SQL优化 之 百万数据真实案例教程0基础（小白必看）

前提准备：本案例准备了100W的数据进行SQL性能测试，数据库采用的是MySQL，

总共介绍了常见的14种SQL优化方式，每一种优化方式都进行了实打实的测试，

         逐行讲解，通俗易懂！

一、前提准备

提前准备一张学生表数据和一张特殊学生表数据，用于后面的测试用。

1.1  创建表结构

创建一个学生表：

CREATE TABLE student (
  id int(11) unsigned NOT NULL AUTO_INCREMENT,
  name varchar(50) DEFAULT NULL,
  age tinyint(4) DEFAULT NULL,
  id_card varchar(20) DEFAULT NULL,
  sex tinyint(1) DEFAULT '0', 
  address varchar(100) DEFAULT NULL,
  phone varchar(20) DEFAULT NULL, 
  create_time timestamp NULL DEFAULT CURRENT_TIMESTAMP,
  remark varchar(200) DEFAULT NULL,
  PRIMARY KEY (id)
) ENGINE=InnoDB DEFAULT CHARSET=utf8;

再创建一个特殊学生表：

CREATE TABLE special_student (
  id int(11) unsigned NOT NULL AUTO_INCREMENT,
  stu_id int(11) DEFAULT NULL,
  PRIMARY KEY (id)
) ENGINE=InnoDB DEFAULT CHARSET=utf8;

1.2  创建存储过程 

在学生表中插入100w条数据，手动开启和提交事务，每插入1w条记录后，手动COMMIT一次事务，最后再COMMIT一次以提交剩下的记录，这样可以让插入速度更快,因为不需要为每条记录都 COMMIT,从而降低 IO 次数。

CREATE PROCEDURE insert_student_data()
BEGIN
  DECLARE i INT DEFAULT 0; 
  DECLARE done INT DEFAULT 0; 
  DECLARE continue HANDLER FOR NOT FOUND SET done = 1;
  START TRANSACTION;  
   WHILE i < 1000000 DO
     INSERT INTO student(name,age,id_card,sex,address,phone,remark)
     VALUES(CONCAT('姓名_',i), FLOOR(RAND()*100),
         FLOOR(RAND()*10000000000),FLOOR(RAND()*2),
         CONCAT('地址_',i), CONCAT('12937742',i),
         CONCAT('备注_',i));
     SET i = i + 1; 
     IF MOD(i,10000) = 0 THEN 
       COMMIT;
       START TRANSACTION;
     END IF;     
   END WHILE;    
   COMMIT;
END

执行学生表的存储过程：

CALL insert_student_data();

在特殊学生表中随机插入100条学生表中的id：

CREATE PROCEDURE insert_special_student()
BEGIN
  DECLARE i INT DEFAULT 0; 
  WHILE i < 100 DO
    INSERT INTO special_student (stu_id) VALUES (FLOOR(RAND()*1000000));  
    SET i = i + 1;   
  END WHILE;
END

执行特殊学生表的存储过程： 

CALL insert_special_student();

二、SQL优化案例详细介绍

2.1  返回必要的行

如果数量较大，可以使用 LIMIT 子句来限制返回的行数

select id,name from student limit 10

2.2  limit 优化

平日开发工作中，我们对于分页的处理一般是这样的：

SELECT * FROM student LIMIT 900000,10

执行结果如图所示： 

耗时0.56s。当id为自增的情况下可以进行优化，优化的SQL如下： 

SELECT * FROM student WHERE ID >= 900000 LIMIT 10

优化后执行结果如图所示：

耗时0.02s，速度提升很多！

2.3  返回必要的列，避免使用SELECT *，同时避免回表查询

有的时候，我们为了图方便，会直接使用SELECT * 一次性查出表中所有的数据：

SELECT * FROM student

执行结果如图所示：

可以看到，执行时间花了2s左右，耗时很长！

在实际开发中，我们给页面展示的数据可能就只要2-3个字段，如果直接全部查出来了，岂不是白白浪费了字段，同时也损耗了性能，这是因为SELECT * 不会走覆盖索引，会出现大量的回表操作，从而导致SQL性能大幅度降低。

我们上面建立了联合索引，我们就可以只查询索引列，这样会大幅度提升查询效率，优化的SQL如下：

SELECT name,address,phone FROM student

优化后执行结果如图所示：

耗时0.780s，速度提升很多！

2.4  or连接的条件（注意）

当使用OR操作符将多个条件组合在一起时，如果其中一个条件的列没有索引，那么涉及的索引不会被用到。

为了解决这个问题，可以考虑以下方案：

• 确保所有涉及的条件列都有适当的索引，以提高查询性能。
• 对于大型表，可以考虑重构查询，将OR操作符拆分成多个独立的查询，并使用UNION或UNION ALL来合并结果。这样可以确保每个子查询都能够使用适当的索引，并避免OR操作符导致的索引失效问题。

2.5  避免使用or条件，使用UNION或UNION ALL替代（有争议）

如果我们要查询指定的性别或者指定的身份证号码的学生，执行SQL如下：

SELECT * FROM student WHERE sex = 0 OR id_card = '7121877527789'

执行结果如图所示：

总共查询了近50w条数据，耗时1.4s左右，我们改用UNION ALL关键字查询：

SELECT * FROM student WHERE sex = 0 
UNION ALL 
SELECT * FROM student WHERE id_card = '7121877527789'

改用后执行结果如图所示：

速度没有提升，反而慢了，故有争议

分析SQL： 

使用EXPLAIN关键字分析一下使用OR关键字的这段SQL：

EXPLAIN SELECT * FROM student WHERE SEX = 0 OR id_card = '7121877527789'

执行结果如图所示： 

很明显，虽然可能会用到建立id_card的索引，正因为sex这个字段没有建立索引，还是走了一次全表扫描。

使用EXPLAIN关键字执行这段SQL：

EXPLAIN
SELECT * FROM student WHERE sex = 0 
UNION ALL 
SELECT * FROM student WHERE id_card = '7121877527789'

执行结果如图所示：

很明显条件是sex的走了全表，但是id_card走了索引，所以依旧还是走了一次全表扫描，所以网上说的关于UNION ALL代替OR的，我这边实测感觉还是存在争议的！

2.6  非必要情况下，慎用UNION关键字，使用UNION ALL替代

例如我们根据性别去查询所有学生的信息，虽然这种操作多此一举，直接SELECT *就好了，为了演示这2个关键字的详细区别，使用UNION关键字执行的SQL如下：

SELECT * FROM student WHERE sex = 0
UNION 
SELECT * FROM student WHERE sex = 1

执行结果如图所示： 

查了100w条足足整整等了32s左右，这个速度要是放到系统上，查个数据等到娃娃菜都凉了！

这是因为在使用UNION执行完SQL后，会帮我们获取所有数据并去掉重复的数据，性能的损耗就在这里，而UNION ALL和UNION相反，帮我们获取所有数据但会保留重复的数据。

我们改用UNION ALL关键字，优化的SQL如下：

SELECT * FROM student WHERE sex = 0
UNION ALL
SELECT * FROM student WHERE sex = 1

替换后执行结果如图所示：

同样查询100w条数据，这边执行速度大大提高了，只用到了3s左右！ 

速度提升很多！

2.7  LIKE语句优化

平时我们日常开发用到的LIKE关键字进行模糊匹配会非常多，但是有的情况会使索引失效，导致查询效率变慢，例如：

只要身份证字段包含50就查出来，执行SQL如下：

SELECT * FROM student WHERE id_card like '%50%'

执行结果如图所示：

用了0.8s左右。

只要身份证号码以50结尾就查出来，执行SQL如下：

SELECT * FROM student WHERE id_card like '%50'

执行结果如图所示：

用了0.4s左右。

只要身份证号码以50开头的就查出来，执行SQL如下：

SELECT * FROM student WHERE id_card like '50%'

执行结果如图所示：

这次执行非常快，0.08s左右。

分析SQL：

使用EXPLAIN关键字执行这段SQL：

EXPLAIN SELECT * FROM student WHERE id_card like '%50%'

执行结果如图所示：

很明显走了全表扫描！

使用EXPLAIN关键字执行这段SQL：

EXPLAIN SELECT * FROM student WHERE id_card like '%50'

执行结果如图所示：

依旧走了全表扫描！

使用EXPLAIN关键字执行这段SQL：

EXPLAIN SELECT * FROM student WHERE id_card like '50%'

执行结果如图所示：

这次便走了索引！速度快很多

2.8  尽量避免使用!=，导致索引失效

尽量避免使用!=或<>操作符，下面直接分析SQL：

SQL分析：

使用EXPLAIN关键字执行这段SQL：

EXPLAIN SELECT * FROM student WHERE id_card != '5031520645'

执行结果如图所示：

虽然我们给了id_card字段建立了索引，但还是走了全表扫描！

2.9  尽量避免使用NULL值，IS NOT NULL会导致索引失效，IS NULL则不会

为了确保没有NULL值，我们可以设定一个默认值，下面直接分析SQL：

SQL分析：

使用EXPLAIN关键字执行这段SQL：

EXPLAIN SELECT * FROM student WHERE id_card IS NOT NULL

 执行结果如图所示：

依旧还是走了全表扫描。

使用EXPLAIN关键字执行这段SQL：

EXPLAIN SELECT * FROM student WHERE id_card IS NULL

执行结果如图所示：

这样是走索引的！

2.10  使用小表驱动大表 ，避免大表驱动小表

言简意赅，意思就是让小表查出来的数据去再查询大表当中的数据。比如我们想查询学生表当中特殊学生的信息，我们就可以使用以special_student这个小表去驱动student这个大表，SQL如下：

SELECT * FROM student WHERE id 
IN (SELECT stu_id FROM special_student)

执行结果如图所示：

只用了0.02s，速度很可观！因为IN关键字中的子查询语句，子查询语句的数据量很少，所以查询速度会很快！

2.11  避免字符串不加引号，导致索引失效

如果在查询条件或创建索引时字符串没有加上引号，会导致索引失效。

查询指定的身份证号码的学生，如果我们平时疏忽了给身份证号码加上单引号，执行SQL如下：

SELECT * FROM student WHERE id_card = 5040198345

执行结果如图所示：

耗时0.4s左右。

给身份证号码加上单引号，优化的SQL如下：

SELECT * FROM student WHERE id_card = '5040198345'

执行结果如图所示：

耗时0.02s左右，这次明显快多了！

分析SQL：

使用EXPLAIN关键字执行这段SQL：

EXPLAIN SELECT * FROM student WHERE id_card = 5040198345

执行结果如图所示：

可能用到了id_card的索引，但是还是走了全表扫描！

使用EXPLAIN关键字执行这段SQL：

EXPLAIN SELECT * FROM student WHERE id_card = '5040198345'

执行结果如图所示： 

加上引号，走了索引，速度快了很多！

2.12  避免对索引列上字段操作，导致索引失效

为了避免索引失效的问题，应该尽量避免在查询条件或者索引创建时对索引列进行运算。如果确实需要使用运算，可以考虑以下解决方案：

• 对索引列进行逆转运算：如果运算是可逆的，可以通过将运算应用到查询参数上，而不是索引列上来维持索引的有效性。
• 使用函数索引：某些数据库管理系统提供了函数索引的功能，可以根据特定的函数操作创建索引，以满足特定的查询需求。

2.13  遵循最左匹配原则（重要）

上面我们按照name，address和phone这个顺序建立了复合索引，相当于建立了（name），（name、address）和（name、address、phone）三个索引，如果我们查询的where条件违背了建立的顺序，则复合索引就失效了，下面直接进行SQL分析：

分析SQL：

使用EXPLAIN关键字执行这段SQL：

EXPLAIN SELECT * FROM student WHERE name = '姓名_4' and phone = '7121877527' and address = '地址_4'

执行结果如图：

为什么明明违背了最左匹配原则，依旧还是走了复合索引呢？可能是如下原因：

1、通过索引过滤性能足够好，所以还是选择利用索引。

2、联合索引中前几个字段过滤效果较好，所以仍然选择利用索引。

可能的执行计划大概是：

1、优先通过phone字段过滤，将要扫描的记录减少一部分。
2、然后通过address字段继续过滤,再减少一部分记录。
3、最后通过name字段过滤,已经剩下很少的记录需要扫描。
4、尽管违反了最左匹配，解释器可能认为仍然利用索引效率比较高。

所以总的来说，就是解释器会根据实际情况进行权衡，即使是违反最左匹配原则，也可能会选择利用索引。但这并不是一个良好的查询优化，最好还是严格遵守最左匹配原则。

以下是严格遵守最左匹配原则的SQL：

SELECT * FROM student WHERE name = '姓名_4' 
SELECT * FROM student WHERE name = '姓名_4' and address = '地址_4' 
SELECT * FROM student WHERE name = '姓名_4' and address = '地址_4' and phone = '7121877527' 

2.14  提升GROUP BY的效率

我们平日写SQL需要多多少少会使用GROUP BY关键字，它主要的功能是去重和分组。 通常它会跟HAVING一起配合使用，表示分组后再根据一定的条件过滤数据，常规执行的SQL如下：

SELECT age,COUNT(1) FROM student GROUP BY age HAVING age > 18

执行结果如图所示：

耗时总计0.53s左右，不过还可以进行优化，我们可以在分组之前缩小筛选的范围，然后再进行分组，优化的SQL如下：

SELECT age,COUNT(1) FROM student where age > 18 GROUP BY age 

执行结果如图所示：

耗时0.51s左右，虽然不明显，也是一种不错的思路。