最近受到客服的一个反馈:某个功能长时间无反馈,响应时间达到了 20s
以上,通过调用日志发现,某条 sql
查询竟然花费了 12s
的时间,而且查询了两次,于是准备通过执行计划对此进行找方向调优.
# 什么是执行计划
# 1. MySQL
逻辑结构先知
关于 MySQL
的逻辑结构,将其理解为四层,就像项目分层一样,每一层处理不同的业务逻辑,先看图后说话:
上图概述:
-
客户端:这里指连接
MySQL
各种形式,如.Net
中使用的ADO
连接、Java
使用JDBC
连接等;MySQL
是客户端和服务器模式,前提先建立连接,才能传输数据,处理相关逻辑; -
业务逻辑:在
MySQL
内部有很多模块组成,分别处理相关业务逻辑; -
连接管理:负责连接认证、连接数判断、连接池处理等业务逻辑处理;
-
查询缓存:当一个
SQL
进来时,如果开启查询缓存功能,MySQL
会优先去查询缓存中检查是否有数据匹配,如果匹配上,就不会再去解析对应的SQL
啦,但如果语句中有用户自定义函数、存储函数、用户变量、临时表、mysql
库中的系统表时,都不会走缓存; 对于查询缓存来说,在MySQL8.0
已经去除,官方回应的是在一定场景上,查询缓存会导致性能上的瓶颈。 -
解析器:对于一个
SQL
语句,MySql
根据语法规则需要对其进行解析,并生成一个内部能识别的解析树; -
优化器:负责对解析器得到的解析树进行优化,
MySQL
会根据内部算法找到一个MySQL
认为最优的执行计划,后续就按照这个执行计划执行。所以后续我们分析的就是MySQL
针对SQL
语句选择出来的最优执行计划,结合业务,根据规则对SQL
进行优化,从而让SQL
语句在MySQL
内部达到真正的最优。 -
执行器:得到执行计划之后,就会找到对应的存储引擎,根据执行计划给出的指令依次执行。
-
存储引擎:数据的存储和提取最后是靠存储引擎;
MySQL
内部实现可插拔式的存储引擎机制,不同的存储引擎执行不同的逻辑; -
物理文件:数据存储的最终位置,即磁盘上;协同存储引擎对数据进行读写操作。
关于 MySql
的逻辑结构,以上只是简单描述,业务逻辑层的功能模块远不止上面提到的,小伙伴有兴趣可以专门研究一下,这里的目的就是为了体现 SQL
语句到服务器上时经过的几个关键步骤,方便后续优化的理解。
# 2. SQL
语句的中关键字执行顺序须知
在编写一条查询语句时,习惯性的从头到尾开始敲出来,应该都是从 select
开始吧,但似乎没太注意它们真正的执行顺序;既然要优化,肯定需要得知道一条 SQL
语句大概的执行流程,结合执行计划,目的就更加清晰啦;上一张一看就明白的图:
关键字简述:
FROM
:确定数据来源,即指定表;JOIN...ON
:确定关联表和关联条件;WHERE
:指定过滤条件,过滤出满足条件的数据;GROUP BY
:按指定的字段对过滤后的数据进行分组;HAVING
:对分组之后的数据指定过滤条件;SELECT
:查找想要的字段数据;DISTINCT
:针对查找出来的数据进行去重;ORDER BY
:对去重后的数据指定字段进行排序;LIMIT
:对去重后的数据限制获取到的条数,即分页;
好啦,大概了解MySQL
的逻辑结构和SQL
查询关键字执行顺序之后,接下来就可以好好说说执行计划啦。
# 3. 好好说说执行计划
通过上面的逻辑结构,当一个 SQL
发送到 MySQL
执行时,需要经过内部优化器进行优化,而使用 explain
关键字可以模拟优化器执行 SQL
查询语句,从而知道 MySQL
是如何处理 SQL
的,即 SQL
的执行计划;根据 explain
提供的执行计划信息分析 SQL
语句,然后进行相关优化操作。接下来的示例演示用到五张表: USER(用户表)、MENU(菜单表)、ROLE(角色表)、USER_ROLE(用户角色关系表)、ROLE_MENU(角色菜单关系表)、ADDR(用户地址表,这里认为和用户一一对应)、FRIEND(朋友表,一对多关系)
,它们的关系这里就不详细说了吧,小伙伴肯定都明白,这是管控菜单权限的五张基础表和两个基础信息表;
表 DDL
1 | /* |
演示用的版本是 MySql5.5
,各版本之间会有不同,所以小伙伴用的版本测试结果不一样的时候,千万别骂我渣哦;其实重要的是查看的思路,整体是大同小异。(求原谅…)
通过 explain
会输出如下信息,很多小伙伴只关注红框标注部分 (即索引),但其实是不够的,接下来就一个一个好好说说。
-
id
这个
id
和咱们平时表结构设计的主键ID
不太一样,这里的id
代表了每一条SQL
语句执行计划中表加载的顺序,分为三种情况:id
相同的时候:这时是从上到下依次执行;
1 | EXPLAIN SELECT t.ID,t.USER_NAME,r.ROLE_NAME FROM USER t |
执行如下语句,得如下结果:
如上图所示, id
一样,从上到下依次执行,所对应表加载顺序为 t->tr->r
(这里的表是别名);
> `id`不同的时候:当`id`不同的时,`id`越大的越先执行;
1 | EXPLAIN SELECT t.ID,t.MENU_NAME,t.MENU_URL FROM MENU t |
子查询会导致 id
递增,结果如下:
如上图所示, id
递增啦,所对应表的加载顺序为 ur->rm->t
(这里的表是别名);
> `id`相同和不同同时存在时:id相同的认为是同一组,还是从上往下加载;不一样的情况还是越大越优先执行
1 | EXPLAIN SELECT t.ROLE_ID,m.ID,m.MENU_NAME,m.MENU_URL FROM |
执行结果如下:
如上图所示, id
有一样的,也有不同的,则对应表的加载顺序为 USER_ROLE->derived2 (衍生表)->rm->m
;衍生表表名后面的 2
代表的是 id
,所以可以通过衍生表表名后面的 id
知道是哪一步产生的,即 derived2
衍生表是 id
为 2
的这一步产生的。
select_type
select_type
是表示每一步的查询类型,方便分析人员很直接的看到当前步骤执行的是什么查询,有多种类型,见下图:
1>
SIMPLE
:简单的SELECT
查询,不包含子查询或UNION
的那种;
1 | EXPLAIN SELECT * FROM USER; |
输出结果如下:
2>
PRIMARY
:查询语句中包含其他子查询或UNION
操作,那最外层的SELECT
就被标记为该类型;
如上图所示,查询中包含子查询,最外层查询被标记为 PRIMARY
;
3>
SUBQUERY
:在SELECT
或WHERE
中包含的子查询会被标记为该类型;
见 PRIMARY
图,当存在子查询时,会将子查询标记为 SUBQUERY
4>
MATERIALIZED
:被物化的子查询,即针对对应的子查询将其物化为一个临时表;
1 | EXPLAIN SELECT t.ID,t.MENU_NAME,t.MENU_URL FROM MENU t |
测试物化用的是 MySQL8.0
,和 5.*
版本有所不同,输出结果如下:
如上图所示,将子查询物化为一个临时表 subquery2
,这个功能是可以通过设置优化器对应的开关的。
5>
DERIVED
:在FROM
之后的子查询会被标记为该类型,同样会把结果放在一个临时表中
1 | EXPLAIN SELECT tm.MENU_NAME,rm.ROLE_ID FROM |
输出结果:
如图所示, FROM
后面跟的子查询就被标记为 DERIVED
,对应步骤产生的衍生表为 derived2
。高版本好像对其进行了优化, 8.0
版本这种形式认为是简单查询。
6>
UNION:UNION
操作中,查询中处于内层的SELECT
;
1 | EXPLAIN SELECT * FROM USER_ROLE T1 WHERE T1.USER_ID=1 |
输出结果如下:
如上图所示,将第二个 SELECT
标注为 UNION
,即对应加载的表为 T2
。
7>
UNIOIN RESULT:UNION
操作的结果,对应的id
为空,代表的是一个结果集;
见 UNIOIN
图, UNIOIN RESULT
代表的是 UNION
之后的结果,对应 id
为空。
table
table
代表对应步骤加载的是哪张表,中间会出现一些临时表,比如 subquery2、derived2
等这种,最后的数字代表产生该表对应步骤的 id
。
type
代表访问类型, MySQL
内部将其分为多类型,常用的类型从好到差的顺序展示如下:
system->const->eq_ef->ref->fulltext->ref_or_null->index_merge->unique_subquery->index_subquery->range->index->ALL;
而在实际开发场景中,比较常见的几种类型如下: const->eq_ref->ref->range->index->ALL
(顺序从好到差),通常优化至少在 range
级别或以上,比如 ref
算是比较不错的啦;
上面说到的从好到差指的是查询性能。
1>
const
:表示通过索引一次就找到数据,用于比较primary key
或者unique
索引,很快就能找到对应的数据;
2>
eq_ref
:唯一性索引扫描,对于每个索引键,表中只有一条记录与之匹配,常用于主键或唯一索引扫描;
3>
ref
:非唯一索引扫描,返回匹配的所有行,如建立一个朋友维护表,维护用户对应的朋友,而在用户ID
建立非唯一索引;
4>
range
:使用一个索引检索指定范围的行,一般在where
语句中会出现between、<、>、in
等范围查询;
5>
index
:全索引扫描,只遍历索引树;
6>
ALL
:全表扫描,找到匹配行。与index
比较,ALL
需要扫描磁盘数据,index
值需要遍历索引树。
possible_keys
显示可能被用到的索引,但在实际查询中不一定能用到; 查询涉及到字段,如果存在索引,会被列出,但如果使用的是覆盖索引,只会在 key
中列出;
key
实际使用到的索引,如果为 NULL
代表没有使用到索引;这也是平时小伙伴判断是否用上索引的关键。
key_len
key_len
表示索引使用的字节数,根据这个值可以判断索引的使用情况,特别是在组合索引的时候,判断该索引有多少部分被使用到,非常重要; key_len
是根据表定义计算而得。这里测试在 USER
表中对 USER_NAME
创建一个非唯一索引,如下:
这里 key_len
是这么计算的,前提是指定的字符串集是 utf8
,可变长 且允许为空,计算过程如下:
128(设置的可变长度)*3(utf8占3字节)+1(允许为空标识占一个字节)+2(长度信息占两个字节)=387;
key_len
针对不同类型字段的计算规则不一样,这里用 USER(用户表)
简单计算为例:
字段 | Key_len | 说明 |
---|---|---|
ID(int,不为空) |
4 |
int 为 4 个字节,不为空 |
USER_NAME(varchar(128),utf8,可为空) |
128*3+1+2=387 |
可变为 128,utf8 每个占 3 字节, 1 个字节标识可控,两个字节标识长度 |
不同类型占用的字节不一样,字符集不一样占用的字节也不一样,允许为空的字段需要 1
个字节做标识,可变长度的字段需要 2
个字节标识长度。小伙伴照着这个思路就可以计算其他类型啦。
ef
显示索引的哪些列被引用了,通常是对应字段或 const
;
rows
根据表统计信息和索引的使用情况,大概估算出找到所需记录数据所扫描的数据行数;不是所需数据的行数。
Extra
这个字段里包含一些其他信息,但也是优化 SQL
的重要参考,通常会出现以下几种信息:
Using index
:表示查询语句中用到了覆盖索引,不访问表的数据行,查询效率比较好。
如果用 SELECT *
进行查询,就不会有 Using index
,关于索引的介绍下篇好好说说。
Using filesort
:代表MySQL
会使用一个外部索引对数据进行排序 (文件排序),而不是使用表内索引。这种情况在SQL
查询需要避免,最好不要在Extra
中出现此类型:
通常会是使用 ORDER BY
语句导致,上图中使用无索引的字段进行排序会出现,同样如果使用有索引的字段,但用法不对也会出现,比如使用组合索引不规范时。
Using temporary
:产生临时表保存中间结果,这种 SQL 是不允许的,遇见数据量大的场景,基本就跑不动啦;
这种类型常常因为 ORDER BY
和 GROUP BY
导致,所以在进行数据排序和分组查询时,要注意索引的合理利用。
Using where
:使用where
过滤数据,小伙伴试一把。
Using join buffer
:表示使用到了表连接缓存; 当表数据量大,可能导致buffer
过大,查询效率比较低,这种情况注意在表连接字段上正确使用索引。
如果表连接查询慢时,在连接字段上加个索引试试,药到病除;
impossible where
:代表where
后面的条件永远为false
,匹配不到数据;