前言：这次准备了100W的数据进行SQL性能测试，数据库采用的是MySQL，总共介绍了常见的15种SQL优化方式，每一种优化方式都进行了实打实的测试，逐行讲解，通俗易懂！

一、准备数据

1、创建表结构

2、创建存储过程

二、索引介绍

1、类型介绍

2、建立索引

3、建立复合索引

4、查看所有建立的索引

5、删除索引

三、EXPLAIN分析参数说明

四、SQL优化案例

1、避免使用SELECT *

2、慎用UNION关键字

3、小表驱动大表

4、避免使用or条件（有争议）

5、LIKE语句优化

6、字符串字段优化

7、最左匹配原则（重要）

8、COUNT查询数据是否存在优化

9、LIMIT关键字优化

10、提升GROUP BY的效率

11、避免使用!=或<>

12、避免NULL值判断

13、避免函数运算

14、JOIN的表中使用索引字段

15、用EXISTS代替IN

五、总结

一、准备数据

提前准备一张学生表数据和一张特殊学生表数据，用于后面的测试用。

1、创建表结构

创建一个学生表：

CREATE TABLE student (
  id int(11) unsigned NOT NULL AUTO_INCREMENT,
  name varchar(50) DEFAULT NULL,
  age tinyint(4) DEFAULT NULL,
  id_card varchar(20) DEFAULT NULL,
  sex tinyint(1) DEFAULT '0', 
  address varchar(100) DEFAULT NULL,
  phone varchar(20) DEFAULT NULL, 
  create_time timestamp NULL DEFAULT CURRENT_TIMESTAMP,
  remark varchar(200) DEFAULT NULL,
  PRIMARY KEY (id)
) ENGINE=InnoDB DEFAULT CHARSET=utf8;

再创建一个特殊学生表：

CREATE TABLE special_student (
  id int(11) unsigned NOT NULL AUTO_INCREMENT,
  stu_id int(11) DEFAULT NULL,
  PRIMARY KEY (id)
) ENGINE=InnoDB DEFAULT CHARSET=utf8;

2、创建存储过程

在学生表中插入100w条数据，手动开启和提交事务，每插入1w条记录后，手动COMMIT一次事务，最后再COMMIT一次以提交剩下的记录，这样可以让插入速度更快,因为不需要为每条记录都 COMMIT,从而降低 IO 次数。

CREATE PROCEDURE insert_student_data()
BEGIN
  DECLARE i INT DEFAULT 0; 
  DECLARE done INT DEFAULT 0; 
  DECLARE continue HANDLER FOR NOT FOUND SET done = 1;
  START TRANSACTION;  
   WHILE i < 1000000 DO
     INSERT INTO student(name,age,id_card,sex,address,phone,remark)
     VALUES(CONCAT('姓名_',i), FLOOR(RAND()*100),
         FLOOR(RAND()*10000000000),FLOOR(RAND()*2),
         CONCAT('地址_',i), CONCAT('12937742',i),
         CONCAT('备注_',i));
     SET i = i + 1; 
     IF MOD(i,10000) = 0 THEN 
       COMMIT;
       START TRANSACTION;
     END IF;     
   END WHILE;    
   COMMIT;
END

执行学生表的存储过程：

CALL insert_student_data();

在特殊学生表中随机插入100条学生表中的id：

CREATE PROCEDURE insert_special_student()
BEGIN
  DECLARE i INT DEFAULT 0; 
  WHILE i < 100 DO
    INSERT INTO special_student (stu_id) VALUES (FLOOR(RAND()*1000000));  
    SET i = i + 1;   
  END WHILE;
END

执行特殊学生表的存储过程：

CALL insert_special_student();

二、索引介绍

1、类型介绍

普通索引	最基本的索引，没有任何限制
唯一索引	与普通索引类似，不同的就是：索引列的值必须唯一，但允许有空值
主索引	即主键索引，关键字PRIMARY
复合索引	为了更多的提高MySQL效率可建立组合索引，遵循“最左前缀”原则
全文索引	可用于MyISAM表，MySQL5.6之后也可用于innodb表，用于在一篇文章中，检索文本信息的, 针对较大的数据，生成全文索引很耗时和空间

2、建立索引

CREATE INDEX id_card_index ON student(id_card);

3、建立复合索引

CREATE INDEX name_address_phone_index ON student(name,address,phone);

4、查看所有建立的索引

SHOW INDEX FROM student;

5、删除索引

ALTER TABLE 表名 DROP INDEX 索引名称;

三、EXPLAIN分析参数说明

1、id：SELECT语句的编号。可以通过id来区别多条SELECT语句。

2、select_type：SELECT类型，主要有SIMPLE、PRIMARY、DERIVED等类型。

SIMPLE：简单的SELECT（不含子查询及UNION）。

PRIMARY：查询中最外层的SELECT。

DERIVED：包含的子查询中的SELECT。

3、table：显示这一行的数据是关于哪张表的。

4、partitions：匹配的分区信息。

5、type：显示连接使用了何种类型。

最好到最差的连接类型为 system > const > eq_reg > ref > range > index > ALL.

system	表只有一行记录(等于系统表)
const	使用常量进行索引查询
eq_ref	唯一索引扫描，通常使用主键约束
ref	非唯一性索引扫描
range	索引范围扫描
index	全索引扫描
ALL	全表扫描

6、possible_keys：显示可能应用在这张表中的索引。

7、key：实际使用的索引。

8、key_len：使用的索引的长度。

9、ref：显示索引的哪一列被使用。

10、rows：根据表统计信息及索引条件估算，查询返回的且接近的行数

11、filtered：显示了通过条件过滤出的行数的百分比估计值。

12、Extra：包含不适合在其他列展示但是需要展示的信息。

四、SQL优化案例

1、避免使用SELECT *

有的时候，我们为了图方便，会直接使用SELECT * 一次性查出表中所有的数据：

SELECT * FROM student

执行结果如图所示：

可以看到，执行时间花了2s左右，耗时很长！

在实际开发中，我们给页面展示的数据可能就只要2-3个字段，如果直接全部查出来了，岂不是白白浪费了字段，同时也损耗了性能，这是因为SELECT * 不会走覆盖索引，会出现大量的回表操作，从而导致SQL性能大幅度降低。

我们上面建立了联合索引，我们就可以只查询索引列，这样会大幅度提升查询效率，优化的SQL如下：

SELECT name,address,phone FROM student

执行结果如图所示：

这样执行的速度大大提高！

分析SQL：

使用EXPLAIN关键字执行这段SQL：

EXPLAIN SELECT name,address,phone FROM student

执行结果如图所示：

确实走了我们建立的复合索引。

2、慎用UNION关键字

例如我们根据性别去查询所有学生的信息，虽然这种操作多此一举，直接SELECT *就好了，为了演示这2个关键字的详细区别，使用UNION关键字执行的SQL如下：

SELECT * FROM student WHERE sex = 0
UNION 
SELECT * FROM student WHERE sex = 1

执行结果如图所示：

我滴妈，查了100w条足足整整等了32s左右，这个速度要是放到系统上，查个数据等到娃娃菜都凉了！

这是因为在使用UNION执行完SQL后，会帮我们获取所有数据并去掉重复的数据，性能的损耗就在这里，而UNION ALL和UNION相反，帮我们获取所有数据但会保留重复的数据。

我们改用UNION ALL关键字，优化的SQL如下：

SELECT * FROM student WHERE sex = 0
UNION ALL
SELECT * FROM student WHERE sex = 1

执行结果如图所示：

同样查询100w条数据，这边执行速度大大提高了，只用到了3s左右！

3、小表驱动大表

言简意赅，意思就是让小表查出来的数据去再查询大表当中的数据。比如我们想查询学生表当中特殊学生的信息，我们就可以使用以special_student这个小表去驱动student这个大表，SQL如下：

SELECT * FROM student WHERE id 
IN (SELECT stu_id FROM special_student)

执行结果如图所示：

只用了0.02s，速度很可观！因为IN关键字中的子查询语句，子查询语句的数据量很少，所以查询速度会很快！

4、避免使用or条件（有争议）

如果我们要查询指定的性别或者指定的身份证号码的学生，执行SQL如下：

SELECT * FROM student WHERE sex = 0 OR id_card = '7121877527789'

执行结果如图所示：

总共查询了近50w条数据，耗时1.4s左右，我们改用UNION ALL关键字查询：

SELECT * FROM student WHERE sex = 0 
UNION ALL 
SELECT * FROM student WHERE id_card = '7121877527789'

执行结果如图所示：

和上面查询的数据量一样，好事在1.7s左右，怎么会没什么区别呢？

分析SQL：

使用EXPLAIN关键字分析一下使用OR关键字的这段SQL：

EXPLAIN SELECT * FROM student WHERE SEX = 0 OR id_card = '7121877527789'

执行结果如图所示：

很明显，虽然可能会用到建立id_card的索引，正因为sex这个字段没有建立索引，还是走了一次全表扫描。

使用EXPLAIN关键字执行这段SQL：

EXPLAIN
SELECT * FROM student WHERE sex = 0 
UNION ALL 
SELECT * FROM student WHERE id_card = '7121877527789'

执行结果如图所示：

很明显条件是sex的走了全表，但是id_card走了索引，所以依旧还是走了一次全表扫描，所以网上说的关于UNION ALL代替OR的，我这边实测感觉还是存在争议的！

5、LIKE语句优化

平时我们日常开发用到的LIKE关键字进行模糊匹配会非常多，但是有的情况会使索引失效，导致查询效率变慢，例如：

只要身份证字段包含50就查出来，执行SQL如下：

SELECT * FROM student WHERE id_card like '%50%'

执行结果如图所示：

用了0.8s左右。

只要身份证号码以50结尾就查出来，执行SQL如下：

SELECT * FROM student WHERE id_card like '%50'

执行结果如图所示：

用了0.4s左右。

只要身份证号码以50开头的就查出来，执行SQL如下：

SELECT * FROM student WHERE id_card like '50%'

执行结果如图所示：

这次执行非常快，0.08s左右。

分析SQL：

使用EXPLAIN关键字执行这段SQL：

EXPLAIN SELECT * FROM student WHERE id_card like '%50%'

执行结果如图所示：

很明显走了全表扫描！

使用EXPLAIN关键字执行这段SQL：

EXPLAIN SELECT * FROM student WHERE id_card like '%50'

执行结果如图所示：

依旧走了全表扫描！

使用EXPLAIN关键字执行这段SQL：

EXPLAIN SELECT * FROM student WHERE id_card like '50%'

执行结果如图所示：

这次便走了索引！

6、字符串字段优化

查询指定的身份证号码的学生，如果我们平时疏忽了给身份证号码加上单引号，执行SQL如下：

SELECT * FROM student WHERE id_card = 5040198345

执行结果如图所示：

耗时0.4s左右。

给身份证号码加上单引号，优化的SQL如下：

SELECT * FROM student WHERE id_card = '5040198345'

执行结果如图所示：

耗时0.02s左右，这次明显快多了！

分析SQL：

使用EXPLAIN关键字执行这段SQL：

EXPLAIN SELECT * FROM student WHERE id_card = 5040198345

执行结果如图所示：

可能用到了id_card的索引，但是还是走了全表扫描！

使用EXPLAIN关键字执行这段SQL：

EXPLAIN SELECT * FROM student WHERE id_card = '5040198345'

执行结果如图所示：

这边走了索引。

7、最左匹配原则（重要）

上面我们按照name，address和phone这个顺序建立了复合索引，相当于建立了（name），（name、address）和（name、address、phone）三个索引，如果我们查询的where条件违背了建立的顺序，则复合索引就失效了，下面直接进行SQL分析：

分析SQL：

使用EXPLAIN关键字执行这段SQL：

EXPLAIN SELECT * FROM student WHERE name = '姓名_4' and phone = '7121877527' and address = '地址_4'

执行结果如图：

为什么明明违背了最左匹配原则，依旧还是走了复合索引呢？可能是如下原因：

1、通过索引过滤性能足够好，所以还是选择利用索引。

2、联合索引中前几个字段过滤效果较好，所以仍然选择利用索引。

可能的执行计划大概是：

1、优先通过phone字段过滤，将要扫描的记录减少一部分。
2、然后通过address字段继续过滤,再减少一部分记录。
3、最后通过name字段过滤,已经剩下很少的记录需要扫描。
4、尽管违反了最左匹配，解释器可能认为仍然利用索引效率比较高。

所以总的来说，就是解释器会根据实际情况进行权衡，即使是违反最左匹配原则，也可能会选择利用索引。但这并不是一个良好的查询优化，最好还是严格遵守最左匹配原则。

以下是严格遵守最左匹配原则的SQL：

SELECT * FROM student WHERE name = '姓名_4' 
SELECT * FROM student WHERE name = '姓名_4' and address = '地址_4' 
SELECT * FROM student WHERE name = '姓名_4' and address = '地址_4' and phone = '7121877527'

8、COUNT查询数据是否存在优化

比如我想判断年龄为18岁的学生是否存在，我们往往会执行如下SQL：

SELECT COUNT(*) FROM student WHERE age = 18

执行结果如图所示：

耗时0.4s左右，虽然知道学生年龄18岁存在，但是没必要查询出这么多数量出来，我们只要知道是否存在即可！

不再使用COUNT，而是改用LIMIT 1，让数据库查询时遇到一条就返回，这样就不要再继续查找还有多少条了，优化的SQL如下：

SELECT 1 FROM student WHERE age = 18 LIMIT 1

执行结果如图所示：

耗时0.01s左右，很快就知道了。

9、LIMIT关键字优化

平日开发工作中，我们对于分页的处理一般是这样的：

SELECT * FROM student LIMIT 999910,10

执行结果如图所示：

耗时0.56s，但是因为我们的ID属于自增长，所以我们可以在此基础上进行一定的优化，优化的SQL如下：

SELECT * FROM student WHERE ID >= 999910 LIMIT 10

执行结果如图所示：

仅仅用时0.02s，非常快！

10、提升GROUP BY的效率

我们平日写SQL需要多多少少会使用GROUP BY关键字，它主要的功能是去重和分组。通常它会跟HAVING一起配合使用，表示分组后再根据一定的条件过滤数据，常规执行的SQL如下：

SELECT age,COUNT(1) FROM student GROUP BY age HAVING age > 18

执行结果如图所示：

耗时总计0.53s左右，不过还可以进行优化，我们可以在分组之前缩小筛选的范围，然后再进行分组，优化的SQL如下：

SELECT age,COUNT(1) FROM student where age > 18 GROUP BY age

执行结果如图所示：

耗时0.51s左右，虽然不明显，也是一种不错的思路。

11、避免使用!=或<>

尽量避免使用!=或<>操作符，下面直接分析SQL：

SQL分析：

使用EXPLAIN关键字执行这段SQL：

EXPLAIN SELECT * FROM student WHERE id_card != '5031520645'

执行结果如图所示：

虽然我们给了id_card字段建立了索引，但还是走了全表扫描！

12、避免NULL值判断

为了确保没有NULL值，我们可以设定一个默认值，下面直接分析SQL：

SQL分析：

使用EXPLAIN关键字执行这段SQL：

EXPLAIN SELECT * FROM student WHERE id_card IS NOT NULL

执行结果如图所示：

依旧还是走了全表扫描。

使用EXPLAIN关键字执行这段SQL：

EXPLAIN SELECT * FROM student WHERE id_card IS NULL

执行结果如图所示：

这样是走索引的！

13、避免函数运算

在日常SQL撰写中，在WHERE条件上多多少少会用到一些函数，例如截取字符串，执行SQL如下：

分析SQL：

使用EXPLAIN关键字执行这段SQL：

EXPLAIN SELECT * FROM student WHERE SUBSTR(id_card,0,9)

执行结果如图所示：

索引失效，走了全表扫描。

14、JOIN的表中使用索引字段

如果日常开发中，使用JOIN关键字链接表后，使用的ON关键字进行条件链接时，如果条件没有索引，则会进行全表扫描，执行SQL如下：

EXPLAIN SELECT * FROM student a,special_student b WHERE a.id = b.stu_id

执行结果如图所示：

正因为special_student表的stu_id没有建立索引，则导致了全表扫描！

为stu_id建立索引后，执行SQL如下：

CREATE INDEX stu_id_index ON special_student(stu_id);

EXPLAIN SELECT * FROM student a,special_student b WHERE a.id = b.stu_id

执行结果如图所示：

两张表都走了索引。

15、用EXISTS代替IN

IN关键字适合于外表大而内表小的情况，EXISTS适合于外表小而内表大的情况，执行SQL如下：

SELECT * FROM special_student 
WHERE EXISTS 
( SELECT 1 FROM student WHERE special_student.stu_id = student.id)

运行结果如图所示：

执行效率在0.02s左右，这里special_student是小表，student是大表，速度非常快！

五、总结

以上就是目前我对SQL优化的一些个人理解和总结，如果遗漏，欢迎评论区补充说明！

百万数据SQL优化技巧，看这一篇就够了（实操+详细总结）

一、准备数据

1、创建表结构

2、创建存储过程

二、索引介绍

1、类型介绍

2、建立索引

3、建立复合索引

4、查看所有建立的索引

5、删除索引

三、EXPLAIN分析参数说明

四、SQL优化案例

1、避免使用SELECT *

2、慎用UNION关键字

3、小表驱动大表

4、避免使用or条件（有争议）

5、LIKE语句优化

6、字符串字段优化

7、最左匹配原则（重要）

8、COUNT查询数据是否存在优化

9、LIMIT关键字优化

10、提升GROUP BY的效率

11、避免使用!=或<>

12、避免NULL值判断

13、避免函数运算

14、JOIN的表中使用索引字段

15、用EXISTS代替IN

五、总结

相关文章