MySQL性能优化 —— SQL 优化

分批处理

在进行大批量更新或删除时，将数据分批次分别进行更新和删除。例如：更新用户所有已过期的优惠券为不可用状态。

SQL 语句：

update status=0 FROM `coupon` WHERE expire_date <= #{currentDate} and status=1;

如果大量优惠券需要更新为不可用状态，执行这条 SQL 可能会堵死其他 SQL，分批处理伪代码如下：

int pageNo = 1; 
int PAGE_SIZE = 100; 
while(true) { 
    List<Integer> batchIdList = queryList('select id FROM `coupon` WHERE expire_date <= #{currentDate} and status = 1 limit #{(pageNo-1) * PAGE_SIZE},#{PAGE_SIZE}'); 
    if (CollectionUtils.isEmpty(batchIdList)) { 
        return; 
    } 
    update('update status = 0 FROM `coupon` where status = 1 and id in #{batchIdList}') 
    pageNo ++; 
}

操作符 <> 优化

通常 <> 操作符无法使用索引，举例如下，查询金额不为 100 元的订单：

select id from orders where amount  != 100;

如果金额为 100 的订单极少，这种数据分布严重不均的情况下，有可能使用索引。

鉴于这种不确定性，采用 union 聚合搜索结果，改写方法如下：

(select id from orders where amount > 100) 
 union all 
(select id from orders where amount < 100 and amount > 0)

OR 优化

在 Innodb 引擎下 OR 无法使用组合索引，比如：

select id，product_name from orders where mobile_no = '13421800407' or user_id = 100;

OR 无法命中 mobile_no + user_id 的组合索引，可采用 union，如下所示：

(select id，product_name from orders where mobile_no = '13421800407') 
 union 
(select id，product_name from orders where user_id = 100);

此时 id 和 product_name 字段都有索引，查询才最高效。

mysql广告位

IN 优化

IN 适合主表大子表小，EXIST 适合主表小子表大。由于查询优化器的不断升级，很多场景这两者性能差不多一样了。

尝试改为 Join 查询，举例如下：

select id from orders where user_id in (select id from user where level = 'VIP');

采用 Join 如下所示：

select o.id from orders o left join user u on o.user_id = u.id where u.level = 'VIP';

不做列运算

通常在查询条件列运算会导致索引失效，如下所示，查询当日订单：

select id from order where date_format(create_time，'%Y-%m-%d') = '2019-07-01';

date_format 函数会导致这个查询无法使用索引，改写后：

select id from order where create_time between '2019-07-01 00:00:00' and '2019-07-01 23:59:59';

避免Select All

如果不查询表中所有的列，避免使用 SELECT *，它会进行全表扫描，不能有效利用索引。

Like 优化

Like 用于模糊查询，举个例子(field 已建立索引)：

SELECT column FROM table WHERE field like '%keyword%';

这个查询未命中索引，换成下面的写法：

SELECT column FROM table WHERE field like 'keyword%';

去除了前面的 % 查询将会命中索引，但是产品经理一定要前后模糊匹配呢?全文索引 fulltext 可以尝试一下，但 Elasticsearch 才是终极武器。

Join 优化

Join 的实现是采用 Nested Loop Join 算法，就是通过驱动表的结果集作为基础数据，通过该结数据作为过滤条件到下一个表中循环查询数据，然后合并结果。

如果有多个 Join，则将前面的结果集作为循环数据，再次到后一个表中查询数据。

驱动表和被驱动表尽可能增加查询条件，满足 ON 的条件而少用 Where，用小结果集驱动大结果集。

被驱动表的 Join 字段上加上索引，无法建立索引的时候，设置足够的 Join Buffer Size。

禁止 Join 连接三个以上的表，尝试增加冗余字段。

Limit 优化

Limit 用于分页查询时越往后翻性能越差，解决的原则：缩小扫描范围，如下所示：

select * from orders order by id desc limit 100000,10  
耗时0.4秒 
select * from orders order by id desc limit 1000000,10 
耗时5.2秒

先筛选出 ID 缩小查询范围，写法如下：

select * from orders where id > (select id from orders order by id desc  limit 1000000, 1) order by id desc limit 0,10 
耗时0.5秒

如果查询条件仅有主键 ID，写法如下：

select id from orders where id between 1000000 and 1000010 order by id desc 
耗时0.3秒

如果以上方案依然很慢呢?只好用游标了，感兴趣的朋友阅读 JDBC 使用游标实现分页查询的方法。

参考：https://www.toutiao.com/i6829475322774159880/?timestamp=1590117538&app=news_article&group_id=6829475322774159880&req_id=202005221118580100210341010C01470C