关于建筑设计的网站wordpress 可视化插件

Mysql实战-SQL语句优化

前面我们讲解了索引的存储结构，B+Tree的索引结构，以及索引最左侧匹配原则，Explain的用法，可以看到是否使用了索引，今天我们讲解一下SQL语句的优化及如何优化

1.表结构

新建表结构 user， user_info

#新建表结构 user
CREATE TABLE `user` (`id` bigint NOT NULL AUTO_INCREMENT COMMENT '主键',`id_card` char(32) CHARACTER SET utf8mb4 COLLATE utf8mb4_unicode_ci NOT NULL COMMENT '身份证ID',`user_name` char(32) CHARACTER SET utf8mb4 COLLATE utf8mb4_unicode_ci NOT NULL COMMENT '用户名字',`age` int NOT NULL COMMENT '年龄',PRIMARY KEY (`id`)
) ENGINE=InnoDB AUTO_INCREMENT=1 DEFAULT CHARSET=utf8mb4 COLLATE=utf8mb4_unicode_ci COMMENT='用户表'

1. id 主键id列
2. id_card 身份证id
3. user_name 用户姓名
4. age 年龄

先插入测试数据, 插入 5条测试数据

INSERT INTO `test`.`user` (`id`, `id_card`, `user_name`, `age`) VALUES (1, '11', 'aa', 10);
INSERT INTO `test`.`user` (`id`, `id_card`, `user_name`, `age`) VALUES (2, '22', 'bb', 20);
INSERT INTO `test`.`user` (`id`, `id_card`, `user_name`, `age`) VALUES (3, '33', 'cc', 30);
INSERT INTO `test`.`user` (`id`, `id_card`, `user_name`, `age`) VALUES (4, '44', 'dd', 40);
INSERT INTO `test`.`user` (`id`, `id_card`, `user_name`, `age`) VALUES (5, '55', 'ee', 50);

2 where语句及order的列 建立索引

表结构先不创建索引，我们看下执行分析
EXPLAIN SELECT * FROM user WHERE user_name=“AA”;

EXPLAIN SELECT * FROM `user` WHERE user_name="AA";

执行成功， type=ALL表示没有索引，查询效率低下

我们在 user_name上建立索引后，再看下

#创建索引
alter  table `user` add index `idx_name`(`user_name`);#执行分析
EXPLAIN SELECT * FROM `user` WHERE user_name="AA";

使用了索引，查询效率提升

3. where语句不要使用!=,<>

where语句中使用!= 或者 <>, 或者使用 between and 都会是引擎放弃索引，进行全表扫描

我们新建 age的索引，然后基于age去做查询分析

#创建age索引
alter  table `user` add index `idx_age`(`age`);
#执行分析
EXPLAIN SELECT * FROM `user` WHERE age=10;

使用age索引进行查询，没有问题

现在我们使用 ！= 或者 <> 来进行查询，执行查询分析

EXPLAIN SELECT * FROM `user` WHERE age !=10;
EXPLAIN SELECT * FROM `user` WHERE age <>10;
EXPLAIN SELECT * FROM `user` WHERE age BETWEEN 10 and 20;
EXPLAIN SELECT * FROM `user` WHERE age > 10 and age < 20 ;

执行结果全都是 type=range 表示在索引范围内查找,对索引的扫描开始于某一点,返回匹配值域的行, 已经不是ref类型了，效率已经不高了
Extra 其他信息= using index condition 表示会先条件过滤索引，过滤完索引后找到所有符合索引条件的数据行，随后用 WHERE 子句中的其他条件去过滤这些数据行；
using index condition = using index + 回表 + where 过滤

4.where语句不要or进行判断

where语句使用or判断，也会导致引擎放弃索引，进而进行全表扫描
使用 or， 也会造成 type=range的情况

EXPLAIN SELECT * FROM `user` WHERE age =10 or age =20;

这种情况，我们可以采用 union all 来进行优化

EXPLAIN SELECT * FROM `user` WHERE age =10 union all  SELECT * FROM `user` WHERE age =20 ;

5.where语句不要使用 like模糊查询

like模糊查询，也会导致 全表扫描

#1.左侧开头精确匹配，右侧结果模糊
EXPLAIN SELECT * FROM `user` WHERE user_name like "a%";
#2.左侧开头模糊，右侧结果精确匹配
EXPLAIN SELECT * FROM `user` WHERE user_name like "%a";
#3.左侧开头模糊，右侧结果模糊
EXPLAIN SELECT * FROM `user` WHERE user_name like "%a%";

上面3种情况，我们来逐一分析

1. 左侧开头精确匹配，右侧结果模糊, 查询会使用左侧索引进行匹配，type=range

EXPLAIN SELECT * FROM `user` WHERE user_name like "a%";

2. 左侧开头模糊，右侧结果精确匹配， 查询不会使用索引，全表扫描 type=ALL

EXPLAIN SELECT * FROM `user` WHERE user_name like "%a";

3. 左侧开头模糊，右侧结果模糊, 查询不会使用索引，全表扫描 type=ALL

EXPLAIN SELECT * FROM `user` WHERE user_name like "%a%";

6.where语句 不要 in 和not in， 可能也会导致全表扫描

where子语句，使用 in，not in 也有可能导致全表扫描

所以使用in 到底走不走索引呢？

• in通常是走索引的
• IN 的条件过多，会导致索引失效，走索引扫描
• 当in后面的数据在数据表中超过一定的数量 （有人说是30%，假如上面的例子的全部数据大约100条，匹配数据超过30条 ），会走全表扫描，即不走索引
• in走不走索引和后面的数据有关系，这个比例不准

我表中5条数据， 我现在 in(10,20,30,40), in了4条，但是依旧走了索引 type=range， key=idx_age

EXPLAIN SELECT * FROM `user` WHERE age in(10,20,30,40);

我现在再加一个in条件 in(10,20,30,40,50), 此刻就没有走索引， type=ALL

EXPLAIN SELECT * FROM `user` WHERE age in(10,20,30,40,50);

但是 not in 是肯定不走索引的，这是我们明确禁止的

EXPLAIN SELECT * FROM `user` WHERE age not in(1,2);

7.where语句不要使用表达式计算及函数运算

where子句，不要使用表达式计算或者函数运算，这回导致全表扫描

EXPLAIN SELECT * FROM `user` WHERE age / 2 =10;
EXPLAIN SELECT * FROM `user` WHERE SUBSTRING(user_name,1,3)="aa";

执行结果全部都是 type=ALL,使用表达式计算和函数的 都不会使用索引

---

至此，我们了解如何去优化查询语句，在平时项目中，也应该多注意这些用法，防止出现线上事故