SQL优化技巧

William
2021-11-24 / 1 评论 / 8 阅读 / 正在检测是否收录...

SQL优化是一个大家都比较关注的热门问题,无论在面试,还是工作中,都很有可能会遇到。

SQL优化的15个小技巧

1、避免使用 select *

很多时候,我们写sql语句时,为了方便,喜欢直接使用 select * ,一次性查处所有列的数据。

反例:

select * from user where id=1;

在实际业务场景中,可能我们需要的只是那么几个指定列的数据,并不需要全部。查了所有的数据,但是不用,就会白白浪费数据库资源,比如内存或者CPU。

另外,多查出来的数据,通过网络 I/O 传输的过程中,也会增加数据传输的时间。

还有一个问题就是,select * 不会走 覆盖索引 ,会出现大量的 回表 操作,从而导致查询sql的性能降低。

应该如何优化,正例:

select name,age from user where id=1;

优化思路就是只查出需要用到的列,多余的列根本无需查出来。

2、用union all 代替 union

SQL语句使用 union 关键字以后,可以获取重排后的数据。而如果使用 union all 关键字,可以获取所有数据,包含重复的数据。

反例:

(select * from user where id=1) union (select * from user where id=1);

重排的过程是需要遍历排序比较的,它更加耗时,更消耗CPU资源。

所以如果可以使用 union all 就尽量不使用 union。

(select * from user where id=1) union all (select * from user where id=1);

除非有一些特殊场景,比如话 union all 之后结果集中出现了重复数据,而业务场景中是不允许产生重复数据的,这是可以使用 union。

3、小表驱动大表

小表驱动大表的意思就是说,用小表的数据集驱动大表的数据集。具体怎么操作呢?假如现在有 order 和 user 两张表,其中 order 表有10000条数据,而 user 表只有100 条数据。

这时如果想查看一下,所有有效用户成功下单的订单列表。可以使用 in 关键字实现:

select * from order where user_id in (select id from user where status=1);

或者使用 exists 关键字实现:

select * from order where exists (select 1 from user where order.user_id = user.id and status=1);

上面提到的这个场景其实使用 in 关键字去实现业务的话会更合适。为什么呢?

因为如果 sql 语句中包含了 in 关键字,则它会优先执行in里面的 子查询语句,然后再执行in外面的语句。如果说in里面的数据量少,作为查询条件速度就会更快。

而如果sql语句中包含了 exists 关键字,它会优先执行exists左边的语句(也就是主查询语句)。然后把它作为条件,去跟右边的语句匹配,如果匹配上了,就可以查询出数据,如果没有匹配上,数据就会被过滤掉。

而在这个需求中 order表有10000条数据,user表只有100条数据。order表是大表,user表是小表。如果order表在左边,则用in关键字性能更好。

总结:

  • in 适合左边大表,右边小表
  • exists 适合左边小表,右边大表

无论是用 in 还是 exists 关键字,核心思想都是 小表驱动大表。

4、批量操作

如果你有一批数据经过业务处理之后,需要插入数据,该怎么办?

反例:

for(Order order : list){
    orderMapper.insert(order);
}

在循环中逐条插入数据。

insert into order(id,code,user_id) values(123,'001',100);

该操作需要多次请求数据库,才能完成这批数据的插入。

但是总所周知,在代码中每次远程请求数据库,都会有一定的性能消耗。而如果我们的代码需要请求多次数据库,才能完成本次业务功能,势必会消耗更多的性能。

那该如何优化?正例:

orderMapper.insertBatch(list);

提供一个批量插入数据的方法:

insert into order(id,code,user_id) values(123,'001',100),(124,'002',100),(125,'001',101);

这样做的话只会远程请求数据库一次,sql性能会有提升,数据量越多,性能提升越明显。

但是需要注意的是,不建议一次批量操作太多的数据,如果数据太多数据库响应也会很慢。批量操作需要把握一个度,建议每批数据尽量控制在500以内。如果数据多于500,则分多批次处理。

5、多用 limit

有时需要查询某些数据中的第一条,比如:某个用户下的第一个订单,想看看他首单时间。

反例:

select id,create_date from order where user_id=123 order by create_date asc;

根据用户id查询订单,按照下单时间排序,先查出该用户所有的订单数据,得到一个订单集合,然后在代码中获取第一个元素的数据,即首单的数据,然后就可以获取到首单时间。

List<Order> list = orderMapper.getOrderList();
Order order = list.get(0);

当你不知道怎么实现的时候,用这种方法为了现实功能是可以的,但是它效率不高,需要先查询出所有的数据,有点浪费资源。

那么应该怎么优化?下面是正例:

select id,create_date from order where user_id=123 order by create_date asc limit 1;

使用 limit 1 , 只返回该用户下单时间最小的一条数据即可。

另外,在删除或者修改数据时,为了防止误操作,导致删除或修改了不想干的数据,也可以在sql语句后面加上limit。

例如:

update order set status=0,edit_time=now(3) where id>=100 and id<200 limit 100;

这样即使误操作,比如把id搞错了,也不会对太多的数据造成影响。

6、in中值太多

对于批量查询接口,我们通常会用 in 关键字过滤数据。比如:想通过指定的一些id批量查询出用户信息。

sql语句如下:

select id,name from category where id in (1,2,3...100000000);

如果不做任何限制,该查询语句一次性可能会查出非常多的数据,很容易导致接口超时。

这个时候该怎么呢?

select id,name from category where id in (1,2,3...100000000) limit 500;

也就是说可以在sql中对数据使用limit进行限制。

不过我们更多的是要在业务代码中加限制,伪代码如下:

public List<Category> getCategory(List<long> ids){
  if((CollectionUtils.isEmpty(ids)){
    return null;
  }
  if(ids.size() > 500){
    throw new BusinessException("一次最多查询500条记录");
  }
  return mapper.getCategoryList(ids);
}

还有一个方案就是:如果ids超过500条记录,可以分批用多线程去查询数据。每批只查询500条记录,最后把查询到的数据汇总到一起返回。

不过这只是一个临时方案,不适合ids是在太多的场景。因为ids太多,即使能够快速查询出数据,但结果返回的数据量太大了,网络传输也是非常消耗性能的,接口性能始终好不到哪里。

7、增量查询

有时候,我们需要通过远程接口查询数据,然后同步到另外一个数据库。

反例:

select * from user;

如果直接获取所有的数据,然后同步过去。这样虽说非常方便,但是带来了一个非常大的问题,那就是如果数据很多的话,查询性能会非常差。

这时该怎么办?

正例:

select * from user where id > #{lastId} and create_time >= #{lastCreateTime} limit 100;

按id和时间升序,每次只同步一批数据,这一批数据只有100条记录。每次同步完成之后,保存这100条数据中最大的id和时间,给同步下一批数据的时候用。

最后通过这种增量查询的方式,能够提升单次查询的效率。

8、高效分页

有时候,列表页在查询数据时,为了避免一次性返回过多的数据影响接口性能,我们一般会对查询接口做分页处理。

在mysql中分页一般用的 limit 关键字:

select id,name,age from user limit 10,20;

如果表中数据量少,用limit关键字做分页,没啥问题。但是如果表中数据量多,用它就会出现性能问题。

比如现在分页参数变成了:

select id,name,age from user limit 1000000,20;

mysql会查到1000020条数据,然后丢弃前面的1000000条,只查后面的20条数据,这个是非常浪费资源的。

那么,这种海量数据该怎么分页呢?

优化sql:

select id,name,age from user where id > 1000000 limit 20;

先找到上次分页的最大id,然后利用id上的索引查询。不过该方案,要求uid是连续并且有序的。

还能使用 betwwen 优化分页。

select id,name,age from user where id between 1000000 and 1000020;

需要注意的是between需要在唯一索引上分页,不然会出现每页大小不一致的问题。

9、用连接查询代替子查询

mysql中如果要从两张以上的表中查询出数据的话,一般有两种实现方式:子查询连接查询

子查询例子:

select * from order where user_id in (select id from user where status=1);

子查询语句可以通过 in 关键字实现,一个查询语句的条件落在另一个select语句的查询结果中。程序先运行在嵌套在最内层的语句,再运行外层的语句。(第3点小表驱动大表中有讲)

子查询语句的优点是简单,结构化,如果涉及的表数量不多的话。

但缺点是mysql执行子查询时,需要创建临时表,查询完毕后,需要再删除这些临时表,有一些额外的性能消耗。

这时可以改成连接查询。具体例子如下:

select o.* from order o inner join user u on o.user_id = u.id where u.status=1;

10、join的表不宜过多

根据阿里巴巴开发者手册的规定,join表的数量不应该超过3个。

反例:

select a.name,b.name.c.name,d.name
from a 
inner join b on a.id = b.a_id
inner join c on c.b_id = b.id
inner join d on d.c_id = c.id
inner join e on e.d_id = d.id
inner join f on f.e_id = e.id
inner join g on g.f_id = f.id

如果join太多,mysql在选择索引的时候会非常复杂,很容易选错索引。

并且如果没有命中中,nested loop join 就是分别从两个表读一行数据进行两两对比,复杂度是 n^2。

所以我们应该尽量控制join表的数量。

正例:

select a.name,b.name.c.name,a.d_name 
from a 
inner join b on a.id = b.a_id
inner join c on c.b_id = b.id

如果实现业务场景中需要查询出另外几张表中的数据,可以在a、b、c表中冗余专门的字段,比如:在表a中冗余d_name字段,保存需要查询出的数据。

不过有些ERP系统,并发量不大,但业务比较复杂,需要join十几张表才能查询出数据。

所以join表的数量要根据系统的实际情况决定,不能一概而论,尽量越少越好。

11、join时要注意

我们在涉及到多张表联合查询的时候,一般会使用join关键字。

而join使用最多的是left join和inner join。

  • left join : 求两个表的交集外加左表剩下的数据。
  • inner join:求两个表交集的数据。

使用 inner join 示例:

select o.id,o.code,u.name from order o left join user u on o.user_id = u.id where u.status=1;

如果两张表使用left join关联,mysql会默认用left join关键字左边的表,去驱动它右边的表。如果左边的表数据很多时,就会出现性能问题。

要特别注意的是在用 left join 关联查询时,左边要用小表,右边可以用大表。如果能用inner join的地方,尽量少用left join。

12、控制索引的数量

众所周知,索引能够显著的提升查询sql的性能,但索引数量并非越多越好。

因为表中新增数据时,需要同时为它创建索引,而索引是需要额外的存储空间的,而且还会有一定的性能消耗。

阿里巴巴的开发者手册中规定,单表的索引数量应该尽量控制在5个以内,并且单个索引中的字段数不超过5个。

mysql使用的B+树的结构来保存索引的,在insert、update和delete操作时,需要更新B+树索引。如果索引过多,会消耗很多额外的性能。

那么,问题来了,如果表中的索引太多,超过了5个该怎么办?

这个问题要辩证的看,如果你的系统并发量不高,表中的数据量也不多,其实超过5个也可以,只要不要超过太多就行。

但对于一些高并发的系统,请务必遵守单表索引数量不要超过5的限制。

那么,高并发系统如何优化索引数量?

能够建联合索引,就别建单个索引,可以删除无用的单个索引。

将部分查询功能迁移到其他类型的数据库中,比如:Elastic Seach、HBase等,在业务表中只需要建几个关键索引即可。

13、选择合理的字段类型

char 表示固定字符串类型,该类型的字段存储空间是固定的,会浪费存储空间。

alter table order 
add column code char(20) NOT NULL;

varchar 表示变长字符串类型,该类型的字段存储空间会根据实际数据的长度调整,不会浪费存储空间。

alter table order 
add column code varchar(20) NOT NULL;

如果是长度固定的字段,比如用户手机号,一般都是11位的,可以定义成char类型,长度是11字节。

但如果是企业名称字段,假如定义成char类型,就有问题了。

如果长度定义得太长,比如定义成了200字节,而实际企业长度只有50字节,则会浪费150字节的存储空间。

如果长度定义得太短,比如定义成了50字节,但实际企业名称有100字节,就会存储不下,而抛出异常。

所以建议将企业名称改成varchar类型,变长字段存储空间小,可以节省存储空间,而且对于查询来说,在一个相对较小的字段内搜索效率显然要高些。

我们在选择字段类型时,应该遵循这样的原则:

  1. 能用数字类型,就不用字符串,因为字符的处理往往比数字要慢
  2. 尽可能使用小的类型,比如:用bit存布尔值,用tinyint存枚举值等
  3. 长度固定的字符串字段,用char类型
  4. 长度可变的字符串字段,用varchar类型
  5. 金额字段用decimal,避免精度丢失问题。

还有很多原则,这里不一一列举。

14、提升group by的效率

我们有很多业务场景需要使用 group by 关键字,它主要的功能是去重和分组。

通常它会跟 having 一起配合使用,表示分组后再根据一定的条件过滤数据。

反例:

select user_id,user_name from order
group by user_id
having user_id <= 200;

这种写法性能不好,它先把所有的订单根据用户id分组之后,再去过滤用户id大于等于200的用户。

分组是一个相对耗时的操作,为什么我们不先缩小数据的范围之后,再分组呢?

select user_id,user_name from order
where user_id <= 200
group by user_id;

使用where条件在分组前,就把多余的数据过滤掉了,这样分组时效率就会更高一些。

其实这是一种思路,不仅限于group by的优化。我们的sql语句在做一些耗时的操作之前,应尽可能缩小数据范围,这样能提升sql整体的性能。

15、索引优化

sql优化当中,有一个非常重要的内容就是:索引优化

很多时候sql语句,走了索引,和没有走索引,执行效率差别很大。所以索引优化被作为sql优化的首选。

索引优化的第一步是:检查sql语句有没有走索引。

那么,如何查看sql走了索引没?

可以使用 explain 命令,查看mysql的执行计划。

例如:

explain select * from 'order' where code='002';

结果:

mysql-explain

通过这几列可以判断索引使用情况,执行计划包含列的含义如下图所示:

执行计划包含列含义

说实话,sql语句没有走索引,排除没有建索引之外,最大的可能性是索引失效了。

下面说说索引失效的常见原因:

如果不是上面的这些原因,则需要再进一步排查一下其他原因。

0

评论 (1)

取消
  1. 头像
    1
    Windows 10 · Google Chrome

    画图

    回复