AI 助理
备案控制台
开发者社区 数据库 文章 正文

mysql优化----大数据下的分页，延迟关联，索引与排序的关系，重复索引与冗余索引，索引碎片与维护

2017-11-15 1816
版权
版权声明：
本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《 阿里云开发者社区用户服务协议》和 《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写 侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。
本文涉及的产品
RDS MySQL Serverless 基础系列，0.5-2RCU 50GB
推荐场景：
学生管理系统数据库设计 搭建个人博客
云数据库 RDS MySQL，集群系列 2核4GB
推荐场景：
搭建个人博客
云原生大数据计算服务 MaxCompute，5000CU*H 100GB 3个月
简介：
复制代码 
理想的索引，高效的索引建立考虑：
1:查询频繁度（哪几个字段经常查询就加上索引） 2:区分度要高  3:索引长度要小  4: 索引尽量能覆盖常用查询字段（如果把所有的列都加上索引，那么索引就会变得很大）

1: 索引长度直接影响索引文件的大小,影响增删改的速度,并间接影响查询速度(占用内存多).

针对列中的值,从左往右截取部分,来建索引
1: 截的越短, 重复度越高,区分度越小, 索引效果越不好
2: 截的越长, 重复度越低,区分度越高, 索引效果越好,但带来的影响也越大--增删改变慢,并间影响查询速度.

所以, 我们要在  区分度 + 长度  两者上,取得一个平衡.

惯用手法: 截取不同长度,并测试其区分度,

mysql> select count(distinct left(word,6))/count(*) from dict; 
+---------------------------------------------------+
| count(distinct left(word,6))/count(*) |
+---------------------------------------------------+
|                        0.9992 |
+---------------------------------------------------+
1 row in set (0.30 sec)
复制代码

1
对于一般的系统应用: 区别度能达到0.1,索引的性能就可以接受.
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
2:对于左前缀不易区分的列 ,建立索引的技巧
如 url列http://www.baidu.com，http://www.zixue.it，列的前11个字符都是一样的,不易区分, 可以用如下2个办法来解决。
 
1: 把列内容倒过来存储,并建立索引
Moc.udiab.www//:ptth
Ti.euxiz.www//://ptth
这样左前缀区分度大,
 
2: 伪hash索引效果，存一个伪哈希列，把字符串转成整形降低索引长度。
同时存 url_hash列
explain  select  *  from  t9  where  url=’http://www.baidu.com’ \G
mysql>  select  crc32( 'http://wwww.baidu.com.cn' );
+ -----------------------------------+
| crc32( 'http://wwww.baidu.com.cn' ) |
+ -----------------------------------+
|                        3865391929 |
+ -----------------------------------+
索引长度key_len:50，
mysql>  select  *  from  t41  where  crcstr=3865391929;
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
大数据下的分页：
limit 及翻页优化，limit offset,N,  当offset非常大时, 效率极低,
原因是mysql并不是跳过offset行,然后单取N行,
而是取offset+N行（跳过100万行，就是返回100万行，然后返回n行，再把其他的行扔掉）
效率较低,当offset越大时,效率越低
 
mysql>  select  *  from  emp limit 1000000,3;
+ ---------+--------+----------+-----+------------+---------+--------+--------+
| empno   | ename  | job      | mgr | hiredate   | sal     | comm   | deptno |
+ ---------+--------+----------+-----+------------+---------+--------+--------+
| 1100002 | JItXJo | SALESMAN |   1 | 2018-01-05 | 2000.00 | 400.00 |    266 |
| 1100003 | LdkQxP | SALESMAN |   1 | 2018-01-05 | 2000.00 | 400.00 |    347 |
| 1100004 | YOcUrZ | SALESMAN |   1 | 2018-01-05 | 2000.00 | 400.00 |    460 |
+ ---------+--------+----------+-----+------------+---------+--------+--------+
3  rows  in  set  (0.48 sec)
mysql>  select  *  from  emp limit 3000000,3;
+ ---------+--------+----------+-----+------------+---------+--------+--------+
| empno   | ename  | job      | mgr | hiredate   | sal     | comm   | deptno |
+ ---------+--------+----------+-----+------------+---------+--------+--------+
| 3100002 | HsQcNK | SALESMAN |   1 | 2018-01-05 | 2000.00 | 400.00 |    106 |
| 3100003 | TOpgMq | SALESMAN |   1 | 2018-01-05 | 2000.00 | 400.00 |    202 |
| 3100004 | XHtWAN | SALESMAN |   1 | 2018-01-05 | 2000.00 | 400.00 |    143 |
+ ---------+--------+----------+-----+------------+---------+--------+--------+
3  rows  in  set  (1.11 sec)
当跳过数量过多时，时间就长了。
 
 
 
优化办法:
1: 从业务上去解决
办法: 不允许翻过100页
以百度为例,一般翻页到70页左右.
 
1:不用offset,用条件查询.
例:
mysql>  select  id, name  from  lx_com limit 5000000,10;
+ ---------+--------------------------------------------+
| id      |  name                                        |
+ ---------+--------------------------------------------+
| 5554609 | 温泉县人民政府供暖中心          |
..................
| 5554618 | 温泉县邮政鸿盛公司                |
+ ---------+--------------------------------------------+
10  rows  in  set  (5.33 sec)
 
mysql>  select  id, name  from  lx_com  where  id>5000000 limit 10;
+ ---------+--------------------------------------------------------+
| id      |  name                                                    |
+ ---------+--------------------------------------------------------+
| 5000001 | 南宁市嘉氏百货有限责任公司                |
.................
| 5000002 | 南宁市友达电线电缆有限公司                |
+ ---------+--------------------------------------------------------+
10  rows  in  set  (0.00 sec)
这种方式要求数据没有删过，id是连续的。
 
问题: 2次的结果不一致
原因: 数据被物理删除过,有空洞.
解决: 数据不进行物理删除(可以逻辑删除).
 
 
 
(一般来说,大网站的数据都是不物理删除的,只做逻辑删除，逻辑标记 ,比如 is_delete=1)
 
3: 非要物理删除,还非要用offset精确查询,还不能限制用户分页，用户可以直接跳到100万页，怎么办? 延迟关联。
分析: 优化思路是 不查,少查,查索引,少取.
我们现在必须要查,则只查索引,不查数据,得到id，id索引再内存里面， 再用id去查具体条目.  这种技巧就是延迟索引.
mysql>  select  id, name  from  lx_com  inner  join  ( select  id  from  lx_com limit 5000000,10)  as  tmp using(id);
 
之前的 select  *  from  emp limit 5000000,10;是在索引数上找了500万行并且回行了500万次来找 name ,因此回行到硬盘找了500万次。
select  id, name  from  lx_com  inner  join  ( select  id  from  lx_com limit 5000000,10)  as  tmp using(id);这个是先再索引树上找到10行，然后回行10次到硬盘就可以了。

　　

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
+ ---------+-----------------------------------------------+
| id      |  name                                           |
+ ---------+-----------------------------------------------+
| 5050425 | 陇县河北乡大谈湾小学                |
........
| 5050434 | 陇县堎底下镇水管站                   |
+ ---------+-----------------------------------------------+
10  rows  in  set  (1.35 sec)
 
延迟关联：
mysql>  select  *  from  it_area  where  name  like  '%东山%' ;
+ ------+-----------+------+
| id   |  name       | pid  |
+ ------+-----------+------+
|  757 | 东山区 |  751 |
| 1322 | 东山县 | 1314 |
| 2118 | 东山区 | 2116 |
| 3358 | 东山区 | 3350 |
+ ------+-----------+------+
4  rows  in  set  (0.00 sec)
 
分析: 这句话用到了索引覆盖没有?
答: 没有,1 查询了所有列, 没有哪个索引,覆盖了所有列.
    2   like  %xx%”,左右都是模糊查询,  name 本身,都没用上索引
 
第2种做法:
select  a.*  from  it_area  as  a  inner  join  ( select  id  from  it_area  where  name  like  '%东山%' )  as  t  on  a.id=t.id;
 
Show profiles; 查看效率:
|       18 | 0.00183800 |  select  *  from  it_area  where  name  like  '%东山%'                                                                                                                                       
|       20 | 0.00169300 |  select  a.*  from  it_area  as  a  inner  join  ( select  id  from  it_area  where  name  like  '%东山%' )  as  t  on  a.id=t.id         |
 
发现 第2种做法,虽然语句复杂,但速度却稍占优势.
 
第2种做法中, 内层查询,只沿着 name 索引层顺序走,  name 索引层包含了id值的.
所以,走完索引层之后,找到所有合适的id,
再通过 join , 用id一次性查出所有列. 走完 name 列再取.
 
第1种做法: 沿着 name 的索引文件走, 走到满足的条件的索引,就取出其id,
并通过id去取数据, 边走边回行取.
 
通过id查找硬盘行的过程被延后了.  --- 这种技巧,称为”延迟关联”.

　　

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
3:多列索引
  3.1 多列索引的考虑因素 --- 
列的查询频率 , 列的区分度,
以ecshop商城为例, goods表中的cat_id,brand_id,做多列索引
从区分度看,Brand_id区分度更高,
mysql>  select  count ( distinct  cat_id) /  count (*)  from   goods;
+ -----------------------------------+
|  count ( distinct  cat_id) /  count (*) |
+ -----------------------------------+
|                            0.2903 |
+ -----------------------------------+
1 row  in  set  (0.00 sec)
 
mysql>  select  count ( distinct  brand_id) /  count (*)  from   goods;
+ -------------------------------------+
|  count ( distinct  brand_id) /  count (*) |
+ -------------------------------------+
|                              0.3871 |
+ -------------------------------------+
1 row  in  set  (0.00 sec)
 
 
但从 商城的实际业务业务看, 顾客一般先选大分类->小分类->品牌,
最终选择  index (cat_id,brand_id)来建立索引
 
有如下表(innodb引擎), sql语句在笔记中,
给定日照市,查询子地区, 且查询子地区的功能非常频繁,
如何优化索引及语句?
 
+ ------+-----------+------+
| id   |  name       | pid  |
+ ------+-----------+------+
| .... | .... | .... |
| 1584 | 日照市 | 1476 |
| 1586 | 东港区 | 1584 |
| 1587 | 五莲县 | 1584 |
| 1588 | 莒县    | 1584 |
+ ------+-----------+------+
 
1: 不加任何索引,自身连接查询
mysql> explain  select  s.id,s. name  from  it_area  as  p  inner  join  it_area  as  s  on  p.id=s.pid    where  p. name = '日照市'  \G
*************************** 1. row ***************************
            id: 1
   select_type: SIMPLE
         table : p
          type:  ALL
possible_keys:  NULL
           key :  NULL
       key_len:  NULL
           ref:  NULL
          rows : 3263
         Extra: Using  where
*************************** 2. row ***************************
            id: 1
   select_type: SIMPLE
         table : s
          type:  ALL
possible_keys:  NULL
           key :  NULL
       key_len:  NULL
           ref:  NULL
          rows : 3263
         Extra: Using  where ; Using  join  buffer
2  rows  in  set  (0.00 sec)
 
 
 
2: 给 name 加索引
mysql> explain  select  s.id,s. name  from  it_area  as  p  inner  join  it_area  as  s  on  p.id=s.pid    where  p. name = '日照市'  \G
*************************** 1. row ***************************
            id: 1
   select_type: SIMPLE
         table : p
          type: ref
possible_keys:  name
           key :  name
       key_len: 93
           ref: const
          rows : 1
         Extra: Using  where
*************************** 2. row ***************************
            id: 1
   select_type: SIMPLE
         table : s
          type:  ALL
possible_keys:  NULL
           key :  NULL
       key_len:  NULL
           ref:  NULL
          rows : 3243
         Extra: Using  where ; Using  join  buffer
2  rows  in  set  (0.00 sec)
 
 
3: 在Pid上也加索引
mysql> explain  select  s.id,s. name  from  it_area  as  p  inner  join  it_area  as  s  on  p.id=s.pid    where  p. name = '日照市'  \G
*************************** 1. row ***************************
            id: 1
   select_type: SIMPLE
         table : p
          type: ref
possible_keys:  name
           key :  name
       key_len: 93
           ref: const
          rows : 1
         Extra: Using  where