聊聊 sql 优化的 15 个小技巧
前言
sql 优化是一个大家都比较关注的热门话题，无论你在面试，还是工作中，都很有可能会遇到。
如果某天你负责的某个线上接口，出现了性能问题，需要做优化。那么你首先想到的很有可能是优化 sql 语句，因为它的改造成本相对于代码来说也要小得多。
那么，如何优化 sql 语句呢？
这篇文章从 15 个方面，分享了 sql 优化的一些小技巧，希望对你有所帮助。
1 避免使用 select *
很多时候，我们写 sql 语句时，为了方便，喜欢直接使用select *，一次性查出表中所有列的数据。
反例：
在实际业务场景中，可能我们真正需要使用的只有其中一两列。查了很多数据，但是不用，白白浪费了数据库资源，比如：内存或者 cpu。
此外，多查出来的数据，通过网络 IO 传输的过程中，也会增加数据传输的时间。
还有一个最重要的问题是：select *不会走覆盖索引，会出现大量的回表操作，而从导致查询 sql 的性能很低。
那么，如何优化呢？
正例：
sql 语句查询时，只查需要用到的列，多余的列根本无需查出来。
2 用 union all 代替 union
我们都知道 sql 语句使用union关键字后，可以获取排重后的数据。
而如果使用union all关键字，可以获取所有数据，包含重复的数据。
反例：
排重的过程需要遍历、排序和比较，它更耗时，更消耗 cpu 资源。
所以如果能用 union all 的时候，尽量不用 union。
正例：
除非是有些特殊的场景，比如 union all 之后，结果集中出现了重复数据，而业务场景中是不允许产生重复数据的，这时可以使用 union。
3 小表驱动大表
小表驱动大表，也就是说用小表的数据集驱动大表的数据集。
假如有 order 和 user 两张表，其中 order 表有 10000 条数据，而 user 表有 100 条数据。
这时如果想查一下，所有有效的用户下过的订单列表。
可以使用in关键字实现：
也可以使用exists关键字实现：
前面提到的这种业务场景，使用 in 关键字去实现业务需求，更加合适。
为什么呢？
因为如果 sql 语句中包含了 in 关键字，则它会优先执行 in 里面的子查询语句，然后再执行 in 外面的语句。如果 in 里面的数据量很少，作为条件查询速度更快。
而如果 sql 语句中包含了 exists 关键字，它优先执行 exists 左边的语句（即主查询语句）。然后把它作为条件，去跟右边的语句匹配。如果匹配上，则可以查询出数据。如果匹配不上，数据就被过滤掉了。
这个需求中，order 表有 10000 条数据，而 user 表有 100 条数据。order 表是大表，user 表是小表。如果 order 表在左边，则用 in 关键字性能更好。
总结一下：
in适用于左边大表，右边小表。exists适用于左边小表，右边大表。
不管是用 in，还是 exists 关键字，其核心思想都是用小表驱动大表。
4 批量操作
如果你有一批数据经过业务处理之后，需要插入数据，该怎么办？
反例：
在循环中逐条插入数据。
该操作需要多次请求数据库，才能完成这批数据的插入。
但众所周知，我们在代码中，每次远程请求数据库，是会消耗一定性能的。而如果我们的代码需要请求多次数据库，才能完成本次业务功能，势必会消耗更多的性能。
那么如何优化呢？
正例：
提供一个批量插入数据的方法。
这样只需要远程请求一次数据库，sql 性能会得到提升，数据量越多，提升越大。
但需要注意的是，不建议一次批量操作太多的数据，如果数据太多数据库响应也会很慢。批量操作需要把握一个度，建议每批数据尽量控制在 500 以内。如果数据多于 500，则分多批次处理。
5 多用 limit
有时候，我们需要查询某些数据中的第一条，比如：查询某个用户下的第一个订单，想看看他第一次的首单时间。
反例：
根据用户 id 查询订单，按下单时间排序，先查出该用户所有的订单数据，得到一个订单集合。 然后在代码中，获取第一个元素的数据，即首单的数据，就能获取首单时间。
虽说这种做法在功能上没有问题，但它的效率非常不高，需要先查询出所有的数据，有点浪费资源。
那么，如何优化呢？
正例：
使用limit 1，只返回该用户下单时间最小的那一条数据即可。
此外，在删除或者修改数据时，为了防止误操作，导致删除或修改了不相干的数据，也可以在 sql 语句最后加上 limit。
例如：
这样即使误操作，比如把 id 搞错了，也不会对太多的数据造成影响。
6 in 中值太多
对于批量查询接口，我们通常会使用in关键字过滤出数据。比如：想通过指定的一些 id，批量查询出用户信息。
sql 语句如下：
如果我们不做任何限制，该查询语句一次性可能会查询出非常多的数据，很容易导致接口超时。
这时该怎么办呢？
可以在 sql 中对数据用 limit 做限制。
不过我们更多的是要在业务代码中加限制，伪代码如下：
还有一个方案就是：如果 ids 超过 500 条记录，可以分批用多线程去查询数据。每批只查 500 条记录，最后把查询到的数据汇总到一起返回。
不过这只是一个临时方案，不适合于 ids 实在太多的场景。因为 ids 太多，即使能快速查出数据，但如果返回的数据量太大了，网络传输也是非常消耗性能的，接口性能始终好不到哪里去。
7 增量查询
有时候，我们需要通过远程接口查询数据，然后同步到另外一个数据库。
反例：
如果直接获取所有的数据，然后同步过去。这样虽说非常方便，但是带来了一个非常大的问题，就是如果数据很多的话，查询性能会非常差。
这时该怎么办呢？
正例：
按 id 和时间升序，每次只同步一批数据，这一批数据只有 100 条记录。每次同步完成之后，保存这 100 条数据中最大的 id 和时间，给同步下一批数据的时候用。
通过这种增量查询的方式，能够提升单次查询的效率。
8 高效的分页
有时候，列表页在查询数据时，为了避免一次性返回过多的数据影响接口性能，我们一般会对查询接口做分页处理。
在 mysql 中分页一般用的limit关键字：
如果表中数据量少，用 limit 关键字做分页，没啥问题。但如果表中数据量很多，用它就会出现性能问题。
比如现在分页参数变成了：
mysql 会查到 1000020 条数据，然后丢弃前面的 1000000 条，只查后面的 20 条数据，这个是非常浪费资源的。
那么，这种海量数据该怎么分页呢？
优化 sql：
先找到上次分页最大的 id，然后利用 id 上的索引查询。不过该方案，要求 id 是连续的，并且有序的。
还能使用between优化分页。
需要注意的是 between 要在唯一索引上分页，不然会出现每页大小不一致的问题。
9 用连接查询代替子查询
mysql 中如果需要从两张以上的表中查询出数据的话，一般有两种实现方式：子查询 和 连接查询。
子查询的例子如下：
子查询语句可以通过in关键字实现，一个查询语句的条件落在另一个 select 语句的查询结果中。程序先运行在嵌套在最内层的语句，再运行外层的语句。
子查询语句的优点是简单，结构化，如果涉及的表数量不多的话。
但缺点是 mysql 执行子查询时，需要创建临时表，查询完毕后，需要再删除这些临时表，有一些额外的性能消耗。
这时可以改成连接查询。 具体例子如下：
10 join 的表不宜过多
根据阿里巴巴开发者手册的规定，join 表的数量不应该超过3个。
反例：
如果 join 太多，mysql 在选择索引的时候会非常复杂，很容易选错索引。
并且如果没有命中中，nested loop join 就是分别从两个表读一行数据进行两两对比，复杂度是 n^2。
所以我们应该尽量控制 join 表的数量。
正例：
如果实现业务场景中需要查询出另外几张表中的数据，可以在 a、b、c 表中冗余专门的字段，比如：在表 a 中冗余 d_name 字段，保存需要查询出的数据。
不过我之前也见过有些 ERP 系统，并发量不大，但业务比较复杂，需要 join 十几张表才能查询出数据。
所以 join 表的数量要根据系统的实际情况决定，不能一概而论，尽量越少越好。
11 join 时要注意
我们在涉及到多张表联合查询的时候，一般会使用join关键字。
而 join 使用最多的是 left join 和 inner join。
left join：求两个表的交集外加左表剩下的数据。inner join：求两个表交集的数据。
使用 inner join 的示例如下：
如果两张表使用 inner join 关联，mysql 会自动选择两张表中的小表，去驱动大表，所以性能上不会有太大的问题。
使用 left join 的示例如下：
如果两张表使用 left join 关联，mysql 会默认用 left join 关键字左边的表，去驱动它右边的表。如果左边的表数据很多时，就会出现性能问题。
要特别注意的是在用 left join 关联查询时，左边要用小表，右边可以用大表。如果能用 inner join 的地方，尽量少用 left join。
12 控制索引的数量
众所周知，索引能够显著的提升查询 sql 的性能，但索引数量并非越多越好。
因为表中新增数据时，需要同时为它创建索引，而索引是需要额外的存储空间的，而且还会有一定的性能消耗。
阿里巴巴的开发者手册中规定，单表的索引数量应该尽量控制在5个以内，并且单个索引中的字段数不超过5个。
mysql 使用的 B+树的结构来保存索引的，在 insert、update 和 delete 操作时，需要更新 B+树索引。如果索引过多，会消耗很多额外的性能。
那么，问题来了，如果表中的索引太多，超过了 5 个该怎么办？
这个问题要辩证的看，如果你的系统并发量不高，表中的数据量也不多，其实超过 5 个也可以，只要不要超过太多就行。
但对于一些高并发的系统，请务必遵守单表索引数量不要超过 5 的限制。
那么，高并发系统如何优化索引数量？
能够建联合索引，就别建单个索引，可以删除无用的单个索引。
将部分查询功能迁移到其他类型的数据库中，比如：Elastic Seach、HBase 等，在业务表中只需要建几个关键索引即可。
13 选择合理的字段类型
char表示固定字符串类型，该类型的字段存储空间的固定的，会浪费存储空间。
varchar表示变长字符串类型，该类型的字段存储空间会根据实际数据的长度调整，不会浪费存储空间。
如果是长度固定的字段，比如用户手机号，一般都是 11 位的，可以定义成 char 类型，长度是 11 字节。
但如果是企业名称字段，假如定义成 char 类型，就有问题了。
如果长度定义得太长，比如定义成了 200 字节，而实际企业长度只有 50 字节，则会浪费 150 字节的存储空间。
如果长度定义得太短，比如定义成了 50 字节，但实际企业名称有 100 字节，就会存储不下，而抛出异常。
所以建议将企业名称改成 varchar 类型，变长字段存储空间小，可以节省存储空间，而且对于查询来说，在一个相对较小的字段内搜索效率显然要高些。
我们在选择字段类型时，应该遵循这样的原则：
能用数字类型，就不用字符串，因为字符的处理往往比数字要慢。
尽可能使用小的类型，比如：用 bit 存布尔值，用 tinyint 存枚举值等。
长度固定的字符串字段，用 char 类型。
长度可变的字符串字段，用 varchar 类型。
金额字段用 decimal，避免精度丢失问题。
还有很多原则，这里就不一一列举了。
14 提升 group by 的效率
我们有很多业务场景需要使用group by关键字，它主要的功能是去重和分组。
通常它会跟having一起配合使用，表示分组后再根据一定的条件过滤数据。
反例：
这种写法性能不好，它先把所有的订单根据用户 id 分组之后，再去过滤用户 id 大于等于 200 的用户。
分组是一个相对耗时的操作，为什么我们不先缩小数据的范围之后，再分组呢？
正例：
使用 where 条件在分组前，就把多余的数据过滤掉了，这样分组时效率就会更高一些。
其实这是一种思路，不仅限于 group by 的优化。我们的 sql 语句在做一些耗时的操作之前，应尽可能缩小数据范围，这样能提升 sql 整体的性能。
15 索引优化
sql 优化当中，有一个非常重要的内容就是：索引优化。
很多时候 sql 语句，走了索引，和没有走索引，执行效率差别很大。所以索引优化被作为 sql 优化的首选。
索引优化的第一步是：检查 sql 语句有没有走索引。
那么，如何查看 sql 走了索引没？
可以使用explain命令，查看 mysql 的执行计划。
例如：
结果：
通过这几列可以判断索引使用情况，执行计划包含列的含义如下图所示：
如果你想进一步了解 explain 的详细用法，可以看看我的另一篇文章《explain | 索引优化的这把绝世好剑，你真的会用吗？》
说实话，sql 语句没有走索引，排除没有建索引之外，最大的可能性是索引失效了。
下面说说索引失效的常见原因：
如果不是上面的这些原因，则需要再进一步排查一下其他原因。
此外，你有没有遇到过这样一种情况：明明是同一条 sql，只有入参不同而已。有的时候走的索引 a，有的时候却走的索引 b？
没错，有时候 mysql 会选错索引。
必要时可以使用force index来强制查询 sql 走某个索引。
至于为什么 mysql 会选错索引，后面有专门的文章介绍的，这里先留点悬念。
微信搜：苏三说技术，回复：算法，领取福利 2018.07.31 加入
「苏三说技术」 维护者目前就职于某知名互联网公司，从事开发、架构和部分管理工作。实战经验丰富，对jdk、spring、springboot、springcloud、mybatis等开源框架源码有一定研究，欢迎关注和交流。
评论