作者：京东零售 肖勇
一、 前言导读
TiDB作为NewSQL，其在对MySQL（SQL92协议）的兼容上做了很多，MySQL作为当下使用较广的事务型数据库，在IT界尤其是互联网间使用广泛，那么对于开发人员来说，1）两个数据库产品在SQL开发及调优的过程中，都有哪些差异？在系统迁移前需要提前做哪些准备？ 2）TiDB的执行计划如何查看，如何SQL调优？ 本文做了一个简要归纳，欢迎查阅交流。
二、 建表SQL语法差异&优化建议
三、 查询SQL语法差异&优化建议
四、 SQL执行计划差异&优化建议
五、 TiDB执行计划分析简介
1. 在开始实际案例分析前，我们先看下执行计划中每列的含义：
2. 执行计划优化的几个关键点：
1) 重点观察算子类型，尽量控制优化器选择性能较优的算子，读取磁盘记录的几个算子性能：TableFullScan>TableRangeScan>TableRowIDScan，IndexFullScan>IndexRangeScan
2) 尽量减小root层执行动作，下放至tikv或tiflash执行，执行计划中task属性包括root task和cop task，其中root标识动作由tidb聚合层执行（此操作除了需要等待各分片结果外，一般部署结构中tidb资源也较tikv或tiflash少），cop标识动作下放至tikv或tiflash各分片单独执行
3) 保证表分析数据完整性，避免大批量数据短时间内新增/删除，estRows为执行引擎根据情况返回的预估记录条数，特别注意：若operator info出现stats:pseudo，则标识表基本信息不完善（无法提供准确执行计划评估），后续可通过analyze表重新收集分析数据，或显示use index对sql显示优化
4) 根据实际业务（如：列模式数据统计），增加tiflash模块，通过空间换时间，提升结构化查询和实时分析能力
3. 实际场景分析
下面我们通过2个实际SQL说说TiDB的执行计划：
l SQL1
1：IndexLookUp算子：根据索引获取结果记录
2 & 3：Build算子总是优先于Probe算子执行，*2 算子根据条件从索引中获取数据，*3算子在结果中匹配结果
4：TableRowIdScan：通过 *3 算子结果中的表主键id从TiKV获取行记录
5：cop【tikv】标识将计算逻辑从tidb下放到tikv执行，同理还会有cop【tiflash】
6：tikv通过范围索引扫描出对应记录
7：根据id获取行记录后直接返回上层，无需排序
------------------------------------------------------------------------------------------------------------------------------
l SQL2
优化前，两表直接join：
explain analyze SELECT m.id AS id, m.order_id AS orderId, s.status AS status,m.sendpay_map as sendPayMap FROM tableA m LEFT JOIN tableB s on m.order_id = s.order_id WHERE m.id >= 100 AND m.id <= 100000000 and m.warehouse_id in (111,222) and s.status in (100, 200, 300, 400) and m.is_valid = 1 order by m.id desc limit 20,20;
1：IndexJoin算子：根据表s索引，与表m关联起来
2 & 3：Build算子总是优先于Probe算子执行，*2 算子从表m匹配相关记录，*3算子通过表s索引获取join管理数据
4 & 5：基于*3算子join后的结果，筛选匹配s表条件的记录
6 & 7：可以看到此处表记录查询使用了TableReader，耗时6.41s（其中cop_task共424个，且使用了大量索引proc_keys），Selection_98根据索引回表查询更是读取了3.03GB记录
总结：整体sql因为是先join在limit，tidb无法将limit操作下推，导致主表大量回表查询，影响性能
优化后，先子查询再join：
explain analyze select * from (SELECT m.id AS id, m.order_id AS orderId,m.sendpay_map as sendPayMap FROM tableA m WHERE m.id >= 100 AND m.id <= 100000000 and m.warehouse_id in (111 ,222) and m.is_valid = 1 order by m.id desc limit 20,20) t LEFT JOIN tableB s on t.orderId = s.order_id WHERE s.status in (100 ,200, 300, 400)
1：IndexJoin算子：根据表s索引，与表m关联起来
2：从m表结果中获取前20条记录
3：通过表s索引获取join管理数据
4：根据条件，从表m的索引中获取记录
5：从*4算子结果中获取40条记录（tikv3副本，从2个分片各获取20条，共40条）
6 & 7：基于*3算子join后的结果，筛选匹配s表条件的记录
9：可以看到，此处是直接从IndexLookUp_57索引中查询数据，cop_task=1，且rocksdb中命中了缓存cache_hit_count=11
总结：整体sql因为是先limit再join，tidb将limit下推至tikv，大大较少了主表的回表查询数据量，提升性能
六、 小结
本文旨在通过TiDB和MySQl在SQL层面的差异性讲解，帮助读者在DB迁移和评估前，清楚了解双方的差异，避免遗漏。同时，针对TiDB的执行计划，通过简介和2个案例，帮助大家快速分析SQL执行情况，以便针对性优化。
