本文将结合实例demo,阐述30条有关于优化SQL的建议,多数是实际开发中总结出来的,希望对大家有帮助。
反例子:
select * from employee;
正例子:
select id,name from employee;
理由:
假设现在有employee员工表,要找出一个名字叫jay的人.
CREATE TABLE `employee` ( `id` int(11) NOT NULL, `name` varchar(255) DEFAULT NULL, `age` int(11) DEFAULT NULL, `date` datetime DEFAULT NULL, `sex` int(1) DEFAULT NULL, PRIMARY KEY (`id`)) ENGINE=InnoDB DEFAULT CHARSET=utf8;
反例:
select id,name from employee where name=‘jay‘
正例
select id,name from employee where name=‘jay‘ limit 1;
理由:
新建一个user表,它有一个普通索引userId,表结构如下:
CREATE TABLE `user` ( `id` int(11) NOT NULL AUTO_INCREMENT, `userId` int(11) NOT NULL, `age` int(11) NOT NULL, `name` varchar(255) NOT NULL, PRIMARY KEY (`id`), KEY `idx_userId` (`userId`)) ENGINE=InnoDB DEFAULT CHARSET=utf8;
假设现在需要查询userid为1或者年龄为18岁的用户,很容易有以下sql
反例:
select * from user where userid=1 or age =18
正例:
//使用union all select * from user where userid=1 union all select * from user where age = 18//或者分开两条sql写:select * from user where userid=1select * from user where age = 18
理由:
对于or+没有索引的age这种情况,假设它走了userId的索引,但是走到age查询条件时,它还得全表扫描,也就是需要三步过程: 全表扫描+索引扫描+合并
如果它一开始就走全表扫描,直接一遍扫描就完事。
mysql是有优化器的,处于效率与成本考虑,遇到or条件,索引可能失效,看起来也合情合理。
我们日常做分页需求时,一般会用 limit 实现,但是当偏移量特别大的时候,查询效率就变得低下。
反例:
select id,name,age from employee limit 10000,10
正例:
//方案一 :返回上次查询的最大记录(偏移量)select id,name from employee where id>10000 limit 10.//方案二:order by + 索引select id,name from employee order by id limit 10000,10//方案三:在业务允许的情况下限制页数:
理由:
日常开发中,如果用到模糊关键字查询,很容易想到like,但是like很可能让你的索引失效。
反例:
select userId,name from user where userId like ‘%123‘;
正例:
select userId,name from user where userId like ‘123%‘;
理由:
假设业务场景是这样:查询某个用户是否是会员。曾经看过老的实现代码是这样。。。
反例:
List<Long> userIds = sqlMap.queryList("select userId from user where isVip=1");boolean isVip = userIds.contains(userId);
正例:
Long userId = sqlMap.queryObject("select userId from user where userId=‘userId‘ and isVip=‘1‘ ")boolean isVip = userId!=null;
理由:
业务需求:查询最近七天内登陆过的用户(假设loginTime加了索引)
反例:
select userId,loginTime from loginuser where Date_ADD(loginTime,Interval 7 DAY) >=now();
正例:
explain select userId,loginTime from loginuser where loginTime >= Date_ADD(NOW(),INTERVAL - 7 DAY);
理由:
反例:
select * from user where age-1 =10;
正例:
select * from user where age =11;
理由:
- Inner join 内连接,在两张表进行连接查询时,只保留两张表中完全匹配的结果集
- left join 在两张表进行连接查询时,会返回左表所有的行,即使在右表中没有匹配的记录。
- right join 在两张表进行连接查询时,会返回右表所有的行,即使在左表中没有匹配的记录。
都满足SQL需求的前提下,推荐优先使用Inner join(内连接),如果要使用left join,左边表数据结果尽量小,如果有条件的尽量放到左边处理。
反例:
select * from tab1 t1 left join tab2 t2 on t1.size = t2.size where t1.id>2;
正例:
select * from (select * from tab1 where id >2) t1 left join tab2 t2 on t1.size = t2.size;
理由:
反例:
select age,name from user where age <>18;
正例:
//可以考虑分开两条sql写select age,name from user where age <18;select age,name from user where age >18;
理由:
表结构:(有一个联合索引idx_userid_age,userId在前,age在后)
CREATE TABLE `user` ( `id` int(11) NOT NULL AUTO_INCREMENT, `userId` int(11) NOT NULL, `age` int(11) DEFAULT NULL, `name` varchar(255) NOT NULL, PRIMARY KEY (`id`), KEY `idx_userid_age` (`userId`,`age`) USING BTREE) ENGINE=InnoDB AUTO_INCREMENT=2 DEFAULT CHARSET=utf8;
反例:
select * from user where age = 10;
正例:
//符合最左匹配原则select * from user where userid=10 and age =10;//符合最左匹配原则select * from user where userid =10;
理由:
反例:
select * from user where address =‘深圳‘ order by age ;
正例:
添加索引alter table user add index idx_address_age (address,age)
反例:
for(User u :list){ INSERT into user(name,age) values(#name#,#age#) }
正例:
//一次500批量插入,分批进行insert into user(name,age) values<foreach collection="list" item="item" index="index" separator=","> (#{item.name},#{item.age})</foreach>
理由:
打个比喻:假如你需要搬一万块砖到楼顶,你有一个电梯,电梯一次可以放适量的砖(最多放500),你可以选择一次运送一块砖,也可以一次运送500,你觉得哪个时间消耗大?
覆盖索引能够使得你的SQL语句不需要回表,仅仅访问索引就能够得到所有需要的数据,大大提高了查询效率。
反例:
// like模糊查询,不走索引了select * from user where userid like ‘%123%‘
正例:
//id为主键,那么为普通索引,即覆盖索引登场了。select id,name from user where userid like ‘%123%‘;
distinct 关键字一般用来过滤重复记录,以返回不重复的记录。在查询一个字段或者很少字段的情况下使用时,给查询带来优化效果。但是在字段很多的时候使用,却会大大降低查询效率。
反例:
SELECT DISTINCT * from user;
正例:
select DISTINCT name from user;
理由:
反例:
KEY `idx_userId` (`userId`) KEY `idx_userId_age` (`userId`,`age`)
正例:
//删除userId索引,因为组合索引(A,B)相当于创建了(A)和(A,B)索引 KEY `idx_userId_age` (`userId`,`age`)
理由:
避免同时修改或删除过多数据,因为会造成cpu利用率过高,从而影响别人对数据库的访问。
反例:
//一次删除10万或者100万+?delete from user where id <100000;//或者采用单一循环操作,效率低,时间漫长for(User user:list){ delete from user; }
正例:
//分批进行删除,如每次500delete user where id<500delete product where id>=500 and id<1000;
理由:
反例:
select * from user where age is not null;
正例:
//设置0为默认值select * from user where age>0;
理由:
如果mysql优化器发现,走索引比不走索引成本还要高,肯定会放弃索引,这些条件
!=,>is null,is not null
经常被认为让索引失效,其实是因为一般情况下,查询的成本高,优化器自动放弃的。
假设表A表示某企业的员工表,表B表示部门表,查询所有部门的所有员工,很容易有以下SQL:
select * from A where deptId in (select deptId from B);
这样写等价于:
先查询部门表B
select deptId from B
再由部门deptId,查询A的员工
select * from A where A.deptId = B.deptId
可以抽象成这样的一个循环:
List<> resultSet ; for(int i=0;i<B.length;i++) { for(int j=0;j<A.length;j++) { if(A[i].id==B[j].id) { resultSet.add(A[i]); break; } } }
显然,除了使用in,我们也可以用exists实现一样的查询功能,如下:
select * from A where exists (select 1 from B where A.deptId = B.deptId);
因为exists查询的理解就是,先执行主查询,获得数据后,再放到子查询中做条件验证,根据验证结果(true或者false),来决定主查询的数据结果是否得意保留。
那么,这样写就等价于:
select * from A,先从A表做循环
select * from B where A.deptId = B.deptId,再从B表做循环.
同理,可以抽象成这样一个循环:
List<> resultSet ; for(int i=0;i<A.length;i++) { for(int j=0;j<B.length;j++) { if(A[i].deptId==B[j].deptId) { resultSet.add(A[i]); break; } } }
数据库最费劲的就是跟程序链接释放。假设链接了两次,每次做上百万次的数据集查询,查完就走,这样就只做了两次;相反建立了上百万次链接,申请链接释放反复重复,这样系统就受不了了。即mysql优化原则,就是小表驱动大表,小的数据集驱动大的数据集,从而让性能更优。
因此,我们要选择最外层循环小的,也就是,如果B的数据量小于A,适合使用in,如果B的数据量大于A,即适合选择exist。
如果检索结果中不会有重复的记录,推荐union all 替换 union。
反例:
select * from user where userid=1 union select * from user where age = 10
正例:
select * from user where userid=1 union all select * from user where age = 10
理由:
反例:
king_id` varchar(20) NOT NULL COMMENT ‘守护者Id‘
正例:
`king_id` int(11) NOT NULL COMMENT ‘守护者Id‘`
理由:
因为SQL优化器是根据表中数据量来进行查询优化的,如果索引列有大量重复数据,Mysql查询优化器推算发现不走索引的成本更低,很可能就放弃索引了。
假设业务需求是,用户请求查看自己最近一年观看过的直播数据。
反例:
//一次性查询所有数据回来select * from LivingInfo where watchId =useId and watchTime >= Date_sub(now(),Interval 1 Y)
正例:
//分页查询select * from LivingInfo where watchId =useId and watchTime>= Date_sub(now(),Interval 1 Y) limit offset,pageSize//如果是前端分页,可以先查询前两百条记录,因为一般用户应该也不会往下翻太多页,select * from LivingInfo where watchId =useId and watchTime>= Date_sub(now(),Interval 1 Y) limit 200 ;
反例:
select * from A innerjoin B on A.deptId = B.deptId;
正例:
select memeber.name,deptment.deptName from A member innerjoin B deptment on member.deptId = deptment.deptId;
反例:
`deptName` char(100) DEFAULT NULL COMMENT ‘部门名称‘
正例:
`deptName` varchar(100) DEFAULT NULL COMMENT ‘部门名称‘
理由:
反例:
select job,avg(salary) from employee group by job having job =‘president‘ or job = ‘managent‘
正例:
select job,avg(salary) from employee where job =‘president‘ or job = ‘managent‘ group by job;
反例:
select * from user where userid =123;
正例:
select * from user where userid =‘123‘;
理由:
日常开发写SQL的时候,尽量养成一个习惯吧。用explain分析一下你写的SQL,尤其是走不走索引这一块。
explain select * from user where userid =10086 or age =18;