MySQL 慢查询优化案例

​>优质博文：IT-BLOG-CN
一、慢查询优化基本步骤

【1】先运行看看是否真的很慢，留意设置SQL_NO_CACHE（查询时不使用缓存）；
【2】where条件单表查，锁定最小返回记载表。这句话的意思是把查询语句的 where都应用到表中返回的记载数最小的表开始查起，单表每个字段分别查询，看哪个字段的区分度最高；
【3】explain查看执行计划，是否与2预期同等（从锁定记载较少的表开始查询）；
【4】order by limit 情势的 sql语句让排序的表优先查；
【5】了解业务方使用场景；
【6】加索引时参照建索引的几大原则；
【7】观察效果，不符合预期继续从1分析；
二、几个慢查询案例

1、复杂语句写法
许多情况下，我们写 SQL只是为了实现功能，这只是第一步，差别的语句誊写方式对于效率每每有本质的差别，这要求我们对 mysql的执行计划和索引原则有非常清晰的认识，请看下面的语句：

1. select
2.    distinct cert.emp_id
3. from
4.    cm_log cl
5. inner join
6.    (
7.       select
8.          emp.id as emp_id,
9.          emp_cert.id as cert_id
10.       from
11.          employee emp
12.       left join
13.          emp_certificate emp_cert
14.             on emp.id = emp_cert.emp_id
15.       where
16.          emp.is_deleted=0
17.    ) cert
18.       on (
19.          cl.ref_table='Employee'
20.          and cl.ref_oid= cert.emp_id
21.       )
22.       or (
23.          cl.ref_table='EmpCertificate'
24.          and cl.ref_oid= cert.cert_id
25.       )
26. where
27.    cl.last_upd_date >='2013-11-07 15:03:00'
28.    and cl.last_upd_date<='2013-11-08 16:00:00';

复制代码

【1】先运行一下，53条记载 1.87秒，又没有用聚合语句，比力慢

1. 53 rows in set (1.87 sec)

复制代码

【2】explain

1. +----+-------------+------------+-------+---------------------------------+-----------------------+---------+-------------------+-------+--------------------------------+
2. | id | select_type | table      | type  | possible_keys                   | key                   | key_len | ref               | rows  | Extra                          |
3. +----+-------------+------------+-------+---------------------------------+-----------------------+---------+-------------------+-------+--------------------------------+
4. |  1 | PRIMARY     | cl         | range | cm_log_cls_id,idx_last_upd_date | idx_last_upd_date     | 8       | NULL              |   379 | Using where; Using temporary   |
5. |  1 | PRIMARY     | <derived2> | ALL   | NULL                            | NULL                  | NULL    | NULL              | 63727 | Using where; Using join buffer |
6. |  2 | DERIVED     | emp        | ALL   | NULL                            | NULL                  | NULL    | NULL              | 13317 | Using where                    |
7. |  2 | DERIVED     | emp_cert   | ref   | emp_certificate_empid           | emp_certificate_empid | 4       | meituanorg.emp.id |     1 | Using index                    |
8. +----+-------------+------------+-------+---------------------------------+-----------------------+---------+-------------------+-------+--------------------------------+

复制代码

简述一下执行计划，首先 mysql根据 idx_last_upd_date索引扫描 cm_log表得到379条记载；然后查表扫描了63727条记载，分为两部门，derived[衍生的]表示构造表，也就是不存在的表，可以简单理解成是一个语句形成的效果集，背面的数字表示语句的ID。derived2表示的是ID = 2的查询构造了虚拟表，而且返回了 63727条记载。我们再来看看ID = 2的语句究竟做了写什么返回了这么大量的数据，首先全表扫描 employee表 13317条记载，然后根据索引 emp_certificate_empid关联 emp_certificate表，rows = 1表示，每个关联都只锁定了一条记载，效率比力高。得到后，再和 cm_log的 379条记载根据规则关联。从执行过程上可以看出返回了太多的数据，返回的数据绝大部门 cm_log都用不到，由于 cm_log只锁定了379条记载。
如何优化呢？可以看到我们在运行完后还是要和 cm_log做 join，那么我们能不能运行之前和 cm_log做 join呢？细致分析语句不难发现，其基本思想是如果 cm_log的 ref_table是 EmpCertificate就关联 emp_certificate表，如果ref_table是 Employee就关联 employee表，我们完全可以拆成两部门，并用 union连接起来，留意这里用union，而不用 union all是由于原语句有“distinct”来得到唯一的记载，而 union恰好具备了这种功能。如果原语句中没有 distinct不需要去重，我们就可以直接使用 union all了，由于使用union需要去重的动作，会影响SQL性能。
优化过的语句如下：

1. select
2.    emp.id
3. from
4.    cm_log cl
5. inner join
6.    employee emp
7.       on cl.ref_table = 'Employee'
8.       and cl.ref_oid = emp.id
9. where
10.    cl.last_upd_date >='2013-11-07 15:03:00'
11.    and cl.last_upd_date<='2013-11-08 16:00:00'
12.    and emp.is_deleted = 0
13. union
14. select
15.    emp.id
16. from
17.    cm_log cl
18. inner join
19.    emp_certificate ec
20.       on cl.ref_table = 'EmpCertificate'
21.       and cl.ref_oid = ec.id
22. inner join
23.    employee emp
24.       on emp.id = ec.emp_id
25. where
26.    cl.last_upd_date >='2013-11-07 15:03:00'
27.    and cl.last_upd_date<='2013-11-08 16:00:00'
28.    and emp.is_deleted = 0

复制代码

【3】不需要了解业务场景，只需要改造的语句和改造之前的语句保持效果同等；
【4】现有索引可以满意，不需要建索引；
【5】用改造后的语句实验一下，只需要10ms 降低了近200倍！

1. +----+--------------+------------+--------+---------------------------------+-------------------+---------+-----------------------+------+-------------+
2. | id | select_type  | table      | type   | possible_keys                   | key               | key_len | ref                   | rows | Extra       |
3. +----+--------------+------------+--------+---------------------------------+-------------------+---------+-----------------------+------+-------------+
4. |  1 | PRIMARY      | cl         | range  | cm_log_cls_id,idx_last_upd_date | idx_last_upd_date | 8       | NULL                  |  379 | Using where |
5. |  1 | PRIMARY      | emp        | eq_ref | PRIMARY                         | PRIMARY           | 4       | meituanorg.cl.ref_oid |    1 | Using where |
6. |  2 | UNION        | cl         | range  | cm_log_cls_id,idx_last_upd_date | idx_last_upd_date | 8       | NULL                  |  379 | Using where |
7. |  2 | UNION        | ec         | eq_ref | PRIMARY,emp_certificate_empid   | PRIMARY           | 4       | meituanorg.cl.ref_oid |    1 |             |
8. |  2 | UNION        | emp        | eq_ref | PRIMARY                         | PRIMARY           | 4       | meituanorg.ec.emp_id  |    1 | Using where |
9. | NULL | UNION RESULT | <union1,2> | ALL    | NULL                            | NULL              | NULL    | NULL                  | NULL |             |
10. +----+--------------+------------+--------+---------------------------------+-------------------+---------+-----------------------+------+-------------+
11. 53 rows in set (0.01 sec)

复制代码

2、明确应用场景
举这个例子的目的在于颠覆我们对列的区分度的认知，一般上我们以为区分度越高的列，越容易锁定更少的记载，但在一些特别的情况下，这种理论是有局限性的。

1. select
2.    *
3. from
4.    stage_poi sp
5. where
6.    sp.accurate_result=1
7.    and (
8.       sp.sync_status=0
9.       or sp.sync_status=2
10.       or sp.sync_status=4
11.    );

复制代码

【1】先看看运行多长时间，951条数据6.22秒，真的很慢。

1. 951 rows in set (6.22 sec)

复制代码

【2】先explain，rows到达了361万，type = ALL表明是全表扫描。

1. +----+-------------+-------+------+---------------+------+---------+------+---------+-------------+
2. | id | select_type | table | type | possible_keys | key  | key_len | ref  | rows    | Extra       |
3. +----+-------------+-------+------+---------------+------+---------+------+---------+-------------+
4. |  1 | SIMPLE      | sp    | ALL  | NULL          | NULL | NULL    | NULL | 3613155 | Using where |
5. +----+-------------+-------+------+---------------+------+---------+------+---------+-------------+

复制代码

【3】所有字段都应用查询返回记载数，由于是单表查询 1已经做过了951条。
【4】让 explain的 rows 尽量逼近951。
【5】看一下 accurate_result = 1的记载数：

1. select count(*),accurate_result from stage_poi  group by accurate_result;
2. +----------+-----------------+
3. | count(*) | accurate_result |
4. +----------+-----------------+
5. |     1023 |              -1 |
6. |  2114655 |               0 |
7. |   972815 |               1 |
8. +----------+-----------------+

复制代码

【6】我们看到 accurate_result这个字段的区分度非常低，整个表只有-1,0,1三个值，加上索引也无法锁定特别少量的数据。
【7】再看一下 sync_status字段的情况：

1. select count(*),sync_status from stage_poi  group by sync_status;
2. +----------+-------------+
3. | count(*) | sync_status |
4. +----------+-------------+
5. |     3080 |           0 |
6. |  3085413 |           3 |
7. +----------+-------------+

复制代码

【8】同样的区分度也很低，根据理论，也不适合创建索引。
【9】问题分析到这，好像得出了这个表无法优化的结论，两个列的区分度都很低，即便加上索引也只能顺应这种情况，很难做广泛性的优化，好比当 sync_status 0、3分布的很平均，那么锁定记载也是百万级别的。
【10】找业务方去沟通，看看使用场景。业务方是这么来使用这个SQL语句的，每隔五分钟会扫描符合条件的数据，处置处罚完成后把 sync_status这个字段酿成1，五分钟符合条件的记载数并不会太多，1000个左右。了解了业务方的使用场景后，优化这个 SQL就变得简单了，由于业务方保证了数据的不平衡，如果加上索引可以过滤掉绝大部门不需要的数据。
【11】根据创建索引规则，使用如下语句创建索引

1. alter table stage_poi add index idx_acc_status(accurate_result,sync_status);

复制代码

【12】观察预期效果,发现只需要200ms，快了30多倍。

1. 952 rows in set (0.20 sec)

复制代码

我们再来回顾一下分析问题的过程，单表查询相对来说比力好优化，大部门时候只需要把 where条件内里的字段依照规则加上索引就好，如果只是这种“无脑”优化的话，显然一些区分度非常低的列，不应该加索引的列也会被加上索引，这样会对插入、更新性能造成严重的影响，同时也有可能影响别的的查询语句。所以我们调查 SQL的使用场景非常关键，我们只有知道这个业务场景，才能更好地辅助我们更好的分析和优化查询语句。
3、无法优化的语句

1. select
2.    c.id,
3.    c.name,
4.    c.position,
5.    c.sex,
6.    c.phone,
7.    c.office_phone,
8.    c.feature_info,
9.    c.birthday,
10.    c.creator_id,
11.    c.is_keyperson,
12.    c.giveup_reason,
13.    c.status,
14.    c.data_source,
15.    from_unixtime(c.created_time) as created_time,
16.    from_unixtime(c.last_modified) as last_modified,
17.    c.last_modified_user_id
18. from
19.    contact c
20. inner join
21.    contact_branch cb
22.       on  c.id = cb.contact_id
23. inner join
24.    branch_user bu
25.       on  cb.branch_id = bu.branch_id
26.       and bu.status in (
27.          1,
28.       2)
29.    inner join
30.       org_emp_info oei
31.          on  oei.data_id = bu.user_id
32.          and oei.node_left >= 2875
33.          and oei.node_right <= 10802
34.          and oei.org_category = - 1
35.    order by
36.       c.created_time desc  limit 0 ,
37.       10;

复制代码

先看语句运行多长时间，10条记载用了13秒，已经不可忍受。

1. 10 rows in set (13.06 sec)

复制代码

执行 explain

1. +----+-------------+-------+--------+-------------------------------------+-------------------------+---------+--------------------------+------+----------------------------------------------+
2. | id | select_type | table | type   | possible_keys                       | key                     | key_len | ref                      | rows | Extra                                        |
3. +----+-------------+-------+--------+-------------------------------------+-------------------------+---------+--------------------------+------+----------------------------------------------+
4. |  1 | SIMPLE      | oei   | ref    | idx_category_left_right,idx_data_id | idx_category_left_right | 5       | const                    | 8849 | Using where; Using temporary; Using filesort |
5. |  1 | SIMPLE      | bu    | ref    | PRIMARY,idx_userid_status           | idx_userid_status       | 4       | meituancrm.oei.data_id   |   76 | Using where; Using index                     |
6. |  1 | SIMPLE      | cb    | ref    | idx_branch_id,idx_contact_branch_id | idx_branch_id           | 4       | meituancrm.bu.branch_id  |    1 |                                              |
7. |  1 | SIMPLE      | c     | eq_ref | PRIMARY                             | PRIMARY                 | 108     | meituancrm.cb.contact_id |    1 |                                              |
8. +----+-------------+-------+--------+-------------------------------------+-------------------------+---------+--------------------------+------+----------------------------------------------+

复制代码

从执行计划上看，mysql先查 org_emp_info表扫描 8849记载，再用索引 idx_userid_status关联 branch_user表，再用索引 idx_branch_id关联 contact_branch表，最后主键关联 contact表。rows返回的都非常少，看不到有什么异常情况。我们在看一下语句，发现背面有 order by + limit组合，会不会是排序量太大搞的？于是我们简化SQL，去掉背面的 order by 和 limit，看看到底用了多少记载来排序。

1. select
2.   count(*)
3. from
4.    contact c
5. inner join
6.    contact_branch cb
7.       on  c.id = cb.contact_id
8. inner join
9.    branch_user bu
10.       on  cb.branch_id = bu.branch_id
11.       and bu.status in (
12.          1,
13.       2)
14.    inner join
15.       org_emp_info oei
16.          on  oei.data_id = bu.user_id
17.          and oei.node_left >= 2875
18.          and oei.node_right <= 10802
19.          and oei.org_category = - 1
20. +----------+
21. | count(*) |
22. +----------+
23. |   778878 |
24. +----------+
25. 1 row in set (5.19 sec)

复制代码

发现排序之前居然锁定了778878条记载，如果针对70万的效果集排序，将是灾难性的，怪不得这么慢，那我们能不能换个思路，先根据 contact的 created_time排序，再来 join会不会比力快呢？于是改造成下面的语句，也可以用 straight_join来优化：

1. select
2.    c.id,
3.    c.name,
4.    c.position,
5.    c.sex,
6.    c.phone,
7.    c.office_phone,
8.    c.feature_info,
9.    c.birthday,
10.    c.creator_id,
11.    c.is_keyperson,
12.    c.giveup_reason,
13.    c.status,
14.    c.data_source,
15.    from_unixtime(c.created_time) as created_time,
16.    from_unixtime(c.last_modified) as last_modified,
17.    c.last_modified_user_id   
18. from
19.    contact c  
20. where
21.    exists (
22.       select
23.          1
24.       from
25.          contact_branch cb  
26.       inner join
27.          branch_user bu        
28.             on  cb.branch_id = bu.branch_id        
29.             and bu.status in (
30.                1,
31.             2)      
32.          inner join
33.             org_emp_info oei           
34.                on  oei.data_id = bu.user_id           
35.                and oei.node_left >= 2875           
36.                and oei.node_right <= 10802           
37.                and oei.org_category = - 1      
38.          where
39.             c.id = cb.contact_id   
40.       )   
41.    order by
42.       c.created_time desc  limit 0 ,
43.       10;

复制代码

验证一下效果 预计在1ms内，提升了13000多倍！

1. 10 rows in set (0.00 sec)

复制代码

本以为至此大工告成，但我们在前面的分析中漏了一个细节，先排序再 join和先 join再排序理论上开销是一样的，为何提升这么多是由于有一个limit！大致执行过程是：mysql先按索引排序得到前10条记载，然后再去 join过滤，当发现不敷10条的时候，再次去10条，再次join，这显然在内层 join过滤的数据非常多的时候，将是灾难的，极端情况，内层一条数据都找不到，mysql还傻乎乎的每次取10条，险些遍历了这个数据表！用差别参数的 SQL试验下：

1. select
2.    sql_no_cache   c.id,
3.    c.name,
4.    c.position,
5.    c.sex,
6.    c.phone,
7.    c.office_phone,
8.    c.feature_info,
9.    c.birthday,
10.    c.creator_id,
11.    c.is_keyperson,
12.    c.giveup_reason,
13.    c.status,
14.    c.data_source,
15.    from_unixtime(c.created_time) as created_time,
16.    from_unixtime(c.last_modified) as last_modified,
17.    c.last_modified_user_id   
18. from
19.    contact c   
20. where
21.    exists (
22.       select
23.          1        
24.       from
25.          contact_branch cb         
26.       inner join
27.          branch_user bu                     
28.             on  cb.branch_id = bu.branch_id                     
29.             and bu.status in (
30.                1,
31.             2)               
32.          inner join
33.             org_emp_info oei                           
34.                on  oei.data_id = bu.user_id                           
35.                and oei.node_left >= 2875                           
36.                and oei.node_right <= 2875                           
37.                and oei.org_category = - 1               
38.          where
39.             c.id = cb.contact_id           
40.       )        
41.    order by
42.       c.created_time desc  limit 0 ,
43.       10;
44. Empty set (2 min 18.99 sec)

复制代码

2 min 18.99 sec！比之前的情况还糟糕许多。由于 mysql的 nested loop机制，遇到这种情况，基本是无法优化的。这条语句终极也只能交给应用系统去优化本身的逻辑了。
慢查询的案例就分析到这儿，以上只是一些比力典型的案例。我们在优化过程中遇到过高出1000行，涉及到16个表 join的“垃圾SQL”，也遇到过线上线下数据库差异导致应用直接被慢查询拖死，也遇到过 varchar等值比力没有写单引号，还遇到过笛卡尔积查询直接把从库搞死。再多的案例其实也只是一些经验的积聚，如果我们认识查询优化器、索引的内部原理，那么分析这些案例就变得特别简单了。
​

免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。