mysql系列IX-SQL优化

系统上线出现了性能问题，需要做优化。那么首先想到的很有可能是优化sql语句，因为它的改造成本相对于代码来说也要小得多。

插入数据

insert

如果我们需要一次性往数据库表中插入多条记录，可以从以下三个方面进行优化。

1
2
3
4

insert into tb_test values(1,’tom’);
insert into tb_test values(2,’cat’);
insert into tb_test values(3,’jerry’);
…..

优化方案

批量插入数据建议每次批量插入500-1000条数据1
Insert into tb_test values(1,’Tom’),(2,’Cat’),(3,’Jerry’);
手动控制事务mysql默认每执行一次sql自动提交事务，我们可以节省这种反复提交事务的开销，多条sql执行一起提交。1
2
3
4
5
start transaction;
insert into tb_test values(1,’Tom’),(2,’Cat’),(3,’Jerry’);
insert into tb_test values(4,’Tom’),(5,’Cat’),(6,’Jerry’);
insert into tb_test values(7,’Tom’),(8,’Cat’),(9,’Jerry’);
commit;
主键顺序插入性能要高于乱序插入1
2
主键乱序插入 : 8 1 9 21 88 2 4 15 89 5 7 3
主键顺序插入 : 1 2 3 4 5 7 8 9 15 21 88 89

大批量插入数据

如果一次性需要插入大批量数据(比如: 几百万的记录)，使用insert语句插入性能较低，此时可以使用MySQL数据库提供的load指令进行插入。操作如下：

可以执行如下指令，将数据脚本文件中的数据加载到表结构中：

1
2
3
4
5
6

— 客户端连接服务端时，加上参数 -–local-infile
mysql –-local-infile -u root -p
— 设置全局参数local_infile为1，开启从本地加载文件导入数据的开关
set global local_infile = 1;
— 执行load指令将准备好的数据，加载到表结构中
load data local infile ‘/root/sql1.log’ into table tb_user fields terminated by ‘,’ lines terminated by ‘\n’ ;

示例演示:
A. 创建表结构

1
2
3
4
5
6
7
8
9
10

CREATE TABLE `tb_user` (
`id` INT(11) NOT NULL AUTO_INCREMENT,
`username` VARCHAR(50) NOT NULL,
`password` VARCHAR(50) NOT NULL,
`name` VARCHAR(20) NOT NULL,
`birthday` DATE DEFAULT NULL,
`sex` CHAR(1) DEFAULT NULL,
PRIMARY KEY (`id`),
UNIQUE KEY `unique_user_username` (`username`)
) ENGINE=INNODB DEFAULT CHARSET=utf8 ;

B. 设置参数

1
2
3
4

— 客户端连接服务端时，加上参数 -–local-infile
mysql –-local-infile -u root -p
— 设置全局参数local_infile为1，开启从本地加载文件导入数据的开关
set global local_infile = 1;

C. load加载数据

1	load data local infile ‘D:/sql/load_user_100w_sort.sql’ into table tb_user fields terminated by ‘,’ lines terminated by ‘\n’ ;

注：load_user_100w_sort.sql文件的大概结构如下：

1
2
3
4
5
6
7
8
9
10
11

1,jdTmmKQlwu1,jdTmmKQlwu,jdTmmKQlwu,2020-10-13,1
2,BTJOeWjRiw2,BTJOeWjRiw,BTJOeWjRiw,2020-6-12,2
3,waQTJIIlHI3,waQTJIIlHI,waQTJIIlHI,2020-6-2,0
4,XmeFHwozIo4,XmeFHwozIo,XmeFHwozIo,2020-1-11,1
5,xRrvQSHcZn5,xRrvQSHcZn,xRrvQSHcZn,2020-10-18,2
6,gTDfGFNLEj6,gTDfGFNLEj,gTDfGFNLEj,2020-1-13,0
7,nBETIlVCle7,nBETIlVCle,nBETIlVCle,2020-9-27,1
8,vmePKKZjJU8,vmePKKZjJU,vmePKKZjJU,2020-10-20,2
9,pWjaLhJVaB9,pWjaLhJVaB,pWjaLhJVaB,2020-5-7,0
10,zimgGFPEQe10,zimgGFPEQe,zimgGFPEQe,2020-8-1,1
……

结果：

1
2
3
4
5
6
7
8
9
10
11

mysql> load data local infile ‘D:/sql/load_user_100w_sort.sql’ into table tb_user fields terminated by ‘,’ lines terminated by ‘\n’ ;
Query OK, 1000000 rows affected (14.96 sec)
Records: 1000000 Deleted: 0 Skipped: 0 Warnings: 0

mysql> select count(*) from tb_user;
+———-+
| count(*) |
+———-+
| 1000000 |
+———-+
1 row in set (0.05 sec)

我们看到，插入100w的记录，14.96 s就完成了，性能很好。

主键优化

数据组织方式

在InnoDB存储引擎中，表数据都是根据主键顺序组织存放的，这种存储方式的表称为索引组织表(index organized table IOT)。

行数据，都是存储在聚集索引的叶子节点上的。而我们之前也讲解过InnoDB的逻辑结构图：

在InnoDB引擎中，数据行是记录在逻辑结构 page 页中的，而每一个页的大小是固定的，默认16K。那也就意味着，一个页中所存储的行也是有限的，如果插入的数据行row在该页存储不小，将会存储到下一个页中，页与页之间会通过指针连接。

页分裂

页可以为空，也可以填充一半，也可以填充100%。每个页包含了2-N行数据(如果一行数据过大，会行溢出)，根据主键排列。

A. 主键顺序插入效果
①. 从磁盘中申请页，主键顺序插入

②. 第一个页没有满，继续往第一页插入

③. 当第一个也写满之后，再写入第二个页，页与页之间会通过指针连接

④. 当第二页写满了，再往第三页写入

B. 主键乱序插入效果

①. 加入1#,2#页都已经写满了，存放了如图所示的数据

②. 此时再插入id为50的记录，我们来看看会发生什么现象
会再次开启一个页，写入新的页中吗？

不会。因为，索引结构的叶子节点是有顺序的。按照顺序，应该存储在47之后。

但是47所在的1#页，已经写满了，存储不了50对应的数据了。那么此时会开辟一个新的页 3#。

但是并不会直接将50存入3#页，而是会将1#页后一半的数据，移动到3#页，然后在3#页，插入50。

移动数据，并插入id为50的数据之后，那么此时，这三个页之间的数据顺序是有问题的。 1#的下一个页，应该是3#， 3#的下一个页是2#。所以，此时，需要重新设置链表指针。

上述的这种现象，称之为 “页分裂”，是比较耗费性能的操作。

页合并

目前表中已有数据的索引结构(叶子节点)如下：

当我们对已有数据进行删除时，具体的效果如下:

当删除一行记录时，实际上记录并没有被物理删除，只是记录被标记（flaged）为删除并且它的空间变得允许被其他记录声明使用。

当我们继续删除2#的数据记录

当页中删除的记录达到 MERGE_THRESHOLD（默认为页的50%），InnoDB会开始寻找最靠近的页（前或后）看看是否可以将两个页合并以优化空间使用。

删除数据，并将页合并之后，再次插入新的数据20，则直接插入3#页

这个里面所发生的合并页的这个现象，就称之为 “页合并”。

MERGE_THRESHOLD：合并页的阈值，可以自己设置，在创建表或者创建索引时指定。

索引设计原则

满足业务需求的情况下，尽量降低主键的长度。
插入数据时，尽量选择顺序插入，选择使用AUTO_INCREMENT自增主键。
尽量不要使用UUID做主键或者是其他自然主键，如身份证号。
业务操作时，避免对主键的修改。

order by优化

MySQL的排序，有两种方式：

Using filesort : 通过表的索引或全表扫描，读取满足条件的数据行，然后在排序缓冲区sort buffer中完成排序操作，所有不是通过索引直接返回排序结果的排序都叫 FileSort 排序。

Using index : 通过有序索引顺序扫描直接返回有序数据，这种情况即为 using index，不需要额外排序，操作效率高。

对于以上的两种排序方式，Using index的性能高，而Using filesort的性能低，我们在优化排序操作时，尽量要优化为 Using index。

接下来，我们来做一个测试：
A. 数据准备

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57

CREATE TABLE `tb_user` (
`id` int NOT NULL AUTO_INCREMENT COMMENT ‘主键’,
`name` varchar(50) NOT NULL COMMENT ‘用户名’,
`phone` varchar(11) NOT NULL COMMENT ‘手机号’,
`email` varchar(100) DEFAULT NULL COMMENT ‘邮箱’,
`profession` varchar(11) DEFAULT NULL COMMENT ‘专业’,
`age` tinyint unsigned DEFAULT NULL COMMENT ‘年龄’,
`gender` char(1) DEFAULT NULL COMMENT ‘性别 , 1: 男, 2: 女’,
`status` char(1) DEFAULT NULL COMMENT ‘状态’,
`createtime` datetime DEFAULT NULL COMMENT ‘创建时间’,
PRIMARY KEY (`id`),
KEY `idx_user_pro_age_sta` (`profession`,`age`,`status`),
KEY `idx_email_5` (`email`(5))
) ENGINE=InnoDB AUTO_INCREMENT=25 DEFAULT CHARSET=utf8mb4 COLLATE=utf8mb4_0900_ai_ci COMMENT=’系统用户表’

mysql> select * from tb_user;
+—-+——–+————-+———————–+——————–+——+——–+——–+———————+
| id | name | phone | email | profession | age | gender | status | createtime |
+—-+——–+————-+———————–+——————–+——+——–+——–+———————+
| 1 | 吕布 | 17799990000 | lvbu666@163.com | 软件工程 | 23 | 1 | 6 | 2001-02-02 00:00:00 |
| 2 | 曹操 | 17799990001 | caocao666@qq.com | 通讯工程 | 33 | 1 | 0 | 2001-03-05 00:00:00 |
| 3 | 赵云 | 17799990002 | 17799990@139.com | 英语 | 34 | 1 | 2 | 2002-03-02 00:00:00 |
| 4 | 孙悟空 | 17799990003 | 17799990@sina.com | 工程造价 | 54 | 1 | 0 | 2001-07-02 00:00:00 |
| 5 | 花木兰 | 17799990004 | 19980729@sina.com | 软件工程 | 23 | 2 | 1 | 2001-04-22 00:00:00 |
| 6 | 大乔 | 17799990005 | daqiao666@sina.com | 舞蹈 | 22 | 2 | 0 | 2001-02-07 00:00:00 |
| 7 | 露娜 | 17799990006 | luna_love@sina.com | 应用数学 | 24 | 2 | 0 | 2001-02-08 00:00:00 |
| 8 | 程咬金 | 17799990007 | chengyaojin@163.com | 化工 | 38 | 1 | 5 | 2001-05-23 00:00:00 |
| 9 | 项羽 | 17799990008 | xiaoyu666@qq.com | 金属材料 | 43 | 1 | 0 | 2001-09-18 00:00:00 |
| 10 | 白起 | 17799990009 | baiqi666@sina.com | 机械工程及其自动化 | 27 | 1 | 2 | 2001-08-16 00:00:00 |
| 11 | 韩信 | 17799990010 | hanxin520@163.com | 无机非金属材料工程 | 27 | 1 | 0 | 2001-06-12 00:00:00 |
| 12 | 荆轲 | 17799990011 | jingke123@163.com | 会计 | 29 | 1 | 0 | 2001-05-11 00:00:00 |
| 13 | 兰陵王 | 17799990012 | lanlinwang666@126.com | 工程造价 | 44 | 1 | 1 | 2001-04-09 00:00:00 |
| 14 | 狂铁 | 17799990013 | kuangtie@sina.com | 应用数学 | 43 | 1 | 2 | 2001-04-10 00:00:00 |
| 15 | 貂蝉 | 17799990014 | 84958948374@qq.com | 软件工程 | 40 | 2 | 3 | 2001-02-12 00:00:00 |
| 16 | 妲己 | 17799990015 | 2783238293@qq.com | 软件工程 | 31 | 2 | 0 | 2001-01-30 00:00:00 |
| 17 | 芈月 | 17799990016 | xiaomin2001@sina.com | 工业经济 | 35 | 2 | 0 | 2000-05-03 00:00:00 |
| 18 | 嬴政 | 17799990017 | 8839434342@qq.com | 化工 | 38 | 1 | 1 | 2001-08-08 00:00:00 |
| 19 | 狄仁杰 | 17799990018 | jujiamlm8166@163.com | 国际贸易 | 30 | 1 | 0 | 2007-03-12 00:00:00 |
| 20 | 安琪拉 | 17799990019 | jdodm1h@126.com | 城市规划 | 51 | 2 | 0 | 2001-08-15 00:00:00 |
| 21 | 典韦 | 17799990020 | ycaunanjian@163.com | 城市规划 | 52 | 1 | 2 | 2000-04-12 00:00:00 |
| 22 | 廉颇 | 17799990021 | lianpo321@126.com | 土木工程 | 19 | 1 | 3 | 2002-07-18 00:00:00 |
| 23 | 后羿 | 17799990022 | altycj2000@139.com | 城市园林 | 20 | 1 | 0 | 2002-03-10 00:00:00 |
| 24 | 姜子牙 | 17799990023 | 37483844@qq.com | 工程造价 | 29 | 1 | 4 | 2003-05-26 00:00:00 |
+—-+——–+————-+———————–+——————–+——+——–+——–+———————+
24 rows in set (0.00 sec)

mysql> show index from tb_user;
+———+————+———————-+————–+————-+———–+————-+———-+——–+——+————+———+—————+———+————+
| Table | Non_unique | Key_name | Seq_in_index | Column_name | Collation | Cardinality | Sub_part | Packed | Null | Index_type | Comment | Index_comment | Visible | Expression |
+———+————+———————-+————–+————-+———–+————-+———-+——–+——+————+———+—————+———+————+
| tb_user | 0 | PRIMARY | 1 | id | A | 997221 | NULL | NULL | | BTREE | | | YES | NULL |
| tb_user | 1 | idx_user_pro_age_sta | 1 | profession | A | 16 | NULL | NULL | YES | BTREE | | | YES | NULL |
| tb_user | 1 | idx_user_pro_age_sta | 2 | age | A | 22 | NULL | NULL | YES | BTREE | | | YES | NULL |
| tb_user | 1 | idx_user_pro_age_sta | 3 | status | A | 24 | NULL | NULL | YES | BTREE | | | YES | NULL |
| tb_user | 1 | idx_email_5 | 1 | email | A | 23 | 5 | NULL | YES | BTREE | | | YES | NULL |
+———+————+———————-+————–+————-+———–+————-+———-+——–+——+————+———+—————+———+————+
5 rows in set (0.00 sec)

B. 执行排序SQL

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16

由于 age, phone 都没有索引，所以此时再排序时，出现Using filesort，排序性能较低。

C. 创建索引

1 2	— 创建索引 mysql> create index idx_user_age_phone on tb_user(age, phone);

D. 创建索引后，根据age, phone进行升序排序

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16

建立索引之后，再次进行排序查询，就由原来的Using filesort，变为了 Using index，性能就是比较高的了。

E. 创建索引后，根据age, phone进行降序排序

1
2
3
4
5
6
7

也出现 Using index，但是此时Extra中出现了 Backward index scan，这个代表反向扫描索引，因为在MySQL中我们创建的索引，默认索引的叶子节点是从小到大排序的，而此时我们查询排序时，是从大到小，所以，在扫描时，就是反向扫描，就会出现 Backward index scan。在MySQL8版本中，支持降序索引，我们也可以创建降序索引。

F. 根据phone，age进行升序排序，phone在前，age在后。

1
2
3
4
5
6
7

排序时,也需要满足最左前缀法则,否则也会出现 filesort。因为在创建索引的时候， age是第一个字段，phone是第二个字段，所以排序时，也就该按照这个顺序来，否则就会出现 Using filesort。

F. 根据age, phone进行降序一个升序，一个降序

1
2
3
4
5
6
7

因为创建索引时，如果未指定顺序，默认都是按照升序排序的，而查询时，一个升序，一个降序，此时就会出现Using filesort。

1
2
3
4
5
6
7
8
9
10
11
12

mysql> show index from tb_user;
+———+————+———————-+————–+————-+———–+————-+———-+——–+——+————+———+—————+———+————+
| Table | Non_unique | Key_name | Seq_in_index | Column_name | Collation | Cardinality | Sub_part | Packed | Null | Index_type | Comment | Index_comment | Visible | Expression |
+———+————+———————-+————–+————-+———–+————-+———-+——–+——+————+———+—————+———+————+
| tb_user | 0 | PRIMARY | 1 | id | A | 997221 | NULL | NULL | | BTREE | | | YES | NULL |
| tb_user | 1 | idx_user_pro_age_sta | 1 | profession | A | 16 | NULL | NULL | YES | BTREE | | | YES | NULL |
| tb_user | 1 | idx_user_pro_age_sta | 2 | age | A | 22 | NULL | NULL | YES | BTREE | | | YES | NULL |
| tb_user | 1 | idx_user_pro_age_sta | 3 | status | A | 24 | NULL | NULL | YES | BTREE | | | YES | NULL |
| tb_user | 1 | idx_email_5 | 1 | email | A | 23 | 5 | NULL | YES | BTREE | | | YES | NULL |
| tb_user | 1 | idx_user_age_phone | 1 | age | A | 19 | NULL | NULL | YES | BTREE | | | YES | NULL |
| tb_user | 1 | idx_user_age_phone | 2 | phone | A | 24 | NULL | NULL | | BTREE | | | YES | NULL |
+———+————+———————-+————–+————-+———–+————-+———-+——–+——+————+———+—————+———+————+

看索引中的Collation列，这列就代表的是正序还是倒序，A：asc；D：desc。

为了解决上述的问题，我们可以创建一个索引，这个联合索引中 age 升序排序，phone 倒序排序。

G. 创建联合索引(age 升序排序，phone 倒序排序)

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19

mysql> create index idx_user_age_phone_ad on tb_user(age asc, phone desc);
Query OK, 0 rows affected (0.02 sec)
Records: 0 Duplicates: 0 Warnings: 0

mysql> show index from tb_user;
+———+————+———————–+————–+————-+———–+————-+———-+——–+——+————+———+—————+———+————+
| Table | Non_unique | Key_name | Seq_in_index | Column_name | Collation | Cardinality | Sub_part | Packed | Null | Index_type | Comment | Index_comment | Visible | Expression |
+———+————+———————–+————–+————-+———–+————-+———-+——–+——+————+———+—————+———+————+
| tb_user | 0 | PRIMARY | 1 | id | A | 997221 | NULL | NULL | | BTREE | | | YES | NULL |
| tb_user | 1 | idx_user_pro_age_sta | 1 | profession | A | 16 | NULL | NULL | YES | BTREE | | | YES | NULL |
| tb_user | 1 | idx_user_pro_age_sta | 2 | age | A | 22 | NULL | NULL | YES | BTREE | | | YES | NULL |
| tb_user | 1 | idx_user_pro_age_sta | 3 | status | A | 24 | NULL | NULL | YES | BTREE | | | YES | NULL |
| tb_user | 1 | idx_email_5 | 1 | email | A | 23 | 5 | NULL | YES | BTREE | | | YES | NULL |
| tb_user | 1 | idx_user_age_phone | 1 | age | A | 19 | NULL | NULL | YES | BTREE | | | YES | NULL |
| tb_user | 1 | idx_user_age_phone | 2 | phone | A | 24 | NULL | NULL | | BTREE | | | YES | NULL |
| tb_user | 1 | idx_user_age_phone_ad | 1 | age | A | 19 | NULL | NULL | YES | BTREE | | | YES | NULL |
| tb_user | 1 | idx_user_age_phone_ad | 2 | phone | D | 24 | NULL | NULL | | BTREE | | | YES | NULL |
+———+————+———————–+————–+————-+———–+————-+———-+——–+——+————+———+—————+———+————+
9 rows in set (0.00 sec)

H. 然后再次执行如下SQL

1
2
3
4
5
6
7

升序/降序联合索引结构图示:

由上述的测试,我们得出order by优化原则:

根据排序字段建立合适的索引，多字段排序时，也遵循最左前缀法则。
尽量使用覆盖索引。
多字段排序, 一个升序一个降序，此时需要注意联合索引在创建时的规则（ASC/DESC）。
如果不可避免的出现filesort，大数据量排序时，可以适当增大排序缓冲区大小sort_buffer_size(默认256k)。

group by优化

分组操作，我们主要来看看索引对于分组操作的影响。

初始化索引

1
2
3
4
5
6
7

接下来，在没有索引的情况下，执行如下SQL，查询执行计划：

1
2
3
4
5
6
7

然后，我们在针对于 profession ， age， status 创建一个联合索引。

1	mysql> create index idx_user_pro_age_sta on tb_user(profession , age , status);

紧接着，再执行前面相同的SQL查看执行计划。

1
2
3
4
5
6
7

再执行如下的分组查询SQL，查看执行计划：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15

我们发现，如果仅仅根据age分组，就会出现 Using temporary ；而如果是根据profession,age两个字段同时分组，则不会出现 Using temporary。原因是因为对于分组操作，在联合索引中，也是符合最左前缀法则的。
所以，在分组操作中，我们需要通过以下两点进行优化，以提升性能：

在分组操作时，可以通过索引来提高效率。
分组操作时，索引的使用也是满足最左前缀法则的。

limit优化

在数据量比较大时，如果进行limit分页查询，在查询时，越往后，分页查询效率越低。
我们一起来看看执行limit分页查询耗时对比：

1
2
3
4
5
6
7
8
9
10
11

mysql> select * from tb_sku limit 0, 10;
10 rows in set (0.00 sec)

mysql> select * from tb_sku limit 1000000, 10;
10 rows in set (1.33 sec)

mysql> select * from tb_sku limit 5000000, 10;
10 rows in set (7.44 sec)

mysql> select * from tb_sku limit 9000000, 10;
10 rows in set (12.22 sec)

通过测试我们会看到，越往后，分页查询效率越低，这就是分页查询的问题所在。
因为，当在进行分页查询时，如果执行 limit 2000000,10 ，此时需要MySQL排序前2000010 记录，仅仅返回 2000000 – 2000010 的记录，其他记录丢弃，查询排序的代价非常大。

优化思路: 一般分页查询时，通过创建 覆盖索引 能够比较好地提高性能，可以通过覆盖索引加子查询形式进行优化。

1	mysql> explain select * from tb_sku t , (select id from tb_sku order by id limit 2000000,10) a where t.id = a.id;

但是以上方法只是有一定的性能提升，我们拿前面900w条数据做个测试：

1
2
3
4
5

mysql> select * from tb_sku limit 9000000, 10;
10 rows in set (11.95 sec)

mysql> select * from tb_sku t , (select id from tb_sku order by id limit 9000000,10) a where t.id = a.id;
10 rows in set (10.26 sec)

性能是有所提高吧，但是提升的多吗？

实际场景我们以主键正序分页为例作为演示，既然从第900w条开始取10条，那么我们就取出第900w条数据的主键，然后在这个主键基础上加10获取，得到的也是9000000到9000010条数据，sql语句如下：

1
2
3
4
5
6
7
8

如果我们直接拿主键为9000000进行sql执行，有的同学会说，现实情况是需要你先获取到这条数据的，我们来模拟下，用sn先获取对应主键id，再来查询

1
2
3
4
5
6
7
8
9
10
11
12

— 我们先查询sn为100000003145009000000的主键id，这里刚好为9000000，真巧
mysql> select id, sn from tb_sku where sn=”100000003145009000000″;
+———+———————–+
| id | sn |
+———+———————–+
| 9000000 | 100000003145009000000 |
+———+———————–+
1 row in set (0.00 sec)

— 接着我们用拿到的主键查询接下来的10条数据
mysql> select * from tb_sku where id>9000000 order by id limit 10;
10 rows in set (0.00 sec)

这样来看，我们的分页查询效率比之前高了多少倍大家都有目共睹吧。

count优化

概述

1
2
3
4
5
6
7

mysql> select count(*) from tb_sku ;
+———-+
| count(*) |
+———-+
| 10000000 |
+———-+
1 row in set (19.86 sec)

在之前的测试中，我们发现，如果数据量很大，在执行count操作时，是非常耗时的。

MyISAM 引擎把一个表的总行数存在了磁盘上，因此执行 count(*) 的时候会直接返回这个数，效率很高；但是如果是带条件的count，MyISAM也慢。
InnoDB 引擎就麻烦了，它执行 count(*) 的时候，需要把数据一行一行地从引擎里面读出来，然后累积计数。

如果说要大幅度提升InnoDB表的count效率，主要的优化思路：自己计数(可以借助于redis这样的数据库进行,但是如果是带条件的count又比较麻烦了)。

count用法

count() 是一个聚合函数，对于返回的结果集，一行行地判断，如果 count 函数的参数不是NULL，累计值就加 1，否则不加，最后返回累计值。

用法：count（*）、count（主键）、count（字段）、count（数字）

count用法	含义
count(主键)	InnoDB 引擎会遍历整张表，把每一行的主键id 值都取出来，返回给服务层。服务层拿到主键后，直接按行进行累加(主键不可能为null)
count(字段)	没有not null 约束 : InnoDB 引擎会遍历整张表把每一行的字段值都取出来，返回给服务层，服务层判断是否为null，不为null，计数累加。有not null 约束：InnoDB 引擎会遍历整张表把每一行的字段值都取出来，返回给服务层，直接按行进行累加。
count(数字)	InnoDB 引擎遍历整张表，但不取值。服务层对于返回的每一行，放一个数字“1”进去，直接按行进行累加。
count(*)	InnoDB引擎并不会把全部字段取出来，而是专门做了优化，不取值，服务层直接按行进行累加。

按照效率排序的话，count(字段) < count(主键 id) < count(1) ≈ count()，所以尽量使用 count()。

update优化

我们主要需要注意一下update语句执行时的注意事项。

1	update course set name = ‘javaEE’ where id = 1 ;

当我们在执行以上的SQL语句时，会锁定id为1这一行的数据，然后事务提交之后，行锁释放。

但是当我们在执行如下SQL时。

1	update course set name = ‘SpringBoot’ where name = ‘PHP’ ;

当我们开启多个事务，在执行上述的SQL时，我们发现行锁升级为了表锁。导致该update语句的性能大大降低。

InnoDB的行锁是针对索引加的锁，不是针对记录加的锁 ,并且该索引不能失效，否则会从行锁升级为表锁。
所以建议where条件尽量使用索引列字段，以免造成表锁

近期文章

近期评论

数据库 · 2022年11月1日 0

mysql系列IX-SQL优化

插入数据

insert

优化方案

大批量插入数据

主键优化

数据组织方式

页分裂

页合并

索引设计原则

order by优化

group by优化

limit优化

count优化

概述

count用法

update优化

您可能还喜欢...

发表回复取消回复

数据库 · 2022年11月1日 0

插入数据

insert

优化方案

大批量插入数据

主键优化

数据组织方式

页分裂

页合并

索引设计原则

order by优化

group by优化

limit优化

count优化

概述

count用法

update优化

您可能还喜欢...

mysql系列XI-存储过程

mysql系列IV-约束

图解学Numpy

发表回复 取消回复

发表回复取消回复