您现在的位置是:首页 >技术交流 >Mysql-SQL优化网站首页技术交流
Mysql-SQL优化
插入数据优化
插入数据优化主要是对于insert进行批量插入时优化,下面我们就来开始分析一下
如果我们需要一次性往数据库表中插入多条记录,一条一条插入效率实在太慢了。
insert into tb_test values(1,'tom'); insert into tb_test values(2,'cat'); insert into tb_test values(3,'jerry'); .....
可以从以下三个方面进行优化。
1)批量插入数据
Insert into tb_test values(1,'Tom'),(2,'Cat'),(3,'Jerry');
2)手动控制事务
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;
3)主键顺序插入
主键顺序插入,性能要高于乱序插入
大批量插入数据
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
主键优化
在上面,我们提到,主键顺序插入的性能是要高于乱序插入的。 这一小节,就来介绍一下具体的原因,然后再分析一下主键又该如何设计。
在解释为什么主键顺序插入性能高于乱序插入之前,我们先要来了解一下什么是页分裂,什么是页合并
- 页分裂
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在该页存储不小,将会存储到下一个页中,页与页之间会通过指针连接。
我们先来看如果是主键顺序插入的效果
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
接下来看看如果我们是乱序插入的话效果是怎么样的
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
这时候可能有的小伙伴就会想了,会再次开启一个页,写入新的页中吗?我们一起来往下看看吧
假如会开启一个新的页,并且将id为50的记录写入新的页中,我们仔细想想是不是会违背我们索引本身的一个结构呢?
索引结构的叶子节点本身是有顺序的
接下来就该进入页分裂的正式步骤了,由于之前我们插入的数据没有按照顺序一个一个插入,而是像我们现在一样107都插完了才来插入50,而第一页的数据又满了,这时候50还想插入到47后面,那就必须进行页分裂了。
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。
- 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”。
注意: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。
主键优化:
(1)满足业务需求的情况下,尽量降低主键的长度。
(2)插入数据时,尽量选择顺序插入,选择使用AUTO_INCREMENT自增主键。
(3)尽量不要使用UUID做主键或者是其他自然主键,如身份证号。
(4)业务操作时,避免对主键的修改。
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。
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。
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; 1
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。
再来看一种特殊情况: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。
建立好新的索引后,我们再来查询看看:
explain select id,age,phone from tb_user order by age asc , phone desc ;
由上述的测试,我们得出order by优化原则:
(1) 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。
(2) 尽量使用覆盖索引。
(3)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)。
(4)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256k)。
group by优化
group by的话就直接在分组的字段上建立索引就可以进行优化,但是最好是建立联合索引,提高索引的效率
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:
通过测试我们会看到,越往后,分页查询效率越低,这就是分页查询的问题所在。
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。
count优化
mysql中的innodb本身对count是没有什么比较好的优化方式的
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)。
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。
update优化的话主要是将update修改的字段添加索引,如果不添加索引的话可能存在将行级锁升级为表级锁的过程,表级锁的话锁住了别的事务就无法去修改同表中的其他字段了
小结
insert:
(1)是我们在插入数据的时候尽量去使用批量插入,因为每一次insert都需要去和数据库建立连接进行网络传输,这个性能相对是比较低的。
(2)是手动提交事务,因为insert每次执行完都会自动的提交事务和开启事务,频繁的开启和提交事务性能比较低。
(3)就是主键尽量采用顺序插入
主键优化:
(1)满足业务需求的情况下,尽量降低主键的长度,因为可能一个主键索引存在多个二级索引,如果主键长度很长,将会占用大量的磁盘空间。
(2)插入数据时,尽量选择顺序插入(页分裂和页合并),选择自增主键。
(3)尽量不要使用uuid作为主键或者是其他自然主键(耗费大量的磁盘io)
order by优化:
(1)对需要排序的字段建立索引,因为排序是分为两种排序一种是Using filesort,另一种是Using index,相对而言Using index的效率要比Using filesort的效率高,所以尽量在需要排序的字段上建立索引
(2)尽量使用覆盖索引,提高索引的效率
(3)多字段排序时,一个升序,一个降序,此时如果建立的索引没有指定排序的话,他会走Using filesort排序,这时候我们就要对字段指定的升降序进行建立索引
(4)如果不可避免的出现filesort,大量数据排序时,可以适当的增加排序缓冲区大小sort_buffer_size(默256k)。
group by 优化:
group by的话就直接在分组的字段上建立索引就可以进行优化,但是最好是建立联合索引,提高索引的效率
limit优化:
limit的话主要是优化的是大数据情况下的分页操作,比如说limit(5000000,10)这样的操作,他就比较的慢,优化方案是覆盖索引加子查询的方式来进行优化,比如我通过分页先查询从5000000往后的10条数据的id(只查询id不用进行回表操作),然后将查询到的id看作一张表,与原来的表进行一个多表联查
count优化:
count其实没有啥好的优化方案,如果要对count进行优化的话,可以使用redis这样的缓存数据库来计数,但是对于带条件的count其实也优化不了。
update优化:
update优化的话主要是将update修改的字段添加索引,如果不添加索引的话可能存在将行级锁升级为表级锁的过程,表级锁的话锁住了别的事务就无法去修改同表中的其他字段了