MySQL 慢查询优化案例

avatar
作者
筋斗云
阅读量:1

​>优质博文:IT-BLOG-CN

一、慢查询优化基本步骤

【1】先运行看看是否真的很慢,注意设置SQL_NO_CACHE(查询时不使用缓存);
【2】where条件单表查,锁定最小返回记录表。这句话的意思是把查询语句的 where都应用到表中返回的记录数最小的表开始查起,单表每个字段分别查询,看哪个字段的区分度最高;
【3】explain查看执行计划,是否与2预期一致(从锁定记录较少的表开始查询);
【4】order by limit 形式的 sql语句让排序的表优先查;
【5】了解业务方使用场景;
【6】加索引时参照建索引的几大原则;
【7】观察结果,不符合预期继续从1分析;

二、几个慢查询案例

1、复杂语句写法
很多情况下,我们写 SQL只是为了实现功能,这只是第一步,不同的语句书写方式对于效率往往有本质的差别,这要求我们对 mysql的执行计划和索引原则有非常清楚的认识,请看下面的语句:

select    distinct cert.emp_id from    cm_log cl inner join    (       select          emp.id as emp_id,          emp_cert.id as cert_id       from          employee emp       left join          emp_certificate emp_cert             on emp.id = emp_cert.emp_id       where          emp.is_deleted=0    ) cert       on (          cl.ref_table='Employee'          and cl.ref_oid= cert.emp_id       )       or (          cl.ref_table='EmpCertificate'          and cl.ref_oid= cert.cert_id       ) where    cl.last_upd_date >='2013-11-07 15:03:00'    and cl.last_upd_date<='2013-11-08 16:00:00'; 

【1】先运行一下,53条记录 1.87秒,又没有用聚合语句,比较慢

53 rows in set (1.87 sec) 

【2】explain

+----+-------------+------------+-------+---------------------------------+-----------------------+---------+-------------------+-------+--------------------------------+ | id | select_type | table      | type  | possible_keys                   | key                   | key_len | ref               | rows  | Extra                          | +----+-------------+------------+-------+---------------------------------+-----------------------+---------+-------------------+-------+--------------------------------+ |  1 | PRIMARY     | cl         | range | cm_log_cls_id,idx_last_upd_date | idx_last_upd_date     | 8       | NULL              |   379 | Using where; Using temporary   | |  1 | PRIMARY     | <derived2> | ALL   | NULL                            | NULL                  | NULL    | NULL              | 63727 | Using where; Using join buffer | |  2 | DERIVED     | emp        | ALL   | NULL                            | NULL                  | NULL    | NULL              | 13317 | Using where                    | |  2 | DERIVED     | emp_cert   | ref   | emp_certificate_empid           | emp_certificate_empid | 4       | meituanorg.emp.id |     1 | Using index                    | +----+-------------+------------+-------+---------------------------------+-----------------------+---------+-------------------+-------+--------------------------------+ 

简述一下执行计划,首先 mysql根据 idx_last_upd_date索引扫描 cm_log表获得379条记录;然后查表扫描了63727条记录,分为两部分,derived[衍生的]表示构造表,也就是不存在的表,可以简单理解成是一个语句形成的结果集,后面的数字表示语句的ID。derived2表示的是ID = 2的查询构造了虚拟表,并且返回了 63727条记录。我们再来看看ID = 2的语句究竟做了写什么返回了这么大量的数据,首先全表扫描 employee表 13317条记录,然后根据索引 emp_certificate_empid关联 emp_certificate表,rows = 1表示,每个关联都只锁定了一条记录,效率比较高。获得后,再和 cm_log的 379条记录根据规则关联。从执行过程上可以看出返回了太多的数据,返回的数据绝大部分 cm_log都用不到,因为 cm_log只锁定了379条记录。

如何优化呢?可以看到我们在运行完后还是要和 cm_log做 join,那么我们能不能运行之前和 cm_log做 join呢?仔细分析语句不难发现,其基本思想是如果 cm_log的 ref_table是 EmpCertificate就关联 emp_certificate表,如果ref_table是 Employee就关联 employee表,我们完全可以拆成两部分,并用 union连接起来,注意这里用union,而不用 union all是因为原语句有“distinct”来得到唯一的记录,而 union恰好具备了这种功能。如果原语句中没有 distinct不需要去重,我们就可以直接使用 union all了,因为使用union需要去重的动作,会影响SQL性能。

优化过的语句如下:

select    emp.id from    cm_log cl inner join    employee emp       on cl.ref_table = 'Employee'       and cl.ref_oid = emp.id where    cl.last_upd_date >='2013-11-07 15:03:00'    and cl.last_upd_date<='2013-11-08 16:00:00'    and emp.is_deleted = 0 union select    emp.id from    cm_log cl inner join    emp_certificate ec       on cl.ref_table = 'EmpCertificate'       and cl.ref_oid = ec.id inner join    employee emp       on emp.id = ec.emp_id where    cl.last_upd_date >='2013-11-07 15:03:00'    and cl.last_upd_date<='2013-11-08 16:00:00'    and emp.is_deleted = 0 

【3】不需要了解业务场景,只需要改造的语句和改造之前的语句保持结果一致;
【4】现有索引可以满足,不需要建索引;
【5】用改造后的语句实验一下,只需要10ms 降低了近200倍!

+----+--------------+------------+--------+---------------------------------+-------------------+---------+-----------------------+------+-------------+ | id | select_type  | table      | type   | possible_keys                   | key               | key_len | ref                   | rows | Extra       | +----+--------------+------------+--------+---------------------------------+-------------------+---------+-----------------------+------+-------------+ |  1 | PRIMARY      | cl         | range  | cm_log_cls_id,idx_last_upd_date | idx_last_upd_date | 8       | NULL                  |  379 | Using where | |  1 | PRIMARY      | emp        | eq_ref | PRIMARY                         | PRIMARY           | 4       | meituanorg.cl.ref_oid |    1 | Using where | |  2 | UNION        | cl         | range  | cm_log_cls_id,idx_last_upd_date | idx_last_upd_date | 8       | NULL                  |  379 | Using where | |  2 | UNION        | ec         | eq_ref | PRIMARY,emp_certificate_empid   | PRIMARY           | 4       | meituanorg.cl.ref_oid |    1 |             | |  2 | UNION        | emp        | eq_ref | PRIMARY                         | PRIMARY           | 4       | meituanorg.ec.emp_id  |    1 | Using where | | NULL | UNION RESULT | <union1,2> | ALL    | NULL                            | NULL              | NULL    | NULL                  | NULL |             | +----+--------------+------------+--------+---------------------------------+-------------------+---------+-----------------------+------+-------------+ 53 rows in set (0.01 sec) 

2、明确应用场景
举这个例子的目的在于颠覆我们对列的区分度的认知,一般上我们认为区分度越高的列,越容易锁定更少的记录,但在一些特殊的情况下,这种理论是有局限性的。

select    * from    stage_poi sp where    sp.accurate_result=1    and (       sp.sync_status=0       or sp.sync_status=2       or sp.sync_status=4    ); 

【1】先看看运行多长时间,951条数据6.22秒,真的很慢。

951 rows in set (6.22 sec) 

【2】先explain,rows达到了361万,type = ALL表明是全表扫描。

+----+-------------+-------+------+---------------+------+---------+------+---------+-------------+ | id | select_type | table | type | possible_keys | key  | key_len | ref  | rows    | Extra       | +----+-------------+-------+------+---------------+------+---------+------+---------+-------------+ |  1 | SIMPLE      | sp    | ALL  | NULL          | NULL | NULL    | NULL | 3613155 | Using where | +----+-------------+-------+------+---------------+------+---------+------+---------+-------------+ 

【3】所有字段都应用查询返回记录数,因为是单表查询 1已经做过了951条。
【4】让 explain的 rows 尽量逼近951。
【5】看一下 accurate_result = 1的记录数:

select count(*),accurate_result from stage_poi  group by accurate_result; +----------+-----------------+ | count(*) | accurate_result | +----------+-----------------+ |     1023 |              -1 | |  2114655 |               0 | |   972815 |               1 | +----------+-----------------+ 

【6】我们看到 accurate_result这个字段的区分度非常低,整个表只有-1,0,1三个值,加上索引也无法锁定特别少量的数据。
【7】再看一下 sync_status字段的情况:

select count(*),sync_status from stage_poi  group by sync_status; +----------+-------------+ | count(*) | sync_status | +----------+-------------+ |     3080 |           0 | |  3085413 |           3 | +----------+-------------+ 

【8】同样的区分度也很低,根据理论,也不适合建立索引。
【9】问题分析到这,好像得出了这个表无法优化的结论,两个列的区分度都很低,即便加上索引也只能适应这种情况,很难做普遍性的优化,比如当 sync_status 0、3分布的很平均,那么锁定记录也是百万级别的。
【10】找业务方去沟通,看看使用场景。业务方是这么来使用这个SQL语句的,每隔五分钟会扫描符合条件的数据,处理完成后把 sync_status这个字段变成1,五分钟符合条件的记录数并不会太多,1000个左右。了解了业务方的使用场景后,优化这个 SQL就变得简单了,因为业务方保证了数据的不平衡,如果加上索引可以过滤掉绝大部分不需要的数据。
【11】根据建立索引规则,使用如下语句建立索引

alter table stage_poi add index idx_acc_status(accurate_result,sync_status); 

【12】观察预期结果,发现只需要200ms,快了30多倍。

952 rows in set (0.20 sec) 

我们再来回顾一下分析问题的过程,单表查询相对来说比较好优化,大部分时候只需要把 where条件里面的字段依照规则加上索引就好,如果只是这种“无脑”优化的话,显然一些区分度非常低的列,不应该加索引的列也会被加上索引,这样会对插入、更新性能造成严重的影响,同时也有可能影响其它的查询语句。所以我们调查 SQL的使用场景非常关键,我们只有知道这个业务场景,才能更好地辅助我们更好的分析和优化查询语句。

3、无法优化的语句

select    c.id,    c.name,    c.position,    c.sex,    c.phone,    c.office_phone,    c.feature_info,    c.birthday,    c.creator_id,    c.is_keyperson,    c.giveup_reason,    c.status,    c.data_source,    from_unixtime(c.created_time) as created_time,    from_unixtime(c.last_modified) as last_modified,    c.last_modified_user_id from    contact c inner join    contact_branch cb       on  c.id = cb.contact_id inner join    branch_user bu       on  cb.branch_id = bu.branch_id       and bu.status in (          1,       2)    inner join       org_emp_info oei          on  oei.data_id = bu.user_id          and oei.node_left >= 2875          and oei.node_right <= 10802          and oei.org_category = - 1    order by       c.created_time desc  limit 0 ,       10; 

先看语句运行多长时间,10条记录用了13秒,已经不可忍受。

10 rows in set (13.06 sec) 

执行 explain

+----+-------------+-------+--------+-------------------------------------+-------------------------+---------+--------------------------+------+----------------------------------------------+ | id | select_type | table | type   | possible_keys                       | key                     | key_len | ref                      | rows | Extra                                        | +----+-------------+-------+--------+-------------------------------------+-------------------------+---------+--------------------------+------+----------------------------------------------+ |  1 | SIMPLE      | oei   | ref    | idx_category_left_right,idx_data_id | idx_category_left_right | 5       | const                    | 8849 | Using where; Using temporary; Using filesort | |  1 | SIMPLE      | bu    | ref    | PRIMARY,idx_userid_status           | idx_userid_status       | 4       | meituancrm.oei.data_id   |   76 | Using where; Using index                     | |  1 | SIMPLE      | cb    | ref    | idx_branch_id,idx_contact_branch_id | idx_branch_id           | 4       | meituancrm.bu.branch_id  |    1 |                                              | |  1 | SIMPLE      | c     | eq_ref | PRIMARY                             | PRIMARY                 | 108     | meituancrm.cb.contact_id |    1 |                                              | +----+-------------+-------+--------+-------------------------------------+-------------------------+---------+--------------------------+------+----------------------------------------------+ 

从执行计划上看,mysql先查 org_emp_info表扫描 8849记录,再用索引 idx_userid_status关联 branch_user表,再用索引 idx_branch_id关联 contact_branch表,最后主键关联 contact表。rows返回的都非常少,看不到有什么异常情况。我们在看一下语句,发现后面有 order by + limit组合,会不会是排序量太大搞的?于是我们简化SQL,去掉后面的 order by 和 limit,看看到底用了多少记录来排序。

select   count(*) from    contact c inner join    contact_branch cb       on  c.id = cb.contact_id inner join    branch_user bu       on  cb.branch_id = bu.branch_id       and bu.status in (          1,       2)    inner join       org_emp_info oei          on  oei.data_id = bu.user_id          and oei.node_left >= 2875          and oei.node_right <= 10802          and oei.org_category = - 1 +----------+ | count(*) | +----------+ |   778878 | +----------+ 1 row in set (5.19 sec) 

发现排序之前居然锁定了778878条记录,如果针对70万的结果集排序,将是灾难性的,怪不得这么慢,那我们能不能换个思路,先根据 contact的 created_time排序,再来 join会不会比较快呢?于是改造成下面的语句,也可以用 straight_join来优化:

select    c.id,    c.name,    c.position,    c.sex,    c.phone,    c.office_phone,    c.feature_info,    c.birthday,    c.creator_id,    c.is_keyperson,    c.giveup_reason,    c.status,    c.data_source,    from_unixtime(c.created_time) as created_time,    from_unixtime(c.last_modified) as last_modified,    c.last_modified_user_id    from    contact c   where    exists (       select          1        from          contact_branch cb         inner join          branch_user bu                     on  cb.branch_id = bu.branch_id                     and bu.status in (                1,             2)                inner join             org_emp_info oei                           on  oei.data_id = bu.user_id                           and oei.node_left >= 2875                           and oei.node_right <= 10802                           and oei.org_category = - 1                where             c.id = cb.contact_id           )        order by       c.created_time desc  limit 0 ,       10; 

验证一下效果 预计在1ms内,提升了13000多倍!

10 rows in set (0.00 sec) 

本以为至此大工告成,但我们在前面的分析中漏了一个细节,先排序再 join和先 join再排序理论上开销是一样的,为何提升这么多是因为有一个limit!大致执行过程是:mysql先按索引排序得到前10条记录,然后再去 join过滤,当发现不够10条的时候,再次去10条,再次join,这显然在内层 join过滤的数据非常多的时候,将是灾难的,极端情况,内层一条数据都找不到,mysql还傻乎乎的每次取10条,几乎遍历了这个数据表!用不同参数的 SQL试验下:

select    sql_no_cache   c.id,    c.name,    c.position,    c.sex,    c.phone,    c.office_phone,    c.feature_info,    c.birthday,    c.creator_id,    c.is_keyperson,    c.giveup_reason,    c.status,    c.data_source,    from_unixtime(c.created_time) as created_time,    from_unixtime(c.last_modified) as last_modified,    c.last_modified_user_id     from    contact c    where    exists (       select          1               from          contact_branch cb                inner join          branch_user bu                                  on  cb.branch_id = bu.branch_id                                  and bu.status in (                1,             2)                          inner join             org_emp_info oei                                           on  oei.data_id = bu.user_id                                           and oei.node_left >= 2875                                           and oei.node_right <= 2875                                           and oei.org_category = - 1                          where             c.id = cb.contact_id                  )            order by       c.created_time desc  limit 0 ,       10; Empty set (2 min 18.99 sec) 

2 min 18.99 sec!比之前的情况还糟糕很多。由于 mysql的 nested loop机制,遇到这种情况,基本是无法优化的。这条语句最终也只能交给应用系统去优化自己的逻辑了。

慢查询的案例就分析到这儿,以上只是一些比较典型的案例。我们在优化过程中遇到过超过1000行,涉及到16个表 join的“垃圾SQL”,也遇到过线上线下数据库差异导致应用直接被慢查询拖死,也遇到过 varchar等值比较没有写单引号,还遇到过笛卡尔积查询直接把从库搞死。再多的案例其实也只是一些经验的积累,如果我们熟悉查询优化器、索引的内部原理,那么分析这些案例就变得特别简单了。

广告一刻

为您即时展示最新活动产品广告消息,让您随时掌握产品活动新动态!