必读,sql加索引调优案例和explain extended说明

做一个积极的人编码、改bug、提升自己我有一个乐园,面向编程,春暖花开!昨天分享了Mysql中的 explain 命令,使用 explain 来分析 select 语句的运行效果,如 :explain可以获得select语句使用的索引情况、排序的情况等等。链接:顺便提到了explain extended,有小伙伴留言说想知道一些explain extended,那今天就在简单讲解一下。…

大家好,又见面了,我是全栈君。

做一个积极的人
编码、改bug、提升自己
我有一个乐园,面向编程,春暖花开!

昨天分享了Mysql中的 explain 命令,使用 explain 来分析 select 语句的运行效果,如 :explain可以获得select语句使用的索引情况、排序的情况等等。链接:顺便提到了explain extended,有小伙伴留言说想知道一些explain extended,那今天就在简单讲解一下。

一、explain extended说明

我昨天的文章使用explain extended是在mysql5.6版本执行的,所以用explain extended查看执行计划会比explain多一列 filtered如果你是用的mysql5.7的话,那默认explain 就会输出 filtered 这一列,不需要使用explain extended了。

-- 查询mysql版本
mysql> select version();
+-----------+
| version() |
+-----------+
| 5.7.24    |
+-----------+
1 row in set

MySQL 5.7 Reference Manual

在对每一个列进行一个简单说明:

Column Meaning
id SELECT标识符
select_type SELECT类型
table SELECT类型
partitions 匹配的分区
type 连接类型
possible_keys 可供选择的索引
key 实际选择的索引
key_len 所选key的长度
ref 列与索引进行比较
rows 估计要检查的行
filtered 按表条件过滤的行的百分比
Extra 附加/额外信息

filtered 这一列的解释

  • 筛选列指示将按表条件筛选的表行的估计百分比。 最大值为100,这意味着不会对行进行过滤。 值从100开始减少表示过滤量增加。 rows显示检查的估计行数,rows×filtered显示将与下表连接的行数。 例如,如果rows 是1000且filtered为50.00(50%),则使用下表连接的行数为1000×50%= 500。

二、调优案例,一定要看哦!

四张表,分别为:

  • camera :相机

  • unit :区域

  • task

  • task_relation

四张表的数据信息如下(刚开始没有加额外索引), 只有camera的数据量相对较大,其他一般!

-- camera 表信息
mysql> select count(*) from camera;
+----------+
| count(*) |
+----------+
|    52668 |
+----------+

-- unit 表信息
mysql> select count(*) from unit;
+----------+
| count(*) |
+----------+
|      227 |
+----------+

-- task 表信息
mysql> select count(*) from task;
+----------+
| count(*) |
+----------+
|      771 |
+----------+

-- task_relation 表信息
mysql> select count(*) from task_relation;
+----------+
| count(*) |
+----------+
|       44 |
+----------+


--- 查询索引,Key_name都是主键,如unit 、task、task_relation
mysql> show indexes from camera;
+--------+------------+----------+--------------+-------------+-----------+-------------+----------+--------+------+------------+---------+---------------+
| Table  | Non_unique | Key_name | Seq_in_index | Column_name | Collation | Cardinality | Sub_part | Packed | Null | Index_type | Comment | Index_comment |
+--------+------------+----------+--------------+-------------+-----------+-------------+----------+--------+------+------------+---------+---------------+
| camera |          0 | PRIMARY  |            1 | id          | A         |       51744 | NULL     | NULL   |      | BTREE      |         |               |
+--------+------------+----------+--------------+-------------+-----------+-------------+----------+--------+------+------------+---------+---------------+
1 row in set

1、没有加任何索引情况

有一个查询的sql,看一下如何进行在没有任何额外索引的情况下,执行耗时是多少?(请忽略这条sql具体是什么含义)

SELECT
	temp.id,
	temp.brandname,
	temp.ip,
	temp.address,
	temp. NAME,
	temp.url,
	temp.serialnumber,
	temp.thumbNail,
	temp.region,
	temp.create_time,
	temp.taskId,
	vt.isvalid
FROM
	(
		SELECT
			c.id AS id,
			c.brandname AS brandname,
			c.ip AS ip,
			c.address AS address,
			c.`name` AS NAME,
			c.url AS url,
			r.serialnumber AS serialnumber,
			c.thumb_nail AS thumbNail,
			t.unit_name AS region,
			c.create_time,
			r.serialnumber AS taskId
		FROM
			camera c
		LEFT JOIN task_relation r ON c.id = r.camera_file_id
		LEFT JOIN unit t ON t.unit_identity = c.region
	) temp
LEFT JOIN task vt ON temp.serialnumber = vt.serialnumber
WHERE
	1 = 1
ORDER BY
	temp.create_time DESC,
	temp. NAME DESC

执行耗时结果为: 10s 左右!

必读,sql加索引调优案例和explain extended说明

使用explain分析如下:

+----+-------------+-------+------------+------+---------------+------+---------+------+-------+----------+----------------------------------------------------+
| id | select_type | table | partitions | type | possible_keys | key  | key_len | ref  | rows  | filtered | Extra                                              |
+----+-------------+-------+------------+------+---------------+------+---------+------+-------+----------+----------------------------------------------------+
|  1 | SIMPLE      | c     | NULL       | ALL  | NULL          | NULL | NULL    | NULL | 52116 |      100 | Using temporary; Using filesort                    |
|  1 | SIMPLE      | r     | NULL       | ALL  | NULL          | NULL | NULL    | NULL |    44 |      100 | Using where; Using join buffer (Block Nested Loop) |
|  1 | SIMPLE      | t     | NULL       | ALL  | NULL          | NULL | NULL    | NULL |   227 |      100 | Using where; Using join buffer (Block Nested Loop) |
|  1 | SIMPLE      | vt    | NULL       | ALL  | NULL          | NULL | NULL    | NULL |   729 |      100 | Using where; Using join buffer (Block Nested Loop) |
+----+-------------+-------+------------+------+---------------+------+---------+------+-------+----------+----------------------------------------------------+
4 rows in set

发现联接类型type为ALL,根据上一篇的介绍:

ALL:对于每个来自于先前的表的行组合,进行完整的表扫描。

2、给关联查询的字段加上索引

使用第一篇 添加索引的方法,分别为查询语句中on关联的字段加上索引,如下:

-- 创建普通索引命令之一
ALTER TABLE table_name ADD INDEX index_name(col_name);
-- 创建相应的索引

mysql> ALTER TABLE task_relation ADD INDEX index_camera_file_id(camera_file_id);
Query OK, 0 rows affected
mysql> ALTER TABLE unit ADD INDEX index_unit_identity(unit_identity);
Query OK, 0 rows affected

创建到两个索引的时候,使用Explain看一下,发现type就有ref了,possible_keys 和key都有索引了。

+----+-------------+-------+------------+------+----------------------+----------------------+---------+---------------+-------+----------+----------------------------------------------------+
| id | select_type | table | partitions | type | possible_keys        | key                  | key_len | ref           | rows  | filtered | Extra                                              |
+----+-------------+-------+------------+------+----------------------+----------------------+---------+---------------+-------+----------+----------------------------------------------------+
|  1 | SIMPLE      | c     | NULL       | ALL  | NULL                 | NULL                 | NULL    | NULL          | 52116 |      100 | Using temporary; Using filesort                    |
|  1 | SIMPLE      | r     | NULL       | ref  | index_camera_file_id | index_camera_file_id | 8       | test.c.id     |     1 |      100 | NULL                                               |
|  1 | SIMPLE      | t     | NULL       | ref  | index_unit_identity  | index_unit_identity  | 99      | test.c.region |     1 |      100 | NULL                                               |
|  1 | SIMPLE      | vt    | NULL       | ALL  | NULL                 | NULL                 | NULL    | NULL          |   729 |      100 | Using where; Using join buffer (Block Nested Loop) |
+----+-------------+-------+------------+------+----------------------+----------------------+---------+---------------+-------+----------+----------------------------------------------------+
4 rows in set

验证一下添加索引的效果,此时进行一次查询,耗时为 6S左右!

cost_time02

给剩下没有加索引的表在继续加上索引:

[SQL]ALTER TABLE camera ADD INDEX index_region(region);
受影响的行: 0
时间: 2.277s
[SQL]ALTER TABLE task ADD INDEX index_serialnumber(serialnumber);
受影响的行: 0
时间: 0.435s

:给camera加索引花费的时间较大。如果前期知道是大表的话,一定要设计索引,否则当数据量特别大的时候,加索引就麻烦了。

3、索引全部创建完后

在创建所有查询关联的字段索引后,在执行explian进行分析,如下:

+----+-------------+-------+------------+------+----------------------+----------------------+---------+---------------------+-------+----------+----------------+
| id | select_type | table | partitions | type | possible_keys        | key                  | key_len | ref                 | rows  | filtered | Extra          |
+----+-------------+-------+------------+------+----------------------+----------------------+---------+---------------------+-------+----------+----------------+
|  1 | SIMPLE      | c     | NULL       | ALL  | NULL                 | NULL                 | NULL    | NULL                | 52116 |      100 | Using filesort |
|  1 | SIMPLE      | r     | NULL       | ref  | index_camera_file_id | index_camera_file_id | 8       | test.c.id           |     1 |      100 | NULL           |
|  1 | SIMPLE      | t     | NULL       | ref  | index_unit_identity  | index_unit_identity  | 99      | test.c.region       |     1 |      100 | NULL           |
|  1 | SIMPLE      | vt    | NULL       | ref  | index_serialnumber   | index_serialnumber   | 194     | test.r.serialnumber |     1 |      100 | NULL           |
+----+-------------+-------+------------+------+----------------------+----------------------+---------+---------------------+-------+----------+----------------+
4 rows in set

执行sql,查询耗时 0.5 s 左右!

cost_time03

三、总结

通过上面的简单的案例,将一个开始执行10s左右的sql修改为最后执行0.5s左右! 快了20倍!

索引的添加以及SQL调优还有很多的东西,我要走的路还很远!但是我觉得首先是掌握必要的一些知识,然后能进行简单的应用,慢慢一步一步向前。

本篇的分析就到这里,希望看完本篇内容内容的你也可以动手实际操作一下,我将本篇对应的初始化数据库脚本传到github上面了,地址:https://github.com/dufyun/learn-tech-collection/tree/master/mysql_tuning,你可以进行下载实践。

最后,想分享的是 思路有时候比答案(结果)更重要。


谢谢你的阅读,如果您觉得这篇博文对你有帮助,请点赞或者喜欢,让更多的人看到!祝你每天开心愉快!


不管做什么,只要坚持下去就会看到不一样!在路上,不卑不亢!

博客首页 : http://blog.csdn.net/u010648555

愿你我在人生的路上能都变成最好的自己,能够成为一个独挡一面的人
必读,sql加索引调优案例和explain extended说明

© 每天都在变得更好的阿飞云

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 举报,一经查实,本站将立刻删除。

发布者:全栈程序员-用户IM,转载请注明出处:https://javaforall.cn/121043.html原文链接:https://javaforall.cn

【正版授权,激活自己账号】: Jetbrains全家桶Ide使用,1年售后保障,每天仅需1毛

【官方授权 正版激活】: 官方授权 正版激活 支持Jetbrains家族下所有IDE 使用个人JB账号...

(0)
blank

相关推荐

发表回复

您的电子邮箱地址不会被公开。

关注全栈程序员社区公众号