SQL 优化

1. 插入数据


1.1 insert

如果我们需要一次性往数据库表中插入多条记录,可以从以下三个方面进行优化。

insert into tb_test values(1,'tom');

insert into tb_test values(2,'cat');

insert into tb_test values(3,'jerry');
.....
  1. 优化方案一

批量插入数据

Insert into tb_test values(1,'Tom'),(2,'Cat'),(3,'Jerry');
  1. 优化方案二

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;
  1. 优化方案三

主键顺序插入,性能要高于乱序插入。

主键乱序插入 : 8 1 9 21 88 2 4 15 89 5 7 3

主键顺序插入 : 1 2 3 4 5 7 8 9 15 21 88 89


1.2 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。操作如下:

可以执行如下指令,将数据脚本文件中的数据加载到表结构中:

-- 客户端连接服务端时,加上参数 -–local-infile

mysql –-local-infile -u root -p

-- 设置全局参数local_infile为1,开启从本地加载文件导入数据的开关

set global local_infile = 1;

-- 执行load指令将准备好的数据,加载到表结构中

load data local infile '/root/sql1.log' into table tb_user fields
terminated by ',' lines terminated by '\n' ;

主键顺序插入性能高于乱序插入


2. 主键优化

  1. 数据组织方式

  InnoDB 存储引擎中,表数据都是根据主键顺序组织存放的,这种存储方式的表称为索引组织表 (index organized table IOT) 。

  行数据,都是存储在聚集索引的叶子节点上的。 InnoDB 的逻辑结构图:

  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。

  1. 页分裂

  页可以为空,也可以填充一半,也可以填充 100%。每个页包含了 2-N 行数据(如果一行数据过大,会行溢出),根据主键排列。

  • 主键顺序插入效果

  ①. 从磁盘中申请页, 主键顺序插

  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



  • 主键乱序插入效果

  ①. 加入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

   会再次开启一个页,写入新的页中吗?

  不会。因为,索引结构的叶子节点是有顺序的。按照顺序,应该存储在47之后。

  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21,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"。

知识小贴士:

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。


  • 索引设计原则

    • 满足业务需求的情况下,尽量降低主键的长度。

    • 插入数据时,尽量选择顺序插入,选择使用 AUTO_INCREMENT 自增主键。

    • 尽量不要使用 UUID 做主键或者是其他自然主键,如身份证号。

    • 业务操作时,避免对主键的修改。


3. 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。

  • 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 (默认256k) 。


4. order by 优化

  • 在分组操作时,可以通过索引来提高效率。

  • 分组操作时,索引的使用也是满足最左前缀法则的。


5. limit优化

  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。

explain select * from tb_sku t , (select id from tb_sku order by id
limit 2000000,10) a where t.id = a.id;

6. count优化


6.1 概述

select count(*) from tb_user ;


  测试中,我们发现,如果数据量很大,在执行count操作时,是非常耗时的。

  • MyISAM 引擎把一个表的总行数存在了磁盘上,因此执行 count(*) 的时候会直接返回这个数,效率很高; 但是如果是带条件的 count,MyISAM 也慢。

  • InnoDB 引擎就麻烦了,它执行 count(*) 的时候,需要把数据一行一行地从引擎里面读出来,然后累积计数。

  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)。


6.2 count用法

  count() 是一个聚合函数,对于返回的结果集,一行行地判断,如果 count 函数的参数不是 NULL,累计值就加 1,否则不加,最后返回累计值。

按照效率排序的话,count(字段) < count(主键 id) < count(1) ≈ count(),所以尽
量使用 count(
)。


7. 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。

InnoDB 的行锁是针对索引加的锁,不是针对记录加的锁 ,并且该索引不能失效,否则会从行锁升级为表锁 。

热门相关:新进女职员:出差   深情的触摸 高清字幕版   六扇门:空印案   珍珠失贞记   巴啦啦小魔仙之魔箭公主