Mysql优化（出自官方文档）

Mysql优化（出自官方文档） - 第五篇

Mysql优化（出自官方文档） - 第五篇

1 GROUP BY Optimization

通常来讲，实现group by的方式是创建一个临时表，然后按照group by的列插入到临时表中，在进行后续处理，但是如果group by的列均来自于同一个index（唯一或者二级索引），那么Mysql会使用index来进行group by处理。关于索引的使用方式，主要有两种：

Loose Index Scan：将group by操作和所有的range一起来进行操作。
Tight Index Scan：首先进行range scan，然后在对获取到的结果进行分组。

Loose Index Scan

定义：不需要扫描group by的所有列来满足where条件，只需要考虑索引中的一部分来满足要求。Loose Index Scan需要满足下面的条件：
- 只针对一个表
- group by的列必须是索引leftmost的列（如果没有group by，distrinct也可以，且distrinct的列也必须为leftmost），比如，在一个表(t1,t2,t3,t4)上有索引(t1,t2,t3)，此时group by的列为(t1,t2)或者(t1)，均适用于Loose Index Scan，如果是(t1,t3,t4)，那么将无法使用该优化技术。
- 只支持MIN,MAX聚合函数，并且作用的对象都必须为同一个列，该列必须在索引里面且在group by语句中。
- select中不在group by的列比较对象必须为常量，包括MIN和MAX
- 索引中的列必须完全被索引，比如：一个c1 varchar(20)，索引不能为c1(10)，必须为整个长度。
在EXPLAIN输出里面，如果采用了这种优化技术，那么会显示Using index for group-by

下面的语句均使用这种优化技术（假设t1表(t1,t2,t3,t4)，有索引(t1,t2,t3)）：
```
SELECT c1, c2 FROM t1 GROUP BY c1, c2;

SELECT DISTINCT c1, c2 FROM t1;

SELECT c1, MIN(c2) FROM t1 GROUP BY c1;

SELECT c1, c2 FROM t1 WHERE c1 < const GROUP BY c1, c2;

SELECT MAX(c3), MIN(c3), c1, c2 FROM t1 WHERE c2 > const GROUP BY c1, c2;

SELECT c2 FROM t1 WHERE c1 < const GROUP BY c1, c2;

SELECT c1, c2 FROM t1 WHERE c3 = const GROUP BY c1, c2;
```
下面的语句不适用这种情况：
- 聚合函数只支持MIN和MAX：
```
SELECT c1, SUM(c2) FROM t1 GROUP BY c1;
```
- group by的列必须为leftmost:
```
SELECT c1, c2 FROM t1 GROUP BY c2, c3;
```
- select中剩余的列（没有被group by包含的）必须和一个常量进行比较，下面的c3不满足：
```
SELECT c1, c3 FROM t1 GROUP BY c1, c2;
```
除了MIN和MAX外，Loose Index Scan也可以作用于其他形式的聚合函数，但是有如下限制：
- AVG, SUM和COUNT均可以支持，但是AVG, SUM必须只有一个参数，COUNT可以有多个参数
- 不能有GROUP BY 和 DISTINCT语句
- 文章开头的限制依旧适用于这种情况。
假设t1表(t1,t2,t3,t4)有索引(t1,t2,t3)，下面的语句也可以使用与Loose Index Scan：
```
SELECT COUNT(DISTINCT c1), SUM(DISTINCT c1) FROM t1;

SELECT COUNT(DISTINCT c1, c2), COUNT(DISTINCT c2, c1) FROM t1;
```
Tight Index Scan

当Loose Index Scan无法适用时，此时如果适用于Tight Index Scan，Mysql依旧不会去创建一个临时表，Tight Index Scan的定义为：如果有where条件，那么会根据索引范围直接进行扫描（index Scan），反之，会进行一个Full Index Scan。对于下面的语句，不适用于Loose Index Scan，但是依旧可以采用Tight Index Scan来进行分组：

依旧假设t1表(t1,t2,t3,t4)有索引(t1,t2,t3)：
- GROUP BY的列不是leftmost，但是进行Full Index Scan后，在对其进行过滤。
```
SELECT c1, c2, c3 FROM t1 WHERE c2 = 'a' GROUP BY c1, c3;

SELECT c1, c2, c3 FROM t1 WHERE c1 = 'a' GROUP BY c2, c3;
```

2 DISTINCT Optimization

由于DISTINCT和GROUP BY是可以相互转换的，因此，适用于GROUP BY的情况也同样适用于DISTINCT，比如下面的语句是等价的：

SELECT DISTINCT c1, c2, c3 FROM t1

WHERE c1 > const;

SELECT c1, c2, c3 FROM t1

WHERE c1 > const GROUP BY c1, c2, c3;

3 LIMIT Query Optimization

大多数时候，Mysql也会对LIMIT row_count语句（没有HAVING）进行优化，大致总结如下：

当LIMIT只有小部分行时，Mysql会选择用full table scan，而不是使用索引
Mysql扫描到LIMIT限定的行数后就会停止扫描，如果有order by就会停止排序，如果有distinct也会停止扫描，此时，Mysql可能只对表的大部分行进行了排序，所以会导致一个结果：带LIMIT和不带LIMIT的order by的结果有几率不一致，该点下面会进行解释。
Mysql默认不会存储已经查询出来的结果，使用SQL_CALC_FOUND_ROWS，这样子可以通过 SELECT FOUND_ROWS()来重复获取计算出来的结果。
如果需要使用临时表，Mysql也会利用row_count来计算所需要的空间。
如果使用了LIMIT，那么优化器也有可能避免使用filesort，而是使用内存方式进行排序。

关于为什么带LIMIT和不带LIMIT可能结果不一样的原因：

当order by的列有多个重复列的时候，如果带LIMIT，Mysql会进行部分排序，如果部分排序后发现数目已经满足LIMIT的row_count，那么就会停止排序，并将结果直接返回，而这个时候，有些数据还没有得到排序，所以这就导致了全排序（不带LIMIT）和带LIMIT的结果不一致，主要体现在其他列上面，来看下面的例子：

order by的是category列，表的数据如下:

mysql> SELECT * FROM ratings ORDER BY category;

+----+----------+--------+

| id | category | rating |

+----+----------+--------+

|  1 |        1 |    4.5 |

|  5 |        1 |    3.2 |

|  3 |        2 |    3.7 |

|  4 |        2 |    3.5 |

|  6 |        2 |    3.5 |

|  2 |        3 |    5.0 |

|  7 |        3 |    2.7 |

+----+----------+--------+

限制LIMIT 5的结果可能为：

mysql> SELECT * FROM ratings ORDER BY category LIMIT 5;

+----+----------+--------+

| id | category | rating |

+----+----------+--------+

|  1 |        1 |    4.5 |

|  5 |        1 |    3.2 |

|  4 |        2 |    3.5 |

|  3 |        2 |    3.7 |

|  6 |        2 |    3.5 |

+----+----------+--------+

注意结果的第三行和第四行，和初始是不一样的，因为此时Mysql可能只进行了部分排序，所以有几率出现这样的结果。Mysql在实现排序的时候，只会保证order by列的顺序，并不会保证其他列的顺序。

4 Function Call Optimization

在Mysql里面，Function被分为两种：确定性函数和非确定性函数。

确定性函数：给定一个值，多次调用会确定性的返回另外一个值

非确定性函数：给定一个值，多次调用可能返回不同的值，比如：RAND(), UUID()

假设有下面的表：

CREATE TABLE t (id INT NOT NULL PRIMARY KEY, col_a VARCHAR(100));

对于下面的两种查询：

SELECT * FROM t WHERE id = POW(1,2);

SELECT * FROM t WHERE id = FLOOR(1 + RAND() * 49);

解释如下：

对于第一条语句：由于POW产生一个固定的结果，所以Mysql会将其视为一个常量进行优化，有可能使用索引查找来快速找到对应记录。

对于第二条语句：由于RAND会产生不同的结果，所以Mysql会对表t的每一行进行where判断，相应的，就会进行全表扫描，因为需要RAND来产生不同的结果。

综上，如果贸然使用非确定性的函数，对Mysql性能可能会产生隐性的不良影响，可能带来的影响有下面几种情况：

非确定性函数由于无法产生固定的结果，所以优化器就没办法对其优化，比如：如果是常量，可以使用index lookup，但是由于非确定性函数的存在，就只能用table scan的方式了。
InnoDB中，非确定性函数可能会导致锁由单行锁升级为range-key lock。
在复制操作中，update中有非确定性函数可能是不安全的。

如果不得不用确定性函数，可以使用下面的方式进行优化：

将RAND的结果首先赋值给一个常量，然后查询语句中直接使用该常量，这样，Mysql就会把where语句后面的值视为常量来进行优化，比如此时可以使用index lookup。
```
SET @keyval = FLOOR(1 + RAND() * 49);

UPDATE t SET col_a = some_expr WHERE id = @keyval;
```
将非确定性函数的值放在derived table里面，然后在where语句里面直接使用derived table里面的值，Mysql也可以使用相应的优化措施。
```
UPDATE /*+ NO_MERGE(dt) */ t, (SELECT FLOOR(1 + RAND() * 49) AS r) AS dt

SET col_a = some_expr WHERE id = dt.r;
```
有的时候，如果可以确定部分条件，那么用and连接起来非确定性函数，这样子可以导致非确定性函数的执行次数大大减少，比如下面的语句。
```
SELECT * FROM t WHERE partial_key=5 AND some_column=RAND();
```

5 Avoiding Full Table Scans

在EXPLAIN的输出结果里面，如果column列显示为ALL，那么说明Mysql本次在进行全表扫描，为了避免全表扫描，而是让Mysql使用索引，可用下面的方式：

使用ANALYZE TABLE tbl_name来更新表索引的分布性。

使用FORCE INDEX命令告诉Mysql table scan的效率要远低于使用索引。

SELECT * FROM t1, t2 FORCE INDEX (index_for_column)

  WHERE t1.col_name=t2.col_name;

在启动Mysql的时候，mysqld命令加上 --max-seeks-for-key=1000 或者说使用 SET max_seeks_for_key=1000，该值设置的越低，那么Mysql就更倾向于使用索引。