从最近MySQL的优化工作想到的

最近决定将以前同事写的存储过程查看一遍，寻找一些代码上写的不太好的地方，争取进行修改以后让这些过程达到一个很好的运行速度。下面是遇到的最多的几个问题。

我遇到了这样的一个SQL：

select name, count(*) from (select name from table_1) a group by a.name;

MySQL的执行计划对于这种派生表的解释非常的不友好，但是能直观的感觉到的是，这个SQL执行速度特别的慢。查看这个表table_1发现，name字段是有索引的。审视这段代码，可以推断出当时程序员的想法，应该是想让数据库扫描更小的结果集，因为select *是很不好的习惯。不过他应该忽略了一个MySQL的很重要的特点就是索引。MySQL的索引是个很有意思的东西，是我从Oracle转过来感觉最好玩的东西，好玩的地方就在于，可以优化group by。当我把这个SQL改成如下SQL以后：

select name, count(*) from table_1 group by name;

这样一来，这段SQL的执行速度就非常的快了,extra列明确的显示了using index，索引覆盖查询，速度杠杠的。

其实这种错误应该是程序员常犯的，因为程序员对Java等代码超级熟悉，但是对于SQL，基本上都是大学的时候学习的SQL，用SQLServer练出来的，基本上没有对数据库进行非常深入的研究，其实每种数据库中，同一条SQL的执行计划都是不尽相同的，这也就是企业有一个专业的DBA的一个作用。

下面，就是一个让人很头疼的错误：

select name, userid from table_1 where name = null;

不管是MySQL还是Oracle，对这种SQL的写法的规范都是where name is (not) null。null这个值，在不管什么数据库里都是一个让人（包括程序员和DBA）都很头疼的东西。我对MySQL的理解还不够深入，但是根据某一本《Oracle DBA手记》中记载，Oracle中每种数据类型的null都代表了不一样的意义。

做了下面一个实验：

可以看出来，不管是“= null”还是“<> null”，得到的值其实都是不确定，也就是null。因此，必须要写成is (not) null。在《剑破冰山》这本书里也有对Oracle的null值的详细介绍。

总结一下最近的工作，我研究了小半年时间的MySQL，发现这个开源的数据库并不像我过去认为的那样，就是一个互联网数据库。这个数据库在面向OLAP复杂计算的方面确实和Oracle，DB2等商用数据库之间有不小的差距，不过在MariaDB这个分支中，这部分有了不小的进步，相信后面的MySQL版本中也会越来越好。其实这个数据库最让我感兴趣的不是开源，因为我确实看不懂那么长的源代码，我的C语言水平就是大学毕业水平。这个数据库最让我感兴趣（起码现在来讲）是它的索引，它的索引和Oracle有很大的不同，尤其是InnoDB的表整个就是用索引组织起来的，在简单的查询的时候，一个索引覆盖查询就可以无敌于天下了，在group by和order by的时候，如果是索引字段，效率会相当的高。

其实我还想说的就是，一个团队里，如果涉及到大量存储过程的编写，一定要有一个专业的DBA人员参与其中。SQL是一个标准，横跨了所有的关系型数据库，但是每一种关系型数据库对SQL的实现又不尽相同，因此同样的一段SQL，放到不同的数据库上执行，效率上就会千差万别。而SQL又非常容易用人最习惯最简单的思维写出来，比如搜索一个订单表里美国员工生成的订单信息，SQL有可能是这样的：

select * from orders t1
 where t1.employee_id in (select employee_id from employee t2
 where t2.nation = 'USA');

如果是Oracle这样的商业数据库，这个SQL的执行效率可能会比较好，但是应该不如用exists的SQL。但是当这段SQL在MySQL中执行的时候，效率就很差了，因为很多人都知道，MySQL的子查询效率实在是不敢恭维。这段代码会被改为相关子查询，而且随着数据量的增长，执行时间会越来越长。这段代码如果改成下面的SQL，效果会更好：

select t1.*
  from orders t1
inner join employee t2
    on t1.employee_id = t2.employee_id
where t2.nation = 'USA';

如果表上有索引，执行速度快极了。

写SQL，还是要首先研究这个数据库的原理，然后慎而又慎的写。