MySQL in 太多出现慢的原因
在MySQL中有一个配置参数eq_range_index_dive_limit，它的作用是一个等值查询(比如：in 查询)，其等值条件数小于该配置参数，则查询成本分析使用扫描索引树的方式分析，如果大于等于该配置参数，则使用索引统计的方式分析。使用扫描索引树的方式分析在MySQL内部叫做index dives，使用索引统计的方式分析在MySQL内部叫做index statistics。
eq_range_index_dive_limit 默认值是 200 .
csharp
复制代码
select * from dogs where id in (1, 2, 3, 4);
结合上面这条 SQL，就是如果 SQL 中 IN 查询字段 id 的值出现的数量小于 eq_range_index_dive_limit，则走索引树扫描分析查询成本，大于等于 eq_range_index_dive_limit，则走索引统计的方式分析查询成本。
扫描索引树的方式分析 SQL 的查询成本，它的好处就是在 IN 查询的值数量不多时，得到的成本结果是精确的，这就意味着 MySQL 可以选择正确的执行计划，保证语句查询的性能。你现在一定有个疑问：为什么说是在 IN 查询的值数量不多时才是精确的，因为扫描性能的原因，MySQL 在 IN 查询的值数量很多的情况下，扫描索引树成本提高，性能下降，导致查询成本分析代价也随之提高了。
索引统计的方式分析 SQL 的查询成本，由于无需扫描索引树，所以，它的优势就是查询成本分析过程快，代价低。但是，它的缺点也很明显，由于无需扫描索引树，通过粗略统计索引使用情况，得出查询成本，导致 MySQL 可能选错执行计划，使得 SQL 查询性能下降。
解决方案
方案一
可以通过拆分 in 的数量, 分批查询.
csharp
复制代码
select * from dogs where id in (1, 2);
csharp
复制代码
select * from dogs where id in (3, 4);
这种方法缺点也明显, 对于分页或者是查询总条件的一部分并不能实现.
方案二
使用 union all 实现内存级别临时表.
sql
复制代码
select *
from users where task_created > '2020-01-01' and task_tag_id in ('-1', '1' , ....'1000个');
结果: 在 1 s 631 ms (execution: 172 ms, fetching: 1 s 459 ms) 内检索到从 1 开始的 500 行
sql
复制代码
select * from users u
inner join (select -99 as id union all select '1' union all select '-1'
union all select '1' ) as temp on u.task_tag_id = temp.id
where task_created > '2020-01-01'
结果: 在 383 ms (execution: 201 ms, fetching: 182 ms) 内检索到从 1 开始的 500 行
方案三
使用 实体表
创建实体表
sql
复制代码
create table jump_data
(
id bigint auto_increment
primary key,
user_id bigint default -1 not null comment '人员id',
hash varchar(70) not null comment '当前存储关联 hash 值',
ref varchar(100) comment '关联数据 id',
ref_long bigint null,
create_time datetime default CURRENT_TIMESTAMP null comment '创建时间',
index idx_hash_ref(hash, ref),
index idx_hash_ref_long(hash, ref)
);
- 将上面 task_tag_id 插入至 临时表
- 可使用 insert values 插入
- 如果是结果值可以直接使用
- insert select 插入
使用
csharp
复制代码
select *
from users u inner join jump_data jd on u.hash = '' and u.ref_long = u.id
where task_created > '2020-01-01'
⚠ 注意点
- 需要及时清理 jump_data 表
- 定时需要 truncate 表因为反复的新增和删除导致 MySQL 预估数据不准确导致速度下降
