MySQL 慢查询优化（线上案例调优）

关注
发布于: 2020 年 05 月 27 日
本文已收录到1.1K Star数开源学习指南——《大厂面试指北》，如果想要了解更多大厂面试相关的内容及获取《大厂面试指北》离线PDF版，请扫描下方二维码码关注公众号“大厂面试”，谢谢大家了！
﻿
《大厂面试指北》最佳阅读地址：
﻿
http://notfound9.github.io/interviewGuide/
﻿
《大厂面试指北》项目地址：
﻿
https://github.com/NotFound9/interviewGuide
﻿
获取《大厂面试指北》离线PDF版，请扫描下方二维码关注公众号“大厂面试”
﻿
﻿
《大厂面试指北》项目截图：
﻿
文章说明这篇文章主要是记录自己最近在真实工作中遇到的慢查询的案例，然后进行调优分析的过程，欢迎大家一起讨论调优经验。（以下出现的表名，列名都是化名，实际数据也进行过一点微调。）
一.复杂的深分页问题优化﻿
背景﻿
有一个article表，用于存储文章的基本信息的，有文章id，作者id等一些属性，有一个content表，主要用于存储文章的内容，主键是article_id，需求需要将一些满足条件的作者发布的文章导入到另外一个库，所以我同事就在项目中先查询出了符合条件的作者id，然后开启了多个线程，每个线程每次取一个作者id，执行查询和导入工作。
﻿
查询出作者id是1111，名下的所有文章信息，文章内容相关的信息的SQL如下：
﻿
SELECT
	a.*, c.*
FROM
	article a
LEFT JOIN content c ON a.id = c.article_id
WHERE
	a.author_id = 1111
AND a.create_time < '2020-04-29 00:00:00'
LIMIT 210000,100
﻿
因为查询的这个数据库是机械硬盘的，在offset查询到20万时，查询时间已经特别长了，运维同事那边直接收到报警，说这个库已经IO阻塞了，已经多次进行主从切换了，我们就去navicat里面试着执行了一下这个语句，也是一直在等待， 然后对数据库执行show proceesslist 命令查看了一下，发现每个查询都是处于Writing to net的状态，没办法只能先把导入的项目暂时下线，然后执行kill命令将当前的查询都杀死进程(因为只是客户端Stop的话，MySQL服务端会继续查询)。
﻿
然后我们开始分析这条命令执行慢的原因：
﻿
是否是联合索引的问题﻿
当前是索引情况如下：
﻿
article表的主键是id，author_id是一个普通索引
content表的主键是article_id
﻿
所以认为当前是执行流程是先去article表的普通索引authorid里面找到1111的所有文章id，然后根据这些文章id去article表的聚集索引中找到所有的文章，然后拿每个文章id去content表中找文章内容等信息，然后判断createtime是否满足要求，进行过滤，最终找到offset为20000后的100条数据。
﻿
所以我们就将article的authorid索引改成了联合索引(authorid,createtime),这样联合索引(authorid,createtime)中的B+树就是先安装authorid排序，再按照createtime排序，这样一开始在联合(authorid,createtime)查询出来的文章id就是满足createtime < '2020-04-29 00:00:00'条件的，后面就不用进行过滤了，就不会就是符合就不用对create_time过滤。
﻿
流程确实是这个流程，但是去查询时，如果limit还是210000, 100时，还是查不出数据，几分钟都没有数据，一直到navica提示超时，使用Explain看的话，确实命中索引了，如果将offset调小，调成6000, 100，勉强可以查出数据，但是需要46s，所以瓶颈不在这里。
﻿
真实原因如下：
﻿
先看关于深分页的两个查询，id是主键，val是普通索引
﻿
直接查询法﻿
select * from test where val=4 limit 300000,5;
先查主键再join
select * from test a 
inner join
(select id from test where val=4 limit 300000,5) as b 
on a.id=b.id;
﻿
这两个查询的结果都是查询出offset是30000后的5条数据，区别在于第一个查询需要先去普通索引val中查询出300005个id，然后去聚集索引下读取300005个数据页，然后抛弃前面的300000个结果，只返回最后5个结果，过程中会产生了大量的随机I/O。第二个查询一开始在普通索引val下就只会读取后5个id，然后去聚集索引下读取5个数据页。
﻿
同理我们业务中那条查询其实是更加复杂的情况，因为我们业务的那条SQL不仅会读取article表中的210100条结果，而且会每条结果去content表中查询文章相关内容，而这张表有几个TEXT类型的字段，我们使用show table status命令查看表相关的信息发现
﻿
| Name    | Engine | Rowformat | Rows    | AvgRow_length |
| ------- | ------ | ---------- | ------- | -------------- |
| article | InnoDB | Compact    | 2682682 | 266            |
| content | InnoDB | Compact    | 2824768 | 16847          |
﻿
发现两个表的数据量都是200多万的量级，article表的行平均长度是266，content表的平均长度是16847，简单来说是当 InnoDB 使用 Compact 或者 Redundant 格式存储极长的 VARCHAR 或者 BLOB 这类大对象时，我们并不会直接将所有的内容都存放在数据页节点中，而是将行数据中的前 768 个字节存储在数据页中，后面会通过偏移量指向溢出页。
﻿
（详细了解可以看看这篇文章深度好文带你读懂MySQL和InnoDB）
﻿
﻿
这样再从content表里面查询连续的100行数据时，读取每行数据时，还需要去读溢出页的数据，这样就需要大量随机IO，因为机械硬盘的硬件特性，随机IO会比顺序IO慢很多。所以我们后来又进行了测试，
﻿
只是从article表里面查询limit 200000，100的数据，发现即便存在深分页的问题，查询时间只是0.5s，因为article表的平均列长度是266，所有数据都存在数据页节点中，不存在页溢出，所以都是顺序IO，所以比较快。
﻿
//查询时间0.51s
SELECT a.* FROM article a  
WHERE a.author_id = 1111  
AND a.create_time < '2020-04-29 00:00:00' 
LIMIT 200100, 100
﻿
相反的，我们直接先找出100个article_id去content表里面查询数据，发现比较慢，第一次查询时需要3s左右(也就是这些id的文章内容相关的信息都没有过，没有缓存的情况)，第二次查询时因为这些溢出页数据已经加载到buffer pool，所以大概0.04s。
﻿
SELECT SQL_NO_CACHE c.* 
FROM article_content c 
WHERE c.article_id in(100个article_id)
﻿
解决方案﻿
所以针对这个问题的解决方案主要有两种：
﻿
先查出主键id再inner join﻿
非连续查询的情况下，也就是我们在查第100页的数据时，不一定查了第99页，也就是允许跳页查询的情况，那么就是使用先查主键再join这种方法对我们的业务SQL进行改写成下面这样，下查询出210000, 100时主键id，作为临时表temptable，将article表与temptable表进行inner join，查询出中文章相关的信息，并且去left Join content表查询文章内容相关的信息。 第一次查询大概1.11s，后面每次查询大概0.15s
﻿
SELECT
	a.*, c.*
FROM article a
INNER JOIN(
	SELECT	id FROM	article a
	WHERE	a.author_id = 1111
	AND a.create_time < '2020-04-29 00:00:00'
	LIMIT 210000 ,
	100
) as temp_table ON a.id = temp_table.id
LEFT JOIN content c ON a.id = c.article_id
﻿
优化结果﻿
优化前，offset达到20万的量级时，查询时间过长，一直到超时。
﻿
优化后，offset达到20万的量级时，查询时间为1.11s。
﻿
利用范围查询条件来限制取出的数据﻿
这种方法的大致思路如下，假设要查询testtable中offset为10000的后100条数据，假设我们事先已知第10000条数据的id，值为minid_value
﻿
select * from test_table where id > min_id_value order by id limit 0, 100，就是即利用条件id > minidvalue在扫描索引是跳过10000条记录，然后取100条数据即可，这种处理方式的offset值便成为0了，但此种方式有限制，必须知道offset对应id，然后作为minidvalue，增加id > minidvalue的条件来进行过滤，如果是用于分页查找的话，也就是必须知道上一页的最大的id，所以只能一页一页得查，不能跳页，但是因为我们的业务需求就是每次100条数据，进行分批导数据，所以我们这种场景是可以使用。针对这种方法，我们的业务SQL改写如下：
﻿
//先查出最大和最小的id
SELECT min(a.id) as min_id , max(a.id) as max_id 
FROM article a 
WHERE a.author_id = 1111  
AND a.create_time < '2020-04-29 00:00:00' 
//然后每次循环查找
while(min_id<max_id) {
		SELECT a.*, c.* FROM article a LEFT JOIN content c ON a.id = c.article_id  WHERE a.author_id = 1111  AND a.id > min_id LIMIT 100
		//这100条数据导入完毕后，将100条数据数据中最大的id赋值给min_id，以便导入下100条数据
}
优化结果﻿
优化前，offset达到20万的量级时，查询时间过长，一直到超时。
﻿
优化后，offset达到20万的量级时，由于知道第20万条数据的id，查询时间为0.34s。
﻿
二.联合索引问题优化﻿
联合索引其实有两个作用：
1.充分利用where条件，缩小范围例如我们需要查询以下语句：
SELECT * FROM test WHERE a = 1 AND b = 2
如果对字段a建立单列索引，对b建立单列索引，那么在查询时，只能选择走索引a，查询所有a=1的主键id，然后进行回表，在回表的过程中，在聚集索引中读取每一行数据，然后过滤出b = 2结果集，或者走索引b，也是这样的过程。
如果对a，b建立了联合索引(a,b),那么在查询时，直接在联合索引中先查到a=1的节点，然后根据b=2继续往下查，查出符合条件的结果集，进行回表。
2.避免回表(此时也叫覆盖索引)这种情况就是假如我们只查询某几个常用字段，例如查询a和b如下：
SELECT a,b FROM test WHERE a = 1 AND b = 2
对字段a建立单列索引，对b建立单列索引就需要像上面所说的，查到符合条件的主键id集合后需要去聚集索引下回表查询，但是如果我们要查询的字段本身在联合索引中就都包含了，那么就不用回表了。
3.减少需要回表的数据的行数这种情况就是假如我们需要查询a>1并且b=2的数据
SELECT * FROM test WHERE a > 1 AND b = 2
如果建立的是单列索引a，那么在查询时会在单列索引a中把a>1的主键id全部查找出来然后进行回表。
如果建立的是联合索引(a,b),基于最左前缀匹配原则，因为a的查询条件是一个范围查找(=或者in之外的查询条件都是范围查找)，这样虽然在联合索引中查询时只能命中索引a的部分，b的部分命中不了，只能根据a>1进行查询，但是由于联合索引中每个叶子节点包含b的信息，在查询出所有a>1的主键id时，也会对b=2进行筛选，这样需要回表的主键id就只有a>1并且b=2这部分了，所以回表的数据量会变小。
﻿
我们业务中碰到的就是第3种情况，我们的业务SQL本来更加复杂，还会join其他表，但是由于优化的瓶颈在于建立联合索引，所以进行了一些简化，下面是简化后的SQL：
SELECT
  a.id as article_id ,
  a.title as title ,
  a.author_id as author_id 
from
  article a
where
  a.create_time between '2020-03-29 03:00:00.003'
and '2020-04-29 03:00:00.003'
and a.status = 1
我们的需求其实就是从article表中查询出最近一个月，status为1的文章，我们本来就是针对create_time建了单列索引，结果在慢查询日志中发现了这条语句，查询时间需要0.91s左右，所以开始尝试着进行优化。
﻿
为了便于测试，我们在表中分别对createtime建立了单列索引createtime，对(createtime,status)建立联合索引idxcreateTime_status。
﻿
强制使用idx_createTime进行查询
﻿
SELECT
  a.id as article_id ,
  a.title as title ,
  a.author_id as author_id 
from
  article a  FORCE INDEX(idx_createTime)
where
  a.create_time between '2020-03-22 03:00:00.003'
and '2020-04-22 03:00:00.003'
and a.status = 1
﻿
强制使用idxcreateTimestatus进行查询（即使不强制也是会选择这个索引）
﻿
SELECT
  a.id as article_id ,
  a.title as title ,
  a.author_id as author_id 
from
  article a  FORCE INDEX(idx_createTime_status)
where
  a.create_time between '2020-03-22 03:00:00.003'
and '2020-04-22 03:00:00.003'
and a.status = 1
﻿
优化结果：﻿
优化前使用idx_createTime单列索引，查询时间为0.91s
﻿
优化前使用idxcreateTimestatus联合索引，查询时间为0.21s
﻿
EXPLAIN的结果如下：﻿
| id   | type  | key                   | key_len | rows   | filtered | Extra                              |
| ---- | ----- | --------------------- | ------- | ------ | -------- | ---------------------------------- |
| 1    | range | idx_createTime        | 4       | 311608 | 25.00    | Using index condition; Using where |
| 2    | range | idxcreateTimestatus | 6       | 310812 | 100.00   | Using index condition              |
﻿
原理分析﻿
先介绍一下EXPLAIN中Extra列的各种取值的含义
﻿
Using filesort﻿
当Query 中包含 ORDER BY 操作，而且无法利用索引完成排序操作的时候，MySQL Query Optimizer 不得不选择相应的排序算法来实现。数据较少时从内存排序，否则从磁盘排序。Explain不会显示的告诉客户端用哪种排序。
﻿
Using index﻿
仅使用索引树中的信息从表中检索列信息，而不需要进行附加搜索来读取实际行(使用二级覆盖索引即可获取数据)。 当查询仅使用作为单个索引的一部分的列时，可以使用此策略。
﻿
Using temporary要解决查询，MySQL需要创建一个临时表来保存结果。 如果查询包含不同列的GROUP BY和ORDER BY子句，则通常会发生这种情况。官方解释：”为了解决查询，MySQL需要创建一个临时表来容纳结果。典型情况如查询包含可以按不同情况列出列的GROUP BY和ORDER BY子句时。很明显就是通过where条件一次性检索出来的结果集太大了，内存放不下了，只能通过加临时表来辅助处理。
﻿
Using where表示当where过滤条件中的字段无索引时，MySQL Sever层接收到存储引擎(例如innodb)的结果集后，根据where条件中的条件进行过滤。
﻿
Using index conditionUsing index condition 会先条件过滤索引，过滤完索引后找到所有符合索引条件的数据行，随后用 WHERE 子句中的其他条件去过滤这些数据行；
﻿
我们的实际案例中，其实就是走单个索引idx_createTime时，只能从索引中查出 满足a.create_time between '2020-03-22 03:00:00.003' and '2020-04-22 03:00:00.003'条件的主键id，然后进行回表，因为idx_createTime索引中没有status的信息，只能回表后查出所有的主键id对应的行。然后innodb将结果集返回给MySQL Sever，MySQL Sever根据status字段进行过滤，筛选出status为1的字段，所以第一个查询的Explain结果中的Extra才会显示Using where。
﻿
filtered字段表示存储引擎返回的数据在server层过滤后，剩下多少满足查询的记录数量的比例，这个是预估值，因为status取值是null，1，2，3，4，所以这里给的25%。
﻿
所以第二个查询与第一个查询的区别主要在于一开始去idxcreateTimestatus查到的结果集就是满足status是1的id，所以去聚集索引下进行回表查询时，扫描的行数会少很多（大概是2.7万行与15万行的区别），之后innodb返回给MySQL Server的数据就是满足条件status是1的结果集（2.7万行），不用再进行筛选了，所以第二个查询才会快这么多，时间是优化前的23%。（两种查询方式的EXPLAIN预估扫描行数都是30万行左右是因为idxcreateTimestatus只命中了createTime，因为createTime不是查单个值，查的是范围）
﻿
//查询结果行数是15万行左右
SELECT count(*) from article a 
where a.post_time 
between '2020-03-22 03:00:00.003' and '2020-04-22 03:00:00.003'
﻿
//查询结果行数是2万6行左右
SELECT count(*) from article a 
where a.post_time 
between '2020-03-22 03:00:00.003' and '2020-04-22 03:00:00.003' 
and a.audit_status = 1
﻿
发散思考：如果将联合索引(createTime，status)改成(status，createTime)会怎么样？﻿
where
  a.create_time between '2020-03-22 03:00:00.003'
and '2020-04-22 03:00:00.003'
and a.status = 1
根据最左匹配的原则，因为我们的where查询条件是这样，如果是(createTime，status)那么索引就只能用到createTime，如果是(status，createTime)，因为status是查询单个值，所以status，createTime都可以命中，在(status，createTime)索引中扫描行数会减少，但是由于(createTime，status)这个索引本身值包含createTime，status，id三个字段的信息，数据量比较小，而一个数据页是16k，可以存储1000个以上的索引数据节点，而且是查询到createTime后，进行的顺序IO，所以读取比较快，总得的查询时间两者基本是一致。下面是测试结果：
﻿
首先创建了(status，createTime)名叫idxstatuscreateTime，
﻿
SELECT
  a.id as article_id ,
  a.title as title ,
  a.author_id as author_id 
from
  article a  FORCE INDEX(idx_status_createTime)
where
  a.create_time between '2020-03-22 03:00:00.003'
and '2020-04-22 03:00:00.003'
and a.status = 1
﻿
查询时间是0.21，跟第二种方式(createTime，status)索引的查询时间基本一致。
﻿
Explain结果对比：| id   | type  | key                   | key_len | rows   | filtered | Extra                 |
| ---- | ----- | --------------------- | ------- | ------ | -------- | --------------------- |
| 2    | range | idxcreateTimestatus | 6       | 310812 | 100.00   | Using index condition |
| 3    | range | idxstatuscreateTime | 6       | 52542  | 100.00   | Using index condition |
﻿
扫描行数确实会少一些，因为在idxstatuscreateTime的索引中，一开始根据status = 1排除掉了status取值为其他值的情况。
﻿