写一手好SQL很有必要

<div id="cnblogs_post_body" class="blogpost-body cnblogs-markdown"> <ul> <li><a href="#mysql_performance">MySQL性能</a> <ul> <li><a href="#single_table">最大数据量</a></li> <li><a href="#max_connections">最大并发数</a></li> <li><a href="#less_0_5">查询耗时0.5秒</a></li> <li><a href="#db_principle">实施原则</a></li> </ul></li> <li><a href="#table_design">数据表设计</a> <ul> <li><a href="#field_data_type">数据类型</a></li> <li><a href="#avoid_null">避免空值</a></li> <li><a href="#text_type_optimize">text类型</a></li> </ul></li> <li><a href="#index_optimize">索引优化</a> <ul> <li><a href="#index_type">索引分类</a></li> <li><a href="#index_optimize_principle">优化原则</a></li> </ul></li> <li><a href="#sql_optimize">SQL优化</a> <ul> <li><a href="#sharding_process">分批处理</a></li> <li><a href="#avoid_column_calculate">不做列运算</a></li> <li><a href="#avoid_select_all">避免Select *</a></li> <li><a href="#operator_not_equal">操作符<>优化</a></li> <li><a href="#or_query">OR优化</a></li> <li><a href="#in_query">IN优化</a></li> <li><a href="#like_query">LIKE优化</a></li> <li><a href="#join_query">JOIN优化</a></li> <li><a href="#limit_query">LIMIT优化</a></li> </ul></li> <li><a href="#other_db">其他数据库</a></li> </ul> 博主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。 <h3 id="mysql性能"><a name="mysql_performance">MySQL性能</a></h3> <h3 id="最大数据量"><a name="single_table">最大数据量</a></h3> 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。 <table> <thead> <tr class="header"> <th>文件系统</th> <th style="text-align: center;">单文件大小限制</th> </tr> </thead> <tbody> <tr class="odd"> <td>FAT32</td> <td style="text-align: center;">最大4G</td> </tr> <tr class="even"> <td>NTFS</td> <td style="text-align: center;">最大64GB</td> </tr> <tr class="odd"> <td>NTFS5.0</td> <td style="text-align: center;">最大2TB</td> </tr> <tr class="even"> <td>EXT2</td> <td style="text-align: center;">块大小为1024字节，文件最大容量16GB；块大小为4096字节，文件最大容量2TB</td> </tr> <tr class="odd"> <td>EXT3</td> <td style="text-align: center;">块大小为4KB，文件最大容量为4TB</td> </tr> <tr class="even"> <td>EXT4</td> <td style="text-align: center;">理论可以大于16TB</td> </tr> </tbody> </table> 《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。博主曾经操作过超过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<code>select field_1,field_2 from table where id < #{prePageMinId} order by id desc limit 20</code>，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<a href="https://www.cnblogs.com/jshen/p/7682502.html" target="_blank">分库分表的基本思想</a>。 <h3 id="最大并发数"><a name="max_connections">最大并发数</a></h3> 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： <pre><code class="hljs markdown">max_used_connections / max_connections * 100% = 3/100 *100% ≈ 3%</code></pre> 查看最大连接数与响应最大连接数： <pre><code class="hljs sql">show variables like '%max_connections%'; show variables like '%max_user_connections%';</code></pre> 在配置文件my.cnf中修改最大连接数 <pre><code class="hljs ini">[mysqld] max_connections = 100 max_used_connections = 20</code></pre> <h4 id="查询耗时0.5秒"><a name="less_0_5">查询耗时0.5秒</a></h4> 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。 <h4 id="实施原则"><a name="db_principle">实施原则</a></h4> 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。 <ul> <li>充分利用但不滥用索引，须知索引也消耗磁盘和CPU。</li> <li>不推荐使用数据库函数格式化数据，交给应用程序处理。</li> <li>不推荐使用外键约束，用应用程序保证数据准确性。</li> <li>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。</li> <li>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。</li> <li>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。</li> <li>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。</li> </ul> <h3 id="数据表设计"><a name="table_design">数据表设计</a></h3> <h4 id="数据类型"><a name="field_data_type">数据类型</a></h4> 数据类型的选择原则：更简单或者占用空间更小。 <ul> <li>如果长度能够满足，整型尽量使用tinyint、smallint、medium_int而非int。</li> <li>如果字符串长度确定，采用char类型。</li> <li>如果varchar能够满足，不采用text类型。</li> <li>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。</li> <li>尽量采用timestamp而非datetime。</li> </ul> <table> <thead> <tr class="header"> <th>类型</th> <th style="text-align: left;">占据字节</th> <th style="text-align: center;">描述</th> </tr> </thead> <tbody> <tr class="odd"> <td>datetime</td> <td style="text-align: left;">8字节</td> <td style="text-align: center;">'1000-01-01 00:00:00.000000' to '9999-12-31 23:59:59.999999</td> </tr> <tr class="even"> <td>timestamp</td> <td style="text-align: left;">4字节</td> <td style="text-align: center;">'1970-01-01 00:00:01.000000' to '2038-01-19 03:14:07.999999'</td> </tr> </tbody> </table> 相比datetime，timestamp占用更少的空间，以UTC的格式储存自动转换时区。 <h4 id="避免空值"><a name="avoid_null">避免空值</a></h4> 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。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<code>is not null</code>的判断。 <h4 id="text类型优化"><a name="text_type_optimize">text类型优化</a></h4> 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。 <h3 id="索引优化"><a name="index_optimize">索引优化</a></h3> <h4 id="索引分类"><a name="index_type">索引分类</a></h4> <ol> <li>普通索引：最基本的索引。</li> <li>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。</li> <li>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。</li> <li>组合唯一索引：列值的组合必须唯一。</li> <li>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。</li> <li>全文索引：用于海量文本的查询，MySQL5.6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。</li> </ol> <h4 id="索引优化-1"><a name="index_optimize_principle">索引优化</a></h4> <ol> <li>分页查询很重要，如果查询数据量超过30%，MYSQL不会使用索引。</li> <li>单表索引数不超过5个、单个索引字段数不超过5个。</li> <li>字符串可使用前缀索引，前缀长度控制在5-8个字符。</li> <li>字段唯一性太低，增加索引没有意义，如：是否删除、性别。</li> <li>合理使用覆盖索引，如下所示： </li> </ol> <pre><code class="hljs sql">select login_name, nick_name from member where login_name = ?</code></pre> login_name, nick_name两个字段建立组合索引，比login_name简单索引要更快 <h3 id="sql优化"><a name="query_optimize">SQL优化</a></h3> <h4 id="分批处理"><a name="sharding_process">分批处理</a></h4> 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，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：<code>update status=0 FROM `coupon` WHERE expire_date <= #{currentDate} and status=1;</code> 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： <pre><code class="hljs ruby">int pageNo = 1; int PAGE_SIZE = 100; while(true) { List<Integer> batchIdList = queryList('select id FROM `coupon` WHERE expire_date <= #{currentDate} and status = 1 limit #{(pageNo-1) * PAGE_SIZE},#{PAGE_SIZE}'); if (CollectionUtils.isEmpty(batchIdList)) { return; } update('update status = 0 FROM `coupon` where status = 1 and id in #{batchIdList}') pageNo ++; }</code></pre> <h4 id="操作符优化"><a name="operator_not_equal">操作符<>优化</a></h4> 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： <code>select id from orders where amount != 100;</code> 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： <pre><code class="hljs sql">(select id from orders where amount > 100) union all (select id from orders where amount < 100 and amount > 0)</code></pre> <h4 id="or优化"><a name="or_query">OR优化</a></h4> 在Innodb引擎下or无法使用组合索引，比如： <pre><code class="hljs sql">select id，product_name from orders where mobile_no = '13421800407' or user_id = 100;</code></pre> OR无法命中mobile_no + user_id的组合索引，可采用union，如下所示： <pre><code class="hljs sql">(select id，product_name from orders where mobile_no = '13421800407') union (select id，product_name from orders where user_id = 100);</code></pre> 此时id和product_name字段都有索引，查询才最高效。 <h4 id="in优化"><a name="in_query">IN优化</a></h4> <ol> <li>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。</li> <li>尝试改为join查询，举例如下：</li> </ol> <pre><code class="hljs sql">select id from orders where user_id in (select id from user where level = 'VIP');</code></pre> 采用JOIN如下所示： <pre><code class="hljs sql">select o.id from orders o left join user u on o.user_id = u.id where u.level = 'VIP';</code></pre> <h4 id="不做列运算"><a name="avoid_column_calculate">不做列运算</a></h4> 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 <pre><code class="hljs sql">select id from order where date_format(create_time，'%Y-%m-%d') = '2019-07-01';</code></pre> date_format函数会导致这个查询无法使用索引，改写后： <pre><code class="hljs sql">select id from order where create_time between '2019-07-01 00:00:00' and '2019-07-01 23:59:59';</code></pre> <h4 id="避免select-all"><a name="avoid_select_all">避免Select all</a></h4> 如果不查询表中所有的列，避免使用<code>SELECT *</code>，它会进行全表扫描，不能有效利用索引。 <h4 id="like优化"><a name="like_query">Like优化</a></h4> like用于模糊查询，举个例子（field已建立索引）： <pre><code class="hljs sql">SELECT column FROM table WHERE field like '%keyword%';</code></pre> 这个查询未命中索引，换成下面的写法： <pre><code class="hljs sql">SELECT column FROM table WHERE field like 'keyword%';</code></pre> 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。 <h4 id="join优化"><a name="join_query">Join优化</a></h4> 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。 <ol> <li>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。</li> <li>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。</li> <li>禁止join连接三个以上的表，尝试增加冗余字段。</li> </ol> <h4 id="limit优化"><a name="limit_query">Limit优化</a></h4> 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： <pre><code class="hljs sql">select * from orders order by id desc limit 100000,10  耗时0.4秒 select * from orders order by id desc limit 1000000,10 耗时5.2秒</code></pre> 先筛选出ID缩小查询范围，写法如下： <pre><code class="hljs sql">select * from orders where id > (select id from orders order by id desc limit 1000000, 1) order by id desc limit 0,10 耗时0.5秒</code></pre> 如果查询条件仅有主键ID，写法如下： <pre><code class="hljs sql">select id from orders where id between 1000000 and 1000010 order by id desc 耗时0.3秒</code></pre> 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<a href="https://www.cnblogs.com/firstdream/p/7732656.html" target="_blank">JDBC使用游标实现分页查询的方法</a> <h3 id="其他数据库"><a name="other_db">其他数据库</a></h3> 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。 <table> <thead> <tr class="header"> <th>分类</th> <th style="text-align: left;">数据库</th> <th style="text-align: center;">特性</th> </tr> </thead> <tbody> <tr class="odd"> <td>键值型</td> <td style="text-align: left;"><a href="https://memcached.org/">Memcache</a></td> <td style="text-align: center;">用于内容缓存，大量数据的高访问负载</td> </tr> <tr class="even"> <td>键值型</td> <td style="text-align: left;"><a href="https://redis.io/">Redis</a></td> <td style="text-align: center;">用于内容缓存，比Memcache支持更多的数据类型，并能持久化数据</td> </tr> <tr class="odd"> <td>列式存储</td> <td style="text-align: left;"><a href="https://hbase.apache.org/">HBase</a></td> <td style="text-align: center;">Hadoop体系的核心数据库，海量结构化数据存储，大数据必备。</td> </tr> <tr class="even"> <td>文档型</td> <td style="text-align: left;"><a href="http://couchdb.apache.org/">MongoDb</a></td> <td style="text-align: center;">知名文档型数据库，也可以用于缓存</td> </tr> <tr class="odd"> <td>文档型</td> <td style="text-align: left;"><a href="https://hbase.apache.org/">CouchDB</a></td> <td style="text-align: center;">Apache的开源项目，专注于易用性，支持REST API</td> </tr> <tr class="even"> <td>文档型</td> <td style="text-align: left;"><a href="http://www.sequoiadb.com/cn/">SequoiaDB</a></td> <td style="text-align: center;">国内知名文档型数据库</td> </tr> <tr class="odd"> <td>图形</td> <td style="text-align: left;"><a href="https://neo4j.com/">Neo4J</a></td> <td style="text-align: center;">用于社交网络构建关系图谱，推荐系统等</td> </tr> </tbody> </table> <h4 id="参考部分摘抄的文字版权属于原作者">参考(部分摘抄的文字版权属于原作者)：</h4> <a href="https://www.jianshu.com/p/6864abb4d885" class="uri">https://www.jianshu.com/p/6864abb4d885</a> <h4 id="鸡汤你既然已经做出了选择又何必去问为什么选择-卫庄">鸡汤：你既然已经做出了选择，又何必去问为什么选择。 ——卫庄</h4>

</div>

来源：oschina

链接：https://my.oschina.net/u/4361197/blog/3361588

标签

mysql

apache

大数据