MySQL慢查询以及重构查询的方式记录

前言

什么是慢查询，如何优化慢查询，下面介绍这两个知识点的相关知识。

慢查询基础：优化数据访问

是否向数据库请求了不需要的数据

查询不需要的记录：解决方案：查询后面加上Limit

多表关联时返回全部列：解决方案：只取需要的列

总是取出全部列：select * 解决方案：最好还是获取部分列，除非应用程序处缓存列的数据了

重复查询相同的数据：解决方案：需要时从缓存中取出

MySQL是否在扫描额外的记录

可以从响应时间，扫描的行数，返回的行数来进行查询开销的衡量。

要想减少扫描行数可以使用索引对需要的记录进行覆盖，但是增加索引不意味着就能让扫描的行数等于返回的行数，比如sum，count之类的聚合函数

重构查询的方法

一个复杂查询还是多个简单查询

在过去，总是强调需要数据库层完成尽可能多的工作，因为过去网络通信查询解析和优化是一件代价很高的事情。

但是这样的想法对于MySQL并不适用,MySQL从设计上让连接和断开连接都很轻量级，在返回一个小的查询结果方面很高效。现代的网络速度比以前要快很多，无论是带宽还是延迟。在某些版本的MySQL上，即使在一个通用服务器上，也能够运行每秒超过10万的查询，即使是一个千兆网卡也能轻松满足每秒超过2000次的查询。所以运行多个小查询现在已经不是大问题了。

当然，相比较于内部扫描，响应数据给客户端更加耗时，所以在同条件下，使用尽可能少的查询更好。

切分查询

当使用sql进行查询时，需要注意将大查询切分成小查询，可以减少对数据库的影响，因为一个大语句一次性完成的话，则可能一次锁住很多数据，占满整个事务日志，耗尽系统资源，阻塞其他查询。

比如我们做数据统计时要对大量订单号的信息进行查询，那么是一次性用in查询，还是切割参数list多次查询呢，答案是切割参数list多次查询，因为当in里面的参数过多时，MySQL就会认为再走索引已经不行了，可能就会进行全表查询，如果这个时候数据表数据量过大，那可能就会造成查询超时。

// chops a list into non-view sublists of length Lstatic <T> List<List<T>> chopped(List<T> list, final int L) {    List<List<T>> parts = new ArrayList<List<T>>();    final int N = list.size();    for (int i = 0; i < N; i += L) {        parts.add(new ArrayList<T>(            list.subList(i, Math.min(N, i + L)))        );    }    return parts;}List<Integer> numbers = Collections.unmodifiableList(    Arrays.asList(5,3,1,2,9,5,0,7));List<List<Integer>> parts = chopped(numbers, 3);System.out.println(parts); // prints "[[5, 3, 1], [2, 9, 5], [0, 7]]"parts.get(0).add(-1);System.out.println(parts); // prints "[[5, 3, 1, -1], [2, 9, 5], [0, 7]]"System.out.println(numbers); // prints "[5, 3, 1, 2, 9, 5, 0, 7]" (unmodified!)

阿里开发手册中就推荐仔细评估in后面的集合元素数量，控制在1000个之内。

分解关联查询

将多表inner join 进行分解，分解成小查询，超过三个表的join，就需要禁止了。

优点有：

缓存的效率会更高，
分解后的查询可以减少锁的竞争
应用层可以缓存查询数据，减小数据库的压力。
可以提升查询效率，因为用主键之类进行in查询，比按照条件范围查询可能会更高效，尤其是大表的时候。
可以减少冗余记录的查询
更进一步，这样做相当于在应用中实现了哈希关联，而不是使用MySQL的嵌套循环关联。某些场景哈希关联的效率要高很多。

前言

慢查询基础：优化数据访问

重构查询的方法

总结

更多相关文章

随机推荐