一次900万+数据量的 SQL 查询优化分析【上百倍性能优化】
一次900万+数据量的 SQL 查询优化分析【上百倍性能优化】
来源 ：
https://www.jianshu.com/p/0768ebc4e28d
有一张流水表，未分库分表，目前的数据量为950w，分页查询使用到了limit，优化之前的查询耗时17s左右 (execution: 16s831ms, fetching: 107 ms)
按照下文的方式调整SQL后，耗时347ms (execution: 163 ms, fetching: 184 ms)；优化前的SQL类似这样：
-- 优化前SQL
SELECT 各种字段
FROM `table_name`
WHERE 各种条件
LIMIT ,;优化后SQL是这样的:
-- 优化后SQL
SELECT 各种字段
FROM `table_name` main_tale
RIGHT JOIN
(
SELECT 子查询只查主键
FROM `table_name`
WHERE 各种条件
LIMIT ,;
) temp_table ON temp_table.主键 = main_table.主键一，前言
首先说明一下MySQL的版本：
mysql> select version();
+-----------+
| version() |
+-----------+
| 5.7.17 |
+-----------+
row in set (0.00 sec)再看一下表结构：
mysql> desc test;
+--------+---------------------+------+-----+---------+----------------+
| Field | Type | Null | Key | Default | Extra |
+--------+---------------------+------+-----+---------+----------------+
| id | bigint(20) unsigned | NO | PRI | NULL | auto_increment |
| val | int() unsigned | NO | MUL | 0 | |
| source | int(10) unsigned | NO | | | |
+--------+---------------------+------+-----+---------+----------------+
rows in set (. sec)id为自增主键，val为非唯一索引。
灌入大量数据，共500万：
mysql> select count(*) from test;
+----------+
| count(*) |
+----------+
| |
+----------+
row in set (4.25 sec)我们知道，当limit offset rows中的offset很大时，会出现效率问题：
mysql> select * from test where val= limit ,;
+---------+-----+--------+
| id | val | source |
+---------+-----+--------+
| 3327622 | | 4 |
| 3327632 | | 4 |
| 3327642 | | 4 |
| 3327652 | | 4 |
| 3327662 | | 4 |
+---------+-----+--------+
rows in set (15.98 sec)为了达到相同的目的，我们一般会改写成如下语句：
mysql> select * from test a inner join (select id from test where val= limit ,) b on a.id=b.id;
+---------+-----+--------+---------+
| id | val | source | id |
+---------+-----+--------+---------+
| | 4 | | 3327622 |
| 3327632 | | 4 | |
| | 4 | | 3327642 |
| 3327652 | | 4 | |
| | 4 | | 3327662 |
+---------+-----+--------+---------+
rows in set (. sec)时间相差很明显。
为什么会出现上面的结果？我们看一下select * from test where val=4 limit 300000,5;的查询过程：
查询到索引叶子节点数据。根据叶子节点上的主键值去聚簇索引上查询需要的全部字段值。
类似于下面这张图：
像上面这样，需要查询300005次索引节点，查询300005次聚簇索引的数据，最后再将结果过滤掉前300000条，取出最后5条。MySQL耗费了大量随机I/O在查询聚簇索引的数据上，而有300000次随机I/O查询到的数据是不会出现在结果集当中的。
肯定会有人问：既然一开始是利用索引的，为什么不先沿着索引叶子节点查询到最后需要的5个节点，然后再去聚簇索引中查询实际数据。这样只需要5次随机I/O，类似于下面图片的过程：
其实我也想问这个问题。
证实
下面我们实际操作一下来证实上述的推论：
为了证实 select*fromtestwhereval=4limit300000,5是扫描300005个索引节点和300005个聚簇索引上的数据节点，我们需要知道MySQL有没有办法统计在一个sql中通过索引节点查询数据节点的次数。我先试了Handlerread*系列，很遗憾没有一个变量能满足条件。
我只能通过间接的方式来证实：
InnoDB中有buffer pool。里面存有最近访问过的数据页，包括数据页和索引页。所以我们需要运行两个sql，来比较buffer pool中的数据页的数量。
预测结果是运行 select*fromtest a inner join(selectidfromtestwhereval=4limit300000,5); 之后，buffer pool中的数据页的数量远远少于 select*fromtestwhereval=4limit300000,5;对应的数量，因为前一个sql只访问5次数据页，而后一个sql访问300005次数据页。
select*fromtestwhereval=4limit300000,5
mysql> select index_name,count(*) from information_schema.INNODB_BUFFER_PAGE where INDEX_NAME in('val','primary') and TABLE_NAME like '%test%' group by index_name;Empty set (0.04 sec)可以看出，目前buffer pool中没有关于test表的数据页。
mysql> select * from test where val= limit ,;
+---------+-----+--------+
| id | val | source |
+---------+-----+--------+|
3327622 | | 4 |
| 3327632 | | 4 |
| 3327642 | | 4 |
| 3327652 | | 4 |
| 3327662 | | 4 |
+---------+-----+--------+
rows in set (26.19 sec)
mysql> select index_name,count(*) from information_schema.INNODB_BUFFER_PAGE where INDEX_NAME in('val','primary') and TABLE_NAME like '%test%' group by index_name;
+------------+----------+
| index_name | count(*) |
+------------+----------+
| PRIMARY | 4098 |
| val | |
+------------+----------+2 rows in set (0.04 sec)可以看出，此时buffer pool中关于test表有4098个数据页，208个索引页。
select*fromtest a inner join(selectidfromtestwhereval=4limit300000,5);为了防止上次试验的影响，我们需要清空buffer pool，可以通过重启mysql来实现。然后再次运行优化后的SQL：
mysqladmin shutdown
/usr/local/bin/mysqld_safe &mysql> select index_name,count(*) from information_schema.INNODB_BUFFER_PAGE where INDEX_NAME in('val','primary') and TABLE_NAME like '%test%' group by index_name;
Empty set (0.03 sec)运行sql：
mysql> select * from test a inner join (select id from test where val= limit ,) b on a.id=b.id;
+---------+-----+--------+---------+
| id | val | source | id |
+---------+-----+--------+---------+
| | 4 | | 3327622 |
| 3327632 | | 4 | |
| | 4 | | 3327642 |
| 3327652 | | 4 | |
| | 4 | | 3327662 |
+---------+-----+--------+---------+
rows in set (.09 sec)
mysql> select index_name,count(*) from information_schema.INNODB_BUFFER_PAGE where INDEX_NAME in('val','primary') and TABLE_NAME like '%test%' group by index_name;
+------------+----------+
| index_name | count(*) |
+------------+----------+
| PRIMARY | 5 |
| val | |
+------------+----------+
2 rows in set (0.03 sec)我们可以看明显的看出两者的差别：第一个sql加载了4098个数据页到buffer pool，而第二个sql只加载了5个数据页到buffer pool。符合我们的预测。
也证实了为什么第一个sql会慢：读取大量的无用数据行（300000），最后却抛弃掉。
而且这会造成一个问题：加载了很多热点不是很高的数据页到buffer pool，会造成buffer pool的污染，占用buffer pool的空间。遇到的问题
为了在每次重启时确保清空buffer pool，我们需要关闭innodbbufferpooldumpatshutdown和innodbbufferpoolloadatstartup，这两个选项能够控制数据库关闭时dump出buffer pool中的数据和在数据库开启时载入在磁盘上备份buffer pool的数据。
参考资料：
- https://explainextended.com/2009/10/23/mysql-order-by-limit-performance-late-row-lookups/
- https://dev.mysql.com/doc/refman/5.7/en/innodb-information-schema-buffer-pool-tables.html