浅谈SQL优化小技巧 | 京东云技术团队
回顾MySQL的执行过程，帮助介绍如何进行sql优化。 （1）客户端发送一条查询语句到服务器； （2）服务器先查询缓存，如果命中缓存，则立即返回存储在缓存中的数据； （3）未命中缓存后，MySQL通过关键字将SQL语句进行解析，并生成一颗对应的解析树，MySQL解析器将使用MySQL语法进行验证和解析。 例如，验证是否使用了错误的关键字，或者关键字的使用是否正确； （4）预处理是根据一些MySQL规则检查解析树是否合理，比如检查表和列是否存在，还会解析名字和别名，然后预处理器会验证权限； 根据执行计划查询执行引擎，调用API接口调用存储引擎来查询数据； （5）将结果返回客户端，并进行缓存； SQL语句性能优化常用策略 1、 为 WHERE 及 ORDER BY 涉及的列上建立索引 对查询进行优化，应尽量避免全表扫描，首先应考虑在 WHERE 及 ORDER BY 涉及的列上建立索引。 2、where中使用默认值代替null 应尽量避免在 WHERE 子句中对字段进行 NULL 值判断，创建表时 NULL 是默认值，但大多数时候应该使用 NOT NULL，或者使用一个特殊的值，如 0，-1 作为默认值。 为啥建议where中使用默认值代替null，四个原因： （1）并不是说使用了is null或者 is not null就会不走索引了，这个跟mysql版本以及查询成本都有关； （2）如果mysql优化器发现，走索引比不走索引成本还要高，就会放弃索引，这些条件 !=，<>，is null，is not null经常被认为让索引失效； （3）其实是因为一般情况下，查询的成本高，优化器自动放弃索引的； （4）如果把null值，换成默认值，很多时候让走索引成为可能，同时，表达意思也相对清晰一点； 3、慎用 != 或 <> 操作符。 MySQL 只有对以下操作符才使用索引：<，<=，=，>，>=，BETWEEN，IN，以及某些时候的 LIKE。 所以：应尽量避免在 WHERE 子句中使用 != 或 <> 操作符， 会导致全表扫描。 4、慎用 OR 来连接条件 使用or可能会使索引失效，从而全表扫描； 应尽量避免在 WHERE 子句中使用 OR 来连接条件，否则将导致引擎放弃使用索引而进行全表扫描， 可以使用 UNION 合并查询： select id from t where num=10 union all select id from t where num=20 一个关键的问题是否用到索引。他们的速度只同是否使用索引有关，如果查询需要用到联合索引，用 UNION all 执行的效率更高。多个 OR 的字句没有用到索引，改写成 UNION 的形式再试图与索引匹配。 5、慎用 IN 和 NOT IN IN 和 NOT IN 要慎用，否则会导致全表扫描。对于连续的数值，能用 BETWEEN 就不要用 IN：select id from t where num between 1 and 3。 6、慎用 左模糊like ‘%…’ 模糊查询，程序员最喜欢的就是使用like，like很可能让索引失效。 比如： select id from t where name like‘%abc%’ select id from t where name like‘%abc’ 而select id from t where name like‘abc%’才用到索引。 所以： 首先尽量避免模糊查询，如果必须使用，不采用全模糊查询，也应尽量采用右模糊查询， 即like ‘…%’，是会使用索引的； 左模糊like ‘%…’无法直接使用索引，但可以利用reverse + function index的形式，变化成 like ‘…%’； 全模糊查询是无法优化的，一定要使用的话建议使用搜索引擎，比如 ElasticSearch。 备注：如果一定要用左模糊like ‘%…’检索， 一般建议 ElasticSearch+Hbase架构 7、WHERE条件使用参数会导致全表扫描。 如下面语句将进行全表扫描： select id from t where num=@num 因为SQL只有在运行时才会解析局部变量，但优化程序不能将访问计划的选择推 迟到 运行时； 它必须在编译时进行选择。然而，如果在编译时建立访问计划，变量的值还是未知的，因而无法作为索引选择的输入项。 所以， 可以改为强制查询使用索引： select id from t with(index(索引名)) where num=@num 8、用 EXISTS 代替 IN 是一个好的选择 很多时候用exists 代替in 是一个好的选择： select num from a where num in(select num from b) 用下面的语句替换： select num from a where exists(select 1 from b where num=a.num) 9、索引并不是越多越好 索引固然可以提高相应的 SELECT 的效率，但同时也降低了 INSERT 及 UPDATE 的效。 因为 INSERT 或 UPDATE 时有可能会重建索引，所以怎样建索引需要慎重考虑，视具体情况而定。 一个表的索引数最好不要超过 6 个，若太多则应考虑一些不常使用到的列上建的索引是否有必要。 10、尽量使用数字型字段 （1）因为引擎在处理查询和连接时会逐个比较字符串中每一个字符； （2）而对于数字型而言只需要比较一次就够了； （3）字符会降低查询和连接的性能，并会增加存储开销； 所以：尽量使用数字型字段，若只含数值信息的字段尽量不要设计为字符型，这会降低查询和连接的性能，并会增加存储开销。 11、尽可能的使用 varchar, nvarchar 代替 char, nchar （1）varchar变长字段按数据内容实际长度存储，存储空间小，可以节省存储空间； （2）char按声明大小存储，不足补空格； （3）其次对于查询来说，在一个相对较小的字段内搜索，效率更高； 因为首先变长字段存储空间小，可以节省存储空间，其次对于查询来说，在一个相对较小的字段内搜索效率显然要高些。 14、查询SQL尽量不要使用select *，而是具体字段 最好不要使用返回所有：select * from t ，用具体的字段列表代替 “*”，不要返回用不到的任何字段。 select *的弊端： （1）增加很多不必要的消耗，比如CPU、IO、内存、网络带宽； （2）增加了使用覆盖索引的可能性； （3）增加了回表的可能性； （4）当表结构发生变化时，前端也需要更改； （5）查询效率低； 15、将需要查询的结果预先计算好 将需要查询的结果预先计算好放在表中，查询的时候再Select，而不是查询的时候进行计算。 16、IN后出现最频繁的值放在最前面 如果一定用IN，那么：在IN后面值的列表中，将出现最频繁的值放在最前面，出现得最少的放在最后面，减少判断的次数。 17、尽量使用 EXISTS 代替 select count(1) 来判断是否存在记录。 count 函数只有在统计表中所有行数时使用，而且 count(1) 比 count(*) 更有效率。 18、用批量插入或批量更新 当有一批处理的插入或更新时，用批量插入或批量更新，绝不会一条条记录的去更新。 （1）多条提交 INSERT INTO user (id,username) VALUES(1,'xx'); INSERT INTO user (id,username) VALUES(2,'yy'); （2）批量提交 INSERT INTO user (id,username) VALUES(1,'xx'),(2,'yy'); 默认新增SQL有事务控制，导致每条都需要事务开启和事务提交，而批量处理是一次事务开启和提交，效率提升明显，达到一定量级，效果显著，平时看不出来。 19、将不需要的记录在 GROUP BY 之前过滤掉 提高 GROUP BY 语句的效率，可以通过将不需要的记录在 GROUP BY 之前过滤掉。 下面两个查询返回相同结果，但第二个明显就快了许多。 低效： SELECT JOB, AVG(SAL) FROM EMP GROUP BY JOB HAVING JOB = 'PRESIDENT' OR JOB = 'MANAGER' 高效： SELECT JOB, AVG(SAL) FROM EMP WHERE JOB = 'PRESIDENT' OR JOB = 'MANAGER' GROUP BY JOB 20、避免死锁 在你的存储过程和触发器中访问同一个表时总是以相同的顺序；事务应经可能地缩短，在一个事务中应尽可能减少涉及到的数据量；永远不要在事务中等待用户输入。 21、索引创建规则： 表的主键、外键必须有索引； 数据量超过 300 的表应该有索引； 经常与其他表进行连接的表，在连接字段上应该建立索引； 经常出现在 WHERE 子句中的字段，特别是大表的字段，应该建立索引； 索引应该建在选择性高的字段上； 索引应该建在小字段上，对于大的文本字段甚至超长字段，不要建索引； 复合索引的建立需要进行仔细分析，尽量考虑用单字段索引代替； 正确选择复合索引中的主列字段，一般是选择性较好的字段； 复合索引的几个字段是否经常同时以 AND 方式出现在 WHERE 子句中？单字段查询是否极少甚至没有？如果是，则可以建立复合索引；否则考虑单字段索引； 如果复合索引中包含的字段经常单独出现在 WHERE 子句中，则分解为多个单字段索引； 如果复合索引所包含的字段超过 3 个，那么仔细考虑其必要性，考虑减少复合的字段； 如果既有单字段索引，又有这几个字段上的复合索引，一般可以删除复合索引； 频繁进行数据操作的表，不要建立太多的索引； 删除无用的索引，避免对执行计划造成负面影响； 表上建立的每个索引都会增加存储开销，索引对于插入、删除、更新操作也会增加处理上的开销。 另外，过多的复合索引，在有单字段索引的情况下，一般都是没有存在价值的；相反，还会降低数据增加删除时的性能，特别是对频繁更新的表来说，负面影响更大。 尽量不要对数据库中某个含有大量重复的值的字段建立索引。 22、在写 SQL 语句时，应尽量减少空格的使用 查询缓冲并不自动处理空格，因此，在写 SQL 语句时，应尽量减少空格的使用，尤其是在 SQL 首和尾的空格（因为查询缓冲并不自动截取首尾空格）。 23、每张表都设置一个 ID 做为其主键 我们应该为数据库里的每张表都设置一个 ID 做为其主键，而且最好的是一个 INT 型的（推荐使用 UNSIGNED），并设置上自动增加的 AUTO_INCREMENT 标志。 24、使用explain分析你SQL执行计划 （1）type system：表仅有一行，基本用不到； const：表最多一行数据配合，主键查询时触发较多； eq_ref：对于每个来自于前面的表的行组合，从该表中读取一行。这可能是最好的联接类型，除了const类型； ref：对于每个来自于前面的表的行组合，所有有匹配索引值的行将从这张表中读取； range：只检索给定范围的行，使用一个索引来选择行。当使用=、<>、>、>=、<、<=、IS NULL、<=>、BETWEEN或者IN操作符，用常量比较关键字列时，可以使用range； index：该联接类型与ALL相同，除了只有索引树被扫描。这通常比ALL快，因为索引文件通常比数据文件小； all：全表扫描； 性能排名：system > const > eq_ref > ref > range > index > all。 实际sql优化中，最后达到ref或range级别。 （2）Extra常用关键字 Using index：只从索引树中获取信息，而不需要回表查询； Using where：WHERE子句用于限制哪一个行匹配下一个表或发送到客户。除非你专门从表中索取或检查所有行，如果Extra值不为Using where并且表联接类型为ALL或index，查询可能会有一些错误。需要回表查询。 Using temporary：mysql常建一个临时表来容纳结果，典型情况如查询包含可以按不同情况列出列的GROUP BY和ORDER BY子句时； 25、当只要一行数据时使用 LIMIT 1 当你查询表的有些时候，你已经知道结果只会有一条结果，但因为你可能需要去fetch游标，或是你也许会去检查返回的记录数。 在这种情况下，加上 LIMIT 1 可以增加性能。 这样一来，MySQL 数据库引擎会在找到一条数据后停止搜索，而不是继续往后查少下一条符合记录的数据。 26、将大的DELETE，UPDATE、INSERT 查询变成多个小查询 能写一个几十行、几百行的SQL语句是不是显得逼格很高？然而，为了达到更好的性能以及更好的数据控制，你可以将他们变成多个小查询。 27、合理分表 尽量控制单表数据量的大小，建议控制在500万以内 500万并不是MySQL数据库的限制，过大会造成修改表结构，备份，恢复都会有很大的问题。 可以用历史数据归档（应用于日志数据），分库分表（应用于业务数据）等手段来控制数据量大小。 作者：京东科技 梁发文 来源：京东云开发者社区 转载请注明来源
)
