[大数据]如何对 SQL 语句进行优化

????????当我们在设计一个项目时，开发阶段的业务数据量相对较少，一些 SQL 语句的执行效率对程序运行效率的影响不太明显，所以对于开发或运维人员来说不会注重对 SQL 语句的优化。但是，随着时间的积累，业务数据量会越来越多，SQL 的执行效率对程序的运行效率的影响逐渐增大，此时对SQL的优化就很有必要。

????????本篇章主要从以下几个方面对 SQL 语句的优化进行介绍：

• 插入数据优化
• 主键优化
• order by 优化
• group by 优化
• limit 优化
• count 优化
• update 优化

在探索 SQL 优化前，我们必须对 MySQL 索引有一个认识，因为 SQL 语句的优化基本上是基于索引进行的，所以，有不了解索引的小伙伴们可以先去看这篇文章：?MySQL 索引及使用规则（优化sql的关键）

一、插入数据优化

insert 语句

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。

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

（1）批量插入数据（建议一条 sql 语句插入的数据量在 500-1000 之间）

Insert into tb_test values(1,'Tom'),(2,'Cat'),(3,'Jerry');

（2）手动控制事务：MySQL 默认自动提交事务，每执行一次 sql 语句就提交一次事务，较为频繁，我们可以手动地控制事务，在批量执行完 sql 语句后，手动提交事务。

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;

（3）主键顺序插入，性能要高于乱序插入

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

load 指令大批量插入数据

????????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：

-- 客户端连接服务端时，加上参数 -–local-infile ，表示要加载本地文件
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 '[.sql文件的路径]' into table [表名] fields terminated by '[字段的分隔符]' lines terminated by '[行末结尾符]' ;

这里的字段分隔符是? ?','? ? ，行末结尾符是? '\n'

二、主键优化

????????在上一小节，我们提到，主键顺序插入的性能是要高于乱序插入的（因为乱序插入会产生页分裂）。 这一小节，就来介绍一下具体的原因，然后再分析一下主键又该如何设计。

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

????????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。?

? ? ? ? ① 当主键顺序插入时：首先从磁盘中申请一个页，数据按照主键顺序插入页中，当第一个页写满之后，再申请并写入第二个页，页与页之间会通过指针连接，当第二页写满了，再往第三页写入......

? ? ? ? ② 当主键乱序插入时： 如下图，当加入 1#, 2# 页都已经写满了，此时再插入 id 为 50 的记录，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。 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。此时 1# 2# 3# 页的顺序是不对的，所以，需要重新设置链表指针。这种现象，称之为 "页分裂"，是比较耗费性能的操作。

页合并

????????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。?

补充：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。

主键设计原则

????????由于每个二级索引的返回列中都会存在主键，所以当我们设计主键时应遵循以下原则：

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

三、order by 优化

MySQL的排序，有两种方式：

? ? ? ? ① 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 sortbuffer 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。

? ? ? ? ② 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。

下面我们通过一个例子看一下如何进行 order by 优化：

① 如果进行排序的字段没有索引，此时进行 order by 排序时出现的是 Using filesort，排序性能较低。

?② 如果为 age, phone 字段创建一个联合索引，

create index idx_user_age_phone_aa on tb_user(age, phone);

????????a. 如果对 age 和 phone 进行升序查询（默认），就由原来的 Using filesort， 变为了 Using index，性能就是比较高的了。

? ? ? ? b. 而如果对 age 和 phone 进行降序查询，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。（MySQL 8 之后支持）

? ? ? ? c. 如果先查 phone，后查 age，会出现 Using filesort，因为要遵循最左前缀原则，而 order by 查询条件与 where 查询条件不一样，order by 的查询顺序和 SQL 语句中字段的顺序保持一致，索引与 SQL 语句中的顺序有关，而 where 的各个字段不存在顺序问题，与位置无关，只看是否存在

? ? ? ? d. 如果对 age 升序查询，phone 降序查询，就会出现 Using filesort。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。

③??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。（MySQL 8 之后支持）

create index idx_user_age_phone_ad on tb_user(age asc ,phone desc);

创建好索引后，再次对 age 升序查询，phone 降序查询是，就显示 Using index 了。

order by 设计原则：???

????????由上述的测试，我们得出 order by 优化原则：

1. 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。
2. 尽量使用覆盖索引。
3. 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（ASC/DESC）
4. 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)。

四、group by 优化

首先在没有索引的情况下，执行如下?SQL，查询执行计划：

然后，我们再针对于 profession ， age， status 创建一个联合索引。紧接着，再执行前面相同的SQL查看执行计划。

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

继续更改查询条件我们可以得到：使用：

explain select age, count(*) from tb_user where profession = '软件工程' group by age;
explain select age, count(*) from tb_user where age = 17 group by profession;

等语句，就不会出现 Using temporary，而使用：

explain select age, count(*) from tb_user group by age;
explain select profession, count(*) from tb_user group by age, profession;

等语句，就会出现?Using temporary，所以，group by 也是符合最左前缀法则的。

group by 设计原则：???

????????由上述的测试，我们需要通过以下两点对 group by 进行优化，以提升性能：

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

五、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。例如：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。即，不进行回表查询，把在二级索引查询的结果作为子查询。

explain select s.* from tb_user t , (select id from tb_user order by id limit 2000000,10) a where t.id = a.id;

六、count 优化

? ? ? ? 在使用 count(*) 聚合函数对数据量进行统计时，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)。?

补充：当使用 count(字段) 时，返回值不一定等于 count(*)，因为若某字段的值为 null 时，则不进行计数。?

count( ) 的几种用法：

七、update 优化

当我们执行下面一条更新语句时（ id 为主键）：

update user set name = '李四' where id = 1;

在执行删除的 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。

但是如果我们执行如下 SQL 语句（name 字段既不是主键，也没有索引）：

update user set name = '李四' where name = '张三' ;

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。

所以可以得出结论：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 。

创作打卡挑战赛

赢取流量/现金/CSDN周边激励大奖