5000字干货,教你写一手好SQL!

Wesley13
• 阅读 465

公众号关注“ 杰哥的IT之旅 ”,

选择“ 星标 ”, 重磅干货,第一时间送达!

5000字干货,教你写一手好SQL!

大家好****,我是JackTian。

    由于公众号的改版,为了保证你们第一时间能看到我的文章,大家记得将公众号 加星标置顶 哦!

   
   
   

   
   
   
 
    
    
    

   
   
   

今天分享一篇SQL优化的好文,前面性能相关可以选择性浏览,后面SQL优化建议细细品读:

本人负责的项目主要采用阿里云数据库 MySQL,最近频繁出现慢 SQL 告警,执行时间最长的竟然高达 5 分钟。

导出日志后分析,主要原因竟然是没有命中索引和没有分页处理。其实这是非常低级的错误,我不禁后背一凉,团队成员的技术水平亟待提高啊。

改造这些 SQL 的过程中,总结了一些经验分享给大家,如果有错误欢迎批评指正。

MySQL 性能

①最大数据量

抛开数据量和并发数,谈性能都是耍流氓。MySQL 没有限制单表最大记录数,它取决于操作系统对文件大小的限制。

5000字干货,教你写一手好SQL!

《阿里巴巴 Java 开发手册》提出单表行数超过 500 万行或者单表容量超过 2GB,才推荐分库分表。

性能由综合因素决定,抛开业务复杂度,影响程度依次是硬件配置、MySQL 配置、数据表设计、索引优化。500 万这个值仅供参考,并非铁律。

我曾经操作过超过 4 亿行数据的单表,分页查询最新的 20 条记录耗时 0.6 秒, SQL 语句大致是:

     select field_1,field_2 
 
     
     
     from 
 
     
     
     table 
 
     
     
     where 
 
     
     
     id < 
 
     
     
     #{prePageMinId} order by id desc limit 20
 
     
     
     

    
    
    

prePageMinId 是上一页数据记录的最小 ID。 虽然当时查询速度还凑合,随着数据不断增长,有朝一日必定不堪重负。

分库分表是个周期长而风险高的大活儿,应该尽可能在当前结构上优化,比如升级硬件、迁移历史数据等等,实在没辙了再分。对分库分表感兴趣的同学可以阅读分库分表的基本思想。

②最大并发数

并发数是指同一时刻数据库能处理多少个请求,由 max_connections 和 max_user_connections 决定。

max_connections 是指 MySQL 实例的最大连接数,上限值是 16384,max_user_connections 是指每个数据库用户的最大连接数。

MySQL 会为每个连接提供缓冲区,意味着消耗更多的内存。如果连接数设置太高硬件吃不消,太低又不能充分利用硬件。

一般要求两者比值超过 10%,计算方法如下:

 max
 
     
     
     _used_connections / max_connections 
 
     
     
     * 100% = 3/100 *100% ≈ 3%
 
     
     
     

    
    
    

查看最大连接数与响应最大连接数:

     show 
 
     
     
     variables 
 
     
     
     like 
 
     
     
     '%max_connections%';
 
     
     
     
 
     
     
     show 
 
     
     
     variables 
 
     
     
     like 
 
     
     
     '%max_user_connections%';
 
     
     
     

    
    
    

在配置文件 my.cnf 中修改最大连接数:

     [mysqld]
 
     
     
     
 
     
     
     max_connections = 
 
     
     
     100
 
     
     
     
 
     
     
     max_used_connections = 
 
     
     
     20
 
     
     
     

    
    
    

③查询耗时 0.5 秒

建议将单次查询耗时控制在 0.5 秒以内,0.5 秒是个经验值,源于用户体验的 3 秒原则。如果用户的操作 3 秒内没有响应,将会厌烦甚至退出。

响应时间=客户端 UI 渲染耗时+网络请求耗时+应用程序处理耗时+查询数据库耗时,0.5 秒就是留给数据库 1/6 的处理时间。

④实施原则

相比 NoSQL 数据库,MySQL 是个娇气脆弱的家伙。它就像体育课上的女同学,一点纠纷就和同学闹别扭(扩容难),跑两步就气喘吁吁(容量小并发低),常常身体不适要请假(SQL 约束太多)。

如今大家都会搞点分布式,应用程序扩容比数据库要容易得多,所以实施原则是数据库少干活,应用程序多干活:

  • 充分利用但不滥用索引,须知索引也消耗磁盘和 CPU。

  • 不推荐使用数据库函数格式化数据,交给应用程序处理。

  • 不推荐使用外键约束,用应用程序保证数据准确性。

  • 写多读少的场景,不推荐使用唯一索引,用应用程序保证唯一性。

  • 适当冗余字段,尝试创建中间表,用应用程序计算中间结果,用空间换时间。

  • 不允许执行极度耗时的事务,配合应用程序拆分成更小的事务。

  • 预估重要数据表(比如订单表)的负载和数据增长态势,提前优化。

数据表设计

①数据类型

数据类型的选择原则,更简单或者占用空间更小:

  • 如果长度能够满足,整型尽量使用 tinyint、smallint、medium_int 而非 int。

  • 如果字符串长度确定,采用 char 类型。

  • 如果 varchar 能够满足,不采用 text 类型。

  • 精度要求较高的使用 decimal 类型,也可以使用 BIGINT,比如精确两位小数就乘以 100 后保存。

  • 尽量采用 timestamp 而非 datetime。

5000字干货,教你写一手好SQL!

相比 datetime,timestamp 占用更少的空间,以 UTC 的格式储存自动转换时区。

②避免空值

MySQL 中字段为 NULL 时依然占用空间,会使索引、索引统计更加复杂。从 NULL 值更新到非 NULL 无法做到原地更新,容易发生索引分裂影响性能。

因此尽可能将 NULL 值用有意义的值代替,也能避免 SQL 语句里面包含 is not null 的判断。

③Text 类型优化

由于 Text 字段储存大量数据,表容量会很早涨上去,影响其他字段的查询性能。建议抽取出来放在子表里,用业务主键关联。

索引优化

索引分类如下:

  • 普通索引:最基本的索引。

  • 组合索引:多个字段上建立的索引,能够加速复合查询条件的检索。

  • 唯一索引:与普通索引类似,但索引列的值必须唯一,允许有空值。

  • 组合唯一索引:列值的组合必须唯一。

  • 主键索引:特殊的唯一索引,用于唯一标识数据表中的某一条记录,不允许有空值,一般用 primary key 约束。

  • 全文索引:用于海量文本的查询,MySQL 5.6 之后的 InnoDB 和 MyISAM 均支持全文索引。由于查询精度以及扩展性不佳,更多的企业选择 Elasticsearch。

索引优化原则:

  • 分页查询很重要,如果查询数据量超过 30%,MySQL 不会使用索引。

  • 单表索引数不超过 5 个、单个索引字段数不超过 5 个。

  • 字符串可使用前缀索引,前缀长度控制在 5-8 个字符。

  • 字段唯一性太低,增加索引没有意义,如:是否删除、性别。

  • 合理使用覆盖索引,如下所示:

     select login_name, nick_name 
    
     
     
     from 
    
     
     
     member 
    
     
     
     where login_name = ?
    

login_name, nick_name 两个字段建立组合索引,比 login_name 简单索引要更快。

SQL 优化

①分批处理

博主小时候看到鱼塘挖开小口子放水,水面有各种漂浮物。浮萍和树叶总能顺利通过出水口,而树枝会挡住其他物体通过,有时还会卡住,需要人工清理。

MySQL 就是鱼塘,最大并发数和网络带宽就是出水口,用户 SQL 就是漂浮物。

不带分页参数的查询或者影响大量数据的 update 和 delete 操作,都是树枝,我们要把它打散分批处理,下面举例说明。

业务描述: 更新用户所有已过期的优惠券为不可用状态。

SQL 语句:

     update 
 
     
     
     status=
 
     
     
     0 
 
     
     
     FROM 
 
     
     
     `coupon` 
 
     
     
     WHERE expire_date <= 
 
     
     
     #{currentDate} and status=1;
 
     
     
     

    
    
    

如果大量优惠券需要更新为不可用状态,执行这条 SQL 可能会堵死其他 SQL,分批处理伪代码如下:

 int pageNo = 
 
     
     
     1;
 
     
     
     int PAGE_SIZE = 
 
     
     
     100;
 
     
     
     
 
     
     
     while(
 
     
     
     true) {
 
     
     
         List<Integer> batchIdList = queryList(
 
     
     
     'select id FROM `coupon` WHERE expire_date <= #{currentDate} and status = 1 limit #{(pageNo-1) * PAGE_SIZE},#{PAGE_SIZE}');
 
     
     
         
 
     
     
     if (CollectionUtils.isEmpty(batchIdList)) {
 
     
     
             
 
     
     
     return;
 
     
     
         }
 
     
     
         update(
 
     
     
     'update status = 0 FROM `coupon` where status = 1 and id in #{batchIdList}')
 
     
     
         pageNo ++;
 
     
     
     }
 
     
     
     

    
    
    

②操作符 <> 优化

通常 <> 操作符无法使用索引,举例如下,查询金额不为 100 元的订单:

     select 
 
     
     
     id 
 
     
     
     from orders 
 
     
     
     where amount  != 
 
     
     
     100;

    
    
    

如果金额为 100 的订单极少,这种数据分布严重不均的情况下,有可能使用索引。

鉴于这种不确定性,采用 union 聚合搜索结果,改写方法如下:

 (
 
     
     
     select 
 
     
     
     id 
 
     
     
     from orders 
 
     
     
     where amount > 
 
     
     
     100)
 
     
     
      
 
     
     
     union all
 
     
     
     (
 
     
     
     select 
 
     
     
     id 
 
     
     
     from orders 
 
     
     
     where amount < 
 
     
     
     100 
 
     
     
     and amount > 
 
     
     
     0)
 
     
     
     

    
    
    

③OR 优化

在 Innodb 引擎下 OR 无法使用组合索引,比如:

     select 
 
     
     
     id,product_name 
 
     
     
     from orders 
 
     
     
     where mobile_no = 
 
     
     
     '13421800407' 
 
     
     
     or user_id = 
 
     
     
     100;
 
     
     
     

    
    
    

OR 无法命中 mobile_no + user_id 的组合索引,可采用 union,如下所示:

 (
 
     
     
     select 
 
     
     
     id,product_name 
 
     
     
     from orders 
 
     
     
     where mobile_no = 
 
     
     
     '13421800407')
 
     
     
      
 
     
     
     union
 
     
     
     (
 
     
     
     select 
 
     
     
     id,product_name 
 
     
     
     from orders 
 
     
     
     where user_id = 
 
     
     
     100);

    
    
    

此时 id 和 product_name 字段都有索引,查询才最高效。

④IN 优化

IN 适合主表大子表小,EXIST 适合主表小子表大。由于查询优化器的不断升级,很多场景这两者性能差不多一样了。

尝试改为 Join 查询,举例如下:

     select 
 
     
     
     id 
 
     
     
     from orders 
 
     
     
     where user_id 
 
     
     
     in (
 
     
     
     select 
 
     
     
     id 
 
     
     
     from 
 
     
     
     user 
 
     
     
     where 
 
     
     
     level = 
 
     
     
     'VIP');
 
     
     
     

    
    
    

采用 Join 如下所示:

     select o.id 
 
     
     
     from orders o 
 
     
     
     left 
 
     
     
     join 
 
     
     
     user u 
 
     
     
     on o.user_id = u.id 
 
     
     
     where u.level = 
 
     
     
     'VIP';

    
    
    

⑤不做列运算

通常在查询条件列运算会导致索引失效,如下所示, 查询当日订单:

     select 
 
     
     
     id 
 
     
     
     from 
 
     
     
     order 
 
     
     
     where 
 
     
     
     date_format(create_time,
 
     
     
     '%Y-%m-%d') = 
 
     
     
     '2019-07-01';
 
     
     
     

    
    
    

date_format 函数会导致这个查询无法使用索引,改写后:

     select 
 
     
     
     id 
 
     
     
     from 
 
     
     
     order 
 
     
     
     where create_time 
 
     
     
     between 
 
     
     
     '2019-07-01 00:00:00' 
 
     
     
     and 
 
     
     
     '2019-07-01 23:59:59';
 
     
     
     

    
    
    

⑥避免Select All

如果不查询表中所有的列,避免使用 SELECT *,它会进行全表扫描,不能有效利用索引。

⑦Like 优化

Like 用于模糊查询,举个例子(field 已建立索引):

     SELECT 
 
     
     
     column 
 
     
     
     FROM 
 
     
     
     table 
 
     
     
     WHERE 
 
     
     
     field 
 
     
     
     like 
 
     
     
     '%keyword%';
 
     
     
     

    
    
    

这个查询未命中索引,换成下面的写法:

     SELECT 
 
     
     
     column 
 
     
     
     FROM 
 
     
     
     table 
 
     
     
     WHERE 
 
     
     
     field 
 
     
     
     like 
 
     
     
     'keyword%';
 
     
     
     

    
    
    

去除了前面的 % 查询将会命中索引,但是产品经理一定要前后模糊匹配呢?全文索引 fulltext 可以尝试一下,但 Elasticsearch 才是终极武器。

⑧Join 优化

Join 的实现是采用 Nested Loop Join 算法,就是通过驱动表的结果集作为基础数据,通过该结数据作为过滤条件到下一个表中循环查询数据,然后合并结果。

如果有多个 Join,则将前面的结果集作为循环数据,再次到后一个表中查询数据。

驱动表和被驱动表尽可能增加查询条件,满足 ON 的条件而少用 Where,用小结果集驱动大结果集。

被驱动表的 Join 字段上加上索引,无法建立索引的时候,设置足够的 Join Buffer Size。

禁止 Join 连接三个以上的表,尝试增加冗余字段。

⑨Limit 优化

Limit 用于分页查询时越往后翻性能越差,解决的原则:缩小扫描范围,如下所示:

     select * 
 
     
     
     from orders 
 
     
     
     order 
 
     
     
     by 
 
     
     
     id 
 
     
     
     desc 
 
     
     
     limit 
 
     
     
     100000,
 
     
     
     10 
 
     
     
     耗时
 
     
     
     0.4秒
 
     
     
     
 
     
     
     select * 
 
     
     
     from orders 
 
     
     
     order 
 
     
     
     by 
 
     
     
     id 
 
     
     
     desc 
 
     
     
     limit 
 
     
     
     1000000,
 
     
     
     10
 
     
     
     耗时
 
     
     
     5.2秒
 
     
     
     

    
    
    

先筛选出 ID 缩小查询范围,写法如下:

     select * 
 
     
     
     from orders 
 
     
     
     where 
 
     
     
     id > (
 
     
     
     select 
 
     
     
     id 
 
     
     
     from orders 
 
     
     
     order 
 
     
     
     by 
 
     
     
     id 
 
     
     
     desc  
 
     
     
     limit 
 
     
     
     1000000, 
 
     
     
     1) 
 
     
     
     order 
 
     
     
     by 
 
     
     
     id 
 
     
     
     desc 
 
     
     
     limit 
 
     
     
     0,
 
     
     
     10
 
     
     
     耗时
 
     
     
     0.5秒
 
     
     
     

    
    
    

如果查询条件仅有主键 ID,写法如下:

     select 
 
     
     
     id 
 
     
     
     from orders 
 
     
     
     where 
 
     
     
     id 
 
     
     
     between 
 
     
     
     1000000 
 
     
     
     and 
 
     
     
     1000010 
 
     
     
     order 
 
     
     
     by 
 
     
     
     id 
 
     
     
     desc
 
     
     
     耗时
 
     
     
     0.3秒

    
    
    

如果以上方案依然很慢呢?只好用游标了,感兴趣的朋友阅读 JDBC 使用游标实现分页查询的方法。

其他数据库

5000字干货,教你写一手好SQL!

编辑:陶家龙

出处:www.cnblogs.com/xiaoyangjia/p/11267191.html

往期资源回顾 需要可自取

   
   
   
 
    
    
    DevOps 实践手册、linux系统诊断、大数据工程师必读手册、OSS运维基础实战手册、程序员面试宝典、深入浅出 Kubernetes 实战手册、RDS数据库入门一本通、CDN排坑指南
 
    
    
    一篇文章带你解读从初级运维工程师到资深运维专家的学习路线
 
    
    
    40+ 张最全 Linux / C / C++ 思维导图!
 
    
    
    学习 Python 的 14 张思维导图!
 
    
    
    7 张思维导图带你掌握 “Python学习路线”
 
    
    
    我花了一周的时间,就为了整理这份 97 页的 Python 自动化系列文档。【附获取方式】
 
    
    
    我精心整理的 136 页 Excel 数据透视表 PDF 文件!【附获取方式】

   
   
   

   
   
   
 
    
    
    
    
    推荐阅读
 
    
    
    
  
     
     
     
   
      
      
      
    
       
       
        
         
         SQL 语法速成手册 
         万字长文 SQL 语句大全,所有的 SQL 都在这里了。 
         MySQL 常用优化指南,及大表优化思路都在这了! 
         13000字!最常问的MySQL面试题集合 
         史上最全 SQL 优化方案 
         图解 SQL,这也太形象了吧! 
         
       
   
      
      
      
  
     
     
     
 
    
    
    

   
   
   

   
   
   
 
    
    
    

   
   
   

   
   
   
 
    
    
    
  
     
     
        
      
      
      
    
       
       
            
        
        
        
      
         
         
         
       
          
          
          
        
           
           
           
         
            
            
            
          
             
             
              
               
                
               
               
               点个[在看],是对杰哥最大的支持! 
               
             
         
            
            
            
        
           
           
           
       
          
          
          
      
         
         
         
     
        
        
        
   
      
      
      
 
    
    
    

   
   
   

本文分享自微信公众号 - 杰哥的IT之旅(Jake_Internet)。
如有侵权,请联系 support@oschina.cn 删除。
本文参与“OSC源创计划”,欢迎正在阅读的你也加入,一起分享。

点赞
收藏
评论区
推荐文章
blmius blmius
3年前
MySQL:[Err] 1292 - Incorrect datetime value: ‘0000-00-00 00:00:00‘ for column ‘CREATE_TIME‘ at row 1
文章目录问题用navicat导入数据时,报错:原因这是因为当前的MySQL不支持datetime为0的情况。解决修改sql\mode:sql\mode:SQLMode定义了MySQL应支持的SQL语法、数据校验等,这样可以更容易地在不同的环境中使用MySQL。全局s
皕杰报表之UUID
​在我们用皕杰报表工具设计填报报表时,如何在新增行里自动增加id呢?能新增整数排序id吗?目前可以在新增行里自动增加id,但只能用uuid函数增加UUID编码,不能新增整数排序id。uuid函数说明:获取一个UUID,可以在填报表中用来创建数据ID语法:uuid()或uuid(sep)参数说明:sep布尔值,生成的uuid中是否包含分隔符'',缺省为
待兔 待兔
3个月前
手写Java HashMap源码
HashMap的使用教程HashMap的使用教程HashMap的使用教程HashMap的使用教程HashMap的使用教程22
Jacquelyn38 Jacquelyn38
3年前
2020年前端实用代码段,为你的工作保驾护航
有空的时候,自己总结了几个代码段,在开发中也经常使用,谢谢。1、使用解构获取json数据let jsonData  id: 1,status: "OK",data: 'a', 'b';let  id, status, data: number   jsonData;console.log(id, status, number )
Stella981 Stella981
3年前
Python3:sqlalchemy对mysql数据库操作,非sql语句
Python3:sqlalchemy对mysql数据库操作,非sql语句python3authorlizmdatetime2018020110:00:00coding:utf8'''
Stella981 Stella981
3年前
KVM调整cpu和内存
一.修改kvm虚拟机的配置1、virsheditcentos7找到“memory”和“vcpu”标签,将<namecentos7</name<uuid2220a6d1a36a4fbb8523e078b3dfe795</uuid
Easter79 Easter79
3年前
Twitter的分布式自增ID算法snowflake (Java版)
概述分布式系统中,有一些需要使用全局唯一ID的场景,这种时候为了防止ID冲突可以使用36位的UUID,但是UUID有一些缺点,首先他相对比较长,另外UUID一般是无序的。有些时候我们希望能使用一种简单一些的ID,并且希望ID能够按照时间有序生成。而twitter的snowflake解决了这种需求,最初Twitter把存储系统从MySQL迁移
Wesley13 Wesley13
3年前
mysql设置时区
mysql设置时区mysql\_query("SETtime\_zone'8:00'")ordie('时区设置失败,请联系管理员!');中国在东8区所以加8方法二:selectcount(user\_id)asdevice,CONVERT\_TZ(FROM\_UNIXTIME(reg\_time),'08:00','0
Wesley13 Wesley13
3年前
00:Java简单了解
浅谈Java之概述Java是SUN(StanfordUniversityNetwork),斯坦福大学网络公司)1995年推出的一门高级编程语言。Java是一种面向Internet的编程语言。随着Java技术在web方面的不断成熟,已经成为Web应用程序的首选开发语言。Java是简单易学,完全面向对象,安全可靠,与平台无关的编程语言。
Wesley13 Wesley13
3年前
MySQL部分从库上面因为大量的临时表tmp_table造成慢查询
背景描述Time:20190124T00:08:14.70572408:00User@Host:@Id:Schema:sentrymetaLast_errno:0Killed:0Query_time:0.315758Lock_
Python进阶者 Python进阶者
9个月前
Excel中这日期老是出来00:00:00,怎么用Pandas把这个去除
大家好,我是皮皮。一、前言前几天在Python白银交流群【上海新年人】问了一个Pandas数据筛选的问题。问题如下:这日期老是出来00:00:00,怎么把这个去除。二、实现过程后来【论草莓如何成为冻干莓】给了一个思路和代码如下:pd.toexcel之前把这