[MySQL]SQL优化之sql语句优化

本文涉及的产品
RDS MySQL Serverless 基础系列,0.5-2RCU 50GB
RDS MySQL Serverless 高可用系列,价值2615元额度,1个月
简介: [MySQL]SQL优化之sql语句优化

🌈键盘敲烂,年薪30万🌈



一、索引优化 回顾:

📕索引分类:
  • 一般分类:主键索引、唯一索引、常规索引、全文索引
  • 按存储分类:聚集索引、二级索引

注意:

主键索引只能有一个且必须有一个,二级索引可以有多个,如果没有主键,选唯一索引作为主键索引,如果没有唯一索引,那么mysql会创建一个隐藏字段rowid作为索引。

 

📕索引失效
  • 不满足最左前缀法则
  • 索引列计算
  • 字符串类型不加'' 导致类型转化
  • 使用or连接了非索引的列
  • %在最左边,>或<号
  • 数据分布影响
📕设计原则:

   尽量建立联合索引,针对于数据量大(超百万),查询多的表建索引,针对于where order by group by后的字段创建索引,如果字段很长,考虑前缀索引,如果索引列不能为NULL,须在数据库字段加上not null约束,这样优化器可以更好的选择更有效的索引。

📕SQL性能分析
  1. 执行频次
  2. 慢查询日志
  3. profile
  4. expplain执行计划

二、SQL优化 语句优化

📕 insert语句:

批量插入优化:

  • 一次性插入多条数据,但是不建议超过1000条。
insert into user values(1, 'zhangsan'), (2,'lisi');

手动提交事务优化:

  • 超过1000条,手动开启提交事务,减少与数据库的交互。
start transaction
 
insert into user values(1, 'zhagnsan'), (2, 'lisi'), ……
insert into user values(1000, 'wangwu'), (1001, 'zhaoliu') ……
……
 
commit

主键顺序插入优化:

大批量插入数据优化:

  • load:插入百万数据到数据库

  • load使用三步走:

1.连接数据库时加上:

--local-infile

2.打开全局参数:

set global local infile = 1;

3.插入数据的脚本:

load data local infile '/root/sql1.log' into table 'tb_user' fields terminated by ',' line terminated by '\n';
📕 主键优化:

前面提到了主键按顺序插入可提高性能,这里讲解原理。

(这里我不是很明白,摘自GPT的回答)

页分裂:

  • 当在一个已满的页(节点)中插入一个新的键时,可能会导致该页不足以容纳新键,因此需要进行页分裂。
  • 页分裂的过程涉及将原有的页分成两半,并将其中一半的部分移动到一个新的页中。这样就在原有页和新页之间创建了一个新的分隔键,用于指示两个页之间的分割。
  • 页分裂的目的是确保树的平衡,并维护索引的有序性。它通常发生在B树或B+树中。

页合并:

  • 与页分裂相反,页合并发生在删除操作后。当一个页的键减少到一个临界点以下时,可以考虑将其与相邻的页合并,从而减少索引树的高度。
  • 页合并的过程涉及将两个相邻的页合并成一个,并且删除在合并过程中用于分隔的键。这有助于保持树的平衡,并且减少了树的高度,提高了检索效率。
  • 页合并通常也发生在B树或B+树这样的平衡树结构中。

小结:

   索引的设计原则:长度尽量短,尽量有序插入。


📕 order by优化:

优化准则:

  • 如果创建索引的排序规则和要查询语句的排序规则相同,那么直接返回数据,效率高,如果不同,需要在缓冲区对相应的字段进行排序,效率不高。

注意:

创建索引默认是升序排序,asc

创建索引是指定排序规则

create index id_na_ty on tb_book(name asc, type asc);

例如:

一张tb_book表的索引

  • 执行语句1(升序排序查询):
select id, name, type from tb_book order by name asc, type asc;
 
-- 直接返回索引下面挂的数据,效率高

查看执行过程:

  • 执行语句2(name 升序 type 降序)
select id, name, type from tb_book order by name asc, type desc;
 
-- 会在缓冲区进行排序,效率不高。

查看执行过程:

小总结:

order by 查询的字段要与建立索引时字段的排序规则相同,若不同,会在缓冲区排序然后返回数据,可以在创建索引时指定排序规则

📕 group by优化:

跟order by类似,建立好相应的索引,并且保证索引正确的使用规则,比如最左前缀法则。

📕 limit 优化

记住:覆盖索引加子查询:

原理:原本要对数据进行排序,在挑选50条数据,现在使用索引覆盖 + 子查询 先根据id排序,排完之后直接子查询就可以啦。

select * from user where limit 10000, 50;
-- 回表查询性能低
select t.* from user t, (select if from user where order by id limit 10000, 50) s where t.id = s.id;
-- 覆盖索引 + 子查询 性能略好
📕 count 优化

count统计非空字段数量,count无法优化,但是我们要区分count()括号里的字段的含义

  1. count(*):不取值,直接累加。
  2. count(主键):取出主键id,累加
  3. count(某个字段:有非空约束):取值,返回给服务层,服务层直接累加
  4. coutn(某个字段:无非空约束):取值,返回给服务层,服务层判断后累加。
  5. count(1):每行放一个1 并且累加,只要不是null都可以累加

小结:

尽量使用count(*)

📕 update 优化
  • 更新的条件一定要有索引,否则行锁会标为表锁。

例如:user表 name字段带有索引

一个客户端执行:update user set name = 'Zhangsan' where name = 'Lisi';

一个客户端执行:update user set name = 'wangwu' where name = 'zhaoliu';

分析:

此时可以并发执行,因为索引对应的是行级锁,不会锁整张表,相反如果没有索引,或者索引失效,行级锁就会变为表锁,无法高并发。

相关实践学习
基于CentOS快速搭建LAMP环境
本教程介绍如何搭建LAMP环境,其中LAMP分别代表Linux、Apache、MySQL和PHP。
全面了解阿里云能为你做什么
阿里云在全球各地部署高效节能的绿色数据中心,利用清洁计算为万物互联的新世界提供源源不断的能源动力,目前开服的区域包括中国(华北、华东、华南、香港)、新加坡、美国(美东、美西)、欧洲、中东、澳大利亚、日本。目前阿里云的产品涵盖弹性计算、数据库、存储与CDN、分析与搜索、云通信、网络、管理与监控、应用服务、互联网中间件、移动服务、视频服务等。通过本课程,来了解阿里云能够为你的业务带来哪些帮助 &nbsp; &nbsp; 相关的阿里云产品:云服务器ECS 云服务器 ECS(Elastic Compute Service)是一种弹性可伸缩的计算服务,助您降低 IT 成本,提升运维效率,使您更专注于核心业务创新。产品详情: https://www.aliyun.com/product/ecs
相关文章
|
2天前
|
SQL 存储 关系型数据库
Mysql优化提高笔记整理,来自于一位鹅厂大佬的笔记,阿里P7亲自教你
Mysql优化提高笔记整理,来自于一位鹅厂大佬的笔记,阿里P7亲自教你
|
3天前
|
SQL 关系型数据库 MySQL
MYSQL根据查询结果删除sql 去除重复id 新增对比前一条与后一条数据 去重3种方法​ 窗口函数
MYSQL根据查询结果删除sql 去除重复id 新增对比前一条与后一条数据 去重3种方法​ 窗口函数
|
2天前
|
缓存 关系型数据库 MySQL
如何优化MySQL数据库查询性能
MySQL是一款常用的关系型数据库,但在实际使用过程中,由于数据量增加和查询操作复杂度增加,会导致查询性能下降。本文将介绍一些优化MySQL数据库查询性能的方法。
|
2天前
|
SQL Oracle 关系型数据库
实时计算 Flink版产品使用合集之从MySQL到Flink 1.16.2 Flink-SQL的数据同步工作出现了一个异常如何解决
实时计算Flink版作为一种强大的流处理和批处理统一的计算框架,广泛应用于各种需要实时数据处理和分析的场景。实时计算Flink版通常结合SQL接口、DataStream API、以及与上下游数据源和存储系统的丰富连接器,提供了一套全面的解决方案,以应对各种实时计算需求。其低延迟、高吞吐、容错性强的特点,使其成为众多企业和组织实时数据处理首选的技术平台。以下是实时计算Flink版的一些典型使用合集。
14 0
|
2天前
|
SQL 存储 数据处理
实时计算 Flink版产品使用合集之flink-connector-mysql-cdc 和 flink-sql-connector-mysql-cdc有什么区别
实时计算Flink版作为一种强大的流处理和批处理统一的计算框架,广泛应用于各种需要实时数据处理和分析的场景。实时计算Flink版通常结合SQL接口、DataStream API、以及与上下游数据源和存储系统的丰富连接器,提供了一套全面的解决方案,以应对各种实时计算需求。其低延迟、高吞吐、容错性强的特点,使其成为众多企业和组织实时数据处理首选的技术平台。以下是实时计算Flink版的一些典型使用合集。
12 1
|
4天前
|
关系型数据库 MySQL 数据库
docker MySQL删除数据库时的错误(errno: 39)
docker MySQL删除数据库时的错误(errno: 39)
24 0
|
4天前
|
Java 关系型数据库 MySQL
【MySQL × SpringBoot 突发奇想】全面实现流程 · xlsx文件,Excel表格导入数据库的接口(下)
【MySQL × SpringBoot 突发奇想】全面实现流程 · xlsx文件,Excel表格导入数据库的接口
13 0
|
4天前
|
Java 关系型数据库 MySQL
【MySQL × SpringBoot 突发奇想】全面实现流程 · xlsx文件,Excel表格导入数据库的接口(上)
【MySQL × SpringBoot 突发奇想】全面实现流程 · xlsx文件,Excel表格导入数据库的接口
20 0
|
2天前
|
关系型数据库 MySQL API
实时计算 Flink版产品使用合集之可以通过mysql-cdc动态监听MySQL数据库的数据变动吗
实时计算Flink版作为一种强大的流处理和批处理统一的计算框架,广泛应用于各种需要实时数据处理和分析的场景。实时计算Flink版通常结合SQL接口、DataStream API、以及与上下游数据源和存储系统的丰富连接器,提供了一套全面的解决方案,以应对各种实时计算需求。其低延迟、高吞吐、容错性强的特点,使其成为众多企业和组织实时数据处理首选的技术平台。以下是实时计算Flink版的一些典型使用合集。
16 0
|
4天前
|
前端开发 关系型数据库 MySQL
【MySQL × SpringBoot 突发奇想】全面实现流程 · 数据库导出Excel表格文件的接口
【MySQL × SpringBoot 突发奇想】全面实现流程 · 数据库导出Excel表格文件的接口
26 0

推荐镜像

更多