MySQL索引原理和慢查詢優化

select  ???count(*)?  from  ???task?  where  ???status=2?  ???and?operator_id=20839?  ???and?operate_time&gt;1371169729?  ???and?operate_time<p>  	　　系統使用者反應有一個功能越來越慢，于是工程師找到了上面的SQL。</p><p>  	　　并且興致沖沖的找到了我，“這個SQL需要優化，給我把每個字段都加上索引”</p><p>  	　　我很驚訝，問道“為什么需要每個字段都加上索引？”</p><p>  	　　“把查詢的字段都加上索引會更快”工程師信心滿滿</p><p>  	　　“這種情況完全可以建一個聯合索引，因為是最左前綴匹配，所以operate_time需要放到最后，而且還需要把其他相關的查詢都拿來，需要做一個綜合評估。”</p><p>  	　　“聯合索引？最左前綴匹配？綜合評估？”工程師不禁陷入了沉思。</p><p>  	　　多數情況下，我們知道索引能夠提高查詢效率，但應該如何建立索引？索引的順序如何？許多人卻只知道大概。其實理解這些概念并不難，而且索引的原理遠沒有想象的那么復雜。</p><h2>  	　MySQL索引原理</h2><h3>  	　　索引目的</h3><p>  	　　索引的目的在于提高查詢效率，可以類比字典，如果要查“mysql”這個單詞，我們肯定需要定位到m字母，然后從下往下找到y字母，再找到剩下的sql。如果沒有索引，那么你可能需要把所有單詞看一遍才能找到你想要的，如果我想找到m開頭的單詞呢？或者ze開頭的單詞呢？是不是覺得如果沒有索引，這個事情根本無法完成？</p><h3>  	　　索引原理</h3><p>  	　　除了詞典，生活中隨處可見索引的例子，如火車站的車次表、圖書的目錄等。它們的原理都是一樣的，通過不斷的縮小想要獲得數據的范圍來篩選出最終想要的結果，同時把隨機的事件變成順序的事件，也就是我們總是通過同一種查找方式來鎖定數據。</p><p>  	　　數據庫也是一樣，但顯然要復雜許多，因為不僅面臨著等值查詢，還有范圍查詢(&gt;、</p><h3>  	　　磁盤IO與預讀</h3><p>  	　　前面提到了訪問磁盤，那么這里先簡單介紹一下磁盤IO和預讀，磁盤讀取數據靠的是機械運動，每次讀取數據花費的時間可以分為尋道時間、旋轉延遲、傳輸時間三個部分，尋道時間指的是磁臂移動到指定磁道所需要的時間，主流磁盤一般在5ms以下；旋轉延遲就是我們經常聽說的磁盤轉速，比如一個磁盤7200轉，表示每分鐘能轉7200次，也就是說1秒鐘能轉120次，旋轉延遲就是1/120/2 = 4.17ms；傳輸時間指的是從磁盤讀出或將數據寫入磁盤的時間，一般在零點幾毫秒，相對于前兩個時間可以忽略不計。那么訪問一次磁盤的時間，即一次磁盤IO的時間約等于5+4.17 = 9ms左右，聽起來還挺不錯的，但要知道一臺500 -MIPS的機器每秒可以執行5億條指令，因為指令依靠的是電的性質，換句話說執行一次IO的時間可以執行40萬條指令，數據庫動輒十萬百萬乃至千萬級數據，每次9毫秒的時間，顯然是個災難。下圖是計算機硬件延遲的對比圖，供大家參考：</p><p style="text-align: center">  	<img alt="" src="https://img.php.cn/upload/article/000/000/007/828df9c0ea66f49fa3022c2b471afc7e-0.jpg"></p><p>  	　　考慮到磁盤IO是非常高昂的操作，計算機操作系統做了一些優化，當一次IO時，不光把當前磁盤地址的數據，而是把相鄰的數據也都讀取到內存緩沖區內，因為局部預讀性原理告訴我們，當計算機訪問一個地址的數據的時候，與其相鄰的數據也會很快被訪問到。每一次IO讀取的數據我們稱之為一頁(page)。具體一頁有多大數據跟操作系統有關，一般為4k或8k，也就是我們讀取一頁內的數據時候，實際上才發生了一次IO，這個理論對于索引的數據結構設計非常有幫助。</p><h3>  	　　索引的數據結構</h3><p>  	　　前面講了生活中索引的例子，索引的基本原理，數據庫的復雜性，又講了操作系統的相關知識，目的就是讓大家了解，任何一種數據結構都不是憑空產生的，一定會有它的背景和使用場景，我們現在總結一下，我們需要這種數據結構能夠做些什么，其實很簡單，那就是：每次查找數據時把磁盤IO次數控制在一個很小的數量級，最好是常數數量級。那么我們就想到如果一個高度可控的多路搜索樹是否能滿足需求呢？就這樣，b+樹應運而生。</p><h3>  	　　詳解b+樹</h3><p style="text-align: center">  	<img alt="" src="https://img.php.cn/upload/article/000/000/007/828df9c0ea66f49fa3022c2b471afc7e-1.jpg"></p><p>  	　　如上圖，是一顆b+樹，關于b+樹的定義可以參見B+樹，這里只說一些重點，淺藍色的塊我們稱之為一個磁盤塊，可以看到每個磁盤塊包含幾個數據項（深藍色所示）和指針（黃色所示），如磁盤塊1包含數據項17和35，包含指針P1、P2、P3，P1表示小于17的磁盤塊，P2表示在17和35之間的磁盤塊，P3表示大于35的磁盤塊。真實的數據存在于葉子節點即3、5、9、10、13、15、28、29、36、60、75、79、90、99。非葉子節點只不存儲真實的數據，只存儲指引搜索方向的數據項，如17、35并不真實存在于數據表中。</p><h3>  	　　b+樹的查找過程</h3><p>  	　　如圖所示，如果要查找數據項29，那么首先會把磁盤塊1由磁盤加載到內存，此時發生一次IO，在內存中用二分查找確定29在17和35之間，鎖定磁盤塊1的P2指針，內存時間因為非常短（相比磁盤的IO）可以忽略不計，通過磁盤塊1的P2指針的磁盤地址把磁盤塊3由磁盤加載到內存，發生第二次IO，29在26和30之間，鎖定磁盤塊3的P2指針，通過指針加載磁盤塊8到內存，發生第三次IO，同時內存中做二分查找找到29，結束查詢，總計三次IO。真實的情況是，3層的b+樹可以表示上百萬的數據，如果上百萬的數據查找只需要三次IO，性能提高將是巨大的，如果沒有索引，每個數據項都要發生一次IO，那么總共需要百萬次的IO，顯然成本非常非常高。</p><h3>  	　　b+樹性質</h3><p>  	　　1.通過上面的分析，我們知道IO次數取決于b+數的高度h，假設當前數據表的數據為N，每個磁盤塊的數據項的數量是m，則有h=㏒(m+1)N，當數據量N一定的情況下，m越大，h越小；而m = 磁盤塊的大小 / 數據項的大小，磁盤塊的大小也就是一個數據頁的大小，是固定的，如果數據項占的空間越小，數據項的數量越多，樹的高度越低。這就是為什么每個數據項，即索引字段要盡量的小，比如int占4字節，要比bigint8字節少一半。這也是為什么b+樹要求把真實的數據放到葉子節點而不是內層節點，一旦放到內層節點，磁盤塊的數據項會大幅度下降，導致樹增高。當數據項等于1時將會退化成線性表。</p><p>  	　　2.當b+樹的數據項是復合的數據結構，比如(name,age,sex)的時候，b+數是按照從左到右的順序來建立搜索樹的，比如當(張三,20,F)這樣的數據來檢索的時候，b+樹會優先比較name來確定下一步的所搜方向，如果name相同再依次比較age和sex，最后得到檢索的數據；但當(20,F)這樣的沒有name的數據來的時候，b+樹就不知道下一步該查哪個節點，因為建立搜索樹的時候name就是第一個比較因子，必須要先根據name來搜索才能知道下一步去哪里查詢。比如當(張三,F)這樣的數據來檢索時，b+樹可以用name來指定搜索方向，但下一個字段age的缺失，所以只能把名字等于張三的數據都找到，然后再匹配性別是F的數據了， 這個是非常重要的性質，即索引的最左匹配特性。</p><h2>  	　慢查詢優化</h2><p>  	　　關于MySQL索引原理是比較枯燥的東西，大家只需要有一個感性的認識，并不需要理解得非常透徹和深入。我們回頭來看看一開始我們說的慢查詢，了解完索引原理之后，大家是不是有什么想法呢？先總結一下索引的幾大基本原則</p><h3>  	　　建索引的幾大原則</h3><p>  	　　1.最左前綴匹配原則，非常重要的原則，mysql會一直向右匹配直到遇到范圍查詢(&gt;、 3 and d = 4 如果建立(a,b,c,d)順序的索引，d是用不到索引的，如果建立(a,b,d,c)的索引則都可以用到，a,b,d的順序可以任意調整。</p><p>  	　　2.=和in可以亂序，比如a = 1 and b = 2 and c = 3 建立(a,b,c)索引可以任意順序，mysql的查詢優化器會幫你優化成索引可以識別的形式</p><p>  	　　3.盡量選擇區分度高的列作為索引,區分度的公式是count(distinct col)/count(*)，表示字段不重復的比例，比例越大我們掃描的記錄數越少，唯一鍵的區分度是1，而一些狀態、性別字段可能在大數據面前區分度就是0，那可能有人會問，這個比例有什么經驗值嗎？使用場景不同，這個值也很難確定，一般需要join的字段我們都要求是0.1以上，即平均1條掃描10條記錄</p><p>  	　　4.索引列不能參與計算，保持列“干凈”，比如from_unixtime(create_time) = ’2014-05-29’就不能使用到索引，原因很簡單，b+樹中存的都是數據表中的字段值，但進行檢索時，需要把所有元素都應用函數才能比較，顯然成本太大。所以語句應該寫成create_time = unix_timestamp(’2014-05-29’);</p><p>  	　　5.盡量的擴展索引，不要新建索引。比如表中已經有a的索引，現在要加(a,b)的索引，那么只需要修改原來的索引即可</p><h3>  	　　回到開始的慢查詢</h3><p>  	　　根據最左匹配原則，最開始的sql語句的索引應該是status、operator_id、type、operate_time的聯合索引；其中status、operator_id、type的順序可以顛倒，所以我才會說，把這個表的所有相關查詢都找到，會綜合分析；<br>  	比如還有如下查詢</p><pre class="brush: sql; gutter: true">select?*?from?task?where?status?=?0?and?type?=?12?limit?10;  select?count(*)?from?task?where?status?=?0?;

select  ???distinct?cert.emp_id?  from  ???cm_log?cl?  inner?join  ???(  ??????select  ?????????emp.id?as?emp_id,  ?????????emp_cert.id?as?cert_id?  ??????from  ?????????employee?emp?  ??????left?join  ?????????emp_certificate?emp_cert?  ????????????on?emp.id?=?emp_cert.emp_id?  ??????where  ?????????emp.is_deleted=0  ???)?cert?  ??????on?(  ?????????cl.ref_table='Employee'?  ?????????and?cl.ref_oid=?cert.emp_id  ??????)?  ??????or?(  ?????????cl.ref_table='EmpCertificate'?  ?????????and?cl.ref_oid=?cert.cert_id  ??????)?  where  ???cl.last_upd_date?&gt;='2013-11-07?15:03:00'?  ???and?cl.last_upd_date<p>  	0.先運行一下，53條記錄 1.87秒，又沒有用聚合語句，比較慢</p><pre class="brush: actionscript3; gutter: true">53?rows?in?set?(1.87?sec)

+----+-------------+------------+-------+---------------------------------+-----------------------+---------+-------------------+-------+--------------------------------+  |?id?|?select_type?|?table??????|?type??|?possible_keys???????????????????|?key???????????????????|?key_len?|?ref???????????????|?rows??|?Extra??????????????????????????|  +----+-------------+------------+-------+---------------------------------+-----------------------+---------+-------------------+-------+--------------------------------+  |??1?|?PRIMARY?????|?cl?????????|?range?|?cm_log_cls_id,idx_last_upd_date?|?idx_last_upd_date?????|?8???????|?NULL??????????????|???379?|?Using?where;?Using?temporary???|  |??1?|?PRIMARY?????|?<derived2>?|?ALL???|?NULL????????????????????????????|?NULL??????????????????|?NULL????|?NULL??????????????|?63727?|?Using?where;?Using?join?buffer?|  |??2?|?DERIVED?????|?emp????????|?ALL???|?NULL????????????????????????????|?NULL??????????????????|?NULL????|?NULL??????????????|?13317?|?Using?where????????????????????|  |??2?|?DERIVED?????|?emp_cert???|?ref???|?emp_certificate_empid???????????|?emp_certificate_empid?|?4???????|?meituanorg.emp.id?|?????1?|?Using?index????????????????????|  +----+-------------+------------+-------+---------------------------------+-----------------------+---------+-------------------+-------+--------------------------------+</derived2>

select  ???emp.id?  from  ???cm_log?cl?  inner?join  ???employee?emp?  ??????on?cl.ref_table?=?'Employee'?  ??????and?cl.ref_oid?=?emp.id??  where  ???cl.last_upd_date?&gt;='2013-11-07?15:03:00'?  ???and?cl.last_upd_date='2013-11-07?15:03:00'?  ???and?cl.last_upd_date<p>  	　　4.不需要了解業務場景，只需要改造的語句和改造之前的語句保持結果一致</p><p>  	　　5.現有索引可以滿足，不需要建索引</p><p>  	　　6.用改造后的語句實驗一下，只需要10ms 降低了近200倍！</p><pre class="brush: actionscript3; gutter: true">+----+--------------+------------+--------+---------------------------------+-------------------+---------+-----------------------+------+-------------+  |?id?|?select_type??|?table??????|?type???|?possible_keys???????????????????|?key???????????????|?key_len?|?ref???????????????????|?rows?|?Extra???????|  +----+--------------+------------+--------+---------------------------------+-------------------+---------+-----------------------+------+-------------+  |??1?|?PRIMARY??????|?cl?????????|?range??|?cm_log_cls_id,idx_last_upd_date?|?idx_last_upd_date?|?8???????|?NULL??????????????????|??379?|?Using?where?|  |??1?|?PRIMARY??????|?emp????????|?eq_ref?|?PRIMARY?????????????????????????|?PRIMARY???????????|?4???????|?meituanorg.cl.ref_oid?|????1?|?Using?where?|  |??2?|?UNION????????|?cl?????????|?range??|?cm_log_cls_id,idx_last_upd_date?|?idx_last_upd_date?|?8???????|?NULL??????????????????|??379?|?Using?where?|  |??2?|?UNION????????|?ec?????????|?eq_ref?|?PRIMARY,emp_certificate_empid???|?PRIMARY???????????|?4???????|?meituanorg.cl.ref_oid?|????1?|?????????????|  |??2?|?UNION????????|?emp????????|?eq_ref?|?PRIMARY?????????????????????????|?PRIMARY???????????|?4???????|?meituanorg.ec.emp_id??|????1?|?Using?where?|  |?NULL?|?UNION?RESULT?|?<union1>?|?ALL????|?NULL????????????????????????????|?NULL??????????????|?NULL????|?NULL??????????????????|?NULL?|?????????????|  +----+--------------+------------+--------+---------------------------------+-------------------+---------+-----------------------+------+-------------+</union1>

select  ???*?  from  ???stage_poi?sp?  where  ???sp.accurate_result=1?  ???and?(  ??????sp.sync_status=0?  ??????or?sp.sync_status=2?  ??????or?sp.sync_status=4  ???);

951?rows?in?set?(6.22?sec)

+----+-------------+-------+------+---------------+------+---------+------+---------+-------------+  |?id?|?select_type?|?table?|?type?|?possible_keys?|?key??|?key_len?|?ref??|?rows????|?Extra???????|  +----+-------------+-------+------+---------------+------+---------+------+---------+-------------+  |??1?|?SIMPLE??????|?sp????|?ALL??|?NULL??????????|?NULL?|?NULL????|?NULL?|?3613155?|?Using?where?|  +----+-------------+-------+------+---------------+------+---------+------+---------+-------------+

select?count(*),accurate_result?from?stage_poi??group?by?accurate_result;  +----------+-----------------+  |?count(*)?|?accurate_result?|  +----------+-----------------+  |?????1023?|??????????????-1?|  |??2114655?|???????????????0?|  |???972815?|???????????????1?|  +----------+-----------------+

select?count(*),sync_status?from?stage_poi??group?by?sync_status;  +----------+-------------+  |?count(*)?|?sync_status?|  +----------+-------------+  |?????3080?|???????????0?|  |??3085413?|???????????3?|  +----------+-------------+

alter?table?stage_poi?add?index?idx_acc_status(accurate_result,sync_status);

952?rows?in?set?(0.20?sec)

select  ???c.id,  ???c.name,  ???c.position,  ???c.sex,  ???c.phone,  ???c.office_phone,  ???c.feature_info,  ???c.birthday,  ???c.creator_id,  ???c.is_keyperson,  ???c.giveup_reason,  ???c.status,  ???c.data_source,  ???from_unixtime(c.created_time)?as?created_time,  ???from_unixtime(c.last_modified)?as?last_modified,  ???c.last_modified_user_id??  from  ???contact?c??  inner?join  ???contact_branch?cb?  ??????on??c.id?=?cb.contact_id??  inner?join  ???branch_user?bu?  ??????on??cb.branch_id?=?bu.branch_id?  ??????and?bu.status?in?(  ?????????1,  ??????2)??  ???inner?join  ??????org_emp_info?oei?  ?????????on??oei.data_id?=?bu.user_id?  ?????????and?oei.node_left?&gt;=?2875?  ?????????and?oei.node_right?<p>  	　　還是幾個步驟</p><p>  	　　0.先看語句運行多長時間，10條記錄用了13秒，已經不可忍受</p><pre class="brush: actionscript3; gutter: true">10?rows?in?set?(13.06?sec)

+----+-------------+-------+--------+-------------------------------------+-------------------------+---------+--------------------------+------+----------------------------------------------+  |?id?|?select_type?|?table?|?type???|?possible_keys???????????????????????|?key?????????????????????|?key_len?|?ref??????????????????????|?rows?|?Extra????????????????????????????????????????|  +----+-------------+-------+--------+-------------------------------------+-------------------------+---------+--------------------------+------+----------------------------------------------+  |??1?|?SIMPLE??????|?oei???|?ref????|?idx_category_left_right,idx_data_id?|?idx_category_left_right?|?5???????|?const????????????????????|?8849?|?Using?where;?Using?temporary;?Using?filesort?|  |??1?|?SIMPLE??????|?bu????|?ref????|?PRIMARY,idx_userid_status???????????|?idx_userid_status???????|?4???????|?meituancrm.oei.data_id???|???76?|?Using?where;?Using?index?????????????????????|  |??1?|?SIMPLE??????|?cb????|?ref????|?idx_branch_id,idx_contact_branch_id?|?idx_branch_id???????????|?4???????|?meituancrm.bu.branch_id??|????1?|??????????????????????????????????????????????|  |??1?|?SIMPLE??????|?c?????|?eq_ref?|?PRIMARY?????????????????????????????|?PRIMARY?????????????????|?108?????|?meituancrm.cb.contact_id?|????1?|??????????????????????????????????????????????|  +----+-------------+-------+--------+-------------------------------------+-------------------------+---------+--------------------------+------+----------------------------------------------+

select  ??count(*)  from  ???contact?c??  inner?join  ???contact_branch?cb?  ??????on??c.id?=?cb.contact_id??  inner?join  ???branch_user?bu?  ??????on??cb.branch_id?=?bu.branch_id?  ??????and?bu.status?in?(  ?????????1,  ??????2)??  ???inner?join  ??????org_emp_info?oei?  ?????????on??oei.data_id?=?bu.user_id?  ?????????and?oei.node_left?&gt;=?2875?  ?????????and?oei.node_right?<p>  	　　發現排序之前居然鎖定了778878條記錄，如果針對70萬的結果集排序，將是災難性的，怪不得這么慢，那我們能不能換個思路，先根據contact的created_time排序，再來join會不會比較快呢？</p><p>  	　　于是改造成下面的語句，也可以用straight_join來優化</p><pre class="brush: sql; gutter: true">select  c.id,  c.name,  c.position,  c.sex,  c.phone,  c.office_phone,  c.feature_info,  c.birthday,  c.creator_id,  c.is_keyperson,  c.giveup_reason,  c.status,  c.data_source,  from_unixtime(c.created_time)?as?created_time,  from_unixtime(c.last_modified)?as?last_modified,  c.last_modified_user_id  from  contact?c  where  exists?(  select  1  from  contact_branch?cb  inner?join  branch_user?bu  on?cb.branch_id?=?bu.branch_id  and?bu.status?in?(  1,  2)  inner?join  org_emp_info?oei  on?oei.data_id?=?bu.user_id  and?oei.node_left?&gt;=?2875  and?oei.node_right?<p>  	　　驗證一下效果 預計在1ms內，提升了13000多倍！</p><pre class="brush: actionscript3; gutter: true">10?rows?in?set?(0.00?sec)

select  ???sql_no_cache???c.id,  ???c.name,  ???c.position,  ???c.sex,  ???c.phone,  ???c.office_phone,  ???c.feature_info,  ???c.birthday,  ???c.creator_id,  ???c.is_keyperson,  ???c.giveup_reason,  ???c.status,  ???c.data_source,  ???from_unixtime(c.created_time)?as?created_time,  ???from_unixtime(c.last_modified)?as?last_modified,  ???c.last_modified_user_id????  from  ???contact?c???  where  ???exists?(  ??????select  ?????????1????????  ??????from  ?????????contact_branch?cb?????????  ??????inner?join  ?????????branch_user?bu?????????????????????  ????????????on??cb.branch_id?=?bu.branch_id?????????????????????  ????????????and?bu.status?in?(  ???????????????1,  ????????????2)????????????????  ?????????inner?join  ????????????org_emp_info?oei???????????????????????????  ???????????????on??oei.data_id?=?bu.user_id???????????????????????????  ???????????????and?oei.node_left?&gt;=?2875???????????????????????????  ???????????????and?oei.node_right?<p>  	　　2 min 18.99 sec！比之前的情況還糟糕很多。由于mysql的nested loop機制，遇到這種情況，基本是無法優化的。這條語句最終也只能交給應用系統去優化自己的邏輯了。</p><p>  	　　通過這個例子我們可以看到，并不是所有語句都能優化，而往往我們優化時，由于SQL用例回歸時落掉一些極端情況，會造成比原來還嚴重的后果。所以，第一：不要指望所有語句都能通過SQL優化，第二：不要過于自信，只針對具體case來優化，而忽略了更復雜的情況。</p><p>  	　　慢查詢的案例就分析到這兒，以上只是一些比較典型的案例。我們在優化過程中遇到過超過1000行，涉及到16個表join的“垃圾SQL”，也遇到過線上線下數據庫差異導致應用直接被慢查詢拖死，也遇到過varchar等值比較沒有寫單引號，還遇到過笛卡爾積查詢直接把從庫搞死。再多的案例其實也只是一些經驗的積累，如果我們熟悉查詢優化器、索引的內部原理，那么分析這些案例就變得特別簡單了。</p><h2>  	　寫在后面的話</h2><p>  	　　本文以一個慢查詢案例引入了MySQL索引原理、優化慢查詢的一些方法論;并針對遇到的典型案例做了詳細的分析。其實做了這么長時間的語句優化后才發現，任何數據庫層面的優化都抵不上應用系統的優化，同樣是MySQL，可以用來支撐Google/FaceBook/Taobao應用，但可能連你的個人網站都撐不住。套用最近比較流行的話：“查詢容易，優化不易，且寫且珍惜！”</p><h2>  	　參考</h2><p>  	　　參考文獻如下：</p><p>  	　　1.《高性能MySQL》</p><p>  	　　2.《數據結構與算法分析》</p>