神奇的 SQL 之性能优化 → 让 SQL 飞起来

开心一刻

  一天,一个男人去未婚妻家玩,晚上临走时下起了大雨

  未婚妻劝他留下来过夜,说完便去准备被褥,准备就绪后发现未婚夫不见了

  过了好久,全身淋的像只落汤鸡的未婚夫回来了

  未婚妻吃惊的问:“你跑哪去了”

  未婚夫上气不接下气的回答:“我,我回家拿睡衣去了”

写在前面

  在像 Web 服务这样需要快速响应的应用场景中,SQL 的性能直接决定了系统是否可以使用;特别在一些中小型应用中,SQL 性能更是决定服务能否快速响应的唯一标准

  严格地优化查询性能时,必须要了解所使用数据库的功能特点,此外,查询速度慢并不只是因为 SQL 语句本身,还可能是因为内存分配不佳、文件结构不合理、刷脏页等其他原因

  因此本文即将介绍的优化 SQL 的方法不能解决所有的性能问题,但是却能处理很多因 SQL 写法不合理而产生的性能问题

  下文将尽量介绍一些不依赖具体数据库实现,使 SQL 执行速度更快、消耗内存更少的优化技巧,只需调整 SQL 语句就能实现的通用的优化 Tips

  说句很重要的心里话:祝大家在 2021 年,健康好运,平安幸福!

环境准备

  下文所讲的内容是从 SQL 层面展开的,而不是针对某种特定的数据库,也就是说,下文的内容基本上适用于任何关系型数据库

  但是,关系型数据库那么多,逐一来演示示例了,显然不太现实;我们以常用的 MySQL 来进行示例的演示

  MySQL 版本: 5.7.30-log ,存储引擎: InnoDB 

  准备两张表: tbl_customer 和 tbl_recharge_record 

DROP TABLE IF EXISTS tbl_customer;
CREATE TABLE tbl_customer (
  id INT(11) UNSIGNED NOT NULL AUTO_INCREMENT COMMENT '自增主键',
  name VARCHAR(50) NOT NULL COMMENT '顾客姓名',
  age TINYINT(3) NOT NULL COMMENT '年龄',
  id_card CHAR(18) NOT NULL COMMENT '身份证',
  phone_number CHAR(11) NOT NULL COMMENT '手机号码',
  PRIMARY KEY (id)
) ENGINE=InnoDB DEFAULT CHARSET=utf8 COMMENT='顾客表';

INSERT INTO tbl_customer(name, age,id_card,phone_number) VALUES
('张三',19,'430682198109129210','15174480311'),
('李四',21,'430682198109129211','15174480312'),
('王五',22,'430682198109129212','15174480313'),
('六一',23,'430682198109129213','15174480314'),
('六二',25,'430682198109129214','15174480315'),
('六三',27,'430682198109129215','15174480316'),
('六四',29,'430682198109129216','15174480317');

DROP TABLE IF EXISTS tbl_recharge_record;
CREATE TABLE tbl_recharge_record (
  id INT(11) UNSIGNED NOT NULL AUTO_INCREMENT COMMENT '自增主键',
  customer_id INT(11) NOT NULL COMMENT '顾客ID',
  recharge_type TINYINT(2) NOT NULL COMMENT '充值方式 1:支付宝, 2:微信,3:QQ,4:京东,5:银联,6:信用卡,7:其他',
  recharge_amount DECIMAL(15,2) NOT NULL COMMENT '充值金额, 单位元',
  recharge_time DATETIME NOT NULL COMMENT '充值时间',
  remark VARCHAR(500) NOT NULL DEFAULT 'remark' COMMENT '备注',
  PRIMARY KEY (id),
  KEY idx_c_id(customer_id)
) ENGINE=InnoDB DEFAULT CHARSET=utf8 COMMENT='顾客充值记录表';

INSERT INTO tbl_recharge_record(customer_id,recharge_type,recharge_amount,recharge_time) VALUES
(1,1,10000,NOW()),
(2,2,20000,NOW()),
(1,2,10000,NOW()),
(1,3,10000,NOW()),
(2,7,20000,NOW()),
(3,3,15000,NOW()),
(4,1,10000,NOW()),
(5,1,10000,NOW()),
(6,1,10000,NOW()),
(7,1,10000,NOW()),
(7,1,10000,NOW()),
(6,1,10000,NOW()),
(5,1,10000,NOW()),
(4,1,10000,NOW()),
(3,1,10000,NOW()),
(2,1,10000,NOW()),
(1,1,10000,NOW()),
(2,1,10000,NOW()),
(3,1,10000,NOW()),
(2,1,10000,NOW()),
(3,1,10000,NOW()),
(4,1,10000,NOW()),
(2,1,10000,NOW()),
(2,1,10000,NOW()),
(1,1,10000,NOW());
View Code

  后文中, EXPLAIN 谈的比较多,具体可查看:神奇的 SQL 之 MySQL 执行计划 → EXPLAIN,让我们了解 SQL 的执行过程!

使用高效的查询

  针对某一个查询,有时候会有多种 SQL 实现,例如 IN、EXISTS、连接之间的互相转换

  从理论上来讲,得到相同结果的不同 SQL 语句应该有相同的性能,但遗憾的是,查询优化器生成的执行计划很大程度上要受到外部结构的影响

  因此,如果想优化查询性能,必须知道如何写 SQL 语句才能使优化器生成更高效的执行计划

  使用 EXISTS 代替 IN

    关于 IN,相信大家都比较熟悉,使用方便,也容易理解;虽说 IN 使用方便,但它却存在性能瓶颈

    如果 IN 的参数是 1,2,3 这样的数值列表,一般还不需要特别注意,但如果参数是子查询,那么就需要注意了

    在大多时候, [NOT] IN 和 [NOT] EXISTS 返回的结果是相同的,但是两者用于子查询时,EXISTS 的速度会更快一些

    假设我们要查询有充值记录的顾客信息,SQL 该怎么写?

    相信大家第一时间想到的是 IN: SELECT * FROM tbl_customer WHERE ID IN (SELECT customer_id FROM tbl_recharge_record); 

    IN 使用起来确实简单,也非常好理解;我们来看下它的执行计划

    我们再来看看 EXISTS 的执行计划:

    可以看到,IN 的执行计划中新产生了一张临时表: <subquery2> ,这会导致效率变慢

    通常来讲,EXISTS 比 IN 更快的原因有两个

      1、如果连接列(customer_id)上建立了索引,那么查询 tbl_recharge_record 时可以通过索引查询,而不是全表查询

      2、使用 EXISTS,一旦查到一行数据满足条件就会终止查询,不用像使用 IN 时一样进行扫描全表(NOT EXISTS 也一样)

    当 IN 的参数是子查询时,数据库首先会执行子查询,然后将结果存储在一张临时表里(内联视图),然后扫描整个视图,很多情况下这种做法非常耗费资源

    使用 EXISTS 的话,数据库不会生成临时表

    但是从代码的可读性上来看,IN 要比 EXISTS 好,使用 IN 时的代码看起来更加一目了然,易于理解

    因此,如果确信使用 IN 也能快速获取结果,就没有必要非得改成 EXISTS 了

    其实有很多数据库也尝试着改善了 IN 的性能

      Oracle 数据库中,如果我们在有索引的列上使用 IN, 也会先扫描索引

      PostgreSQL 从版 本 7.4 起也改善了使用子查询作为 IN 谓词参数时的查询速度

    说不定在未来的某一天,无论在哪个关系型数据库上,IN 都能具备与 EXISTS 一样的性能

    关于 EXISTS,更多详情可查看:神奇的 SQL 之谓词 → 难理解的 EXISTS

  使用连接代替 IN

    其实在平时工作当中,更多的是用连接代替 IN 来改善查询性能,而非 EXISTS,不是说连接更好,而是 EXISTS 很难掌握

    回到问题:查询有充值记录的顾客信息,如果用连接来实现,SQL 该如何写?

    这种写法能充分利用索引;而且,因为没有了子查询,所以数据库也不会生成中间表;所以,查询效率是不错的

    至于 JOIN 与 EXISTS 相比哪个性能更好,不太好说;如果没有索引,可能 EXISTS 会略胜一筹,有索引的话,两者差不多

避免排序

  说到 SQL 的排序,我们第一时间想到的肯定是: ORDER BY ,通过它,我们可以按指定的某些列来顺序输出结果

  但是,除了 ORDER BY 显示的排序,数据库内部还有很多运算在暗中进行排序;会进行排序的代表性的运算有下面这些

  

  如果只在内存中进行排序,那么还好;但是如果因内存不足而需要在硬盘上排序,那么性能就会急剧下降

  因此,尽量避免(或减少)无谓的排序,能够大大提高查询效率

  灵活使用集合运算符的 ALL 可选项

    SQL 中有 UNION  、 INTERSECT  、 EXCEPT 三个集合运算符,分别代表这集合运算的 并集、交集、差集

    默认情况下,这些运算符会为了排除掉重复数据而进行排序

     Using temporary 表示进行了排序或分组,显然这个 SQL 没有进行分组,而是进行了排序运算

    如果我们不在乎结果中是否有重复数据,或者事先知道不会有重复数据,可以使用 UNION ALL 代替 UNION 

    可以看到,执行计划中没有排序运算了

    对于 INTERSECT 和 EXCEPT 也是一样的,加上 ALL 可选项后就不会进行排序了

    加上 ALL 可选项是一个非常有效的优化手段,但各个数据库对它的实现情况却是参差不齐,如下图所示

    

    注意:Oracle 使用 MINUS 代替 EXCEPT ;MySQL 压根就没有实现 INTERSECT 和 EXCEPT 运算

  使用 EXISTS 代替 DISTINCT

    为了排除重复数据, DISTINCT 也会进行排序

    还记得用连接代替 IN 的案例吗,如果不用 DISTINCT 

    SQL: SELECT tc.* FROM tbl_recharge_record trr LEFT JOIN tbl_customer tc on trr.customer_id = tc.id 

    那么查出来的结果会有很多重复记录,我们改进 SQL

     SELECT DISTINCT tc.* FROM tbl_recharge_record trr LEFT JOIN tbl_customer tc on trr.customer_id = tc.id 

    会发现执行计划中有个 Using temporary ,表示用到了排序运算

    我们使用 EXISTS 来进行优化

    可以看到,已经规避了排序运算

  在极值函数中使用索引

    SQL 语言里有两个极值函数: MAX 和 MIN ,使用这两个函数时都会进行排序

    例如: SELECT MAX(recharge_amount) FROM tbl_recharge_record 

    会进行全表扫描,并会进行隐式的排序,找出单笔充值最大的金额

    但是如果参数字段上建有索引,则只需要扫描索引,不需要扫描整张表

    例如: SELECT MAX(customer_id) FROM tbl_recharge_record; 

    会通过索引: idx_c_id 进行扫描,找出充值记录中最大的顾客ID

    这种方法并不是去掉了排序这一过程,而是优化了排序前的查找速度,从而减弱排序对整体性能的影响

  能写在 WHERE 子句里的条件不要写在 HAVING 子句里

    我们来看两个 SQL 以及其执行结果

    

    从结果上来看,两条 SQL 一样;但是从性能上来看,第二条语句写法效率更高,原因有两个

    减少排序的数据量

      GROUP BY 子句聚合时会进行排序,如果事先通过 WHERE 子句筛选出一部分行,就能够减轻排序的负担

    有效利用索引

      WHERE 子句的条件里可以使用索引

      HAVING 子句是针对聚合后生成的视图进行筛选的,但是很多时候聚合后的视图都没有继承原表的索引结构

    关于 HAVING,更多详情可查看:神奇的 SQL 之 HAVING → 容易被轻视的主角

  在 GROUP BY 子句和 ORDER BY 子句中使用索引

    一般来说,GROUP BY 子句和 ORDER BY 子句都会进行排序

    如果 GROUP BY 和 ORDER BY 的列有索引,那么可以提高查询效率

    特别是在一些数据库中,如果列上建立的是唯一索引,那么排序过程本身都会被省略掉

使用索引

  使用索引是最常用的 SQL 优化手段,这个大家都知道,怕就怕大家不知道:明明有索引,为什么查询还是这么慢(为什么索引没用上)

  关于索引未用到的情况,可查看:神奇的 SQL 之擦肩而过 → 真的用到索引了吗,本文就不做过多阐述了

  总之就是:查询尽量往索引上靠,规避索引未用上的情况

减少临时表

  在 SQL 中,子查询的结果会被看成一张新表(临时表),这张新表与原始表一样,可以通过 SQL 进行操作

  但是,频繁使用临时表会带来两个问题

    1、临时表相当于原表数据的一份备份,会耗费内存资源

    2、很多时候(特别是聚合时),临时表没有继承原表的索引结构

  因此,尽量减少临时表的使用也是提升性能的一个重要方法

  灵活使用 HAVING 子句

    对聚合结果指定筛选条件时,使用 HAVING 子句是基本原则

    但是如果对 HAVING 不熟,我们往往找出替代它的方式来实现,就像这样

    

    然而,对聚合结果指定筛选条件时不需要专门生成中间表,像下面这样使用 HAVING 子句就可以

    

    HAVING 子句和聚合操作是同时执行的,所以比起生成临时表后再执行 WHERE 子句,效率会更高一些,而且代码看起来也更简洁

  需要对多个字段使用 IN 谓词时,将它们汇总到一处

    SQL-92 中加入了行与行比较的功能,这样一来,比较谓词 = 、< 、> 和 IN 谓词的参数就不再只是标量值了,而应是值列表了

    我们来看一个示例,多个字段使用 IN 谓词

    

    这段代码中用到了两个子查询,我们可以进行列汇总优化,把逻辑写在一起

    

    这样一来,子查询不用考虑关联性,而且只执行一次就可以

    还可以进一步简化,在 IN 中写多个字段的组合

    

    简化后,不用担心连接字段时出现的类型转换问题,也不会对字段进行加工,因此可以使用索引

  先进行连接再进行聚合

    连接和聚合同时使用时,先进行连接操作可以避免产生中间表

  合理地使用视图

    视图是非常方便的工具,我们在日常工作中经常使用

    但是,如果没有经过深入思考就定义复杂的视图,可能会带来巨大的性能问题

    特别是视图的定义语句中包含以下运算的时候,SQL 会非常低效,执行速度也会变得非常慢

    

总结

  文中虽然列举了几个要点,但其实优化的核心思想只有一个,那就是找出性能瓶颈所在,然后解决它

  其实不只是数据库和 SQL,计算机世界里容易成为性能瓶颈的也是对硬盘,也就是文件系统的访问(因此可以通过增加内存,或者使用访问速度更快的硬盘等方法来提升性能)

  不管是减少排序还是使用索引,亦或是避免临时表的使用,其本质都是为了减少对硬盘的访问

  小结下文中的 Tips

    1、参数是子查询时,使用 EXISTS 或者 JOIN 代替 IN

    2、在 SQL 中,很多运算都会暗中进行排序,尽量规避这些运算

    3、SQL 的书写,尽量往索引上靠,避免用不上索引的情况

    4、尽量减少使用临时表

参考

  《SQL进阶教程》

posted @ 2021-01-05 09:08  青石路  阅读(7005)  评论(37编辑  收藏  举报