【Mysql】查询优化——减少回表操作 ??聚集索引mysql查询优化怎么做:数据行mysql查询优化怎么做的物理顺序与列值(一般是主键的那一列)的逻辑顺序相同,一个表中只能拥有一个聚集索引 。叶子结点存储索引和行记录,聚簇索引查询会很快 , 因为可以直接定位到行记录 。
??非聚集索引mysql查询优化怎么做:该索引中索引的逻辑顺序与磁盘上行的物理存储顺序不同,一个表中可以拥有多个非聚集索引 。叶子节点存储聚簇索引值(主键id),需要扫码两遍索引树,先通过普通索引定位到主键值id,再通过聚集索引定位到行记录 。
??回表查询可以理解为普通索引的查询,先定位主键值,再定位行记录,它的性能较扫一遍索引树更低 。
??索引覆盖 , 即将查询sql中的字段添加到联合索引里面,只要保证查询语句里面的字段都在索引文件中,就无需进行回表查询;
??实际开发中 , 不可能把所有字段建立到联合索引,可根据实际业务场景,把经常需要查询的字段建立到联合索引中 。
?? 在Mysql5.6的版本上推出,用于优化查询 。在索引遍历过程中,对索引中包含的字段先做判断,直接过滤掉不满足条件的记录,减少回表次数 。
?? 优化超多分页场景 。查询条件放到子查询中 , 子查询只查主键id,然后使用子查询中确定的主键关联查询其mysql查询优化怎么做他的属性字段 。
mysql中怎样对大批量级的数据查询进行优化在我们使用MySQL数据库时mysql查询优化怎么做,比较常用也是查询,包括基本查询,关联查询,条件查询等等,对于同一个操作,SQL语句mysql查询优化怎么做的实现有很多种写法,但是不同mysql查询优化怎么做的写法查询的性能可能会有很大的差异 。这里主要介绍下select查询优化的要点 。
1. 使用慢查询日志去发现慢查询 。
2. 使用执行计划去判断查询是否正常运行 。
3. 总是去测试你的查询看看是否mysql查询优化怎么做他们运行在最佳状态下 –久而久之性能总会变化 。
4. 避免在整个表上使用count(*),它可能锁住整张表 。
5. 使查询保持一致以便后续相似的查询可以使用查询缓存 。
6. 在适当的情形下使用GROUP BY而不是DISTINCT 。
7. 在WHERE, GROUP BY和ORDER BY子句中使用有索引的列 。
8. 保持索引简单,不在多个索引中包含同一个列 。
9. 有时候MySQL会使用错误的索引,对于这种情况使用USE INDEX 。
10. 检查使用SQL_MODE=STRICT的问题 。
11.对于记录数小于5的索引字段,在UNION的时候使用LIMIT不是是用OR.
12. 为了 避免在更新前SELECT,使用INSERT ON DUPLICATE KEY或者INSERT IGNORE ,不要用UPDATE去实现 。
3. 不要使用 MAX,使用索引字段和ORDER BY子句 。
14. 避免使用ORDER BY RAND().
15. LIMIT M,N实际上可以减缓查询在某些情况下 , 有节制地使用 。
16. 在WHERE子句中使用UNION代替子查询 。
17. 对于UPDATES(更新),使用 SHARE MODE(共享模式),以防止独占锁 。
18. 在重新启动的MySQL , 记得来温暖你的数据库,以确保您的数据在内存和查询速度快 。
19. 使用DROP TABLE,CREATE TABLE DELETE FROM从表中删除所有数据 。
20. 最小化的数据在查询你需要的数据,使用*消耗大量的时间 。
21. 考虑持久连接,而不是多个连接 , 以减少开销 。
22. 基准查询,包括使用服务器上的负载,有时一个简单的查询可以影响其他查询 。
23. 当负载增加您的服务器上,使用SHOW PROCESSLIST查看慢的和有问题的查询 。
24. 在开发环境中产生的镜像数据中 测试的所有可疑的查询 。
来源:PHP程序员雷雪松的博客
mysql怎么优化,都要怎么做mysql优化是一个大方向,大的是要分布式、读写分离 , 小的是对sql语句进行优化 。不过大多问的也是对sql语句优化 , 网上很多资料,mysql查询优化怎么做我就大体说说 。
1、explain 索引 。
在你要查询的语句前加explain , 看下有没有用到索引,如果出现type为all的,则说明有必要添加下索引 。(附多表查询速度比较mysql查询优化怎么做:表关联existsin)慢查询优化是一大块 。
2、预统计 。
很经常需要对历史的数据进行过滤统计 。比如移动需要统计上个月电话小时数超过N小时的人,那么如果直接取原始数据,那将很慢,此时如果每天晚上凌晨都对数据进行预统计,统计每个人每天电话时数,那再来过滤就很快 。
3、分表分区 。
分表分区也是为了提高搜索速度 。例如,公交车的gps行驶记录 , gps每隔15s报一次,一辆车一天运行12小时,一天就要插入4*60*12条记录,N辆车就要再乘,其数量极大,所以经常按月分表,分表里再按上报时间做日分区,这样就达到很大的优化 , 想查询某段时间,mysql很快就可以定位到 。
4、表结构 。
表结构很重要,经常需要多表关联查询一些字段,有时可以冗余下放到同一张表 。
mysql优化很有意思,多去查阅些资料 , 多去尝试,对你有好处的 。
MySQL大数据量分页查询方法及其优化使用子查询优化大数据量分页查询
这种方式的做法是先定位偏移位置的idmysql查询优化怎么做,然后再往后查询,适用于id递增的情况 。
使用id限定优化大数据量分页查询
使用这种方式需要先假设数据表的id是连续递增的,我们根据查询的页数和查询的记录数可以算出查询的id的范围,可以使用 id between and 来查询mysql查询优化怎么做:
当然了,也可以使用in的方式来进行查询,这种方式经常用在多表关联的情况下,使用其他表查询的id集合来进行查询:
但是使用这种in查询方式的时候要注意的是,某些MySQL版本并不支持在in子句中使用limit子句 。
参考sql优化之大数据量分页查询(mysql) - yanggb - 博客园 (cnblogs.com)
MySql中LongText类型大字段查询优化1.mysql在操作数据的时候 , 以page为单位
??不管是更新,插入 , 删除一行数据,都需要将那行数据所在的page读到内存中,然后在进行操作,这样就存在一个命中率的问题,如果一个page中能够相对的存放足够多的行,那么命中率就会相对高一些,性能就会有提升
2.innodb的page大小默认为16kb
??innodb存储引擎表为索引组织表,树底层的叶子节点为一双向链表 , 因此每个页中至少应该有两行记录,这就决定了innodb在存储一行数据的时候不能够超过8k,但事实上应该更小 , 有一些InnoDB内部数据结构要存储以及预留操作空间,
3.blob,text大字段
??innodb只会存放前768字节在数据页中,而剩余的数据则会存储在溢出段中(发生溢出情况的时候适用),最大768字节的作用是便于创建前缀索引/prefix index , 其余更多的内容存储在额外的page里,哪怕只是多了一个字节 。因此,所有列长度越短越好
4.扩展存储禁用了自适应哈希
??因为需要完整的比较列的整个长度 , 才能发现是不是正确的数据(哈希帮助InnoDB非常快速的找到“猜测的位置”,但是必须检查“猜测的位置”是不是正确) 。因为自适应哈希是完全的内存结构,并且直接指向Buffer Pool中访问“最”频繁的页面,但对于扩展存储空间却无法使用Adaptive Hash
变长大字段类型包括blob,text,varchar,其中varchar列值长度大于某数N时也会存溢出页 , 在latin1字符集下N值可以这样计算:innodb的块大小默认为16kb , 由于innodb存储引擎表为索引组织表 , 树底层的叶子节点为一双向链表,因此每个页中至少应该有两行记录,这就决定了innodb在存储一行数据的时候不能够超过8k,减去其它列值所占字节数,约等于N 。对于InnoDB,内存是极为珍贵的,如果把768字节长度的blob都放在数据页,虽然可以节省部分IO,但是能缓存行数就变少,也就是能缓存的索引值变少了 , 降低了索引效率
Mysql把每个BLOB和TEXT值当作一个独立的对象处理 。存储引擎在存储时通常会做特殊处理 。当BLOB和TEXT值太大时 , InnoDB会使用专门的“外部”储存区域来进行存储,此时每个值在行内需要1~4个字节存储一个指针 , 然后在内部存储区域存储实际的值 。
Mysql不能将BLOB和TEXT列全部长度的字符串进行索引
mysql的 io 以page为单位 , 因此不必要的数据(大字段)也会随着需要操作的数据一同被读取到内存中来,这样带来的问题由于大字段会占用较大的内存(相比其他小字段),使得内存利用率较差,造成更多的随机读取 。从上面的分析来看,我们已经看到性能的瓶颈在于由于大字段存放在数据页中 , 造成了内存利用较差,带来过多的随机读,那怎么来优化掉这个大字段的影响
5.6版本以后,新增选项 innodb_page_size 可以修改innodb的page默认大小,但并不推荐修改这个配置
5.6版本之后mysql新增索引FULLTEXT可用来增加大文本搜索速度
mysql查询优化器应该怎么使用在开始演示之前,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)
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)
我们加上hint给相同的查询,再次看看查询计划 。
这个时候用到了index_merge,union了三个列 。扫描的行数为1103,cost为441.09,明显比之前的快了好几倍 。
mysql explainformat=json select /*index_merge(t1) */ * from t1where rank1 =1 or rank2 = 2 or rank3 = 2\G*************************** 1. row ***************************EXPLAIN: {"query_block": {"select_id": 1,"cost_info": {"query_cost": "441.09"},"table": {"table_name": "t1","access_type": "index_merge","possible_keys": ["idx_rank1","idx_rank2","idx_rank3"],"key": "union(idx_rank1,idx_rank2,idx_rank3)","key_length": "5,5,5","rows_examined_per_scan": 1103,"rows_produced_per_join": 1103,"filtered": "100.00","cost_info": {"read_cost": "330.79","eval_cost": "110.30","prefix_cost": "441.09","data_read_per_join": "473K"},"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)
我们再看下SQL D的计划:
不加HINT ,
mysql explain format=json select * from t1 where rank1 =100 and rank2 =100 and rank3 =100\G*************************** 1. row ***************************EXPLAIN: {"query_block": {"select_id": 1,"cost_info": {"query_cost": "534.34"},"table": {"table_name": "t1","access_type": "ref","possible_keys": ["idx_rank1","idx_rank2","idx_rank3"],"key": "idx_rank1","used_key_parts": ["rank1"],"key_length": "5","ref": ["const"],"rows_examined_per_scan": 555,"rows_produced_per_join": 0,"filtered": "0.07","cost_info": {"read_cost": "478.84","eval_cost": "0.04","prefix_cost": "534.34","data_read_per_join": "176"},"used_columns": ["id","rank1","rank2","log_time","prefix_uid","desc1","rank3"],"attached_condition": "((`ytt`.`t1`.`rank3` = 100) and (`ytt`.`t1`.`rank2` = 100))"}}}1 row in set, 1 warning (0.00 sec)
加了HINT,
mysql explain format=json select /*index_merge(t1)*/ * from t1 where rank1 =100 and rank2 =100 and rank3 =100\G*************************** 1. row ***************************EXPLAIN: {"query_block": {"select_id": 1,"cost_info": {"query_cost": "5.23"},"table": {"table_name": "t1","access_type": "index_merge","possible_keys": ["idx_rank1","idx_rank2","idx_rank3"],"key": "intersect(idx_rank1,idx_rank2,idx_rank3)","key_length": "5,5,5","rows_examined_per_scan": 1,"rows_produced_per_join": 1,"filtered": "100.00","cost_info": {"read_cost": "5.13","eval_cost": "0.10","prefix_cost": "5.23","data_read_per_join": "440"},"used_columns": ["id","rank1","rank2","log_time","prefix_uid","desc1","rank3"],"attached_condition": "((`ytt`.`t1`.`rank3` = 100) and (`ytt`.`t1`.`rank2` = 100) and (`ytt`.`t1`.`rank1` = 100))"}}}1 row in set, 1 warning (0.00 sec)
对比下以上两个,加了HINT的比不加HINT的cost小了100倍 。
总结下 , 就是说表的cardinality值影响这张的查询计划,如果这个值没有正常更新的话 , 就需要手工加HINT了 。相信MySQL未来的版本会带来更多的HINT 。
【mysql查询优化怎么做 mysql查询调优】mysql查询优化怎么做的介绍就聊到这里吧,感谢你花时间阅读本站内容,更多关于mysql查询调优、mysql查询优化怎么做的信息别忘了在本站进行查找喔 。
推荐阅读
- 学习电商如何在快手直播,快手电商直播基地
- 国产服务器cpu比国外好,国产服务器cpu有哪些品牌
- java怎么把代码上移 如何把java代码弄成桌面程序
- python文件夹处理,Python文件夹操作
- 鸿蒙生态app要多长时间,鸿蒙生态app要多长时间才能用
- go语言错误处理设计 go语言问题集
- 电脑怎么扫描硬盘视频文件,如何扫描电脑中的视频
- 虎牙女神高清跳舞直播视频,虎牙女主播精彩舞蹈
- php获得数据库信息 php从数据库取数据输出