在实际的工作中，我们不免需要对SQL预计进行分析和优化，今天我们就来一起看下相关内容：

• SQL性能分析

• SQL优化原则

1 SQL性能分析

对SQL进行性能分析，主要有：

• 查看慢SQL

• 通过profile详情查看

• explain执行计划

1.1 查看慢SQL

SQL执行频率

-- 查看系统的状态，7个_
show global status like 'Com_______';

慢查询日志

慢查询日志记录了所有执行时间超过指定参数（long_query_time，单位：秒，默认是10秒）的所有的SQL语句的日志。MySQL的慢查询日志默认没有开启，需要在配置文件中加入。

-- 查看慢查询日志是否开启
show variables like 'show_query_log';

开启慢查询的配置，在配置文件中增加：

# 开启慢SQL的开关
slow_query_log=1

# 设置慢日志的时间为2秒，SQL语句执行时间超过2秒，就会被记录
long_query_time=2

慢查询日志记录的信息在/var/lib/mysql/localhost-slow.log。我用docker启动的MySQL的地址和上边不一样：

运行SQL，制造慢SQL

select sleep(5);

查看慢SQL的日志：

[root@VM-24-10-centos data]# cat a5cbd50ec8f4-slow.log 
/usr/sbin/mysqld, Version: 8.0.27 (MySQL Community Server - GPL). started with:
Tcp port: 3306  Unix socket: /var/run/mysqld/mysqld.sock
Time                 Id Command    Argument
# Time: 2023-07-27T09:03:10.516956Z
# User@Host: root[root] @  [114.242.22.4]  Id:     9
# Query_time: 5.000289  Lock_time: 0.000000 Rows_sent: 1  Rows_examined: 1
use test;
SET timestamp=1690448585;
/* ApplicationName=DataGrip 2018.1.3 */ select sleep(5);

1.2 通过profile详情查看

通过profile查看最近执行的SQL情况

-- 查看profile是否支持
select @@have_profiling;

-- 查看profile是否开启
select @@profiling;


-- 设置开启
set profiling = 1;

-- 查询
select *
from test.user;

-- 查询
select *
from test.user where name ='张三';

select count(*) from user;

-- profiling_history_size的最大取值范围为[0,100]
set profiling_history_size = 100;

-- 查看当前所有执行的SQL
show profiles;

-- 通过Query_ID查询SQL执行详情
show profile for query 455;

1.3 explain执行计划查看

explain或者desc命令获取MySQL如何执行select语句的信息，包括select语句执行过程中表如何连接和连接的顺序。

explain select * from test.user where name ='张三';

各个字段含义

• id，查看该查询各个子句的执行顺序

  • select查询的序列号，表示查询中执行select子句或者操作表的顺序（id相同，执行顺序从上到下；id不同，id越大，越先执行）。

• select_type，查看查询类型，一般不用关注

  • 表示select的类型，simple（简单表，即不使用表连接或者子查询）、primary（主查询，即外层的查询）、union（union中的第二个或者后边的查询语句）、subquery（select/where之后包含了子查询）

• type，连接类型，需要重点关注

  • 表示连接类型，性能由好到差的连接类型为null、system、const、eq_ref、ref、range、index、all。

• possible_key

  • 显示可能应用在这张表上的索引，一个或者多个

• Key，实际用到的索引，需要重点关注

  • 实际使用的所有，如果为null，则没有使用索引

• key_len，实际使用所有的字节数，需要重点关注

  • 表示索引中使用的字节数，该值为索引字段最大可能的长度，并非实际使用长度，在不损失精确性的前提下，长度越短越好

• rows

  • MySQL认为必须要执行的查询的行数，在InnoDB中是一个估计值，该值越小越好

• filtered，需要重点关注

  • 表示返回结果的行数占需读取行数的百分比，该值越大越好

• Extra，执行计划的额外说明，包含重要信息

id	type value	Meaning
1	const row not found	所要查询的表为空
2	Distinct	mysql正在查询distinct值，因此当它每查到一个distinct值之后就会停止当前组的搜索，去查询下一个值
3	Impossible WHERE	where条件总为false，表里没有满足条件的记录
4	Impossible WHERE noticed after reading const tables	在优化器评估了const表之后，发现where条件均不满足
5	no matching row in const table	当前join的表为const表，不能匹配
6	Not exists	优化器发现内表记录不可能满足where条件
7	Select tables optimized away	在没有group by子句时，对于MyISAM的select count(*)操作，或者当对于min(),max()的操作可以利用索引优化，优化器发现只会返回一行。
8	Using filesort	使用filesort来进行order by操作
9	Using index	覆盖索引
10	Using index for group-by	对于group by列或者distinct列，可以利用索引检索出数据，而不需要去表里查数据、分组、排序、去重等等
11	Using join buffer	之前的表连接在nested loop之后放进join buffer，再来和本表进行join。适用于本表的访问type为range，index或all
12	Using sort_union,using union,using intersect	index_merge的三种情况
13	Using temporary	使用了临时表来存储中间结果集，适用于group by，distinct，或order by列为不同表的列。
14	Using where	在存储引擎层检索出记录后，在server利用where条件进行过滤，并返回给客户端

2 SQL优化原则

2.1 插入数据

2.1.1 insert 优化

• 批量插入，减少建立连接。不建议批量插入超过1000条

• 手动提交事务，在执行insert之前，开启事务，insert数据之后，手动commit

• 主键顺序插入

insert into user values(1,'小米'),(2,'小孩'),(3,'小红');

-- 开启事务
-- 也可以使用begin
start transaction;

-- 插入操作
insert into user values(1,'小米'),(2,'小孩'),(3,'小红');
insert into user values(4,'小米1'),(5,'小孩1'),(6,'小红1');

-- 提交
commit;

2.1.2 大批量插入数据

如果一次性需要插入大批量数据，使用load指令进行插入

新建数据库表，准备给该表出入数据

drop table if exists user;
create table user (
  id   int primary key auto_increment,
  name varchar(20) not null,
  age  int         not null,
  city varchar(20) default null
);

使用Java代码生成需要导入的批量数据文件

package com.wmding;

import java.io.*;
import java.util.ArrayList;
import java.util.Random;

/**
 * @author 明月
 * @version 1.0
 * @date 7/29/23 9:50 AM
 * @description:
 */
public class WriteFile {
    public static void main(String[] args) throws IOException {

        ArrayList cityList = new ArrayList();
        cityList.add("北京");
        cityList.add("上海");
        cityList.add("广州");
        cityList.add("郑州");

        File file = new File("/Users/wmding/WorkSpaces/My/ThreadDemo/src/main/java/com/wmding/data.log");

        if (!file.exists()) {
            file.createNewFile();
        } else {
            file.delete();
            file.createNewFile();
        }

        FileWriter fileWriter = new FileWriter(file);

        int num = 1000000;
//        int num = 10;
        // 1,sexe,10,sexeee
        for (int i = 1; i <= num; i++) {
            StringBuffer sb = new StringBuffer();
            sb.append(i);
            sb.append(',');

            String randomStr1 = createRandomStr1(6);
            sb.append(randomStr1);
            sb.append(',');

            int age = creatRandom();
            sb.append(age);
            sb.append(',');

            int index = i % 2;
            sb.append(cityList.get(index));

            System.out.println(sb.toString());

            fileWriter.write(sb.toString());

            // Add a new line after writing the content
            fileWriter.write("\n");

        }
        fileWriter.close();


    }


    /**
     * 生成的字符串每个位置都有可能是str中的一个字母或数字
     */
    private static String createRandomStr1(int length) {
        String str = "abcdefghijklmnopqrstuvwxyzABCDEFGHIJKLMNOPQRSTUVWXYZ0123456789";
        Random random = new Random();
        StringBuffer stringBuffer = new StringBuffer();
        for (int i = 0; i < length; i++) {
            int number = random.nextInt(62);
            stringBuffer.append(str.charAt(number));
        }
        return stringBuffer.toString();
    }

    private static int creatRandom() {
        Random random = new Random();
        // 生成大于1小于100的随机数
        int randomNumber = random.nextInt(98) + 2;
        return randomNumber;
    }
}

将数据文件上传到服务器

复制数据文件到MySQL容器内部的/test目录下
docker cp data.log a5cbd50ec8f4:/test/data.log

进入MySQL容器内部
docker exec -it 5d5ab079a223 bash

导入数据，导入100万条数据，耗时5.64秒

-- 使用--local-infile模式进入数据库
mysql -uroot -p --local-infile

-- 设置local_infile为1
mysql> set global local_infile = 1;

-- 导入数据
mysql> load data local infile '/test/data.log' into table user fields terminated by ',' lines terminated by '\n';
Query OK, 1000000 rows affected (5.64 sec)
Records: 1000000  Deleted: 0  Skipped: 0  Warnings: 0

2.2 主键优化

2.2.1 数据的组织方式

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

• 非叶子节点存放的是索引

• 叶子节点存放的是索引和数据

2.2.2 页分裂

不同的插入方式导致效率不同

• 主键顺序插入时，主键按照顺序放入页（page）中

• 主键乱序插入时，由于顺序不确定，所以会使在插入过程中，先找到合适的位置，然后插入。原来插入的数据进行页分裂

2.2.3 页合并

当删除一行数据时，实际上记录并没有被物理删除，只是被标记为删除并且它的空间变成允许被使用。

当页中的删除记录达到merge_threshold（默认为页的50%），InnoDB会进行页合并以优化空间使用。

2.4 主键的设计原则

• 满足业务需求的情况下，尽量降低主键的长度，减少查询时磁盘IO

• 插入数据时，尽量选择顺序插入，选择使用 auto_increment自增主键，避免页分裂

• 尽量不要使用UUID做主键或者使用其他自然主键，如身份号码

• 业务操作时，避免对主键的修改。修改主键后，索引结构就需要发生改变

2.3 order by优化

2.3.1 排序的方式

order by排序中有2种排序方式：Using index > Using filesort

• 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sort buffer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。

#没有创建索引时，根据age，phone进行排序
explain select id,age,phone from tb_user order by age, phone;

#创建索引

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;

#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;


-- 一个升序、一个降序时联合索引不起作用
#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;

-- 解决办法是，重新创建索引，一个升序、一个降序
#创建索引
create index idx_ user_age_phone_ad on tb_user(age asc ,phone desc);

#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;

3.2 排序优化

• 根据排序字段建立合适的索引，多字段排序时，也要遵循最左前缀法则

• 尽量使用覆盖索引

• 多字段排序，一个升序、一个降序，这时需要注意联合索引在创建的规则（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，如果超过256K时，可能会涉及磁盘文件

-- 查看排序缓冲取大小，默认为256K
show variablees like 'sort_buffer_size';

2.4 group by优化

create index index_age_city on user(age,city);

-- Extra：Using index
explain select age,count(*) from test.user group by age;

-- Extra：Using index; Using temporary
explain select city,count(*) from test.user group by city;

优化原则：

• 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

2.5 limit优化

-- 当user表中数据量较大时。limit从0开始和limit从990900的速度差别很大。
select * from test.user limit 0, 10;

select * from test.user limit 990900, 10;

-- 可使用子查询来进行优化
select s.* from test.user as s, (select id from test.user order by id limit 909000,10) as a  where s.id = a.id;

一般分页查询时，优化思路：

• 通过创建 覆盖索引 提高执行效率

• 覆盖索引+子查询的方式进行优化

2.6 count优化

count是一个聚合函数，对于返回的结果集，一行一样的判断是否为null，如果不为null就累计加1，最后返回累计值。

用法有：

• count(*)

• count(主键)

• count(字段)

• count(1)

使用近似计数：如果你对精确的行数没有严格要求，可以使用近似计数方法。MySQL提供了一个叫做SHOW TABLE STATUS的命令，它可以返回表的元数据信息，包括数据行数的近似值

show table status like 'user';

2.7 update优化

InnoDB使用的是行锁，是针对索引加的锁，该索引不能失效，失效后行锁会升级为表锁。

---

关注我，我们一起学习。