SQL性能优化方法及性能测试

目录

笛卡尔连接分页limit的sql优化的几种方法count 优化方案

笛卡尔连接

例1： 没有携带on的条件字句,此条slq查询的结构集等价于,a表包含的条数*b表包含的乘积：

select * from table a cross join table b;
例2：拥有携带on字句的sql,等价于inner join：

select * from table a cross join table b on a.id=b.id;


分页limit的sql优化的几种方法

规则;表包含的数据较少的数据量,作为驱动表(小表驱动大表,一般mysql的优化器会做出相应的优化的,但是为了防止一些抽风现象可以用
STRAIGHT_JOIN,作用会强制使用左边的表作为驱动表)。


例1:

select * from table c straight_join table d on c.id=d.id;
覆盖索引:

select 主键字段或者创建过索引的字段 from table limit 300000,10
索引覆盖+inner (业界常用的优化方案)

select * from table a

inner join (

select 创建索引的字段 from table  limit 30000,10) b

on b.创建索引的字段=a.创建索引的字段 (也可以更换为 using (创建索引的字段))
索引覆盖+子查询 先获取分页起始的最小值,然后再获取后10条 (业界常用的优化方案)

select * from table

where 主键字段或者创建过索引的字段

                  >=

(select 主键字段或者创建过索引的字段 from table 300000,1)

limit 10;
范围查询+limit语句 获取上一页的主键最大值,然X行获取后面的数据;

例1; 上一页的最大主键值为100

  select * from table

     where id > 100

     limit 10;
需要获取起始主键值和结束主键值

select * from table

          where id between 起始主键值 and 结束主键值;
禁止传入过大的页码 (例如;百度就是采用这种方式)

count 优化方案

实例1：

    /**

    * 1：如果不包含非主键的索引，就会使用主键索引

    * 2：如果包含非主键的索引就会使用非主键索引；

    * 3：如果存在多个非主键索引，会使用key_len值较小的索引

    * 为什么会有这种规律呢？

    *  -innodb非主键索引：叶子结点储存的是：索引+主键

    *   主键索引叶子结点储存的是：主键+表数据

    *    在1page里面，非主键索引可以存储更多的条目，对于一张表，假如拥有10000000数据

    *    使用非主键索引，扫描page 500，主键索引 100  非主键索引扫描的条目多，可以减少扫描的次数

    *

    **/

select count(*) from table
实例2：

    /**

     * count(字段) 只会针对该字段进行统计，使用这个字段上的索引（如果包含索引的情况）

     * count(子段) 会排出字段值为null的数据

     * count(*) 不会排出字段值为null的数据

     * count(*) 和 count(1) 没有区别

     * 对于MyISAM引擎，如果 count(*) 没有where条件，查询效率会特别的快，因为把数据存储到MyISAM引擎里了

     * 对于MySQL 8.0.13，InnoDB引擎，如果count(*) 没有where条件查询速度，也是特别的快，做出了相应的优化

     *

     *

    **/

select count(某个字段) from table 会把此字段的值为null过滤掉,仅仅只统计字段值不为null的
实例3：

    //做完本条查询,去执行count的操作

    select sql_calc_found_rows * from table limit 0,10;

    select found_rows() as count ;  通过此sql来获取count的结果(须在终端进行执行)

注意：缺点在mysql8.0.17这种用法已经被废弃,未来会被永久删除

实例4：优点不操作具体的表,无论表的数据量有多大,都可以迅速执行. 缺点:统计的是一个估算值,适合要求统计数的精度不是太高的场景。

    select * from information_schema.TABLЕS

    where

       TABLE_SCHEMA=’数据库名称’

    and

       TABLE_NAME =’表的名称’;
实例5: //优点不操作具体的表,无论表的数据量有多大,都可以迅速执行. 缺点:统计的是一个估算值,适合要求统计数的精度不是太高的场景。

  show table status where NAME=’表的名称隔行’实例6: //优点不操作具体的表,无论表的数据量有多大,都可以迅速执行. 缺点:统计的是一个估算值,适合要求统计数的精度不是太高的场景。

explain select * from table
实例7: 优化案例; 目前有一张数量非常大的表,需要统计id值大于100的有多少条

一般写法：select count(*) from table where id>100;。mysql8.18版：逆向思维的写法: select count()-(select count() from table where id <100) from table。order by 的优化：原则利用索引,避免排序。

//first_name,last_name已经在表里创建了组合索引,emp_no为主键;
实例1：

//此sql是不能利用到索引的,原因是:mysql的优化器,是根据成本计算的,如果全表扫描比使用索引,成本更低时会使用全表扫描

//如何鉴定是否使用索引避免了排序呢? 通过explain 查看sql的性能如果Extra的值为null时,说明是可以通过索引避免排序的.如果Extra的值是Using filesort 是不可以进行索引排序的

select * from table order by first_name,last_name;

//此sql可以使用索引避免排序的

select * from table order by first_name,last_name limit 10;

//此sql可以使用索引避免排序的

/**

  *[Bader,last_name,emp_no]

  *[Bader,last_name,emp_no]

  *[Bader,last_name,emp_no]

  *[Bader,last_name,emp_no]

  *

**/

select * from table where fist_name=’Bader’ order by last_name;

//此sql可以使用索引避免排序的

/**

  *[Bader,last_name,emp_no]

  *[Ba,last_name,emp_no]

  *[Bad,last_name,emp_no]

  *[Bade,last_name,emp_no]

  *

**/

select * from table where fist_name<‘Bader’ order by last_name

//此sql可以使用索引避免排序的

select * from table where fist_name=’Bader’ and last_name>’Peng’ order by last_name

//此sql可以使用索引避免排序的,原因排序的俩个字段,分别存在俩个索引中

select * from table  order by first_name,emp_no;
索引失效的场景:

1: join 字段的类型不一致2: 在=号的左边,进行加减操作

实例1：

     select * from employees e

     left join dept_emp de on e.emp_no=de.emp_no

     left join departments d on de.dept_no=d.dept_no

     where e.emp_no=1001;
拆分后：

    select * from employees where emp_no=’1001′;

    select * from dept_emp where emp_no=’1001′;

    select * from departments where dept_no=’d005′;
表的设计原则-三范式：

范式:表的字段都是原子性,既每个表的字段都是不可分割的,不是集合,数组,记录等非原子数据项。
范式:在第一范式的基础上,每一行数据的唯一性,非主键字段要完全依赖于主键字段。
范式:在满足第二范式的基础上,不能存在传递依赖。

到此这篇关于SQL性能优化方法及性能测试的文章就介绍到这了,更多相关SQL性能优化内容请搜索共生网络以前的文章或继续浏览下面的相关文章希望大家以后多多支持共生网络！