干货!SQL 性能优化,书写高质量 SQL 语句

写 SQL 语句的时候我们往往关注的是 SQL 的执行结果,但是是否真的关注了 SQL 的执行效率,是否注意了 SQL 的写法规范?

以下的干货分享是在实际开发过程中总结的,希望对大家有所帮助!

1. limit分页优化

当偏移量特别大时,limit效率会非常低。

SELECT id FROM A LIMIT 1000,10 很快

SELECT id FROM A LIMIT 90000,10 很慢

方案一

select id from A order by id limit 90000,10;

如果我们结合order by使用。很快,0.04秒就OK。 因为使用了id主键做索引! 当然,是否能够使用索引还需要根据业务逻辑来定,这里只是为了提醒大家,在分页的时候还需谨慎使用!

方案二

select id from A order by id  between 90000 and 90010;

2. 利用 limit 1、top 1 取得一行

有些业务逻辑进行查询操作时(特别是在根据某一字段 DESC,取最大一笔).可以使用 limit 1 或者 top 1 来终止「数据库索引」继续扫描整个表或索引。

反例

SELECT id FROM A LIKE 'abc%' 

正例

SELECT id FROM A LIKE 'abc%' limit 1

3. 任何情况都不要用 select from table,用具体的字段列表替换「」,不要返回用不到的字段,避免全盘扫描!

4. 批量插入优化

反例

INSERT into person(name,age) values('A',24)
INSERT into person(name,age) values('B',24)
INSERT into person(name,age) values('C',24)

正例

INSERT into person(name,age) values('A',24),('B',24),('C',24),

sql 语句的优化主要在于对索引的正确使用,而我们在开发中经常犯的错误便是对表进行全盘扫描,一来影响性能,而来耗费时间!

5. like 语句的优化

反例

SELECT id FROM A WHERE name like '%abc%'

由于 abc 前面用了「%」,因此该查询必然走全表查询,除非必要(模糊查询需要包含 abc),否则不要在关键词前加「%」。

正例

SELECT id FROM A WHERE name like 'abc%'

6. where 子句使用 in 或 not in 的优化

sql 语句中 in 和 not in 的使用请慎用!使用 in 或者 not in 会丢弃索引,从而进行全盘扫描!

方案一:between 替换 in

反例

SELECT id FROM A WHERE num in (1,2,3) 

正例

SELECT id FROM A WHERE num between 1 and 3

方案二:exist 替换 in

注:关于 exist 和 in 的用法,片尾有彩蛋~

反例

SELECT id FROM A WHERE num in (select num from B)

正例

SELECT num FROM A WHERE num exists (select 1 from B where B.num = A.num)

方案三:left join 替换 in

反例

SELECT id FROM A WHERE num in (select num from B) 

正例

SELECT id FROM A LEFT JOIN B ON A.num = B.num

7. where 子句使用 or 的优化

通常使用 union all 或 union 的方式替换「or」会得到更好的效果。where 子句中使用了 or 关键字,索引将被放弃使用。

反例

SELECT id FROM A WHERE num = 10 or num = 20

正例

SELECT id FROM A WHERE num = 10 union all SELECT id FROM A WHERE num=20

8. where 子句中使用 IS NULL 或 IS NOT NULL 的优化

反例

SELECT id FROM A WHERE num IS NULL

在 where 子句中使用 IS NULL 或 IS NOT NULL 判断,索引将被放弃使用,会进行 全表查询

正例

优化成 num 上设置默认值 0,确保表中 num 没有 null 值,IS NULL 的用法在实际业务场景下 SQL 使用率极高,我们应注意 避免全表扫描

SELECT id FROM A WHERE num=0

9. where 子句中对字段进行表达式操作的优化

不要在where子句中的「=」左边进行函数、算数运算或其他表达式运算,否则系统将可能无**确使用索引。

  • 1
SELECT id FROM A WHERE datediff(day,createdate,'2019-11-30')=0 

优化为

SELECT id FROM A WHERE createdate>='2019-11-30' and createdate<'2019-12-1'
  • 2
SELECT id FROM A WHERE year(addate) <2020

优化为

SELECT id FROM A where addate<'2020-01-01'

10. 排序的索引问题 

mysql 查询只是用一个索引,因此如果 where 子句中已经使用了索引的话,那么 order by 中的列是不会使用索引。因此数据库默认排序可以符合要求情况下不要使用排序操作;

尽量不要包含多个列的排序,如果需要最好给这些列创建 复合索引

11. 尽量用 union all 替换 union

union 和 union all 的差异主要是 前者 需要将两个(或者多个)结果**并后再进行唯一性过滤操作,这就会 涉及到排序,增加大量的cpu运算,加大资源消耗及延迟。所以当我们可以 确认不可能出现重复结果集或者不在乎重复结果集的时候,尽量使用 union all 而不是 union

12. inner join 和 left join、right join、子查询

  • 第一:inner join 内连接也叫等值连接,left / right join 是外连接。
SELECT A.id,A.name,B.id,B.name FROM A LEFT JOIN B ON A.id =B.id;

SELECT A.id,A.name,B.id,B.name FROM A RIGHT JOIN ON B A.id= B.id;

SELECT A.id,A.name,B.id,B.name FROM A INNER JOIN ON A.id =B.id;

经过来之多方面的证实 inner join 性能比较快,因为 inner join 是等值连接,或许返回的行数比较少。但是我们要记得有些语句隐形的用到了等值连接,如:

SELECT A.id,A.name,B.id,B.name FROM A,B WHERE A.id = B.id;

推荐:能用 inner join 连接尽量使用 inner join 连接

  • 第二:子查询的性能又比外连接性能慢,尽量用外连接来替换子查询。

反例

mysql 是先对外表 A 执行全表查询,然后根据 uuid 逐次执行子查询,如果外层表是一个很大的表,我们可以想象查询性能会表现比这个更加糟糕。

select* from A where exists (select * from B where id>=3000 and A.uuid=B.uuid);

执行时间:2s 左右

正例

select* from A inner join B ON A.uuid=B.uuid where b.uuid>=3000; -- 这个语句执行测试不到一秒;

执行时间:1s 不到

  • 第三:使用 JOIN 时候,应该用小的结果驱动大的结果

left join 左边表结果尽量小,如果有条件应该放到左边先处理,right join 同理反向。如:

反例

Select * from A left join B A.id=B.ref_id where  A.id>10

正例

select * from (select * from A wehre id >10) T1 left join B on T1.id=B.ref_id;

13. exist 代替 in

反例

SELECT * from A WHERE id in ( SELECT id from B )

正例

SELECT * from A WHERE id EXISTS ( SELECT 1 from A.id= B.id )

分析:

in 是在内存中遍历比较

exist 需要查询数据库,所以当 B 的数据量比较大时,exists 效率优于 in

in() 只执行一次,把 B 表中的所有 id 字段缓存起来,之后检查 A 表的 id 是否与 B 表中的 id 相等,如果 id 相等则将 A 表的记录加入到结果集中,直到遍历完 A 表的所有记录。

in 操作的流程原理如同一下代码

    List resultSet={};

    Array A=(select * from A);
    Array B=(select id from B);

    for(int i=0;i<A.length;i++) {
          for(int j=0;j<B.length;j++) {
          if(A[i].id==B[j].id) {
             resultSet.add(A[i]);
             break;
          }
       }
    }
    return resultSet;

可以看出,当 B 表数据较大时不适合使用 in(),因为会把 B 表数据全部遍历一次

如:A 表有 10000 条记录,B 表有 1000000 条记录,那么最多有可能遍历 10000 * 1000000 次,效率很差。

再如:A 表有 10000 条记录,B 表有 100 条记录,那么最多有可能遍历 10000 * 100 次,遍历次数大大减少,效率大大提升。

  结论:in() 适合 B 表比 A 表数据小的情况

exist() 会执行 A.length() 次,执行过程代码如下

List resultSet={};
Array A=(select * from A);

for(int i=0;i<A.length;i++) {
    if(exists(A[i].id) {  // 执行select 1 from B where B.id=A.id是否有记录返回
       resultSet.add(A[i]);
    }
}

return resultSet;

当 B 表比 A 表数据大时适合使用 exists(),因为它没有那么多遍历操作,只需要再执行一次查询就行。

如:A 表有 10000 条记录,B 表有 1000000 条记录,那么 exists() 会执行 10000 次去判断 A 表中的 id 是否与 B 表中的 id 相等。

如:A 表有 10000 条记录,B 表有 100000000 条记录,那么 exists() 还是执行 10000 次,因为它只执行 A.length次,可见 B 表数据越多,越适合 exists() 发挥效果。

再如:A 表有 10000 条记录,B 表有 100 条记录,那么 exists() 还是执行 10000 次,还不如使用 in() 遍历 10000 * 100 次,因为 in() 是在内存里遍历比较,而 exists() 需要查询数据库,

我们都知道查询数据库所消耗的性能更高,而内存比较很快。   

结论:exists() 适合 B 表比 A 表数据大的情况


Practice makes perfect.

讨论数量: 0
(= ̄ω ̄=)··· 暂无内容!