• 让SQL起飞(优化)


    最近博主看完了《SQL进阶教程》这本书,看完后给博主打开了SQL世界的新大门,对于 SQL 的理解不在局限于以前的常规用法。借用其他读者的评论,

    读完醍醐灌顶,对SQL做到了知其然更能知其所以然。全书从头到尾强调了 SQL的内在逻辑是基于集合论和谓词逻辑,而着两条主线恰恰在使用SQL起到了至关重要的指导作用。

    本文给大家总结如何让SQL起飞(优化)

    一、SQL写法优化

    在SQL中,很多时候不同的SQL代码能够得出相同结果。从理论上来说,我们认为得到相同结果的不同SQL之间应该有相同的性能,但遗憾的是,查询优化器生成的执行计划很大程度上受到SQL代码影响,有快有慢。因此如果想优化查询性能,我们必须知道如何写出更快的SQL,才能使优化器的执行效率更高。

    1.1 子查询用EXISTS代替IN

    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的工作表里(内联视图),然后扫描整个视图。很多情况下这种做法都非常耗费资源。使用EXISTS的话,数据库不会生成临时的工作表。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。

    这里用Class_A表和Class_B举例, 我们试着从Class_A表中查出同时存在于Class_B表中的员工。下面两条SQL语句返回的结果是一样的,但是使用EXISTS的SQL语句更快一些。

    --慢
    SELECT *
      FROM Class_A
     WHERE id IN (SELECT id
                    FROM Class_B);
    
    --快
    SELECT *
      FROM Class_A  A
     WHERE EXISTS
            (SELECT *
              FROM Class_B  B
              WHERE A.id = B.id);

    使用EXISTS时更快的原因有以下两个。

    1. 如果连接列(id)上建立了索引,那么查询 tb_b 时不用查实际的表,只需查索引就可以了。(同样的IN也可以使用索引,这不是重要原因)
    2. 「如果使用EXISTS,那么只要查到一行数据满足条件就会终止查询,不用像使用IN时一样扫描全表」。在这一点上NOT EXISTS也一样。

    实际上,大部分情况在子查询数量较小的场景下EXISTS和IN的查询性能不相上下,由EXISTS查询更快第二点可知,子查询数量较大时使用EXISTS才会有明显优势。

    1.2 避免排序并添加索引

    在SQL语言中,除了ORDER BY子句会进行显示排序外,还有很多操作默认也会在暗中进行排序,如果排序字段没有添加索引,会导致查询性能很慢。SQL中会进行排序的代表性的运算有下面这些。

    • GROUP BY子句
    • ORDER BY子句
    • 聚合函数(SUM、COUNT、AVG、MAX、MIN)
    • DISTINCT
    • 集合运算符(UNION、INTERSECT、EXCEPT)
    • 窗口函数(RANK、ROW_NUMBER等)

    如上列出的六种运算(除了集合运算符),它们后面跟随或者指定的字段都可以添加索引,这样可以加快排序。

    「实际上在DISTINCT关键字、GROUP BY子句、ORDER BY子句、聚合函数跟随的字段都添加索引,不仅能加速查询,还能加速排序。」

    1.3 用EXISTS代替DISTINCT

    为了排除重复数据,我们可能会使用DISTINCT关键字。如1.2中所说,默认情况下,它也会进行暗中排序。如果需要对两张表的连接结果进行去重,可以考虑使用EXISTS代替DISTINCT,以避免排序。这里用Items表和SalesHistory表举例: 我们思考一下如何从上面的商品表Items中找出同时存在于销售记录表SalesHistory中的商品。简而言之,就是找出有销售记录的商品。

    在一(Items)对多(SalesHistory)的场景下,我们需要对item_no去重,使用DISTINCT去重,因此SQL如下:

    SELECT DISTINCT I.item_no
      FROM Items I INNER JOIN SalesHistory SH
        ON I. item_no = SH. item_no;
    
    item_no
    -------
        10
        20
        30

    使用EXISTS代替DISTINCT去重,SQL如下:

    SELECT item_no
      FROM Items I
     WHERE EXISTS
              (SELECT *
                  FROM SalesHistory SH
                WHERE I.item_no = SH.item_no);
    item_no
    -------
        10
        20
        30

    这条语句在执行过程中不会进行排序。而且使用EXISTS和使用连接一样高效。

    1.4 集合运算ALL可选项

    SQL中有UNION、INTERSECT、EXCEPT三个集合运算符。在默认的使用方式下,这些运算符会为了排除掉重复数据而进行排序。

    MySQL还没有实现INTERSECT和EXCEPT运算

    如果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,请使用UNION ALL代替UNION。这样就不会进行排序了。

    1.5 WHERE条件不要写在HAVING字句

    例如,这里继续用SalesHistory表举例,下面两条SQL语句返回的结果是一样的:

    --聚合后使用HAVING子句过滤
    SELECT sale_date, SUM(quantity)
      FROM SalesHistory
     GROUP BY sale_date
    HAVING sale_date = '2007-10-01';
    
    --聚合前使用WHERE子句过滤
    SELECT sale_date, SUM(quantity)
      FROM SalesHistory
     WHERE sale_date = '2007-10-01'
     GROUP BY sale_date;

    但是从性能上来看,第二条语句写法效率更高。原因有两个:

    1. 使用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。
    2. 在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。

    二、真的用到索引了吗

    2.1 隐式的类型转换

    如下,col_1字段是char类型:

    SELECT * FROM SomeTable WHERE col_1 = 10-- 走了索引
    SELECT * FROM SomeTable WHERE col_1 ='10'-- 没走索引
    SELECT * FROM SomeTable WHERE col_1 = CAST(10AS CHAR(2)); -- 走了索引

    当查询条件左边和右边类型不一致时会导致索引失效。

    2.2 在索引字段上进行运算

    如下:

    SELECT *
      FROM SomeTable
     WHERE col_1 * 1.1 > 100;

    在索引字段col_1上进行运算会导致索引不生效,把运算的表达式放到查询条件的右侧,就能用到索引了,像下面这样写就OK了。

    WHERE col_1 > 100 / 1.1

    如果无法避免在左侧进行运算,那么使用函数索引也是一种办法,但是不太推荐随意这么做。「使用索引时,条件表达式的左侧应该是原始字段请牢记」,这一点是在优化索引时首要关注的地方。

    2.3 使用否定形式

    下面这几种否定形式不能用到索引。

    • <>
    • !=
    • NOT

    这个是跟具体数据库的优化器有关,如果优化器觉得即使走了索引,还是需要扫描很多很多行的哈,他可以选择直接不走索引。平时我们用!=、<>、not in的时候,要注意一下。

    2.4 使用OR查询前后没有同时使用索引

    例如下表:

    CREATE TABLE test_tb ( 
     id int(11NOT NULL AUTO_INCREMENT, 
     name varchar(55NOT NULL
     PRIMARY KEY (id)
    ) 
    ENGINE=InnoDB DEFAULT CHARSET=utf8;

    使用OR条件进行查询

    SELECT * 
    FROM test_tb 
    WHERE id = 1 OR name = 'tom'

    这个SQL的执行条件下,很明显id字段查询会走索引,但是对于OR后面name字段的查询是需要进行全表扫描的。在这个场景下,优化器直接进行一遍全表扫描就完事了。

    2.5 使用联合索引时,列的顺序错误

    使用联合索引需要满足最左匹配原则,即最左优先。如果你建立一个(col_1, col_2, col_3)的联合索引,相当于建立了 (col_1)、(col_1,col_2)、(col_1,col_2,col_3) 三个索引。如下例子:

    -- 走了索引
    SELECT * FROM SomeTable WHERE col_1 = 10 AND col_2 = 100 AND col_3 = 500;
    -- 走了索引
    SELECT * FROM SomeTable WHERE col_1 = 10 AND col_2 = 100 ;
    -- 没走索引
    SELECT * FROM SomeTable WHERE col_1 = 10 AND col_3 = 500 ;
    -- 没走索引
    SELECT * FROM SomeTable WHERE col_2 = 100 AND col_3 = 500 ;
    -- 没走索引
    SELECT * FROM SomeTable WHERE col_2 = 100 AND col_1 = 10 ;

    联合索引中的第一列(col_1)必须写在查询条件的开头,而且索引中列的顺序不能颠倒。

    2.6 使用LIKE查询

    并不是用了like通配符,索引一定会失效,而是like查询是以%开头,才会导致索引失效。

    -- 没走索引
    SELECT  *  FROM  SomeTable  WHERE  col_1  LIKE'%a';
    -- 没走索引
    SELECT  *  FROM  SomeTable  WHERE  col_1  LIKE'%a%';
    -- 走了索引
    SELECT  *  FROM  SomeTable  WHERE  col_1  LIKE'a%';

    2.7 连接字段字符集编码不一致

    如果两张表进行连接,关联字段编码不一致会导致关联字段上的索引失效,这是博主在线上经历一次SQL慢查询后的得到的结果,举例如下,有如下两表,它们的name字段都建有索引,但是编码不一致,user表的name字段编码是utf8mb4,user_job表的name字段编码是utf8,

    CREATE TABLE `user` (
      `id` int NOT NULL AUTO_INCREMENT,
      `name` varchar(255CHARACTER
      SET utf8mb4 COLLATE utf8mb4_0900_ai_ci DEFAULT NULL,
      `age` int NOT NULL,
      PRIMARY KEY (`id`),
      KEY `idx_name` (`name`)
    ) ENGINE=InnoDB AUTO_INCREMENT=2 DEFAULT CHARSET=utf8;
    
    CREATE TABLE `user_job` (
      `id` int NOT NULL,
      `userId` int NOT NULL,
      `job` varchar(255DEFAULT NULL,
      `name` varchar(255DEFAULT NULL,
      PRIMARY KEY (`id`),
      KEY `idx_name` (`name`)
    ) ENGINE=InnoDB DEFAULT CHARSET=utf8;

    进行SQL查询如下:

    EXPLAIN
    SELECT * 
    from `user` u 
    join user_job j on u.name = j.name

    由结果可知,user表的查询没有走索引。想要user表也走索引,那就需要把user表name字段的编码改成utf8即可。

    三、减少中间表

    在SQL中,子查询的结果会被看成一张新表,这张新表与原始表一样,可以通过代码进行操作。这种高度的相似性使得SQL编程具有非常强的灵活性,但是如果不加限制地大量使用中间表,会导致查询性能下降。

    频繁使用中间表会带来两个问题,一是展开数据需要耗费内存资源,二是原始表中的索引不容易使用到(特别是聚合时)。因此,尽量减少中间表的使用也是提升性能的一个重要方法。

    3.1 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。不习惯使用HAVING子句的人可能会倾向于像下面这样先生成一张中间表,然后在WHERE子句中指定筛选条件。例如下面:

    SELECT * 
      FROM (
        SELECT sale_date, MAX(quantity) max_qty
          FROM SalesHistory
           GROUP BY sale_date
         ) tmp
     WHERE max_qty >= 10

    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。

    SELECT sale_date, MAX(quantity)
      FROM SalesHistory
     GROUP BY sale_date
    HAVING MAX(quantity) >= 10;

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

    3.2 对多个字段使用IN

    当我们需要对多个字段使用IN条件查询时,可以通过 || 操作将字段连接在一起变成一个字符串处理。

    SELECT *
      FROM Addresses1 A1
     WHERE id || state || city
        IN (SELECT id || state|| city
              FROM Addresses2 A2);

    这样一来,子查询不用考虑关联性,而且只执行一次就可以。

    3.3 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。原因是,从集合运算的角度来看,连接做的是“乘法运算”。连接表双方是一对一、一对多的关系时,连接运算后数据的行数不会增加。而且,因为在很多设计中多对多的关系都可以分解成两个一对多的关系,因此这个技巧在大部分情况下都可以使用。

    到此本文讲解完毕,感谢大家阅读,感兴趣的朋友可以点赞加关注,你的支持将是我更新动力😘。

    公众号【waynblog】每周更新博主最新技术文章,欢迎大家关注

  • 相关阅读:
    网络安全入门教程(非常详细)从零基础入门到精通,看完这一篇就够了。
    Spring事务失效原因
    公有云厂商---服务对照表
    【C++系列P3】‘类与对象‘-三部曲——[基础知识](1/3)
    曲折的tensorflow安装过程(Tensorflow 安装问题的解决)
    如何利用数字创新使您的企业脱颖而出
    使用 docker 不加sudo
    深度学习Course5第三周Sequence Models & Attention Mechanism习题整理
    房屋信贷违约风险竞争(kaggle)系列4-基准模型
    网络复习题带答案
  • 原文地址:https://www.cnblogs.com/waynaqua/p/17317983.html