index merge的一次优化

手机微博4040端口SQL优化

现象

某端口常态化延迟，通过使用pt-query-digest发现主要由于一条count（*）语句引发，具体如下：

# 13.5s user time, 40ms system time, 21.58M rss, 156.84M vsz

# Current date: Fri Apr  1 17:43:05 2016

# Hostname: naga64

# Files: /data1/mysql4040/slow.log

# Overall: 45.87k total, 53 unique, 1.01 QPS, 9.05x concurrency __________

# Time range: 2016-04-01 05:05:02 to 17:43:05

# Attribute          total     min     max     avg     95%  stddev  median

# ============     ======= ======= ======= ======= ======= ======= =======

# Exec time        411622s      1s    238s      9s     29s     13s      6s

# Lock time            70s       0      4s     2ms   138us    57ms    76us

# Rows sent         12.66M       0   1.31M  289.43   19.46  13.90k    0.99

# Rows examine     310.43M       0   5.40M   6.93k  31.59k  65.56k    0.99

# Query size         5.89M      17   4.14k  134.67  563.87  150.53   76.28

# Profile

# Rank Query ID           Response time     Calls R/Call  Apdx V/M   Item

# ==== ================== ================= ===== ======= ==== ===== =====

#    1 0xE74340EE1DEFEC99 317229.0380 77.1% 34627  9.1613 0.11 12.60 SELECT user_rec_?

#    2 0xB9959C570826EFA4  72164.9508 17.5%  3746 19.2645 0.15 36.13 SELECT app

#    3 0xECEF2B7CA2BE445C   7136.5824  1.7%  3581  1.9929 0.53  2.75 SELECT user_rec_?

#    4 0x7B9529D6435F23B3   3465.0381  0.8%   137 25.2922 0.16 33.53 SELECT app

#    5 0x270C8D7D3EC37561   2209.2050  0.5%  1087  2.0324 0.51  2.34 SELECT apk

#    6 0x6AF45A776EDFF7A9   1921.4956  0.5%   905  2.1232 0.50  2.63 SELECT apk

#    7 0x67DC38C9C5F7EEBB   1816.0314  0.4%   108 16.8151 0.08  7.32 SELECT ios_apk

#    8 0x5F7E7D2BFA8FB79B   1388.2303  0.3%   518  2.6800 0.49 10.45 SELECT apk cooper

#    9 0x79F2C2072394C9BB   1005.4780  0.2%   656  1.5327 0.59  1.64 SELECT user_rec_?b

#   10 0x3229403E99601A69    632.3939  0.2%    81  7.8073 0.07  1.07 SELECT ios_app

#   11 0x83D4C6B0BB535E12    506.5923  0.1%    15 33.7728 0.10 11.12 SELECT apk

#   13 0x2F002402DBB98EE9    226.3586  0.1%    73  3.1008 0.42  4.04 SELECT app

#   14 0x992F97D6C4D52DF6    219.2329  0.1%    44  4.9826 0.19  2.00 SHOW STATUS

#   16 0x791C5370A1021F19    140.2855  0.0%    30  4.6762 0.25  1.87 SHOW SLAVE STATUS

#   18 0x2F27EBCFABB23992    110.6802  0.0%    36  3.0744 0.40  2.47 SELECT app_recommend app

#   19 0x980736573219087A    108.8593  0.0%    15  7.2573 0.00  0.45 SELECT ios_app_free ios_app

#   20 0x58492BB2C89253D8     71.5322  0.0%    10  7.1532 0.05  0.57 SELECT ios_app_free ios_app

#   21 0x0EB86D9E4630253A     61.5251  0.0%    27  2.2787 0.52  0.33 SELECT ios_app_recommend ios_app

#   22 0x398799E91C3C2AAD     59.5222  0.0%    12  4.9602 0.33  3.46 SELECT apk cooper

#   24 0x53148D850C2E022E     45.0953  0.0%    11  4.0996 0.23  1.04 SELECT ios_app

#   25 0x07387FA6467B3DB9     34.6657  0.0%    17  2.0392 0.50  0.39 SELECT app_recommend app

#   26 0xBD799CC975081065     31.1719  0.0%    16  1.9482 0.47  0.51 SELECT app

#   27 0xB7F06103A7ADA5C0     30.4686  0.0%    13  2.3437 0.42  0.52 SELECT user_rec_?d

#   30 0x188747BC3CB9728B     19.8929  0.0%    12  1.6577 0.58  0.22 SELECT app_recommend app

# MISC 0xMISC                987.4775  0.2%    92 10.7335   NS   0.0 <29 ITEMS>

# Query 1: 0.76 QPS, 6.97x concurrency, ID 0xE74340EE1DEFEC99 at byte 2753434

# This item is included in the report because it matches --limit.

# Scores: Apdex = 0.11 [1.0], V/M = 12.60

# Query_time sparkline: |      ^_|

# Time range: 2016-04-01 05:05:02 to 17:43:04

# Attribute    pct   total     min     max     avg     95%  stddev  median

# ============ === ======= ======= ======= ======= ======= ======= =======

# Count         75   34627

# Exec time     77 317229s      1s    174s      9s     23s     11s      7s

# Lock time     55     39s    46us      3s     1ms   119us    46ms    73us

# Rows sent      0  31.80k       0       1    0.94    0.99    0.23    0.99

# Rows examine   0  22.97k       0       5    0.68    0.99    0.55    0.99

# Query size    44   2.61M      76      79   79.00   76.28    0.02   76.28

# String:

# Databases    apps

# Hosts

# Users        apps_r

# Query_time distribution

#   1us

#  10us

# 100us

#   1ms

#  10ms

# 100ms

#    1s  ################################################################

#  10s+  #######################

# Tables

#    SHOW TABLE STATUS FROM `apps` LIKE 'user_rec_07'\G

#    SHOW CREATE TABLE `apps`.`user_rec_07`\G

# EXPLAIN /*!50100 PARTITIONS*/

select count(*) as total from user_rec_07 where type=5 and weiboId=''\G

我们来查看一下这个表的表结构和这条语句的explain结果，看是否可以优化，具体如下：

localhost.apps>show create table user_rec_45;

+-------------+---------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------+

| Table       | Create Table                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                  |

+-------------+---------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------+

| user_rec_45 | CREATE TABLE `user_rec_45` (

  `id` int(11) NOT NULL AUTO_INCREMENT,

  `softId` int(11) NOT NULL DEFAULT '',

  `weiboId` bigint(20) NOT NULL DEFAULT '',

  `type` tinyint(4) NOT NULL DEFAULT '' COMMENT '0???',

  `content` varchar(512) NOT NULL DEFAULT '' COMMENT '???????url??????????????',

  `ctime` timestamp NOT NULL DEFAULT CURRENT_TIMESTAMP ON UPDATE CURRENT_TIMESTAMP,

  PRIMARY KEY (`id`),

  KEY `idx_softId_weiboId` (`softId`,`weiboId`),

  KEY `idx_weiboId` (`weiboId`),

  KEY `idx_type` (`type`)

) ENGINE=TokuDB AUTO_INCREMENT=3252283 DEFAULT CHARSET=utf8 ROW_FORMAT=TOKUDB_LZMA |

+-------------+---------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------+

1 row in set (0.00 sec)

localhost.apps>explain select count(*) as total from user_rec_07 where type=5 and weiboId=1934676487\G;

*************************** 1. row ***************************

           id: 1

  select_type: SIMPLE

        table: user_rec_07

         type: index_merge

possible_keys: idx_weiboId,idx_type

          key: idx_weiboId,idx_type

      key_len: 8,1

          ref: NULL

         rows: 1

        Extra: Using intersect(idx_weiboId,idx_type); Using where; Using index

1 row in set (0.01 sec)

可以看到通过type和extra都可以发现其实是用到了index的，但是为这么还会这么慢呢？

ps：一开始看到是tokuDB的引擎，下意识的以为是tk对count（）支持不好，后来实践证明，还是index的问题。

推理

这条sql的查询条件还是相当简单的，仅为2个等式，根据个人的习惯，我会先看下这2个等值条件的结果集分别是多大？

首先是weiboID的explain：

localhost.apps>explain select count(*) as total from user_rec_07 where weiboId=1934676487\G;

*************************** 1. row ***************************

           id: 1

  select_type: SIMPLE

        table: user_rec_07

         type: ref

possible_keys: idx_weiboId

          key: idx_weiboId

      key_len: 8

          ref: const

         rows: 18

        Extra: Using index

1 row in set (0.00 sec)

接下来是type的explain：

localhost.apps>explain select count(*) as total from user_rec_07 where type=5\G;

*************************** 1. row ***************************

           id: 1

  select_type: SIMPLE

        table: user_rec_07

         type: ref

possible_keys: idx_type

          key: idx_type

      key_len: 1

          ref: const

         rows: 114834

        Extra: Using index

1 row in set (0.00 sec)

可以很明显的看到weiboID的区分度还是很好的，而type的就差很多了（需要扫描将近12w rows），但是理论上使用weiboID作为index只需要扫描18 rows左右，按说查询时间应该在5ms之内才对。

我们分别看下3条sql的查询时间：

2个条件：

localhost.apps>select count(*) as total from user_rec_45 where type=5 and weiboId='';

+-------+

| total |

+-------+

|     1 |

+-------+

1 row in set (0.57 sec)

weiboID作为条件：

localhost.apps>select count(*) as total from user_rec_45 where weiboId=''\G;

*************************** 1. row ***************************

total: 9

1 row in set (0.00 sec)

type作为条件：

localhost.apps>select count(*) as total from user_rec_45 where type=5\G;

*************************** 1. row ***************************

total: 103838

1 row in set (0.19 sec)

可以从上面明显的看出来双条件耗时最多570ms，weiboID作为条件0ms，type作为条件190ms

根据以上的结果，我们就可以进行index的优化了。

优化

添加index的思路非常的简单，直接加一个两条件的index即可，具体SQL如下：

localhost.apps>alter table user_rec_45 drop index idx_weiboID,add index idx_weiboID_type(weiboID,type);

我们看下添加前和添加之后的区别：

添加前：

localhost.apps>select count(*) as total from user_rec_45 where type=5 and weiboId='';

+-------+

| total |

+-------+

|     1 |

+-------+

1 row in set (0.57 sec)

添加后：

localhost.apps>select count(*) as total from user_rec_45 where type=5 and weiboId='';

+-------+

| total |

+-------+

|     1 |

+-------+

1 row in set (0.00 sec)

可以看到效果非常的明显。

从服务器的负载看下：

修改之前：

:: PM  CPU    %usr   %nice    %sys %iowait    %irq   %soft  %steal  %guest   %idle

:: PM  all   96.00    0.00    3.38    0.00    0.00    0.62    0.00    0.00    0.00

:: PM       91.00    0.00    5.00    0.00    0.00    4.00    0.00    0.00    0.00

:: PM       97.98    0.00    2.02    0.00    0.00    0.00    0.00    0.00    0.00

:: PM       98.00    0.00    2.00    0.00    0.00    0.00    0.00    0.00    0.00

:: PM       96.00    0.00    4.00    0.00    0.00    0.00    0.00    0.00    0.00

:: PM       95.96    0.00    3.03    0.00    0.00    1.01    0.00    0.00    0.00

:: PM       96.00    0.00    4.00    0.00    0.00    0.00    0.00    0.00    0.00

:: PM       97.00    0.00    3.00    0.00    0.00    0.00    0.00    0.00    0.00

:: PM       97.00    0.00    3.00    0.00    0.00    0.00    0.00    0.00    0.00

修改之后：

:: PM  CPU    %usr   %nice    %sys %iowait    %irq   %soft  %steal  %guest   %idle

:: PM  all   24.25    0.00    1.12    3.50    0.00    0.12    0.00    0.00   71.00

:: PM       16.16    0.00    2.02   18.18    0.00    1.01    0.00    0.00   62.63

:: PM        3.03    0.00    0.00    6.06    0.00    0.00    0.00    0.00   90.91

:: PM       90.00    0.00    0.00    1.00    0.00    0.00    0.00    0.00    9.00

:: PM       84.00    0.00    6.00    2.00    0.00    0.00    0.00    0.00    8.00

:: PM        0.00    0.00    0.00    0.00    0.00    0.00    0.00    0.00  100.00

:: PM        0.00    0.00    0.00    0.00    0.00    0.00    0.00    0.00  100.00

:: PM        0.00    0.00    0.00    0.00    0.00    0.00    0.00    0.00  100.00

:: PM        0.00    0.00    0.00    0.00    0.00    0.00    0.00    0.00  100.00

但是为什么会这样呢？细心的同学应该发现了，之前其实MySQL也使用了2个索引，只不过是使用的index merge，将两个单独的index合并在一起使用了，为什么差距会这么大呢？

分析

我们首先来看下index merge也就是 index intersect（indx1，index2）的定义

index_merge: This join type indicates that the Index Merge optimization is used. In this case, the key column in the output row contains a list of indexes used, and key_len contains a list of the longest key parts for the indexes used.

The Index Merge method is used to retrieve rows with several range scans and to merge their results into one. The merge can produce unions, intersections, or unions-of-intersections of its underlying scans. This access method merges index scans from a single table; it does not merge scans across multiple tables.

从上面的解释我们可以看出来，index merge其实就是分别通过对两个独立的index进行过滤之后，将过滤之后的结果聚合在一起，然后在返回结果集。

在我们的这个例子中，由于type字段的过滤性不好，故返回的rows依然很多，所以造成的很多的磁盘read，导致了cpu的负载非常的高，直接就出现了延迟。

ps：其实在这个case中，并不需要加2个条件的index，只需要将type这个index干掉，直接使用weiboID这个index即可，毕竟这个index的过滤的结果集已经很小了。

或者通过关闭index intersect功能也可以。

SET [GLOBAL|SESSION] optimizer_switch="index_merge_intersection=off";

展示一下优化前后的io吞吐：

优化前

----total-cpu-usage---- -dsk/total- -net/total- ---paging-- ---system--

usr sys idl wai hiq siq| read  writ| recv  send|  in   out | int   csw

               |3842k 3440k|         |         |   

              |  26M 2593k|  69k   47k|         |  31k 

              |  26M 3258k|  79k   47k|         |  27k 

              |  24M   12M|  56k   37k|         |  21k 

               |  27M 2523k|  56k   20k|         |  16k 

              |  25M 2199k| 102k   43k|        

优化后

 ----total-cpu-usage---- -dsk/total- -net/total- ---paging-- ---system--

usr sys idl wai hiq siq| read  writ| recv  send|  in   out | int   csw

               |2935k 3362k|         |         |   

               |4313k 4330k| 129k  353k|         |  

               |4242k 3424k| 138k  392k|         |  11k 

               |4441k 3840k| 169k  397k|         |  

               |3720k 9161k| 135k  398k|         |  

               |4567k 3569k| 139k  368k|         |  

               |3972k 4199k| 135k  341k|         |

index merge的一次优化的更多相关文章

MySQL 优化之 index merge(索引合并)
深入理解 index merge 是使用索引进行优化的重要基础之一.理解了 index merge 技术,我们才知道应该如何在表上建立索引. 1. 为什么会有index merge 我们的 where ...
8.2.1.4 Index Merge Optimization 索引合并优化:
8.2.1.4 Index Merge Optimization 索引合并优化: 索引合并方法是用于检索记录使用多个范围扫描和合并它们的结果集到一起 mysql> show index fr ...
MySQL Index Merge Optimization
Index Merge用在通过一些range scans得到检索数据行和合并成一个整体.合并可以通过 unions,intersections,或者unions-intersection运用在底层的扫 ...
MySQL index merge
深入理解 index merge 是使用索引进行优化的重要基础之一. [ index merge] 当where谓词中存在多个条件(或者join)涉及到多个字段,它们之间进行 AND 或者 ...
MySQL 查询优化之 Index Merge
MySQL 查询优化之 Index Merge Index Merge Intersection 访问算法 Index Merge Union 访问算法 Index Merge Sort-Union ...
MySQL中Index Merge简介
索引合并优化官网翻译 MySQL5.7文档索引合并是为了减少几个范围(type中的range类型:range can be used when a key column is compared t ...
Python, pandas: how to sort dataframe by index// Merge two dataframes by index
pd.concat([df1, df2], axis=1) df.sort_index(inplace=True) https://stackoverflow.com/questions/404680 ...
0103MySQL中的B-tree索引 USINGWHERE和USING INDEX同时出现
转自博客http://www.amogoo.com/article/4 前提1,为了与时俱进,文中数据库环境为MySQL5.6版本2,为了通用,更为了避免造数据的痛苦,文中所涉及表.数据,均来自于My ...
Mysql中的force index和ignore index
前几天统计一个sql,是一个人提交了多少工单,顺便做了相关sql优化.数据大概2000多w. ) c order by c desc; 为了实验最少受其他因素干扰,将生产库的200多w数据导出来,用测 ...

随机推荐

组合数学 - 波利亚定理 --- poj : 2154 Color
Color Time Limit: 2000MS Memory Limit: 65536K Total Submissions: 7873 Accepted: 2565 Description ...
NetworkComms.Net github下载地址
https://github.com/MarcFletcher/NetworkComms.Net
UnityShader快速上手指南（四）
简介由于其他项目中断了几天更新,继续~~ 这一篇主要是讲光照的(包含漫反射和高光以及多光源的处理) 还是先来看看具体效果(多光源后面单独展示) 有了基本的光照处理之后越来越有立体感了有不有 ╮(╯▽ ...
设计模式--原型(Prototype)模式
写这些也许有人认为“为了模式而模式”.Insus.NET所想到的,每个大师成为大师之前,也许都得这样做. 走路,从小就开始学,直至现在,谁还不是为了走路而走路?一直重复着...... 很多人没有分享自 ...
[新手学Java]使用beanUtils控制javabean
使用BeanUtils设置/读取属性的值以及默认支持的自动转化: @Test //使用BeanUtils设置/读取属性的值以及自动转化 public void test1() throws Illeg ...
Python基础：函数
一.概述二.声明.定义和调用三.参数 1.参数传递 2.实参类型 3.形参绑定四.返回值五.名字空间与作用域 1.基本概念 2.名字空间 3.作用域 4.总原则六.高级 1.装饰器 2.生成 ...
通过发布项目到IIS上，登录访问报系统找不到System.Web.Mvc
我发布项目到IIs,通过IIS的端口来访问直接下面的错误
三通短信每月发送量导入Sqlserver随笔
创建表sql CREATE TABLE SmsSentLog2014101625( Phone NVARCHAR(MAX), MessageContent NVARCHAR(MAX), Message ...
雷军V5，米3横空出世
小米3 下午两点,小米CEO:雷军(也是一个传奇人物),虽然没购买门票,只是自己一个人看微博,看新闻,还是了解到了小米3的面貌,这次雷哥还给大家带来了MITV,售价￥2999!(无法相信)顶配.这次我 ...
solr 学习片段
全文检索技术——Solr 1 主要内容 1.站内搜索技术选型 2.什么是solr Solr和lucene的区别 3.solr服务器的安装及配置 Solr整合tomcat Solr的演示 4.维护索引 ...

index merge的一次优化

index merge的一次优化的更多相关文章

随机推荐

热门专题