法，就是单路排序。
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IO，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。
结论及引申出的问题
- 由于单路是后出的，总体而言好过双路
- 但是用单路有问题
- 在sort_buffer中，单路要比多路多
占用很多空间，因为单路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I/O。 - 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。
- 在sort_buffer中，单路要比多路多
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。MySQL5.7,InnoDB存储引擎默认值是1048576字节，1MB。1
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
1
SHOW VARIABLES LIKE '%max_length_for_sort_data%'; # 默认1024字节
但是如果设的太高，数据总容量超出sort_buffer_size的概率就增大，明显症状是高的磁盘I/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Query需要的字段。
- 当Query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
进后的算法一一单路排序，否则用老算法一一多路排序。 - 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
l/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。
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。
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记录，仅仅返回2000000-2000010的记录，其他记录丢弃，查询排序的代价非常大。
1 | EXPLAIN SELECT * FROM student LIMIT 2000000,10; |
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。
1 | EXPLAIN SELECT * FROM student t,(SELECT id FROM student ORDER BY id LIMIT 2000000,10) a WHERE t.id = a.id; |
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 。
1 | EXPLAIN SELECT * FROM student WHERE id > 2000000 LIMIT 10; |
优先考虑覆盖索引
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，那就不需要读取行了。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 。
举例一：
1 | # 删除之前的索引 |
举例二：
1 | EXPLAIN SELECT * FROM student WHERE NAME LIKE '%abc'; |
1 | CREATE INDEX idx_age_name ON student(age, NAME); |
上述都使用到了声明的索引，下面的情况则不然，查询列依然多了classId,结果是未使用到索引：
1 | EXPLAIN SELECT id,age,NAME,classId FROM student WHERE NAME LIKE '%abc'; |
覆盖索引的利弊
好处：
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I0操作，提升了查询效率。
可以把随机IO变成顺序IO加快查询效率
由于覆盖索引是按键值的顺序存储的，对于IO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I0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I0转变成索引查找的顺序I0。
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。
弊端：索引字段的维护总是有代价的。因此，在建立冗余索引来支持覆盖索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。
如何给字符串添加索引
有一张教师表，表定义如下：
1 | create table teacher( |
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：
1 | 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 。
前缀索引
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。
1 | mysql> alter table teacher add index index1(email); |
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。
以及
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：
- 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； - 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；
- 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。
如果使用的是index2（即email(6)索引结构），执行顺序是这样的：
- 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； - 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； - 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； - 重复上一步，直到在idxe2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。
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。
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。
使用前后对比
- 如果没有ICP,存储引擎会遍历索引以定位基表中的行，并将它们返回给MySQL服务器，由MySQL服务器评
估WHERE后面的条件是否保留行。 - 启用ICP后，如果部分
WHERE条件可以仅使用索引中的列进行筛选，则MySQL服务器会把这部分WHERE条件
放到存储引擎筛选。然后，存储引擎通过使用索引条目来筛选数据，并且只有在满足这一条件时才从表中读
取行。
。好处：ICP可以减少存储引擎必须访问基表的次数和MySQL服务器必须访问存储引擎的次数。
。但是，ICP的加速效果取决于在存储引擎内通过ICP筛选掉的数据的比例。
ICP的开启/关闭
默认情况下启用索引条件下推。可以通过设置系统变量optimizer_switch控制：index_condition_pushdown
1 | # 打开索引下推 |
ICP使用案例
建表
1 | CREATE TABLE `people` ( |
插入数据
1 | INSERT INTO `people` VALUES |
为该表定义联合索引zip_last_first(zipcode,lastname,firstname)。如果我们知道了一个人的邮编，但是不确定
这个人的姓氏，我们可以进行如下检索：
1 | EXPLAIN SELECT * FROM people |
执行查看SQL的查询计划，Extra中显示了Using index condition，这表示使用了索引下推。另外，Using
where表示条件中包含需要过滤的非索引列的数据，即address LIKE ‘%北京市%’这个条件并不是索引列，需要在服
务端过滤掉。
如果不想出现Using where,把address LIKE’%北京市%’去掉即可
这个表中存在两个索引，分别是：
主键索引 (简图)
二级索引zip_last_first (简图，这里省略了数据页等信息)
下面我们关闭ICP查看执行计划
1 | mysql> SET optimizer_switch = 'index_condition_pushdown=off'; |
查看执行计划，已经没有了Using index condition,表示没有使用ICP
1 | EXPLAIN SELECT * FROM people |
开启和关闭ICP性能对比
创建存储过程，主要目的就是插入很多000001的数据，这样查询的时候为了在存储引擎层做过滤，减少IO,也为
了减少缓冲池（缓存数据页，没有IO）的作用。
1 | #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 |
调用存储过程
1 | CALL insert_people(1000000); |
首先打卡profiling
1 | set profiling = 1; |
执行SQL语句，此时默认打开索引下推。
1 | SELECT * FROM pepole WHERE zipcode = '000001' AND lastname LIKE '%张%'; |
再次执行SQL语句，不使用索引下推
1 | SELECT /*+ no_icp (pepole) */ * FROM pepole WHERE zipcode = '000001' AND lastname LIKE '%张%'; |
查看当前会话所产生的所有profiles
1 | show profiles\G; |
结果如下：
多次测试效率对比来看，使用CP优化的查询效率会好一些。这里建议多存储一些数据效果更明显。
ICP的使用条件
- 如果表的访问类型为 range 、 ref 、 eq_ref 或者 ref_or_null 可以使用ICP。
- ICP可以使用
InnDB和MyISAM表，包括分区表InnoDB和MyISAM表 - 对于
InnoDB表，ICP仅用于二级索引。ICP的目标是减少全行读取次数，从而减少I/O操作。 - 当SQL使用覆盖索引时，不支持ICP优化方法。因为这种情况下使用ICP不会减少I/O。
- 相关子查询的条件不能使用ICP
普通索引 vs 唯一索引
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？
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：
1 | mysql> create table test( |
表中R1~R5的(ID,k)值分别为(100,1)、(200,2)、(300,3)、(500,5)和(600,6)。
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 。
更新过程
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。
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。
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。
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。
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？
change buffer的使用场景
- 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，建议你 尽量选择普通索引 。
- 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。
- 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。
- 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。
其它查询优化策略
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:
1 | SELECT * FROM A WHERE cc IN (SELECT cc FROM B) |
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：
1 | for i in A |
当B小于A时用IN,因为实现的逻辑类似于：
1 | for i in B |
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，而一致性则由表级锁来保证。
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_cout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。
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
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。
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：
- 回滚段上用于恢复数据的信息
- 被程序语句获得的锁
- redo / undo log buffer 中的空间
- 管理上述 3 种资源中的内部花费
淘宝数据库，主键如何设计的？
聊一个实际问题：淘宝的数据库，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？站在 2022年的新年档口，用自增做主键，架构设计上可能 连及格都拿不到 。
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：
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。
**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。
性能差
自增ID的性能较差，需要在数据库服务器端生成。
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。
**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。
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。
表数据如下：
在这个表里，哪个字段比较合适呢？
- 选择卡号（cardno）
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。
1 | mysql> CREATE TABLE demo.membermaster |
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。
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。
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。
但是从使用 系统的业务层面 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：
1 | mysql> SELECT b.membername,c.goodsname,a.quantity,a.salesvalue,a.transdate |
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：
1 | mysql> SELECT b.membername,c.goodsname,a.quantity,a.salesvalue,a.transdate |
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。
- 选择会员电话 或 身份证号
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。
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。
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。
淘宝的主键设计
在淘宝的电商业务中，订单服务是一个核心业务。请问， 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：
1 | 1550672064762308113 |
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：
1 | 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。
推荐的主键设计
非核心业务 ：对应表的主键自增ID，如告警、日志、监控等信息。
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。
UUID的特点：
全局唯一，占用36字节，数据无序，插入性能差。
认识UUID：
- 为什么UUID是全局唯一的？
- 为什么UUID占用36个字节？
- 为什么UUID是无序的？
MySQL数据库的UUID组成如下所示：
1 | 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：
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1/100ns。
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。
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。
为什么UUID是随机无序的呢？
因为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。
改造UUID
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。
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_uuid函数进行转化：
1 | SET @uuid = UUID(); |
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！
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。
如果不是MySQL8.0 肿么办？
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。
