医疗器械网站建设策划书,受欢迎的邢台做网站,网站建设维护网页设计,seo教学实体培训班1 前言
前面我们介绍过索引#xff0c;在MySQL中一张表其实是可以支持多个索引的。但是#xff0c;写SQL语句的时候#xff0c;并没有主动指定使用哪个索引。也就是说#xff0c;使用哪个索引是由MySQL来确定的。
大家有没有碰到过这种情况#xff0c;一条本来可以执行得…1 前言
前面我们介绍过索引在MySQL中一张表其实是可以支持多个索引的。但是写SQL语句的时候并没有主动指定使用哪个索引。也就是说使用哪个索引是由MySQL来确定的。
大家有没有碰到过这种情况一条本来可以执行得很快的语句却由于MySQL选错了索引而导致执行速度变得很慢
我们一起来看一个例子吧。
我们先建一个简单的表表里有a、b两个字段并分别建上索引
CREATE TABLE t (
id int(11) NOT NULL,
a int(11) DEFAULT NULL,
b int(11) DEFAULT NULL,
PRIMARY KEY (id),
KEY a (a),
KEY b (b)
) ENGINEInnoDB然后我们往表t中插入10万行记录取值按整数递增即(1,1,1)(2,2,2)(3,3,3) 直到(100000,100000,100000)。
使用存储过程来插入数据这里是存储过程的源代码
delimiter ;
create procedure idata()
begin
declare i int;
set i1;
while(i100000)do
insert into t values(i, i, i);
set ii1;
end while;
end;;
delimiter ;
call idata();接下来我们分析一条SQL语句
mysql select * from t where a between 10000 and 20000;这句SQL毋庸置疑a上有索引肯定是要使用索引a。
我们来证实一下图1显示的就是使用explain命令看到的这条语句的执行情况。 从图1看上去这条查询语句的执行也确实符合预期key这个字段值是’a’表示优化器选择了索引a。
在我们已经准备好的包含了10万行数据的表上我们再做如下操作。 这里session A的操作已经很熟悉了它就是开启了一个事务。随后session B把数据都删除后又调用了 idata这个存储过程插入了10万行数据。
这时候session B的查询语句select * from t where a between 10000 and 20000就不会再选择索引a了。我们可以通过慢查询日志slowlog来查看一下具体的执行情况。
为了说明优化器选择的结果是否正确增加了一个对照即使用force index(a)来让优化器强制使用索引a这部分内容在这篇文章的后半部分中会提到。
下面的三条SQL语句就是这个实验过程。
set long_query_time0;
select * from t where a between 10000 and 20000; /*Q1*/
select * from t force index(a) where a between 10000 and 20000;/*Q2*/第一句是将慢查询日志的阈值设置为0表示这个线程接下来的语句都会被记录入慢查询日志中第二句Q1是session B原来的查询第三句Q2是加了force index(a)来和session B原来的查询语句执行情况对比。
如图3所示是这三条SQL语句执行完成后的慢查询日志。 可以看到Q1扫描了10万行显然是走了全表扫描执行时间是40毫秒。Q2扫描了10001行执行了21毫秒。也就是说我们在没有使用force index的时候MySQL用错了索引导致了更长的执行时间。
这个例子对应的是我们平常不断地删除历史数据和新增数据的场景。这时MySQL竟然会选错索引是不是有点奇怪呢今天我们就从这个奇怪的结果说起吧。
2 优化器的逻辑
在第一篇文章MySQL进阶45讲【1】基础架构一条SQL查询语句是如何执行的中我们就提到过选择索引是优化器的工作。
而优化器选择索引的目的是找到一个最优的执行方案并用最小的代价去执行语句。在数据库里面扫描行数是影响执行代价的因素之一。扫描的行数越少意味着访问磁盘数据的次数越少消耗的CPU资源越少。
当然扫描行数并不是唯一的判断标准优化器还会结合是否使用临时表、是否排序等因素进行综合判断。
我们这个简单的查询语句并没有涉及到临时表和排序所以MySQL选错索引肯定是在判断扫描行数的时候出问题了。
那么问题就是扫描行数是怎么判断的
MySQL在真正开始执行语句之前并不能精确地知道满足这个条件的记录有多少条而只能根据统计信息来估算记录数。
这个统计信息就是索引的“区分度”。显然一个索引上不同的值越多这个索引的区分度就越好。而一个索引上不同的值的个数我们称之为“基数”cardinality。也就是说这个基数越大索引的区分度越好。
我们可以使用show index方法看到一个索引的基数。如图4所示就是表t的show index的结果。虽然这个表的每一行的三个字段值都是一样的但是在统计信息中这三个索引的基数值并不同而且其实都不准确。 那么MySQL是怎样得到索引的基数的呢这里简单介绍一下MySQL采样统计的方法。
为什么要采样统计呢因为把整张表取出来一行行统计虽然可以得到精确的结果但是代价太高了所以只能选择“采样统计”。
采样统计的时候InnoDB默认会选择N个数据页统计这些页面上的不同值得到一个平均值然后乘以这个索引的页面数就得到了这个索引的基数。
而数据表是会持续更新的索引统计信息也不会固定不变。所以当变更的数据行数超过1/M的时候会自动触发重新做一次索引统计。在MySQL中有两种存储索引统计的方式可以通过设置参数innodb_stats_persistent的值来选择
设置为on的时候表示统计信息会持久化存储。这时默认的N是20M是10。设置为off的时候表示统计信息只存储在内存中。这时默认的N是8M是16。
由于是采样统计所以不管N是20还是8这个基数都是很容易不准的。
但这还不是全部。
从图4中看到这次的索引统计值cardinality列虽然不够精确但大体上还是差不多的选错索引一定还有别的原因。
其实索引统计只是一个输入对于一个具体的语句来说优化器还要判断执行这个语句本身要扫描多少行。
接下来我们再一起看看优化器预估的这两个语句的扫描行数是多少。 rows这个字段表示的是预计扫描行数。
其中Q1的结果还是符合预期的rows的值是104620但是Q2的rows值是37116偏差就大了。而图1中我们用explain命令看到的rows是只有10001行是这个偏差误导了优化器的判断。
优化器为什么放着扫描37000行的执行计划不用却选择了扫描行数是100000的执行计划呢
这是因为如果使用索引a每次从索引a上拿到一个值都要回到主键索引上查出整行数据这个代价优化器也要算进去的。
而如果选择扫描10万行是直接在主键索引上扫描的没有额外的代价。 优化器会估算这两个选择的代价从结果看来优化器认为直接扫描主键索引更快。当然从执行时间看来这个选择并不是最优的。
使用普通索引需要把回表的代价算进去在图1执行explain的时候也考虑了这个策略的代价 但图1的选择是对的。也就是说这个策略并没有问题。
所以冤有头债有主MySQL选错索引这件事儿还得归咎到没能准确地判断出扫描行数。
既然是统计信息不对那就修正。使用analyze table t 命令可以用来重新统计索引信息。我们来看一下执行效果。 这回对了。
所以在实践中如果发现explain的结果预估的rows值跟实际情况差距比较大可以采用这个方法来处理。
其实如果只是索引统计不准确通过analyze命令可以解决很多问题但是前面我们说了优化器可不止是看扫描行数。
依然是基于这个表t我们看看另外一个语句
mysql select * from t where (a between 1 and 1000) and (b between 50000 and 100000) order by b limit 1从条件上看这个查询没有符合条件的记录因此会返回空集合。
在开始执行这条语句之前可以先设想一下如果由大家来选择索引会选择哪一个呢
为了便于分析我们先来看一下a、b这两个索引的结构图。 如果使用索引a进行查询那么就是扫描索引a的前1000个值然后取到对应的id再到主键索引上去查出每一行然后根据字段b来过滤。显然这样需要扫描1000行。
如果使用索引b进行查询那么就是扫描索引b的最后50001个值与上面的执行过程相同也是需要回到主键索引上取值再判断所以需要扫描50001行。
所以大家可能会想如果使用索引a的话执行速度明显会快很多。那么下面我们就来看看到底是不是这么一回事儿。
图8是执行explain的结果。
mysql explain select * from t where (a between 1 and 1000) and (b between 50000 and 100000) order by b limit 1可以看到返回结果中key字段显示这次优化器选择了索引b而rows字段显示需要扫描的行数是50198。
从这个结果中可以得到两个结论
扫描行数的估计值依然不准确这个例子里MySQL又选错了索引。
3 索引选择异常和处理
其实大多数时候优化器都能找到正确的索引但偶尔还是会碰到我们上面举例的这两种情况原本可以执行得很快的SQL语句执行速度却比预期的慢很多我们应该怎么办呢
一种方法是像我们第一个例子一样采用force index强行选择一个索引。MySQL会根据词法解析的结果分析出可能可以使用的索引作为候选项然后在候选列表中依次判断每个索引需要扫描多少行。如果force index指定的索引在候选索引列表中就直接选择这个索引不再评估其他索引的执行代价。
我们来看看第二个例子。刚开始分析时我们认为选择索引a会更好。现在我们就来看看执行效果 可以看到原本语句需要执行2.23秒而当使用force index(a)的时候只用了0.05秒比优化器的选择快了40多倍。
也就是说优化器没有选择正确的索引force index起到了“矫正”的作用。 不过很多程序员不喜欢使用force index一来这么写不优美二来如果索引改了名字这个语句也得改显得很麻烦。而且如果以后迁移到别的数据库的话这个语法还可能会不兼容。
但其实使用force index最主要的问题还是变更的及时性。因为选错索引的情况还是比较少出现的所以开发的时候通常不会先写上force index。而是等到线上出现问题的时候才会再去修改SQL语句、加上force index。但是修改之后还要测试和发布对于生产系统来说这个过程不够敏捷。
所以数据库的问题最好还是在数据库内部来解决。那么在数据库里面该怎样解决呢
既然优化器放弃了使用索引a说明a还不够合适所以第二种方法就是我们可以考虑修改语句引导MySQL使用我们期望的索引。比如在这个例子里显然把“order by b limit 1” 改成 “order by b,a limit 1” 语义的逻辑是相同的。我们来看看改之后的效果 之前优化器选择使用索引b是因为它认为使用索引b可以避免排序b本身是索引已经是有序的了如果选择索引b的话不需要再做排序只需要遍历所以即使扫描行数多也判定为代价更小。
现在order byb,a 这种写法要求按照b,a排序就意味着使用这两个索引都需要排序。因此扫描行数成了影响决策的主要条件于是此时优化器选了只需要扫描1000行的索引a。
当然这种修改并不是通用的优化手段只是刚好在这个语句里面有limit 1因此如果有满足条件的记录 order by b limit 1和order byb,a limit 1 都会返回b是最小的那一行逻辑上一致才可以这么做。
如果觉得修改语义这件事儿不太好这里还有一种改法图11是执行效果。
mysql select * from (select * from t where (a between 1 and 1000) and (b between 50000 and 100000) order by b limit 100 ) alias limit 1;在这个例子里我们用limit 100让优化器意识到使用b索引代价是很高的。其实是我们根据数据特征诱导了一下优化器也不具备通用性。
第三种方法是在有些场景下我们可以新建一个更合适的索引来提供给优化器做选择或删掉误用的索引。
不过在这个例子中没有找到通过新增索引来改变优化器行为的方法。这种情况其实比较少尤其是经过DBA索引优化过的库再碰到这个bug找到一个更合适的索引一般比较难。
但其实还有一个有意思的方法就是删掉索引b大家可能会觉得好笑。但实际上有时候会起到意想不到的作用如果发现这个优化器错误选择的索引其实根本没有必要存在于是就删掉了这个索引优化器也就重新选择到了正确的索引。
4 小结
今天我们一起聊了聊索引统计的更新机制并提到了优化器存在选错索引的可能性。
对于由于索引统计信息不准确导致的问题可以用analyze table来解决。
而对于其他优化器误判的情况可以在应用端用force index来强行指定索引也可以通过修改语句来引导优化器还可以通过增加或者删除索引来绕过这个问题。
