索引的威力--记一次MySQL存储过程优化

本文涉及的产品
云原生数据库 PolarDB MySQL 版,Serverless 5000PCU 100GB
云数据库 Redis 版,社区版 2GB
推荐场景:
搭建游戏排行榜
云原生内存数据库 Tair,内存型 2GB
简介: 在MySQL存储过程中,一个`INSERT INTO SELECT`语句起初执行超过130秒,优化后,执行时间降低到1秒内,实现了100倍的性能提升。问题在于`NOT IN`子查询导致的慢查询,最终通过创建单列索引获得了最佳效果。文章还介绍了索引创建的基本语法,并讨论了单列索引与组合索引的优缺点。作者强调,随着数据量增加,索引对于查询性能的重要性,计划未来采用读写分离来进一步优化处理大量插入和查询的场景。

一、背景:

最近接手一个老项目,在MySQL存储过程中采用【insert.... select ....】的语句,执行时发现超过130s(之后停止存储过程,没有继续执行),实际是从30多万条数据中查询后,真正要插入数据只有1800多条。我在创建了多个单列索引后,同样的语句在1s内(<0.5s)就执行完成了,速度提升了100倍,体会到了数据库索引带来的巨大威力。


这个存储过程去掉具体的业务后,出现问题的语句是这么写的:

INSERT INTO da_tb_market_index_commodity_detail(
`third_level_code`, `data_type`,
`data_date`, 
`commodity_images`,
`commodity_name`
)SELECT 
`third_level_code`, 
`data_type`,
`data_date`, 
`commodity_images`,
`commodity_name`
from da_tb_market_index_commodity_detail_temp 
where third_level_code=category_code and data_date=data_time and data_type=type_str and price_section=section
AND (commodity_ID, data_date,data_type,third_level_code,price_section) NOT IN 
(SELECT commodity_ID, data_date,data_type,third_level_code,price_section FROM da_tb_market_index_commodity_detail);

二、解决问题过程:

因为这个存储过程执行时间超过30s,不太正常,于是我在navicat中,输入 show processlist; 命令查看正在执行的任务,发现这个存储过程还在执行insert语句。因为时间太长,担心表锁死,所以我通过查看Info列中找到任务对应的Id,执行kill命令 ,停止正在执行的存储过程。

分析这段代码,首先是not in的查询条件执行会比较慢,可以使用left join来优化,这会提供一些性能,当时因为有时间要求,没有采取这个优化策略。另一个是在数据库表da_tb_market_index_commodity_detail中增加索引,来提高查询的性能,我首先建了组合索引 (commodity_ID, data_date,data_type,third_level_code,price_section)Index,效果有比较大的提升,之后我创建了多个单列索引,发现速度更快,在1s内完成了存储过程,大大超出我的想象。索引创建如下图:

image.png



三、涉及知识点:

1、索引的创建:建表时和建表后都可以创建索引, 注:索引方法默认使用B+TREE。以下是创建表时的存储过程:

CREATE TABLE 表名(
字段名 数据类型 [完整性约束条件], ……,
[UNIQUE | FULLTEXT | SPATIAL] INDEX | KEY
[索引名](字段名1 [(长度)] [ASC | DESC]) [USING 索引方法]);

说明:
UNIQUE:可选。表示索引为唯一性索引。
FULLTEXT:可选。表示索引为全文索引。
SPATIAL:可选。表示索引为空间索引。
INDEX和KEY:用于指定字段为索引,两者选择其中之一就可以了,作用是    一样的。
索引名:可选。给创建的索引取一个新名称。
字段名1:指定索引对应的字段的名称,该字段必须是前面定义好的字段。
长度:可选。指索引的长度,必须是字符串类型才可以使用。
ASC:可选。表示升序排列。
DESC:可选。表示降序排列。

2、单列索引和组合索引的区别联系

对于只涉及单列的查询,单列索引可以快速定位到符合条件的记录,提高查询效率。相对于组合索引,单列索引的维护成本较低,因为每次数据更新时只需要更新一个索引。

组合索引可以同时考虑多个列的组合,对于涉及这些列的查询,可以更有效地定位到符合条件的记录,提高查询效率。组合索引的大小会随着索引列的增加而增加,占用更多的存储空间,特别是当索引包含大量的列时,可能会导致索引过大,影响性能。更新组合索引列的值时,需要同时更新索引的多个列,可能会增加更新的代价和时间。

本次性能优化,既有单列查询,也有组合列查询,综合比较后,采用多个单列索引性能更好。


四、总结

索引是一个排序的列表,在这个列表中存储着索引的值和包含这个值的数据所在行的物理地址,可以大大加快查询的速度,使用索引后可以不用扫描全表来定位某行的数据,而是先通过索引表找到该行数据对应的物理地址然后访问相应的数据。

数据库表中数据少的时候,加不加索引,对于查询性能没有影响。一旦数据库数据较大,比如本例中表的数据超过30多万,对于比较复杂的一些查询性能是有明显的优势的。

我现在做的电商系统,每天数据增长很快,后续如果插入数据影响性能(比如插入数据时,用户在界面上查询数据响应比较慢),我规划把目前的单库改成读写分离模式,把插入数据和查询数据分开,增加更好的用户体验。

技术不断发展,希望和大家一起进步,加油!




相关实践学习
如何在云端创建MySQL数据库
开始实验后,系统会自动创建一台自建MySQL的 源数据库 ECS 实例和一台 目标数据库 RDS。
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
|
12天前
|
JSON 关系型数据库 MySQL
✅MySQL用了函数到底会不会导致索引失效
MySQL 8.0 引入了函数索引,打破了传统观念,允许在索引中使用函数,提升查询性能。通过创建基于表达式的索引,如 `CONCAT`、`SUBSTRING_INDEX`、`YEAR`、`MONTH` 等,可以优化涉及这些函数的查询。虽然提高了某些查询速度,但也会增加数据维护成本。应谨慎使用,确保表达式确定且适用于常见查询模式。示例包括基于字符串、日期、数学运算和JSON属性的索引。
✅MySQL用了函数到底会不会导致索引失效
|
18天前
|
存储 关系型数据库 MySQL
mysql optimizer_switch : 查询优化器优化策略深入解析
mysql optimizer_switch : 查询优化器优化策略深入解析
|
2天前
|
关系型数据库 MySQL API
MySQL上亿数据查询优化:实践与技巧
MySQL亿级数据查询优化涉及索引设计、分区表、查询语句优化和数据库架构调整。例如,通过为常用查询列创建索引、使用EXPLAIN分析查询计划、避免全表扫描和SELECT *,以及采用垂直拆分、水平拆分和读写分离来提升性能。分区表能减少查询数据量,API接口测试可验证优化效果。
8 0
|
3天前
|
存储 关系型数据库 MySQL
如何理解Mysql的索引及他们的原理--------二叉查找树和平衡二叉树和B树和B+树
如何理解Mysql的索引及他们的原理--------二叉查找树和平衡二叉树和B树和B+树
|
11天前
|
SQL Oracle 关系型数据库
MySQL单表千万级数据查询优化大家怎么说(评论有亮点)
单表千万级数据是MySQL查询的一个坎,可能还不是天花板。“一个人走的慢,一群人走的快”,通过讨论可以发现MySQL千万数据的全貌大概是怎样的。
23 0
|
13天前
|
关系型数据库 MySQL 数据库
MySQL索引的类型与优化方法
MySQL索引的类型与优化方法
|
13天前
|
存储 关系型数据库 MySQL
MySQL索引设计原则与优化策略
MySQL索引设计原则与优化策略
|
13天前
|
存储 关系型数据库 MySQL
MySQL删除索引的方法与注意事项
MySQL删除索引的方法与注意事项
|
13天前
|
关系型数据库 MySQL 索引
MySQL之优化SELECT语句
以上只是一些基本的优化策略,具体的优化方案还需要根据实际的业务需求和数据情况来定制。
11 0
|
17天前
|
存储 关系型数据库 分布式数据库
PolarDB产品使用问题之在将RDS迁移到PolarDB后,原先由root用户创建的视图、存储过程等是否可以继续使用的
PolarDB产品使用合集涵盖了从创建与管理、数据管理、性能优化与诊断、安全与合规到生态与集成、运维与支持等全方位的功能和服务,旨在帮助企业轻松构建高可用、高性能且易于管理的数据库环境,满足不同业务场景的需求。用户可以通过阿里云控制台、API、SDK等方式便捷地使用这些功能,实现数据库的高效运维与持续优化。

相关产品

  • 云数据库 RDS MySQL 版