在像 Web 服务这样需要快速响应的应用场景中,SQL 的性能直接决定了系统是否可以使用;特别在一些中小型应用中,SQL 性能更是决定服务能否快速响应的唯一标准
严格地优化查询性能时,必须要了解所使用数据库的功能特点,此外,查询速度慢并不只是因为 SQL 语句本身,还可能是因为内存分配不佳、文件结构不合理、刷脏页等其他原因
因此本文即将介绍的优化 SQL 的方法不能解决所有的性能问题,但是却能处理很多因 SQL 写法不合理而产生的性能问题
下文将尽量介绍一些不依赖具体数据库实现,使 SQL 执行速度更快、消耗内存更少的优化技巧,只需调整 SQL 语句就能实现的通用的优化Tip
下文所讲的内容是从 SQL 层面展开的,而不是针对某种特性的数据库,也就是说,下文的内容基本上适用于任何关系型数据库
但是,关系型数据库那么多,逐一来演示示例了,显然不太现实;我们以常用的 MySQL 来进行示例的演示
MySQL 版本: 5.7.30-log ,存储引擎: InnoDB
准备两张表: tbl_customer 和 tbl_recharge_record
针对某一个查询,有时候会有多种 SQL 实现,例如 IN、EXISTS、连接之间的互相转换
从理论上来讲,得到相同结果的不同 SQL 语句应该有相同的性能,但遗憾的是,查询优化器生成的执行计划很大程度上要受到外部结构的影响
因此,如果想优化查询性能,必须知道如何写 SQL 语句才能使优化器生成更高效的执行计划
关于 IN,相信大家都比较熟悉,使用方便,也容易理解;虽说 IN 使用方便,但它却存在性能瓶颈
如果 IN 的参数是 1,2,3 这样的数值列表,一般还不需要特别注意,但如果参数是子查询,那么就需要注意了
在大多时候, [NOT] IN 和 [NOT] EXISTS 返回的结果是相同的,但是两者用于子查询时,EXISTS 的速度会更快一些
假设我们要查询有充值记录的顾客信息,SQL 该怎么写?
相信大家第一时间想到的是 IN: SELECT * FROM tbl_customer WHERE ID IN (SELECT customer_id FROM tbl_recharge_record);
IN 使用起来确实简单,也非常好理解;我们来看下它的执行计划
我们再来看看 EXISTS 的执行计划:
可以看到,IN 的执行计划中新产生了一张临时表: <subquery2> ,这会导致效率变慢
通常来讲,EXISTS 比 IN 更快的原因有两个
1、如果连接列(customer_id)上建立了索引,那么查询 tbl_recharge_record 时可以通过索引查询,而不是全表查询
2、使用 EXISTS,一旦查到一行数据满足条件就会终止查询,不用像使用 IN 时一样进行扫描全表(NOT EXISTS 也一样)
当 IN 的参数是子查询时,数据库首先会执行子查询,然后将结果存储在一张临时表里(内联视图),然后扫描整个视图,很多情况下这种做法非常耗费资源
使用 EXISTS 的话,数据库不会生成临时表
但是从代码的可读性上来看,IN 要比 EXISTS 好,使用 IN 时的代码看起来更加一目了然,易于理解
因此,如果确信使用 IN 也能快速获取结果,就没有必要非得改成 EXISTS 了
其实有很多数据库也尝试着改善了 IN 的性能
Oracle 数据库中,如果我们在有索引的列上使用 IN, 也会先扫描索引
PostgreSQL 从版 本 7.4 起也改善了使用子查询作为 IN 谓词参数时的查询速度
说不定在未来的某一天,无论在哪个关系型数据库上,IN 都能具备与 EXISTS 一样的性能
关于 EXISTS,更多详情可查看:神奇的 SQL 之谓词 → 难理解的 EXISTS
其实在平时工作当中,更多的是用连接代替 IN 来改善查询性能,而非 EXISTS,不是说连接更好,而是 EXISTS 很难掌握
回到问题:查询有充值记录的顾客信息,如果用连接来实现,SQL 改如何写?
这种写法能充分利用索引;而且,因为没有了子查询,所以数据库也不会生成中间表;所以,查询效率是不错的
至于 JOIN 与 EXISTS 相比哪个性能更好,不太好说;如果没有索引,可能 EXISTS 会略胜一筹,有索引的话,两者差不多
说到 SQL 的排序,我们第一时间想到的肯定是: ORDER BY ,通过它,我们可以按指定的某些列来顺序输出结果
但是,除了 ORDER BY 显示的排序,数据库内部还有很多运算在暗中进行排序;会进行排序的代表性的运算有下面这些
如果只在内存中进行排序,那么还好;但是如果因内存不足而需要在硬盘上排序,那么性能就会急剧下降
因此,尽量避免(或减少)无谓的排序,能够大大提高查询效率
SQL 中有 UNION 、 INTERSECT 、 EXCEPT 三个集合运算符,分表代表这集合运算的 并集、交集、差集
默认情况下,这些运算符会为了排除掉重复数据而进行排序
Using temporary 表示进行了排序或分组,显然这个 SQL 没有进行分组,而是进行了排序运算
如果我们不在乎结果中是否有重复数据,或者事先知道不会有重复数据,可以使用 UNION ALL 代替 UNION
可以看到,执行计划中没有排序运算了
对于 INTERSECT 和 EXCEPT 也是一样的,加上 ALL 可选项后就不会进行排序了
加上 ALL 可选项是一个非常有效的优化手段,但各个数据库对它的实现情况却是参差不齐,如下图所示
注意:Oracle 使用 MINUS 代替 EXCEPT ;MySQL 压根就没有实现 INTERSECT 和 EXCEPT 运算
为了排除重复数据, DISTINCT 也会进行排序
还记得用连接代替 IN 的案例吗,如果不用 DISTINCT
SQL: SELECT tc.* FROM tbl_recharge_record trr LEFT JOIN tbl_customer tc on trr.customer_id = tc.id
那么查出来的结果会有很多重复记录,我们改进 SQL
SELECT DISTINCT tc.* FROM tbl_recharge_record trr LEFT JOIN tbl_customer tc on trr.customer_id = tc.id
会发现执行计划中有个 Using temporary ,表示用到了排序运算
我们使用 EXISTS 来进行优化
可以看到,已经规避了排序运算
SQL 语言里有两个极值函数: MAX 和 MIN ,使用这两个函数时都会进行排序
例如: SELECT MAX(recharge_amount) FROM tbl_recharge_record
会进行全表扫描,并会进行隐式的排序,找出单笔充值最大的金额
但是如果参数字段上建有索引,则只需要扫描索引,不需要扫描整张表
例如: SELECT MAX(customer_id) FROM tbl_recharge_record;
会通过索引: idx_c_id 进行扫描,找出充值记录中最大的顾客ID
这种方法并不是去掉了排序这一过程,而是优化了排序前的查找速度,从而减弱排序对整体性能的影响
我们来看两个 SQL 以及其执行结果
从结果上来看,两条 SQL 一样;但是从性能上来看,第二条语句写法效率更高,原因有两个
减少排序的数据量
GROUP BY 子句聚合时会进行排序,如果事先通过 WHERE 子句筛选出一部分行,就能够减轻排序的负担
有效利用索引
WHERE 子句的条件里可以使用索引
HAVING 子句是针对聚合后生成的视图进行筛选的,但是很多时候聚合后的视图都没有继承原表的索引结构
关于 HAVING,更多详情可查看:神奇的 SQL 之 HAVING → 容易被轻视的主角
一般来说,GROUP BY 子句和 ORDER BY 子句都会进行排序
如果 GROUP BY 和 ORDER BY 的列有索引,那么可以提高查询效率
特别是在一些数据库中,如果列上建立的是唯一索引,那么排序过程本身都会被省略掉
使用索引是最常用的 SQL 优化手段,这个大家都知道,怕就怕大家不知道:明明有索引,为什么查询还是这么慢(为什么索引没用上)
关于索引未用到的情况,可查看:神奇的 SQL 之擦肩而过 → 真的用到索引了吗,本文就不做过多阐述了
总之就是:查询尽量往索引上靠,规避索引未用上的情况
在 SQL 中,子查询的结果会被看成一张新表(临时表),这张新表与原始表一样,可以通过 SQL 进行操作
但是,频繁使用临时表会带来两个问题
1、临时表相当于原表数据的一份备份,会耗费内存资源
2、很多时候(特别是聚合时),临时表没有继承原表的索引结构
因此,尽量减少临时表的使用也是提升性能的一个重要方法
对聚合结果指定筛选条件时,使用 HAVING 子句是基本原则
但是如果对 HAVING 不熟,我们往往找出替代它的方式来实现,就像这样
然而,对聚合结果指定筛选条件时不需要专门生成中间表,像下面这样使用 HAVING 子句就可以
HAVING 子句和聚合操作是同时执行的,所以比起生成临时表后再执行 WHERE 子句,效率会更高一些,而且代码看起来也更简洁
SQL-92 中加入了行与行比较的功能,这样一来,比较谓词 = 、< 、> 和 IN 谓词的参数就不再只是标量值了,而应是值列表了
我们来看一个示例,多个字段使用 IN 谓词
这段代码中用到了两个子查询,我们可以进行列汇总优化,把逻辑写在一起
这样一来,子查询不用考虑关联性,而且只执行一次就可以
还可以进一步简化,在 IN 中写多个字段的组合
简化后,不用担心连接字段时出现的类型转换问题,也不会对字段进行加工,因此可以使用索引
连接和聚合同时使用时,先进行连接操作可以避免产生中间表
视图是非常方便的工具,我们在日常工作中经常使用
但是,如果没有经过深入思考就定义复杂的视图,可能会带来巨大的性能问题
特别是视图的定义语句中包含以下运算的时候,SQL 会非常低效,执行速度也会变得非常慢
文中虽然列举了几个要点,但其实优化的核心思想只有一个,那就是找出性能瓶颈所在,然后解决它
其实不只是数据库和 SQL,计算机世界里容易成为性能瓶颈的也是对硬盘,也就是文件系统的访问(因此可以通过增加内存,或者使用访问速度更快的硬盘等方法来提升性能)
不管是减少排序还是使用索引,亦或是避免临时表的使用,其本质都是为了减少对硬盘的访问
小结下文中的 Tips
1、参数是子查询时,使用 EXISTS 或者 JOIN 代替 IN
2、在 SQL 中,很多运算都会暗中进行排序,尽量规避这些运算
3、SQL 的书写,尽量往索引上靠,避免用不上索引的情况
4、尽量减少使用中间表