查询的一般流程是 客户端到服务器,这之间有网络。 在服务器上进行解析,生成执行计划,执行。并且返回给客户端。 执行中又会包含大量的调用存储引擎检索数据,以及检索后的处理比如排序等。
总体来说,时间一般花费在网络、CPU计算、生成统计信息、执行计划,锁等待,内存不足时的I/O操作等等。
先说两个用于查看性能指标的sql.
SELECT @@profiling;
SET profiling = 1;
select count(*) from test;
show profiles;
// 来查看语句的执行时间,这个能够最直观的看到sql的快慢
第二个语句是:
explain select * from biz_pay_task where jd_order_id=42596246804;
其结果如下:
+—-+————-+————–+——+—————+—————+———+——-+——+——-+
| id | select_type | table | type | possible_keys | key | key_len | ref | rows | Extra |
+—-+————-+————–+——+—————+—————+———+——-+——+——-+
| 1 | SIMPLE | biz_pay_task | ref | i_jd_order_id | i_jd_order_id | 8 | const | 1 | |
+—-+————-+————–+——+—————+—————+———+——-+——+——-+
主要是select_type 、key 、rows、type 这几个选项
- key 使用了哪个索引
- rows mysql评估的可能需要检索的数量
- type对应了查询所使用的类型,比如All代表全表扫描,ref代表索引扫描,还会有范围扫描、唯一索引扫描等等。最好都能够达到ref的级别。
通常可以从如下几个方面进行考虑
是否向数据库请求了不需要的数据
- 没有使用LIMIT,而是查处了大量的数据,只是用了前几行
- 多表关联时返回全部列,这样会有很多重复列,最好明确指定
- 默认使用select * 尽量只返回需要的列
是否扫描了额外的记录
这个不是很好确定,通常加上合适的索引之后就能够减少扫描的数量,但是对于分组统计类的sql却不能使用索引的方式了。一般我们可以有如下的方式优化:
- 使用覆盖索引
- 该表库表结构,使用单独的汇总表
- 重写复杂查询,让Mysql优化器能够以更好的方式执行这个查询
重构查询方式
一个复杂查询还是多个简单查询
这个冲突放大了就是多个简单sql语句,然后在代码里计算,还是用存储过程把所有计算都完成。
以前认为数据库查询计算很快,而跟客户端之间的通信的开销是很大的。但是现在可能会越来越考虑可用性,重用性等,一个复杂查询变得不那么重要了。
切分查询
每个sql的功能完全一样,但是只是完成一小部分。
最经典的使用方式是分页,也就是使用limit关键字, 可以分页查或者是分页删除。
特别是删除,因为会占用事务日志和锁,因此更有必要使用分页。我们可以用下面的伪代码来表示分页删除:
rows_affected = 0;
do{
rows_affected = do_query(DELETE FROM test LIMIT 10000)
} while rows_affected > 0;
分解关联查询
把join分解为多个查询,比如:
select * from Student s JOIN grade g on s.gradeId = g.id where s.name="张三";
// 可以改写为:
SELECT * FROM Student s where s.name="张三";
SELECT * FROM Grade g where g.id in (#上面查出的结果#);
这样看起来一模一样,并且还会增加连接次数。但是却能带来如下的好处:
- 让缓存效率更高。 如果第一个查询已经执行过,那么就可以跳过。
- 减少锁竞争
- 在应用层做关联,可以对数据库进行拆分,获得更好的扩展性
- 使用IN()代替关联查询,本身会比关联查询更高效
- 在应用层可以重用第一次的查询结果,比如做缓存。
查询执行基础
- 客户端发送请求给服务器
- 服务器先查询缓存,如果命中直接返回
- 如果没命中进行解析及预处理,再由优化器生成执行计划
- 根据执行计划调用API来执行查询
- 将结果返回给客户端
Mysql 客户端与服务器端的通信
半双工的通信方式,决定了不能限制流量,发出请求后只能等待结果。
下面的参数能够设置接收包的大小,太小了,可能导致请求失败
show VARIABLES like '%max_allowed_packet%';
//my.cnf
max_allowed_packet = 20M
// 命令
set global max_allowed_packet = 2*1024*1024*10
通常使用mysql的客户端包,都是从mysql服务器中获取了sql中返回的所有数据,并且缓存,之后操作的都是缓存中的数据。 这样有个问题是如果结果集过大有可能内存溢出。
JDBC可以用如下的办法来不使用这种返回的方式:
stmt = (com.mysql.jdbc.Statement) con.createStatement();
stmt.setFetchSize(1);
// 打开流方式返回机制
stmt.enableStreamingResults();
// 类似利用mysql机制的方法还有:setLocalInfileInputStream ,可以跟LOAD DATA LOCAL INFILE一起快速插入
连接状态
SHOW FULL PROCESSLIST;
+———+——+———————-+——————–+———+——+——-+———————–+
| Id | User | Host | db | Command | Time | State | Info |
+———+——+———————-+——————–+———+——+——-+———————–+
| 1897957 | root | 192.168.147.34:60520 | biz | Sleep | 172 | | NULL |
通过State能够看到连接线程的状态。
Sleep是线程等待客户端发送新请求
Query是正在查询,等等。
查询缓存
是通过大小写敏感的 Hash查找来实现的,因此只要sql改动了一点就不能命中了
词法分析与预处理
分析称解析树, 其中如果存在语法错误则直接返回
查询优化器
生成执行计划。
每个sql语句都可能有多种执行计划,mysql使用预判的方式来估算最小成本的计划。下面的语句可以看一下mysql的估算结果:
SELECT SQL_NO_CACHE COUNT(*) FROM biz_pay_task;
SHOW STATUS LIKE 'Last_query_cost';
返回的是mysql认为的要做多少个页的随机查找才能完成任务。
mysql通常有如下的优化方式:
- 重定义关联表顺序
- 等价变换规则: 移除恒等,合并比较等等,比如 1=1 AND a > 5会转化为 a > 5
- 优化COUNT(), MIN(), MAX()
MIN(),MAX()分别对应B-Tree的索引最前与最后,基本相当于常量引用的效率了
EXPLAIN select MAX(jd_order_id) FROM biz_pay_task;
// 结果: Extra : Select tables optimized away
表示启用了此项优化。
COUNT(),需要存储引擎支持,比如有的存储引擎可以直接返回这个变量,不用去数
- 预估并转化为常量表达式
// 查出一个订单的扩展字段之:第三方订单号。
EXPLAIN SELECT b.id, o.third_order_id FROM biz_pay_task b INNER JOIN order_snap o ON o.virtual_order_id = b.id WHERE b.id = 1;
结果:
+—-+————-+——-+——-+—————+———+———+——-+——+————-+
| id | select_type | table | type | possible_keys | key | key_len | ref | rows | Extra |
+—-+————-+——-+——-+—————+———+———+——-+——+————-+
| 1 | SIMPLE | b | const | PRIMARY | PRIMARY | 8 | const | 1 | Using index |
| 1 | SIMPLE | o | ALL | NULL | NULL | NULL | NULL | 61 | Using where |
+—-+————-+——-+——-+—————+———+———+——-+——+————-+
可以看到是转化为两次查询,第一次是主键查询,第二次是一个where 查询,第二个where查询的时候会直接使用o.virtual_order_id=1来进行替换。使用常量值。
另外上面说的MIN()的情况也应该属于这一种
- 覆盖索引扫描
- 提前终止查询
比如Limit,到指定的位置就不往下查找了
比如下旬一个不存在的数据,从索引上就直接返回了,不会去查数据
EXPLAIN SELECT b.id
FROM biz_pay_task b WHERE b.id = -1;
// Extra是:Impossible WHERE noticed after reading const tables
比如NOT EXIST, LEFT JOIN, lift join再来个例子:
查询很有赠品的订单
SELECT b.order_id FROM order LEFT JOIN order_sku o ON order.order_id = o.order_id WHERE o.skuName IS NULL;
这个查询会找到第一个skuName 为NULL之后进入下一个订单,而不会全部扫描。
其实跟Java的return, break; continue这种语法有点像。
- IN mysql会对其内容进行排序,使用二分查找的方式,这样比其他的数据库要好,其他基本上都是跟多个OR是等价的。
关联查询
Mysql中对于关联查询的操作很简单,就是嵌套循环。即先遍历左边中符合条件的,然后根据每一个左表符合条件的去查右表中的内容。
包括子查询 也是使用的这种方式。
Mysql在执行时会把sql语句转化为执行树,是一颗左侧深度优先的数,如下图:
关联查询优化
主要是对于内联的操作。因为有很多情况内联的表的顺序不重要,因此mysql可能会改变遍历顺序优先遍历数据很少的表。
举个栗子:
EXPLAIN SELECT v.id, o.third_order_id FROM virtual_order v
INNER JOIN order_snap o ON v.id = o.virtual_order_id;
// 这个sql跟 order_snap o INNER JOIN virtual_order v的效果是一样的。执行的时候能够看到:
+—-+————-+——-+——–+—————+———+———+——————————–+——+————-+
| id | select_type | table | type | possible_keys | key | key_len | ref | rows | Extra |
+—-+————-+——-+——–+—————+———+———+——————————–+——+————-+
| 1 | SIMPLE | o | ALL | NULL | NULL | NULL | NULL | 344 | |
| 1 | SIMPLE | v | eq_ref | PRIMARY | PRIMARY | 8 | virtual_biz.o.virtual_order_id | 1 | Using index |
+—-+————-+——-+——–+—————+———+———+——————————–+——+————-+
能够看到先执行的o表, 因为mysql的优化点在于选择驱动表,其会简单的选择数据少的为驱动表。
但是如果是很多表关联的情况下, 因为组合会很多所以有可能会转为其他的方式进行选择。通常不建议关联很多表
此外我们可以指定连接的顺序,选择驱动表。 使用STRAIGHT JOIN 关键字。 这样我们可以保证驱动表是我们想要的,比如我们要尽量使得排序行为在驱动表中,这样就会使查询更快。
排序优化
基于索引排序, 使用快排,如果内存不够则先对数据分块,然后每块分别排序,最后merge.
此外有两种排序算法
当不超过max_length_for_sort_data时,使用单次传输,否则时两次传输。
单次传输时新版本才有的,会加载所有的列进行排序,这样减少I/O,增加占用内存
两次传输,第一次加载排序列,排序,排好后再去拿其他数据。这样减少占用空间,但是会增加很多随机I/O。
当关联查询需要排序时,如果在驱动表上,则会先排序。
不在则会先计算关联结果,然后放到临时表中,再进行排序。
查询执行引擎
生成的执行计划是一个数据结构。
执行过程会通过api调用很多次存储引擎。
返回结果给客户端
返回结果集时会判断能否缓存,如果可以会先缓存。
结果是增量返回的,因此在API端调用的时候可以设置,是否增量接收。