mysql效率低怎么办 mysql 速度慢

求高手优化MySQL数据库,数据库反应太慢 。在开始演示之前,我们先介绍下两个概念 。
概念一,数据的可选择性基数,也就是常说的cardinality值 。
查询优化器在生成各种执行计划之前,得先从统计信息中取得相关数据 , 这样才能估算每步操作所涉及到的记录数,而这个相关数据就是cardinality 。简单来说,就是每个值在每个字段中的唯一值分布状态 。
比如表t1有100行记录,其中一列为f1 。f1中唯一值的个数可以是100个,也可以是1个,当然也可以是1到100之间的任何一个数字 。这里唯一值越的多少,就是这个列的可选择基数 。
那看到这里我们就明白了,为什么要在基数高的字段上建立索引,而基数低的的字段建立索引反而没有全表扫描来的快 。当然这个只是一方面,至于更深入的探讨就不在我这篇探讨的范围了 。
概念二 , 关于HINT的使用 。
这里我来说下HINT是什么,在什么时候用 。
HINT简单来说就是在某些特定的场景下人工协助MySQL优化器的工作,使她生成最优的执行计划 。一般来说,优化器的执行计划都是最优化的,不过在某些特定场景下,执行计划可能不是最优化 。
比如:表t1经过大量的频繁更新操作 , (UPDATE,DELETE,INSERT),cardinality已经很不准确了,这时候刚好执行了一条SQL,那么有可能这条SQL的执行计划就不是最优的 。为什么说有可能呢?
来看下具体演示
譬如,以下两条SQL,
A:
select * from t1 where f1 = 20;
B:
select * from t1 where f1 = 30;
如果f1的值刚好频繁更新的值为30,并且没有达到MySQL自动更新cardinality值的临界值或者说用户设置了手动更新又或者用户减少了sample page等等,那么对这两条语句来说 , 可能不准确的就是B了 。
这里顺带说下 , MySQL提供了自动更新和手动更新表cardinality值的方法,因篇幅有限,需要的可以查阅手册 。
那回到正题上,MySQL 8.0 带来了几个HINT,我今天就举个index_merge的例子 。
示例表结构:
mysql desc t1;+------------+--------------+------+-----+---------+----------------+| Field| Type| Null | Key | Default | Extra|+------------+--------------+------+-----+---------+----------------+| id| int(11)| NO| PRI | NULL| auto_increment || rank1| int(11)| YES| MUL | NULL||| rank2| int(11)| YES| MUL | NULL||| log_time| datetime| YES| MUL | NULL||| prefix_uid | varchar(100) | YES|| NULL||| desc1| text| YES|| NULL||| rank3| int(11)| YES| MUL | NULL||+------------+--------------+------+-----+---------+----------------+7 rows in set (0.00 sec)
【mysql效率低怎么办 mysql 速度慢】表记录数:
mysql select count(*) from t1;+----------+| count(*) |+----------+|32768 |+----------+1 row in set (0.01 sec)
这里我们两条经典的SQL:
SQL C:
select * from t1 where rank1 = 1 or rank2 = 2 or rank3 = 2;
SQL D:
select * from t1 where rank1 =100and rank2 =100and rank3 =100;
表t1实际上在rank1,rank2,rank3三列上分别有一个二级索引 。
那我们来看SQL C的查询计划 。
显然,没有用到任何索引,扫描的行数为32034 , cost为3243.65 。
mysql explainformat=json select * from t1where rank1 =1 or rank2 = 2 or rank3 = 2\G*************************** 1. row ***************************EXPLAIN: {"query_block": {"select_id": 1,"cost_info": {"query_cost": "3243.65"},"table": {"table_name": "t1","access_type": "ALL","possible_keys": ["idx_rank1","idx_rank2","idx_rank3"],"rows_examined_per_scan": 32034,"rows_produced_per_join": 115,"filtered": "0.36","cost_info": {"read_cost": "3232.07","eval_cost": "11.58","prefix_cost": "3243.65","data_read_per_join": "49K"},"used_columns": ["id","rank1","rank2","log_time","prefix_uid","desc1","rank3"],"attached_condition": "((`ytt`.`t1`.`rank1` = 1) or (`ytt`.`t1`.`rank2` = 2) or (`ytt`.`t1`.`rank3` = 2))"}}}1 row in set, 1 warning (0.00 sec)

推荐阅读