MySQL实战45讲 18

18 | 为什么这些SQL语句逻辑相同，性能却差异巨大？

在 MySQL 中，有很多看上去逻辑相同，但性能却差异巨大的 SQL 语句。对这些语句使用不当的话，就会不经意间导致整个数据库的压力变大。
三个案例
案例一：条件字段函数操作

假设你现在维护了一个交易系统，其中交易记录表 tradelog 包含交易流水号（tradeid）、交易员 id（operator）、交易时间（t_modified）等字段，先忽略其他字段。这个表的建表语句如下：

1. CREATE TABLE `tradelog` (
2.   `id` int(11) NOT NULL,
3.   `tradeid` varchar(32) DEFAULT NULL,
4.   `operator` int(11) DEFAULT NULL,
5.   `t_modified` datetime DEFAULT NULL,
6.   PRIMARY KEY (`id`),
7.   KEY `tradeid` (`tradeid`),
8.   KEY `t_modified` (`t_modified`)
9. ) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4;

复制代码

现在已经记录了从 2016 年初到 2018 年底的所有数据，有一个需求是要统计发生在所有年份中 7 月份的交易记录总数。SQL 语句可能会这么写：

1. select count(*) from tradelog where month(t_modified)=7;

复制代码

发现执行了特别久，才返回了结果。
原因：如果对字段做了函数计算，就用不上索引了，这是 MySQL 的规定。
Q：为什么条件是 where t_modified='2018-7-1’的时候可以用上索引，而改成 where month(t_modified)=7 的时候就不行了？
A：
由于加了 month() 函数操作，MySQL 无法再使用索引快速定位功能，而只能使用全索引扫描。
下面是这个 t_modified 索引的示意图。方框上面的数字就是 month() 函数对应的值。

如果你的 SQL 语句条件用的是 where t_modified='2018-7-1’的话，引擎就会按照上面绿色箭头的路线，快速定位到 t_modified='2018-7-1’需要的结果。
B+ 树提供的这个快速定位能力，来源于同一层兄弟节点的有序性。
但是，如果计算 month() 函数的话，传入 7 的时候，在树的第一层就不知道该怎么办了。
也就是说，对索引字段做函数操作，可能会破坏索引值的有序性，因此优化器就决定放弃走树搜索功能。
需要注意的是，优化器并不是要放弃使用这个索引。
在这个例子里，放弃了树搜索功能，优化器可以选择遍历主键索引，也可以选择遍历索引 t_modified，优化器对比索引大小后发现，索引 t_modified 更小，遍历这个索引比遍历主键索引来得更快（注意是遍历）。因此最终还是会选择索引 t_modified。
使用 explain 命令，查看一下这条 SQL 语句的执行结果。

key="t_modified"表示的是，使用了 t_modified 这个索引；我在测试表数据中插入了 10 万行数据，rows=100335，说明这条语句扫描了整个索引的所有值；Extra 字段的 Using index，表示的是使用了覆盖索引。
也就是说，由于在 t_modified 字段加了 month() 函数操作，导致了全索引扫描。为了能够用上索引的快速定位能力，我们就要把 SQL 语句改成基于字段本身的范围查询。按照下面这个写法，优化器就能按照我们预期的，用上 t_modified 索引的快速定位能力了。

1. select count(*) from tradelog where
2.     -> (t_modified >= '2016-7-1' and t_modified<'2016-8-1') or
3.     -> (t_modified >= '2017-7-1' and t_modified<'2017-8-1') or
4.     -> (t_modified >= '2018-7-1' and t_modified<'2018-8-1');

复制代码

也就是说，这条语句触发了我们上面说到的规则：对索引字段做函数操作，优化器会放弃走树搜索功能。
案例三：隐式字符编码转换

假设系统里还有另外一个表 trade_detail，用于记录交易的操作细节。往交易日志表 tradelog 和交易详情表 trade_detail 这两个表里插入一些数据。

1. select * from tradelog where tradeid=110717;

复制代码

这时候，如果要查询 id=2 的交易的所有操作步骤信息，SQL 语句可以这么写：

1. select * from tradelog where  CAST(tradid AS signed int) = 110717;

复制代码

语句 Q1 的 explain 结果如下

• 第一行显示优化器会先在交易记录表 tradelog 上查到 id=2 的行，这个步骤用上了主键索引，rows=1 表示只扫描一行；
  
• 第二行 key=NULL，表示没有用上交易详情表 trade_detail 上的 tradeid 索引，进行了全表扫描。
  

在这个执行计划里，是从 tradelog 表中取 tradeid 字段，再去 trade_detail 表里查询匹配字段。
因此，我们把 tradelog 称为驱动表，把 trade_detail 称为被驱动表，把 tradeid 称为关联字段。
语句 Q1 的执行过程如下：

• 第 1 步，是根据 id 在 tradelog 表里找到 L2 这一行；
  
• 第 2 步，是从 L2 中取出 tradeid 字段的值；
  
• 第 3 步，是根据 tradeid 值到 trade_detail 表中查找条件匹配的行。explain 的结果里面第二行的 key=NULL 表示的就是，这个过程是通过遍历主键索引的方式，一个一个地判断 tradeid 的值是否匹配。
  

第 3 步不符合我们的预期。因为表 trade_detail 里 tradeid 字段上是有索引的，我们本来是希望通过使用 tradeid 索引能够快速定位到等值的行。但，这里并没有。
原因：因为这两个表的字符集不同，一个是 utf8，一个是 utf8mb4，所以做表连接查询的时候用不上关联字段的索引。
Q：为什么字符集不同就用不上索引呢？
A：如果单独把第 3 步改成 SQL 语句的话，那就是：

1. CREATE TABLE `trade_detail` (
2.   `id` int(11) NOT NULL,
3.   `tradeid` varchar(32) DEFAULT NULL,
4.   `trade_step` int(11) DEFAULT NULL, /* 操作步骤 */
5.   `step_info` varchar(32) DEFAULT NULL, /* 步骤信息 */
6.   PRIMARY KEY (`id`),
7.   KEY `tradeid` (`tradeid`)
8. ) ENGINE=InnoDB DEFAULT CHARSET=utf8;
10. insert into tradelog values(1, 'aaaaaaaa', 1000, now());
11. insert into tradelog values(2, 'aaaaaaab', 1000, now());
12. insert into tradelog values(3, 'aaaaaaac', 1000, now());
14. insert into trade_detail values(1, 'aaaaaaaa', 1, 'add');
15. insert into trade_detail values(2, 'aaaaaaaa', 2, 'update');
16. insert into trade_detail values(3, 'aaaaaaaa', 3, 'commit');
17. insert into trade_detail values(4, 'aaaaaaab', 1, 'add');
18. insert into trade_detail values(5, 'aaaaaaab', 2, 'update');
19. insert into trade_detail values(6, 'aaaaaaab', 3, 'update again');
20. insert into trade_detail values(7, 'aaaaaaab', 4, 'commit');
21. insert into trade_detail values(8, 'aaaaaaac', 1, 'add');
22. insert into trade_detail values(9, 'aaaaaaac', 2, 'update');
23. insert into trade_detail values(10, 'aaaaaaac', 3, 'update again');
24. insert into trade_detail values(11, 'aaaaaaac', 4, 'commit');

复制代码

其中，$L2.tradeid.value 的字符集是 utf8mb4。
字符集 utf8mb4 是 utf8 的超集，所以当这两个类型的字符串在做比较的时候，MySQL 内部的操作是，先把 utf8 字符串转成 utf8mb4 字符集，再做比较。

这个设定很好理解，utf8mb4 是 utf8 的超集。类似地，在程序设计语言里面，做自动类型转换的时候，为了避免数据在转换过程中由于截断导致数据错误，也都是“按数据长度增加的方向”进行转换的。

因此， 在执行上面这个语句的时候，需要将被驱动数据表里的字段一个个地转换成 utf8mb4，再跟 L2 做比较。
实际上这个语句等同于下面这个写法：

1. select operator from tradelog  where traideid =$R4.tradeid.value;  /* 语句 Q1*/

复制代码

再次触发了上面说到的原则：对索引字段做函数操作，优化器会放弃走树搜索功能。
字符集不同只是条件之一，连接过程中要求在被驱动表的索引字段上加函数操作，是直接导致对被驱动表做全表扫描的原因。
作为对比验证，“查找 trade_detail 表里 id=4 的操作，对应的操作者是谁”，再来看下这个语句和它的执行计划。

1. select * from trade_detail where tradeid=$L2.tradeid.value;

复制代码

这个语句里 trade_detail 表成了驱动表，但是 explain 结果的第二行显示，这次的查询操作用上了被驱动表 tradelog 里的索引 (tradeid)，扫描行数是 1。
Q：为什么这次能用上被驱动表的 tradeid 索引呢？
A：
假设驱动表 trade_detail 里 id=4 的行记为 R4，那么在连接的时候，被驱动表 tradelog 上执行的就是类似这样的 SQL 语句：

1. select * from trade_detail  where CONVERT(traideid USING utf8mb4)=$L2.tradeid.value;

复制代码

这时候 $R4.tradeid.value 的字符集是 utf8, 按照字符集转换规则，要转成 utf8mb4，所以这个过程就被改写成：

1. select l.operator from tradelog l , trade_detail d where d.tradeid=l.tradeid and d.id=4;

复制代码

这里的 CONVERT 函数是加在输入参数上的，这样就可以用上被驱动表的 traideid 索引。
如果要优化语句

1. select operator from tradelog  where traideid =$R4.tradeid.value;

复制代码

有两种做法：

• 比较常见的优化方法是，把 trade_detail 表上的 tradeid 字段的字符集也改成 utf8mb4，这样就没有字符集转换的问题了。
  

1. select operator from tradelog  where traideid =CONVERT($R4.tradeid.value USING utf8mb4);

复制代码

• 但如果数据量比较大， 或者业务上暂时不能做这个 DDL 的话，那就只能采用修改 SQL 语句的方法了。
  

1. select d.* from tradelog l, trade_detail d where d.tradeid=l.tradeid and l.id=2;

复制代码

主动把 l.tradeid 转成 utf8，就避免了被驱动表上的字符编码转换

小结

索引字段不能进行函数操作，但是索引字段的参数(=后面的值)可以用函数

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！