谈谈一些逻辑相同,性能差异却很大的sql

总结写在前面:

1. 本篇讲述了三个例子,其本质都是揭示了若对索引字段做函数操作,可能会破坏索引值的有序性,由此优化器就决定放弃走树搜索功能。

2. 由第1点提供了一个优化思路,即我们能否避免或转化sql为不对索引字段做函数操作

 

条件字段函数操作

假设维护一个交易系统,其中交易记录表 tradelog 包含交易流水号(tradeid)、交易员 id(operator)、交易时间(t_modified)等字段。为了便于描述,我们先忽略其他字段。这个表的建表语句如下:

mysql> CREATE TABLE `tradelog` (
  `id` int(11) NOT NULL,
  `tradeid` varchar(32) DEFAULT NULL,
  `operator` int(11) DEFAULT NULL,
  `t_modified` datetime DEFAULT NULL,
  PRIMARY KEY (`id`),
  KEY `tradeid` (`tradeid`),
  KEY `t_modified` (`t_modified`)
) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4;

假设,现在已经记录了从 2016 年初到 2018 年底的所有数据,有一个需求是,要统计发生在所有年份中 7 月份的交易记录总数。SQL 语句可能会这么写:

mysql> select count(*) from tradelog where month(t_modified)=7;

我们需要知道:对索引字段做函数操作,可能会破坏索引值的有序性,因此优化器就决定放弃走树搜索功能

但是放弃走树搜索功能,不表示要放弃使用这棵树

在这个例子里,优化器可以选择遍历主键索引,也可以选择遍历索引 t_modified,优化器对比索引大小后发现,索引 t_modified 更小,遍历这个索引比遍历主键索引来得更快。因此最终还是会选择索引 t_modified。

 

用explain命令看一下:

 

 

key="t_modified"表示的是,使用了 t_modified 这个索引;我在测试表数据中插入了 10 万行数据,rows=100335,说明这条语句扫描了整个索引的所有值;Extra 字段的 Using index,表示的是使用了覆盖索引。

 

也就是说,由于在 t_modified 字段加了 month() 函数操作,导致了全索引扫描。

为了能够用上索引的快速定位能力,我们就要把 SQL 语句改成基于字段本身的范围查询。

mysql> select count(*) from tradelog where
    -> (t_modified >= '2016-7-1' and t_modified<'2016-8-1') or
    -> (t_modified >= '2017-7-1' and t_modified<'2017-8-1') or 
    -> (t_modified >= '2018-7-1' and t_modified<'2018-8-1');

但这种做法要注意后面可能需要再把其他年份补齐。

 

不过优化器在个问题上确实有“偷懒”行为,即使是对于不改变有序性的函数,也不会考虑使用索引。

比如,对于 select * from tradelog where id + 1 = 10000 这个 SQL 语句,这个加 1 操作并不会改变有序性,但是 MySQL 优化器还是不能用 id 索引快速定位到 9999 这一行。所以,需要你在写 SQL 语句的时候,手动改写成 where id = 10000 -1 才可以。

 

隐式类型转换

先看这条sql:

mysql> select * from tradelog where tradeid=110717;

tradeid 这个字段上,本来就有索引,但是 explain 的结果却显示,这条语句需要走全表扫描。

原因是tradeid 的字段类型是 varchar(32),而输入的参数却是整型,所以需要做类型转换。

 

现在我们遇到两个问题:

1. 数据类型转换的规则是什么?

2. 为什么有数据类型转换,就需要走全索引扫描?

 

先看第一个问题,数据库里面类型这么多,这种数据类型转换规则更多,如果记不住应该怎么办呢?

这里有一个简单的方法,看 select “10” > 9 的结果:

1. 如果规则是“将字符串转成数字”,那么就是做数字比较,结果应该是 1;

2. 如果规则是“将数字转成字符串”,那么就是做字符串比较,结果应该是 0。

 

从图中可知,select “10” > 9 返回的是 1,所以我们能确认 MySQL 里的转换规则了:字符串和数字做比较的话,是将字符串转换成数字。

接着我们也就理解上面的sql语句为什么走全表扫描了,因为它触发了前面提到的规则:对索引字段做函数操作,优化器会放弃走树搜索功能

 

 

 

隐式字符编码转换

假设还有另外一个表 trade_detail,用于记录交易的操作细节。为了便于量化分析和复现,往交易日志表 tradelog 和交易详情表 trade_detail 这两个表里插入一些数据。

mysql> CREATE TABLE `trade_detail` (
  `id` int(11) NOT NULL,
  `tradeid` varchar(32) DEFAULT NULL,
  `trade_step` int(11) DEFAULT NULL, /*操作步骤*/
  `step_info` varchar(32) DEFAULT NULL, /*步骤信息*/
  PRIMARY KEY (`id`),
  KEY `tradeid` (`tradeid`)
) ENGINE=InnoDB DEFAULT CHARSET=utf8;

insert into tradelog values(1, 'aaaaaaaa', 1000, now());
insert into tradelog values(2, 'aaaaaaab', 1000, now());
insert into tradelog values(3, 'aaaaaaac', 1000, now());

insert into trade_detail values(1, 'aaaaaaaa', 1, 'add');
insert into trade_detail values(2, 'aaaaaaaa', 2, 'update');
insert into trade_detail values(3, 'aaaaaaaa', 3, 'commit');
insert into trade_detail values(4, 'aaaaaaab', 1, 'add');
insert into trade_detail values(5, 'aaaaaaab', 2, 'update');
insert into trade_detail values(6, 'aaaaaaab', 3, 'update again');
insert into trade_detail values(7, 'aaaaaaab', 4, 'commit');
insert into trade_detail values(8, 'aaaaaaac', 1, 'add');
insert into trade_detail values(9, 'aaaaaaac', 2, 'update');
insert into trade_detail values(10, 'aaaaaaac', 3, 'update again');
insert into trade_detail values(11, 'aaaaaaac', 4, 'commit');

如果要查询 id=2 的交易的所有操作步骤信息,SQL 可以这么写:

mysql> select d.* from tradelog l, trade_detail d where d.tradeid=l.tradeid and l.id=2; /*语句Q1*/

 

 这个结果可以分为3步:

第 1 步,是根据 id 在 tradelog 表里找到 L2 这一行;

第 2 步,是从 L2 中取出 tradeid 字段的值;

第 3 步,根据 tradeid 值到 trade_detail 表中查条件匹配的行。explain 的结果里面第二行的 key=NULL 表示的就是,这个过程是通过遍历主键索引的方式,一个一个地判断 tradeid 的值是否匹配。

 

我们发现第 3 步不符合预期。因为表 trade_detail 里 tradeid 字段上是有索引的,我们本来是希望通过使用 tradeid 索引能够快速定位到等值的行。但这里并没有。

通过观察两个表的差异我们发现:这两个表的字符集不同,一个是 utf8,一个是 utf8mb4。

通常如果这时候我们去搜索,可以得到这样的答案:不同字符集的表连接查询的时候可能用不上关联字段的索引。

 

但我想更进一步探求原因。单独把第3步拎出来:

mysql> select * from trade_detail where tradeid=$L2.tradeid.value; 

其中,$L2.tradeid.value 的字符集是 utf8mb4。

我们知道,字符集 utf8mb4 是 utf8 的超集。

所以当这两个类型的字符串在做比较的时候,MySQL 内部的操作是,先把 utf8 字符串转成 utf8mb4 字符集,再做比较。

 

这个设定很好理解,utf8mb4 是 utf8 的超集。类似地,在程序设计语言里面,做自动类型转换的时候,为了避免数据在转换过程中由于截断导致数据错误,也都是“按数据长度增加的方向”进行转换的

 

实际上这个语句等同于下面这个写法:

select * from trade_detail  where CONVERT(traideid USING utf8mb4)=$L2.tradeid.value; 

CONVERT() 函数,在这里的意思是把输入的字符串转成 utf8mb4 字符集。

 

这就再次触发了我们上面说到的原则:对索引字段做函数操作,优化器会放弃走树搜索功能

 

作为对比验证,我们实现另一个需求,“查找 trade_detail 表里 id=4 的操作,对应的操作者是谁”。

mysql>select l.operator from tradelog l , trade_detail d where d.tradeid=l.tradeid and d.id=4;

 

 

类似上面的分析,我们最后可以将关键sql简化为:

select operator from tradelog  where traideid =CONVERT($R4.tradeid.value USING utf8mb4); 

这里的 CONVERT 函数是加在输入参数上的,这样就可以用上索引。

 

 

理解了原理以后,假设现在要优化下面sql语句:

select d.* from tradelog l, trade_detail d where d.tradeid=l.tradeid and l.id=2;

1. 比较常见的优化方法是,把 trade_detail 表上的 tradeid 字段的字符集也改成 utf8mb4,这样就没有字符集转换的问题了。

2.如果能够修改字段的字符集的话,是最好不过了。但如果数据量比较大, 或者业务上暂时不能做这个 DDL 的话,那就只能采用修改 SQL 语句的方法了。

 

mysql> select d.* from tradelog l , trade_detail d where d.tradeid=CONVERT(l.tradeid USING utf8) and l.id=2; 

 

 

主动把 l.tradeid 转成 utf8,就避免了字符编码转换,从 explain 结果可以看到,这次索引走对了。

posted @ 2020-03-19 10:32  钺览IT  阅读(...)  评论(...编辑  收藏