MySQL系列—慢查询优化案例

查询优化神器 – explain命令

关于explain命令相信大家并不陌生，具体用法和字段含义可以参考官网，这里需要强调rows是核心指标，绝大部分rows小的语句执行一定很快（有例外，下面会讲到）。所以优化语句基本上都是在优化rows。

慢查询优化基本步骤

先运行看看是否真的很慢，注意设置SQL_NO_CACHE；

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；

explain查看执行计划，是否与1预期一致（从锁定记录较少的表开始查询）；

order by limit 形式的sql语句让排序的表优先查；

了解业务方使用场景；

加索引时参照建索引的几大原则；

观察结果，不符合预期继续从0分析。

下面几个例子详细解释了如何分析和优化慢查询。

案例一：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
4000
、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 |
+----+--------------+------------+--------+---------------------------------+-------------------+---------+-----------------------+------+-------------+

案例二：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。

3、所有字段都应用查询返回记录数，因为是单表查询 0已经做过了951条。

4、让explain的rows 尽量逼近951。

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 |
+----------+-----------------+

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

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 |
+----------+-------------+

同样的区分度也很低，根据理论，也不适合建立索引。

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。

5、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。

6、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);

7、观察预期结果,发现只需要200ms，快了30多倍。

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。所以我们第4步调差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。

案例三：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 ;

1、先看语句运行多长时间，10条记录用了13秒，已经不可忍受。

2、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。

通过这个例子我们可以看到，并不是所有语句都能优化，而往往我们优化时，由于SQL用例回归时落掉一些极端情况，会造成比原来还严重的后果。所以，第一：不要指望所有语句都能通过SQL优化，第二：不要过于自信，只针对具体case来优化，而忽略了更复杂的情况。

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。