SQL语句优化方式--进阶篇

Posted shar-wang

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了SQL语句优化方式--进阶篇相关的知识,希望对你有一定的参考价值。

MYSQL性能

最大数据量

抛开数据量和并发数,谈性能都是扯淡(扯的最疼的那种).Mysql没有限制单表最大记录数,它取决与操作系统对文件大小的限制

文件系统 单文件大小限制
FAT32(采用32位二进制数记录管理的磁盘文件) 最大4G
NTFS(WindowsNT 环境的文件系统)   最大64G
NTFS5.0(NTFS5.0是一个可恢复的文件系统) 最大2TB
EXT2(第二代扩展文件系统) 块大小为1024字节,文件最大容量为16GB;块大小为4096字节,文件最大容量2TB
EXT3(是第三代扩展文件系统) 块大小为4kb,文件最大容量为4TB
EXT4(是第四代扩展文件系统) 理论可以大于16TB

 

《阿里巴巴Java开发手册》提出单表行数超过500万行或者单表容量超过2GB,才推荐分库分表。性能由综合因素决定,抛开业务复杂度,影响程度依次是硬件配置、MySQL配置、数据表设计、索引优化。500万这个值仅供参考,并非铁律。

最大并发数

  并发数是指同一时刻数据库能处理多少个请求,由max_connections和max_user_connections决定。max_connections是指mysql实例的最大连接数,上限值是16384,max_user_connections是指每个数据库用户的最大连接数。

  MySQL会为每个连接提供缓冲区,意味着消耗更多的内存。如果连接数设置太高硬件吃不消,太低又不能充分利用硬件。一般要求两者比值超过10%,计算方法如下:

max_used_connections / max_connections * 100% = 3/100 *100% ≈ 3%

  查看最大连接数与响应最大连接数:

show variables like %max_connections%;
show variables like %max_user_connections%;

  在配置文件my.cnf中修改最大连接数

[mysqld]
max_connections = 100
max_used_connections = 20

  查询耗时0.5秒

  建议将单次查询耗时控制在0.5秒以内,0.5秒是个经验值,源于用户体验的3秒原则。如果用户的操作3秒内没有响应,将会厌烦甚至退出。响应时间=客户端UI渲染耗时+网络请求耗时+应用程序处理耗时+查询数据库耗时,0.5秒就是留给数据库1/6的处理时间。

  实施原则

  mysql特点扩容难,容量小并发低,SQL约束太多,应用程序扩容比数据库要容易多,实施原则数据库少干活,应用程序多干活.

    •   充分利用但不滥用索引,须知索引也消耗磁盘和CPU。
    •   不推荐使用数据库函数格式化数据,交给应用程序处理。
    •   不推荐使用外键约束,用应用程序保证数据准确性。
    •   写多读少的场景,不推荐使用唯一索引,用应用程序保证唯一性。
    •   适当冗余字段,尝试创建中间表,用应用程序计算中间结果,用空间换时间。
    •   不允许执行极度耗时的事务,配合应用程序拆分成更小的事务。
    •   预估重要数据表(比如订单表)的负载和数据增长态势,提前优化。

数据库表设计

  数据类型

   数据类型的选择原则:更简单或者占用空间更小。

 

    • 如果长度能够满足,整型尽量使用tinyint、smallint、medium_int而非int。
    • 如果字符串长度确定,采用char类型。
    • 如果varchar能够满足,不采用text类型。
    • 精度要求较高的使用decimal类型,也可以使用BIGINT,比如精确两位小数就乘以100后保存。
    • 尽量采用timestamp而非datetime。 

  避免空值

    MySQL中字段为NULL时依然占用空间,会使索引、索引统计更加复杂。从NULL值更新到非NULL无法做到原地更新,容易发生索引分裂影响性能。尽可能将NULL值用有意义的值代替,也能避免SQL语句里面包含is not null的判断。

  

  text类型优化

  由于text字段储存大量数据,表容量会很早涨上去,影响其他字段的查询性能。建议抽取出来放在子表里,用业务主键关联。

 

  索引优化-索引分类

  • 普通索引:最基本的索引。
  • 组合索引:多个字段上建立的索引,能够加速复合查询条件的检索。
  • 唯一索引:与普通索引类似,但索引列的值必须唯一,允许有空值。
  • 组合唯一索引:列值的组合必须唯一。
  • 主键索引:特殊的唯一索引,用于唯一标识数据表中的某一条记录,不允许有空值,一般用primary key约束。
  • 全文索引:用于海量文本的查询,MySQL5.6之后的InnoDB和MyISAM均支持全文索引。由于查询精度以及扩展性不佳,更多的企业选择Elasticsearch。

  索引优化

  • 分页查询很重要,如果查询数据量超过30%,MYSQL不会使用索引。
  • 单表索引数不超过5个、单个索引字段数不超过5个。
  • 字符串可使用前缀索引,前缀长度控制在5-8个字符。
  • 字段唯一性太低,增加索引没有意义,如:是否删除、性别。
  • 合理使用覆盖索引,如下所示:

select login_name, nick_name from member where login_name = ?
login_name, nick_name两个字段建立组合索引,比login_name简单索引要更快。

SQL优化

   分批处理: 不带分页参数的查询或者大量数据的update 和delete操作, 打散分批处理

    示例:

    业务描述: 更新用户过期的优惠券为不可用状态

    SQL语句:

  update status = 0 FROM conpon WHERE expire_date <= #nowDate and status =1 

  如果大量优惠券需要更新为不可用状态,执行上面的SQL可能会堵死其他SQL,分批处理伪代码如下:

 int pageNo = 1; int pageSize = 100;
   
 while (true) 
    List<Integer> batchIdList = queryList(‘select id FROM coupon WHERE expire_date <= #nowDate  and status = 1 limit #(pageNo -1) *  pageSize, #pageSize‘);
    if (CollectionUtils.isEmpty(batchIdList))
      return; 
    
   update(‘update status = 0 FROM conpon where status = 1 and id in #batchIdList  ‘);
    pageNo ++;
  

  IN优化

  in适合做主表大子表小,EXTSIS 适合做主表小子表大.由于查询优化的不断升级,很多场景这两者性能差不多一样了.

/*查询会员用户下的订单id*/
SELECT id FROM orders WHERE user_id IN (SELECT id FROM user WHERE level = VIP) 
/*改为join连接*/
SELECT id FROM orders o INNER JOIN user u ON o.user_id = u.id WHERE u.level = VIP

  不做列运算

  通常在查询条件列运算会导致索引失效

/*查询当日订单*/
SELECT id FROM order WHERE date_format (create_time, %Y-%m-%d) = 2019-12-01;
/*date_format 这个函数会导致这个查询无法使用索引*/
SELECT id FROM order WHERE create_time BETWEEN 2019-12-01 00:00:00 AND 2019-12-01 23:59:59 

  避免Select all

  如果不查询表中所有的列,避免使用SELECT * ,它会进行全表扫描, 不能有效的利用索引.

  JOIN 优化

  join的实现是采用Nested Loop Join算法,就是通过驱动表的结果集作为基础数据,通过该结数据作为过滤条件到下一个表中循环查询数据,然后合并结果。如果有多个join,则将前面的结果集作为循环数据,再次到后一个表中查询数据。

  驱动表和被驱动表尽可能增加查询条件,满足ON的条件而少用Where,用小结果集驱动大结果集。
  被驱动表的join字段上加上索引,无法建立索引的时候,设置足够的Join Buffer Size。
  禁止join连接三个以上的表,尝试增加冗余字段。

 

以上是关于SQL语句优化方式--进阶篇的主要内容,如果未能解决你的问题,请参考以下文章

数据库优化篇—— SQL语句优化建议

数据库优化篇—— SQL语句优化建议

Oracle学习篇之SQL语句的优化

MySQL进阶系列: 一文详解explain各字段含义

SQL语句的几种优化方法

「Hive进阶篇」详解存储格式及压缩方式