MySQLSQL优化专题

MySQL SQL 优化专题 1. 插入数据优化 -- 普通插入（不推荐） INSERT INTO tb_user VALUES(1,'tom'); INSERT INTO tb_user VALUES(2,'cat'); INSERT INTO tb_user VALUES(3,'jerry'); -- 优化方案1：批量插入（推荐，不建议超过1000条，500-1000较为合适） INSERT INTO tb_user VALUES(1,'tom'), (2,'cat'), (3,'jerry'); -- 优化方案2：手动事务提交（适用于大数据量） start transaction; INSERT INTO tb_user VALUES(1,'tom'); INSERT INTO tb_user VALUES(2,'cat'); commit; -- 优化方案3：主键顺序插入（减少页分裂） -- 有序ID：1,2,3,4... -- 无序ID：3,1,4,2... -- 优化方案4：LOAD命令（百万级数据） -- 客户端连接服务端时，加上参数 -–local-infile 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 -- 语法：LOAD DATA LOCAL INFILE '文件路径' INTO TABLE 表名; load data local infile '/root/sql1.log' into table tb_user fields terminated by ',' lines terminated by '\n' ;

原理说明：

批量插入减少事务提交次数顺序插入可减少页分裂概率LOAD指令比INSERT快约20倍 2. 主键优化

（1）数据组织方式：

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

InnoDB采用B+树索引，数据存储在叶子节点页分裂（离散插入导致）和页合并（删除数据后触发）

行数据，都是存储在聚集索引的叶子节点上的。InnoDB的逻辑结构图：

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。

**（2). 页分裂 **

页可以为空，也可以填充一半，也可以填充100%。每个页至少包含了2行数据（只有一行数据就等于退化成链表了）(如果一行数据过大，会行溢出)，根据主键排列。

A. 主键顺序插入效果

①. 从磁盘中申请页， 主键顺序插入

②. 第一个页没有满，继续往第一页插入

③. 当第一个也写满之后，再写入第二个页，页与页之间会通过指针连接

④. 当第二页写满了，再往第三页写入

B. 主键乱序插入效果

①. 加入1#,2#页都已经写满了，存放了如图所示的数据

②. 此时再插入id为50的记录，我们来看看会发生什么现象 ？

会再次开启一个页，写入新的页中吗？

不会。因为，索引结构的叶子节点是有顺序的。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，存储不了50对应的数据了。 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。

移动数据，并插入id为50的数据之后，那么此时，这三个页之间的数据顺序是有问题的。 1#的下一个 页，应该是3#， 3#的下一个页是2#。 所以，此时，需要重新设置链表指针。（连接过程类似双向链表的插入过程）

上述的这种现象，称之为 “页分裂”，是比较耗费性能的操作。

3). 页合并

目前表中已有数据的索引结构(叶子节点)如下：

当我们对已有数据进行删除时，具体的效果如下:

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。

当我们继续删除2#的数据记录

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。

删除数据，并将页合并之后，再次插入新的数据21，则直接插入3#页

这个里面所发生的合并页的这个现象，就称之为 “页合并”。

知识小贴士： MERGE_THRESHOLD（threshold：阈值）：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。

4). 主键设计原则

满足业务需求情况下，尽量降低主键长度插入数据时尽量选择顺序插入，使用AUTO_INCREMENT主键尽量不要使用UUID（无序，插入可能产生页分裂现象，影响性能）或其他自然主键（如身份证号：长度比较长，检索时会浪费大量的磁盘IO时间）避免对主键进行修改（修改主键还需要修改对应的索引） 3. ORDER BY 优化

MySQL的排序，有两种方式：

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sort buffer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。

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。

-- 需要优化的查询（出现Using filesort） explain select id,age,phone from tb_user order by age ; explain select id,age,phone from tb_user order by age, phone ; --由于 age, phone 都没有索引，所以此时再排序时，出现Using filesort， 排序性能较低。 -- 创建索引 CREATE INDEX idx_age_phone ON tb_user(age, phone); --创建索引后，根据age, phone进行升序排序 -- 优化后查询（Using index） explain select id,age,phone from tb_user order by age, phone ; --建立索引之后，再次进行排序查询，就由原来的Using filesort， 变为了 Using index，性能就是比较高的了。 --根据age, phone进行降序一个升序，一个降序 explain select id,age,phone from tb_user order by age desc , phone desc ; --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。

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。

创建联合索引(age 升序排序，phone 倒序排序)

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

优化后查询（Using index）。

升序/降序联合索引结构图示:

--根据phone，age进行升序排序，phone在前，age在后。（易错细节） explain select id,age,phone from tb_user order by phone , age; --排序时,也需要满足最左前缀法则,否则也会出现 filesort。因为在创建索引的时候， age是第一个 --字段，phone是第二个字段，所以排序时，也就该按照这个顺序来，否则就会出现 Using filesort。

排序类型：

Using index：直接通过索引返回数据（性能最佳）Using filesort：需要将结果集加载到内存排序（需要优化）

order by优化原则:

A. 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。(where 后的连表条件只要存在即可，无所谓顺序，但order by后面的书写有顺序要求)

B. 尽量使用覆盖索引。（减少使用select * ，不用回表）

C. 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则（ASC/DESC）。

D. 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)。

4. GROUP BY 优化 -- 未优化（出现Using temporary） EXPLAIN SELECT profession, COUNT(*) FROM tb_user GROUP BY profession; -- 创建索引后优化 CREATE INDEX idx_pro_age_sta ON tb_user(profession,age,status); EXPLAIN SELECT profession, COUNT(*) FROM tb_user GROUP BY profession; -- 使用索引

优化方法：

A. 在分组操作时，可以通过索引来提高效率。

B. 分组操作时，索引的使用也是满足最左前缀法则的。

5. 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。

我们一起来看看执行limit分页查询耗时对比：

通过测试我们会看到，越往后，分页查询效率越低，这就是分页查询的问题所在。 因为，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 。

（因为叶子排序是双链表，要依次遍历，越向后时间越长。）

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。

explain select * from tb_sku t , (select id from tb_sku order by id limit 2000000,10) a where t.id = a.id; -- 低效写法（耗时随偏移量增加） SELECT * FROM tb_sku LIMIT 9000000,10; -- 优化方案：记录上次查询的最大ID SELECT * FROM tb_sku WHERE id > 9000000 LIMIT 10; -- 子查询优化（需覆盖索引） SELECT * FROM tb_sku t, (SELECT id FROM tb_sku ORDER BY id LIMIT 9000000,10) a WHERE t.id = a.id;

优化原理：

避免全表扫描，使用索引覆盖使用ID分段查询替代大偏移量 6. COUNT 优化 select count(*) from tb_user ;

我们发现，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)。

count用法

count() 是一个聚合函数，对于返回的结果集，一行行地判断，如果 count 函数的参数不是 NULL，累计值就加 1，否则不加，最后返回累计值。

用法：count（*）、count（主键）、count（字段）、count（数字）

--按照效率排序的话，所以尽量使用count(*)，因为专门做了优化。 count(字段)(需要做判断是否为空)< count(主键 id) < count(1) ≈ count(*) -- 统计有效数据条数 SELECT COUNT(1) FROM tb_user; -- 推荐写法 SELECT COUNT(*) FROM tb_user; -- 官方优化写法

不同COUNT区别：

COUNT(字段)：统计不为NULL的记录数COUNT(主键)：遍历主键索引COUNT(1)：不取值直接累加1COUNT(*)：MySQL优化过的特殊计数器 7. UPDATE 优化

回忆：InnoDB的三大特性：事务，外键，行级锁

​ start transaction; 或者是begin来开启事务；

我们主要需要注意一下update语句执行时的注意事项。

update course set name = 'javaEE' where id = 1 ;

当我们在执行更新的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。

但是当我们在执行如下SQL时。

update course set name = 'SpringBoot' where name = 'PHP' ;

name这个字段没有索引，此时加的就不再是行锁了，而是表锁。一旦锁表了，我们的并发性能就会降低！！！

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。

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 。

-- 使用索引字段更新（行级锁） UPDATE tb_user SET name = 'zhangsan' WHERE id = 1; -- 无索引更新（表级锁，需要避免！） UPDATE tb_user SET name = 'lisi' WHERE name = 'wangwu';

优化重点：

更新条件必须走索引，避免行锁升级为表锁事务要及时提交，减少锁持有时间 总结 优化类型核心方法典型案例插入优化批量插入+手动事务提交+主键顺序插入万级数据使用LOAD DATA主键优化自增主键+避免修改+尽量短UUID导致页分裂问题ORDER BY尽量建立覆盖索引+避免filesort多字段排序注意索引顺序GROUP BY利用索引减少临时表（多字段分组满足最左前缀法则）分组字段建立联合索引LIMIT覆盖索引+子查询（使用ID分段替代大偏移量）百万级分页优化方案COUNT优先使用COUNT(*)或COUNT(1)统计全表数据时避免COUNT(字段)UPDATEWHERE条件必须走索引无索引更新导致表锁问题

通过以上优化手段，通常可以使MySQL查询性能提升1-3个数量级，特别是在大数据量场景下效果尤为显著。实际优化中需要结合EXPLAIN执行计划进行分析，针对性优化关键瓶颈点。