mysql sql优化之 优化GROUP BY 和 DISTINCT

Posted 2023-05-08

参考技术A 创建表tb_point 表

准备空的tb_box表

函数

编写存储过程，给tb_box表添加100万条数据

修改关联数据

好于

优于

在执行以下语句时会报错：

前面在 https://www.jianshu.com/p/95e50fd017ea 文章中有提到这个问题，是直接修改sql_mode将 ONLY_FULL_GROUP_BY直接干掉。但是在《高性能mysql》中有一段话是这样的：

那么既然指出不要直接修改 sql_mode，那么我们应该如何让冲突的GRUOPBY语句正确执行呢？

文中有提到，可以使用max()和min()函数来实现；但是这种方式使用max和min函数较真的人可能会说这样写的分组查询有问题，确实如此。但是如果更加在乎查询效率，这样做也无可厚非。

如果，实在无法接受使用上面那种方式的话，可以这样使用子查询的方式来进行查询：

书上对于这种方式有描述如下：
这样写更满足关系理论，但是成本有点高，因为子查询需要填充临时表，而子查询中创建的临时表是没有任何索引的。
作者认为这样写对性能有影响。

但是从我测得结果来看，子查询的耗时反而更少。性能反而更佳。这个子查询耗时0.4秒。而使用max方式耗时0.8秒。几乎一倍。我的mysql版本是 5.7.22-log

为了解其中的原因，我们查看它的执行计划：
可见，因为子查询而产生了一层 DERIVED 临时表，但是这个临时表的Extra字段有显示 Using index、key里面显示自建索引。说明用到了索引。这是查询性能可观的一个重要原因吧；

另外我分别使用 SHOW PROFILE命令查看各部分耗时，对比之下。没看到有哪部分耗时差别特别大，使用JOIN、MAX 耗时比上子查询耗时都差不多是1倍

有些时候对一没有建立索引的字段，进行GRUOP BY时。会产生Using filesort 文件内排序。因为GRUOP BY是在排序的基础上进行分组的。

如下面sql：

如果业务上不对排序有要求。那么就可以禁止GRUOP BY的排序：

这样就把Using filesort给干掉了！ 执行时间 1.237

当然，多数情况是多排序有要求的。此时也可以在GRUOP BY后面使用DESC和ASC关键字，使分组的结果集按需要的方向排序。如下：

分组查询的一个变种就是要求mysql对分组结果再进行一次超级聚合。可以使用GROUP BY WITH ROLLUP 来实现这种逻辑，但可能性能不佳。因为通过查询计划分析出它是使用 Using temporary; Using filesort 来实现的。

使用WITH ROLLUP，查询时间2.531秒。不使用0.774 秒。

1、所以，很多时候。我们在应用程序中做超级聚合是最好的！

2、当然也可使用UNION ALL 来实现：

3、还可以通过FROM子句嵌套使用子查询：

MySQL 进阶 索引 -- SQL优化（插入数据优化：导入本地文件数据主键优化order by优化group by优化limit优化count优化update优化）

1. 插入数据优化

---

1.1 insert

如果我们需要一次性往数据库表中插入多条记录，可以从以下三个方面进行优化。

insert into tb_test values(1,'tom'); 
insert into tb_test values(2,'cat'); 
insert into tb_test values(3,'jerry'); 
.....

---

1.1.1 优化方案一：批量插入数据

# 一条sql里面插入多条数据, 避免了频繁的提交和开启事务
Insert into tb_test values(1,'Tom'),(2,'Cat'),(3,'Jerry');

---

1.1.2 优化方案二：手动控制事务

手动控制事务，避免了频繁的提交和开启事务。

start transaction; 
insert into tb_test values(1,'Tom'),(2,'Cat'),(3,'Jerry'); 
insert into tb_test values(4,'Tom'),(5,'Cat'),(6,'Jerry'); 
insert into tb_test values(7,'Tom'),(8,'Cat'),(9,'Jerry'); 
commit;

---

1.1.3 优化方案三：主键顺序插入，性能要高于乱序插入。

// 优化前
主键乱序插入 : 8 1 9 21 88 2 4 15 89 5 7 3 
// 优化后
主键顺序插入 : 1 2 3 4 5 7 8 9 15 21 88 89

---

1.2 大批量插入数据：导入本地文件数据

如果一次性需要插入大批量数据(比如: 几百万的记录)，使用insert语句插入性能较低，此时可以使用MySQL数据库提供的load指令进行插入。

---

1.2.1 数据准备

# 创建 tian 数据库
create database tian;
# 使用 tian 数据库
use tian;
# 创建tb_user表(不含数据）
CREATE TABLE `tb_user`
(
    `id`       INT(11)     NOT NULL AUTO_INCREMENT,
    `username` VARCHAR(50) NOT NULL,
    `password` VARCHAR(50) NOT NULL,
    `name`     VARCHAR(20) NOT NULL,
    `birthday` DATE    DEFAULT NULL,
    `sex`      CHAR(1) DEFAULT NULL,
    PRIMARY KEY (`id`),
    UNIQUE KEY `unique_user_username` (`username`)
) ENGINE = INNODB
  DEFAULT CHARSET = utf8;

该文件的结构为：

---

1.2.2 使用load指令进行插入操作

-- 客户端连接服务端时，加上参数 --local-infile
mysql --local-infile -u root -p

-- 设置全局参数local_infile为1，开启从本地加载文件导入数据的开关
set global local_infile = 1;

-- 执行load指令将准备好的数据，加载到表结构中, 这里,是分隔符, \\n是换行符
load data local infile '/root/load_user_100w_sort.sql' into table tb_user fields terminated by ',' lines terminated by '\\n';

---

2. 主键优化

主键顺序插入的性能是要高于乱序插入的。 现在来说明具体的原因，然后再分析一下主键又该如何设计。

---

2.1 数据组织方式

在InnoDB存储引擎中，表数据都是根据主键顺序组织存放的，这种存储方式的表称为索引组织表(index organized table IOT)。

行数据，都是存储在聚集索引的叶子节点上的。而我们之前也讲解过InnoDB的逻辑结构图：

在InnoDB引擎中，数据行是记录在逻辑结构 page 页中的，而每一个页的大小是固定的，默认16K。那也就意味着， 一个页中所存储的行也是有限的，如果插入的数据行row在该页存储不下，将会存储到下一个页中，页与页之间会通过指针连接。

---

2.2 页分裂

页可以为空，也可以填充一半，也可以填充100%。每个页包含了至少2行数据（如果一行数据过大，会行溢出），根据主键排列。

主键顺序插入效果:

1. 从磁盘中申请页， 主键顺序插入
   

2. 第一个页没有满，继续往第一页插入。
   

3. 当第一个也写满之后，再写入第二个页，页与页之间会通过指针连接。
   

4. 当第二页写满了，再往第三页写入。
   

主键乱序插入效果:

1. 假如1#，2#页都已经写满了，存放了如图所示的数据

2. 此时再插入id为50的记录，我们来看看会发生什么现象。
   会再次开启一个页，写入新的页中吗？
   
   不会。因为，索引结构的叶子节点是有顺序的。按照顺序，应该存储在47之后。
   
   但是47所在的1#页，已经写满了，存储不了50对应的数据了。 那么此时会开辟一个新的页 3#。
   但是并不会直接将50存入3#页，而是会将1#页后一半的数据，移动到3#页，然后在3#页，插入50。
   
   移动数据，并插入id为50的数据之后，那么此时，这三个页之间的数据顺序是有问题的。 1#的下一个页，应该是3#， 3#的下一个页是2#。 所以，此时，需要重新设置链表指针。
   上述的这种现象，称之为 页分裂，是比较耗费性能的操作。

---

2.3 页合并

目前表中已有数据的索引结构（叶子节点）如下：

当我们对已有数据进行删除时，具体的效果如下：

当删除一行记录时，实际上记录并没有被物理删除，只是记录被标记（flaged）为删除并且它的空间变得允许被其他记录声明使用。

当我们继续删除2#的数据记录

当页中删除的记录达到 MERGE_THRESHOLD（默认为页的50%），InnoDB会开始寻找最靠近的页（前或后）看看是否可以将两个页合并以优化空间使用。


删除数据，并将页合并之后，再次插入新的数据20，则直接插入3#页。

这个里面所发生的合并页的这个现象，就称之为 页合并。

说明：

MERGE_THRESHOLD：合并页的阈值，可以自己设置，在创建表或者创建索引时指定。

---

2.4 主键优化法则

• 满足业务需求的情况下，尽量降低主键的长度。
• 插入数据时，尽量选择顺序插入，选择使用AUTO_INCREMENT自增主键。
• 尽量不要使用UUID做主键或者是其他自然主键（如身份证号）。
• 业务操作时，避免对主键的修改（改了主键就会改动整个聚集索引树的结构）。

---

3. order by优化

MySQL的排序，有两种方式：

• Using filesort : 通过表的索引或全表扫描，读取满足条件的数据行，然后在排序缓冲区sortbuffer中完成排序操作，所有不是通过索引直接返回排序结果的排序都叫 FileSort 排序。
• Using index : 通过有序索引顺序扫描直接返回有序数据，这种情况即为 using index，不需要额外排序，操作效率高。

对于以上的两种排序方式，Using index的性能高，而Using filesort的性能低，我们在优化排序操作时，尽量要优化为 Using index。

---

3.1 数据准备

把之前测试时 tb_user 表所建立的部分索引直接删除掉。

drop index idx_user_phone on tb_user;
drop index idx_user_phone_name on tb_user;
drop index idx_user_name on tb_user;

---

3.2 创建索引前测试

执行排序SQL：

explain
select id, age, phone
from tb_user
order by age;

explain
select id, age, phone
from tb_user
order by age, phone;

由于 age, phone 都没有索引，所以此时再排序时，出现Using filesort， 排序性能较低。

---

3.3 创建索引后测试

执行下面的sql，去创建联合索引

-- 创建联合索引 
create index idx_user_age_phone_aa on tb_user(age,phone);

创建索引后，根据age, phone进行升序排序

explain
select id, age, phone
from tb_user
order by age, phone;

建立索引之后，再次进行排序查询，就由原来的Using filesort， 变为了 Using index，性能就是比较高的了。

创建索引后，根据age, phone进行降序排序

explain
select id, age, phone
from tb_user
order by age desc, phone desc;

也出现 Using index， 但是此时Extra中出现了 Backward index scan，这个代表反向扫描索引，因为在MySQL中我们创建的索引，默认索引的叶子节点是从小到大排序的，而此时我们查询排序时，是从大到小，所以，在扫描时，就是反向扫描，就会出现 Backward index scan。 在MySQL8版本中，支持降序索引，我们也可以创建降序索引。

根据phone，age进行升序排序，phone在前，age在后。

explain
select id, age, phone
from tb_user
order by phone, age;

排序时,也需要满足最左前缀法则，否则也会出现 filesort。因为在创建索引的时候， age是第一个字段，phone是第二个字段，所以排序时，也就该按照这个顺序来，否则就会出现 Using filesort。

根据age, phone进行降序一个升序，一个降序

explain
select id, age, phone
from tb_user
order by age asc, phone desc;

因为创建索引时，如果未指定顺序，默认都是按照升序排序的，而查询时，一个升序，一个降序，此时就会出现Using filesort。

为了解决上述的问题，我们可以创建一个索引，这个联合索引中 age 升序排序，phone 倒序排序。

create index idx_user_age_phone_ad on tb_user (age asc, phone desc);

然后再次执行如下SQL

explain
select id, age, phone
from tb_user
order by age asc, phone desc;

升序联合索引结构图示：

降序联合索引结构图示：

---

3.4 order by优化原则

• 根据排序字段建立合适的索引，多字段排序时，也遵循最左前缀法则。
• 尽量使用覆盖索引。
• 多字段排序， 一个升序一个降序，此时需要注意联合索引在创建时的规则（ASC / DESC）。
• 如果不可避免的出现filesort，大数据量排序时，可以适当增大排序缓冲区大小sort_buffer_size(默认256k)。
  

# 可以通过这个语句来设置缓冲区的带下
set global sort_buffer_size = 缓冲区大小数值;

---

4. group by优化

分组操作，我们主要来看看索引对于分组操作的影响。

首先我们先将 tb_user 表的索引全部删除掉 。

drop index idx_user_pro_age_sta on tb_user;
drop index idx_email_pre5 on tb_user;
drop index idx_user_age_phone_aa on tb_user;
drop index idx_user_age_phone_ad on tb_user;

接下来，在没有索引的情况下，执行如下SQL，查询执行计划：

explain
select profession, count(*)
from tb_user
group by profession;

Using temporary：表示查询用到了临时表，性能比较低。

然后，我们在针对于 profession ， age， status 创建一个联合索引。

create index idx_user_pro_age_sta on tb_user (profession, age, status);

紧接着，再执行前面相同的SQL查看执行计划。

explain
select profession, count(*)
from tb_user
group by profession;

再执行如下的分组查询SQL，查看执行计划：

explain
select profession, count(*)
from tb_user
group by profession, age;

explain
select age, count(*)
from tb_user
group by age;

我们发现，如果仅仅根据age分组，就会出现 Using temporary;而如果是 根据profession,age两个字段同时分组，则不会出现 Using temporary。原因是因为对于分组操作，在联合索引中，也是符合最左前缀法则的。

所以，在分组操作中，我们需要通过以下两点进行优化，以提升性能：

• 在分组操作时，可以通过索引来提高效率。
• 分组操作时，索引的使用也是满足最左前缀法则的。

---

5. limit优化

在数据量比较大时，如果进行limit分页查询，在查询时，越往后，分页查询效率越低。

我们一起来看看执行limit分页查询耗时对比：

因为，当在进行分页查询时，如果执行 limit 2000000,10 ，此时需要MySQL排序前 2000010 记录，仅仅返回 2000000 - 2000010 的记录，其他记录丢弃，查询排序的代价非常大 。

优化思路：一般分页查询时，通过创建 覆盖索引 能够比较好地提高性能，可以通过覆盖索引加子查询形式进行优化。

explain
select *
from tb_sku t,
     (select id from tb_sku order by id limit 2000000,10) a
where t.id = a.id;

---

6. count优化

---

6.1 概述

如果数据量很大，在执行count操作时，是非常耗时的。

• MyISAM 引擎把一个表的总行数存在了磁盘上，因此执行 count(*) 的时候会直接返回这个数，效率很高； 但是如果是带条件的count，MyISAM也慢。
• InnoDB 引擎就麻烦了，它执行 count(*) 的时候，需要把数据一行一行地从引擎里面读出来，然后累积计数。

如果说要大幅度提升InnoDB表的count效率，主要的优化思路：自己计数(可以借助于redis这样的数据库进行，但是如果是带条件的count又比较麻烦了，新增数据时count值加1，删除数据时count加1)。

---

6.2 count用法

count() 是一个聚合函数，对于返回的结果集，一行行地判断，如果 count 函数的参数不是NULL，累计值就加 1，否则不加，最后返回累计值。

用法：

• count（*）
• count（主键）
• count（字段）
• count（数字）

count用法	含义
count(主键)	InnoDB 引擎会遍历整张表，把每一行的 主键id 值都取出来，返回给服务层。服务层拿到主键后，直接按行进行累加(主键不可能为null)。
count(字段)	没有not null 约束 : InnoDB 引擎会遍历整张表把每一行的字段值都取出来，返回给服务层，服务层判断是否为null，不为null，计数累加。有not null 约束：InnoDB 引擎会遍历整张表把每一行的字段值都取出来，返回给服务层，直接按行进行累加。
count(数字)	InnoDB 引擎遍历整张表，但不取值。服务层对于返回的每一行，放一个数字（可以是任意数字（包括浮点数），比如1），进去，直接按行进行累加。
count(*)	InnoDB引擎并不会把全部字段取出来，而是专门做了优化，不取值，服务层直接按行进行累加。

按照效率排序的话：

count(字段) < count(主键 id) < count(1) ≈ count(*)
所以尽量使用 count(*)

---

7. update优化

我们主要需要注意一下update语句执行时的注意事项。

update course
set name = 'javaEE'
where id = 1;

当我们在执行删除的SQL语句时，会锁定id为1这一行的数据，然后事务提交之后，行锁释放。

但是当我们在执行如下SQL时。

update course
set name = 'SpringBoot'
where name = 'PHP';

当我们开启多个事务，在执行上述的SQL时，我们发现行锁升级为了表锁。 导致该update语句的性能大大降低。

InnoDB的行锁是针对索引加的锁，不是针对记录加的锁 ,并且该索引不能失效，否则会从行锁升级为表锁 。

---

---