来，教你写一手好SQL！
点击关注上方“SQL数据库开发”， 设为“置顶或星标”，第一时间送达干货 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。 《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： selectfield_1,field_2fromtablewhereid<#{prePageMinId}orderbyiddesclimit20 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： showvariableslike'%max_connections%';showvariableslike'%max_user_connections%'; 在配置文件 my.cnf 中修改最大连接数： [mysqld]max_connections=100max_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。 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： selectlogin_name,nick_namefrommemberwherelogin_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： updatestatus=0FROM`coupon`WHEREexpire_date<=#{currentDate}andstatus=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： intpageNo=1;intPAGE_SIZE=100;while(true){List<Integer>batchIdList=queryList('selectidFROM`coupon`WHEREexpire_date<=#{currentDate}andstatus=1limit#{(pageNo-1)*PAGE_SIZE},#{PAGE_SIZE}');if(CollectionUtils.isEmpty(batchIdList)){return;}update('updatestatus=0FROM`coupon`wherestatus=1andidin#{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： selectidfromorderswhereamount!=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： (selectidfromorderswhereamount>100)unionall(selectidfromorderswhereamount<100andamount>0) ③OR 优化 在 Innodb 引擎下 OR 无法使用组合索引，比如： selectid，product_namefromorderswheremobile_no='13421800407'oruser_id=100; OR 无法命中 mobile_no + user_id 的组合索引，可采用 union，如下所示： (selectid，product_namefromorderswheremobile_no='13421800407')union(selectid，product_namefromorderswhereuser_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： selectidfromorderswhereuser_idin(selectidfromuserwherelevel='VIP'); 采用 Join 如下所示： selecto.idfromordersoleftjoinuseruono.user_id=u.idwhereu.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： selectidfromorderwheredate_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： selectidfromorderwherecreate_timebetween'2019-07-0100:00:00'and'2019-07-0123:59:59'; 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）： SELECTcolumnFROMtableWHEREfieldlike'%keyword%'; 这个查询未命中索引，换成下面的写法： SELECTcolumnFROMtableWHEREfieldlike'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*fromordersorderbyiddesclimit100000,10耗时0.4秒select*fromordersorderbyiddesclimit1000000,10耗时5.2秒 先筛选出 ID 缩小查询范围，写法如下： select*fromorderswhereid>(selectidfromordersorderbyiddesclimit1000000,1)orderbyiddesclimit0,10耗时0.5秒 如果查询条件仅有主键 ID，写法如下： selectidfromorderswhereidbetween1000000and1000010orderbyiddesc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 作为一名后端开发人员，务必精通作为存储核心的 MySQL 或 SQL Server，也要积极关注 NoSQL 数据库，他们已经足够成熟并被广泛采用，能解决特定场景下的性能瓶颈。 编辑：陶家龙 出处：www.cnblogs.com/xiaoyangjia/p/11267191.html ——End—— 后台回复关键字：1024，获取一份精心整理的技术干货 后台回复关键字：进群，带你进入高手如云的交流群。 推荐阅读 不懂就问：为什么SELECT * 会导致查询效率低？ SQL 语法速成手册 精心整理了一套SQL高级函数，建议收藏 一款SQL自动检查神器，再也不用担心SQL出错了！ SQL 语句中 where 条件后 写上1=1 是什么意思 这是一个能学到技术的公众号，欢迎关注 点击「阅读原文」了解SQL训练营 本文分享自微信公众号 - SQL数据库开发（sql_road）。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。
