从原理上理解MySQL的优化建议

从原理上理解MySQL的优化建议

预备知识

B+树索引

• mysql的默认存储引擎InnoDB使用B+树来存储数据的，所以在分析优化建议之前，了解一下B+树索引的基本原理。

• 

• 上图是一个B+树索引示意图，每个节点表示一个磁盘块，也可以理解为数据库中的页。

• 分析下B+树索引的查找过程，如果我要查询主键为35的数据，索引会怎么走？

  1. 首先会判断35小于根节点37，继续查询左子树
  2. 判断35大于22和33，那么进入右子树，找到了叶子节点33
  3. 继续遍历找到35
  4. 最后取出其data即可

• 在索引的情况下，查询35只用了3次IO操作，这是非常高效的

• 在真实场景下，3层的B+树可以表示上百万的数据，如果上百万的数据查找只需要3次IO，性能提升将是巨大的，如果没有索引，每个数据项都要发生一次IO，那么总共需要百万次IO，显然成本非常非常高

• 上图也是体现了只要 维持树的高度足够低，IO操作就会足够少，IO次数少，查询性能就会高

Explain执行计划

• 各个字段的含义

  1. id：Query Optimizer所选定的执行计划中的查询编号

  2. select_type:所使用的查询类型，主要有几种查询类型：

     SIMPLE	除子查询或者UNION查询之外的其他查询
     PRIMARY	子查询中的最外层查询，注意并不是主键查询
     UNION	UNION语句中第二个 SELECT 开始的后面所有 SELECT，第一个 SELECT 为 PRIMARY
     DEPENDENT UNION	子查询中的 UNION，且为 UNION 中从第二个 SELECT 开始的后面所有 SELECT ，同样依赖于外部查询的结果集
     SUBQUERY	子查询内层查询的第一个 SELECT，结果不依赖于外部查询结果集
     DEPENDENT SUBQUERY	子查询内层查询的第一个 SELECT，结果依赖于外部查询结果集
     类型名称	说明

  3. table:显示执行这一步所访问的数据库中的表的名称

  4. partitions:查询分区表匹配的分区，非分区表显示为NULL

  5. type：查询表所使用的的方式，类型如下

     类型名称	说明
     all	全表扫描
     const	读常量，最多只有一条记录匹配，由于是常量，所以实际上只要读一次
     system	系统表，表中只要一条数据，他是特殊的const类型
     eq_ref	最多会匹配一条结果，一般是通过主键或者唯一索引来访问
     ref	join语句中被驱动标的索引查询
     full_text	使用full_text索引
     index	全索引扫描
     index_merge	查询中同时使用两个（或者多个）索引，然后对索引结果进行merge之后再读表数据
     range	索引范围扫描，经常出现在比较条件中,如：<, > ,BETWEEN 等

• 他们的性能由好到差依次是：

  system > const > eq_ref > ref > full_text > ref_or_null > unique_subquery > index_subquery > range > index_merge > index > all

• possible_keys: 查询可能用到的索引

• key_len: 用到的索引长度

• ref: 展示将那些列或者常量与命中的索引比较

• rows: 执行这次查询扫描的行数

• filtered: 过滤行数百分比，最大值是100，当显示100时候，表示没有过滤行， rows显示了检查的估计行数，乘以过滤百分比将显示与下表连接的行数。例如，如果行数为1000，过滤条件为50.00（50％），则与下表联接的行数为1000×50％= 500

• extra: 执行查询额外的条件

为什么建议使用自增主键

为什么？

• 当我们每次建立表的时候都在考虑是用表的自增主键呢？还是用 uuid呢？但是从性能考虑我们还是建议使用自增 Id,为什么呢？主要是由于 MySQL B+ 树索引性质决定的，数据的新增是要更新索引的，也就是要更新 B+ 树。换句话说，使用自增Id 和 非自增 Id 哪种更新 B+ 树更快，成本更低，谁就是更优的选择。我们来模拟下自增 Id 插入和非自增 Id 插入情况。

自增主键与非自增的比较

• 自增Id 插入情况： 我们在一个已经有10条数据的 B + 数上插入2条数据，分别是10和11，我们看看树是如何变化的。

  

​ 我们这里可以发现两个特点：

​ 1. 自增的数据插入影响的范围永远只有最右的子树，要么直接在子树插入节点，要么就是子树分裂，影响其父节点。

​ 2. 除了最右子树，其他子树的节点都是满的。

​ 3. 上面两个特点有什么影响呢？我们根据前面 B+ 树索引示意图可以知道，每个点都是一个磁盘块，操作每个节点相当于进行一次 IO,由于每次插入影响的节点只有最右子树，那么磁盘 IO 的范围就可控；最重要一点是除最右子树，其他子树的节点都是满的，这种情况，叶子节点数据的物理连续性会更好， 根据局部性原理,查询性能也会更高

• 非自增 Id 插入情况

  

  非自增 Id 插入特点对比自增 Id 插入我们很容易就能知道：

  1. 插入影响节点不可控，无法预知。

  2. 每个子树都存在叶子节点不满的情况

  3. 按照之前的分析思路，我们也就知道了非自增 Id 插入有什么性能劣势了。由于插入数据影响节点不可控，导致节点分裂的情况就会更频繁，节点分裂也是 IO 操作，性能自然受到影响。子树的叶子节点不满，会导致叶子节点物理连续性不好。最后如果我们是UUID的话，Id 过长，会占用节点空间，每个页能存储的节点变少，页分裂变多，性能也会受到影响。这也是为什么建议使用自增主键的原因

为什么不要使用 select * 查询

为什么

• 我们能想到很直观的理由就是，数据库要帮你翻译成每个字段名去查询，接着查询多余的字段会占用内存，带宽等资源。这确实是一个理由，而且这个理由很重要

• 但是我这里想说的是另外一个原因，覆盖索引

总结

• 本文从原理上分析了我们日常的两点建议，为什么建议使用自增主键？为什么不建议使用 select * 查询？其实主要最终的原因还是和索引相关，既然我们用索引来提高我们的效率就要充分利用它，下面是知识点总结：

  1、B+ 树查询的效率高低是受其树高影响，树的高度越低，查询IO次数越少，性能相对也就越高。

  2、执行计划的类型由好到差依次是：system > const > eq_ref > ref > full_text > ref_or_null > unique_subquery > index_subquery > range > index_merge > index > all 。

  3、自增主键的好处就是连续，插入维护的成本相对较低，同时子树的叶子节点大部分是满节点，物理连续性好，查询性能更优。

  4、UUID 主键长度过长，导致单个子节点存储的主键变少，更平凡的出发页分裂，影响性能，这也是为什么建议索引不要太长的原因。

  5、覆盖索引是很好的优化技巧，可以让查询直接通过索引返回数据，而不用回表，减少IO，提升性能。