【MySQL技术专题】「优化技术系列」常用SQL的优化方案和技术思路
ztj100 2025-05-05 20:17 57 浏览 0 评论
概述
前面我们介绍了MySQL中怎么样通过索引来优化查询。日常开发中,除了使用查询外,我们还会使用一些其他的常用SQL,比如 INSERT、GROUP BY等。对于这些SQL语句,我们该怎么样进行优化呢?本节将针对这些SQL语句介绍一些优化的方法。
优化INSERT语句
当进行数据INSERT的时候,可以考虑采用以下几种优化方式:
如果同时从同一客户插入很多行,尽量使用多个值表的INSERT语句,这种方式将大大缩减客户端与数据库之间的连接、关闭等消耗,使得效率比分开执行的单个INSERT语句快(在一些情况中几倍)。下面是一次插入多值的一个例子:
insert into test values(1,2),(1,3),(1,4)…
- 如果从不同客户插入很多行,能通过使用INSERT DELAYED语句得到更高的速度。DELAYED的含义是让INSERT语句马上执行,其实数据都被放在内存的队列中,并没有真正写入磁盘,这比每条语句分别插入要快的多;LOW_PRIORITY刚好相反,在所有其他用户对表的读写完后才进行插入;
- 将索引文件和数据文件分在不同的磁盘上存放(利用建表中的选项);
- 如果进行批量插入,可以增加bulk_insert_buffer_size变量值的方法来提高速度。但是,这只能对MyISAM表使用;
- 当从一个文本文件装载一个表时,使用LOAD DATA INFILE。这通常比使用很多INSERT语句快20倍。
优化GROUP BY语句
默认情况下,MySQL对所有GROUP BY col1,col2….的字段进行排序。这与在查询中指定ORDER BY col1,col2…类似。因此,如果显式包括一个包含相同的列的ORDER BY子句,则对MySQL的实际执行性能没有什么影响。如果查询包括GROUP BY,但用户想要避免排序结果的消耗,则可以指定ORDER BY NULL禁止排序,如下面的例子:
EXPLAIN SELECT StockType,SUM(StockQty) FROM goods_stock GROUP BY StockType;
EXPLAIN SELECT StockType,SUM(StockQty) FROM goods_stock GROUP BY StockType ORDER BY NULL;
从上面的例子可以看出第一个SQL语句需要进行“filesort”,而第二个SQL由于ORDER BY NULL不需要进行“filesort”,而filesort往往非常耗费时间。
优化ORDER BY语句
MySQL可以使用一个索引来满足ORDER BY子句,而不需要额外的排序。WHERE条件和ORDER BY使用相同的索引,并且ORDER BY的顺序和索引顺序相同,并且ORDER BY的字段都是升序或者都是降序。
例如下列SQL可以使用索引:
EXPLAIN SELECT * FROM goods_stock WHERE Model='LM358' ORDER BY Model,LotNO;
但是在以下几种情况下则不使用索引:
1.order by 后面跟的排序方式不一致
EXPLAIN SELECT * FROM goods_stock ORDER BY Model DESC,LotNO ASC;
2.where条件后面跟着的查询条件和order by 排序的条件不一致
EXPLAIN SELECT * FROM goods_stock WHERE LotNO=2020 ORDER BY Model;
3.单纯加入order by 不加入where条件做过滤
EXPLAIN SELECT * FROM goods_stock ORDER BY Model,LotNO;
优化嵌套查询
MySQL支持SQL子查询。可以使用SELECT语句来创建单列的查询结果,然后把这个结果作为过滤条件用在另一个查询中。
> 使用子查询可以一次性地完成很多逻辑上需要多个步骤才能完成的SQL操作,同时也可以避免事务或者表锁死,并且写起来也很容易。但是,有些情况下,子查询可以被更有效率的连接(JOIN)替代。在下面的例子中,要从goods_stock表中找到那些在goods_stock_price表中不存在阶梯价格的库存: |
sql EXPLAIN SELECT * FROM goods_stock WHERE StockGUID NOT IN (SELECT StockGUID FROM goods_stock_price); |
> 从上面执行计划可以看到goods_stock表是走了全表扫描的,goods_stock、goods_stock_price表查询结果是在内存上创建临时表存储的,如果使用连接(JOIN)来完成这个查询工作,速度将会快很多。尤其是当goods_stock_price表中对 goods_stock.StockGUID建有索引的话,性能将会更好,具体查询如下: |
sql EXPLAIN SELECT s.* FROM goods_stock AS s LEFT JOIN goods_stock_price AS sp ON s.StockGUID=sp.StockGUID WHERE sp.StockGUID IS NOT NULL; |
(此部分可以走内连接,在这不做重复说明了!) |
从执行计划中可以明显看出查询扫描的记录范围和使用索引的情况都有了很大的改善。连接(JOIN)之所以更有效率一些,是因为MySQL不需要在内存中创建临时表来完成这个逻辑上的需要两个步骤的查询工作。
MySQL如何优化OR条件
对于含有OR的查询子句,如果要利用索引,则OR之间的每个条件列都必须用到索引;如果没有索引,则应该考虑增加索引。例如,首先使用show index命令查看goods_stock表的索引,可知它有3个非聚集索引,在StockGUID、LotNO两个字段上分别有1个独立的索引,在Model和Brand字段上有1个复合索引。
SHOW INDEX FROM goods_stock;
然后在两个独立索引上面做OR操作,具体如下:
EXPLAIN SELECT * FROM goods_stock WHERE LotNO='2020' OR StockGUID='werer-1weq-hdf1-qgqq';
使用SQL提示
SQL提示(SQL HINT)是优化数据库的一个重要手段,简单来说就是在SQL语句中加入一些人为的提示来达到优化操作的目的。下面是一个使用SQL提示的例子:
SELECT SQL_BUFFER_RESULTS * FROM...
这个语句将强制MySQL生成一个临时结果集。只要临时结果集生成后,所有表上的锁定均被释放。这能在遇到表锁定问题时或要花很长时间将结果传给客户端时有所帮助,因为可以尽快释放锁资源。下面是一些在MySQL中常用的SQL提示。
USE INDEX
在查询语句中表名的后面,添加USE INDEX来提供希望MySQL去参考的索引列表,就可以让MySQL不再考虑其他可用的索引:
EXPLAIN SELECT * FROM goods_stock USE INDEX (idx_stock_3) WHERE LotNO='2020';
## IGNORE INDEX 如果用户只是单纯地想让MySQL忽略一个或者多个索引,则可以使用IGNORE INDEX作为HINT。同样是上面的例子,这次来看一下查询过程忽略索引idx_stock_3的情况:
EXPLAIN SELECT * FROM goods_stock IGNORE INDEX (idx_stock_3) WHERE LotNO='2020';
从执行计划可以看出,系统忽略了指定的索引,而使用了全表扫描。
FORCE INDEX
为强制MySQL使用一个特定的索引,可在查询中使用FORCE INDEX作为HINT。例如,当不强制使用索引的时候,因为
goods_stock_price.GoodsStockID(已加索引)的值都是大于0的,因此MySQL会默认进行全表扫描,而不使用索引,如下所示:
EXPLAIN SELECT * FROM goods_stock_price WHERE GoodsStockID>0;
但是,当使用FORCE INDEX进行提示时,即便使用索引的效率不是最高,MySQL还是选择使用了索引,这是MySQL留给用户的一个自行选择执行计划的权力。加入FORCE INDEX提示后再次执行上面的SQL:
EXPLAIN SELECT * FROM goods_stock_price FORCE INDEX(idx_stock_price_1) WHERE GoodsStockID>0;
果然,执行计划中使用了FORCE INDEX后的索引。
总结
SQL优化问题是数据库性能优化最基础也是最重要的一个问题,实践表明很多数据库性能问题都是由不合适的SQL语句造成。本章通过实例描述了SQL优化的一般过程,从定位一个有性能问题的SQL语句到分析产生性能问题的原因,最后到采取什么措施优化SQL语句的性能。
相关推荐
- 其实TensorFlow真的很水无非就这30篇熬夜练
-
好的!以下是TensorFlow需要掌握的核心内容,用列表形式呈现,简洁清晰(含表情符号,<300字):1.基础概念与环境TensorFlow架构(计算图、会话->EagerE...
- 交叉验证和超参数调整:如何优化你的机器学习模型
-
准确预测Fitbit的睡眠得分在本文的前两部分中,我获取了Fitbit的睡眠数据并对其进行预处理,将这些数据分为训练集、验证集和测试集,除此之外,我还训练了三种不同的机器学习模型并比较了它们的性能。在...
- 机器学习交叉验证全指南:原理、类型与实战技巧
-
机器学习模型常常需要大量数据,但它们如何与实时新数据协同工作也同样关键。交叉验证是一种通过将数据集分成若干部分、在部分数据上训练模型、在其余数据上测试模型的方法,用来检验模型的表现。这有助于发现过拟合...
- 深度学习中的类别激活热图可视化
-
作者:ValentinaAlto编译:ronghuaiyang导读使用Keras实现图像分类中的激活热图的可视化,帮助更有针对性...
- 超强,必会的机器学习评估指标
-
大侠幸会,在下全网同名[算法金]0基础转AI上岸,多个算法赛Top[日更万日,让更多人享受智能乐趣]构建机器学习模型的关键步骤是检查其性能,这是通过使用验证指标来完成的。选择正确的验证指...
- 机器学习入门教程-第六课:监督学习与非监督学习
-
1.回顾与引入上节课我们谈到了机器学习的一些实战技巧,比如如何处理数据、选择模型以及调整参数。今天,我们将更深入地探讨机器学习的两大类:监督学习和非监督学习。2.监督学习监督学习就像是有老师的教学...
- Python 模型部署不用愁!容器化实战,5 分钟搞定环境配置
-
你是不是也遇到过这种糟心事:花了好几天训练出的Python模型,在自己电脑上跑得顺顺当当,一放到服务器就各种报错。要么是Python版本不对,要么是依赖库冲突,折腾半天还是用不了。别再喊“我...
- 神经网络与传统统计方法的简单对比
-
传统的统计方法如...
- 自回归滞后模型进行多变量时间序列预测
-
下图显示了关于不同类型葡萄酒销量的月度多元时间序列。每种葡萄酒类型都是时间序列中的一个变量。假设要预测其中一个变量。比如,sparklingwine。如何建立一个模型来进行预测呢?一种常见的方...
- 苹果AI策略:慢哲学——科技行业的“长期主义”试金石
-
苹果AI策略的深度原创分析,结合技术伦理、商业逻辑与行业博弈,揭示其“慢哲学”背后的战略智慧:一、反常之举:AI狂潮中的“逆行者”当科技巨头深陷AI军备竞赛,苹果的克制显得格格不入:功能延期:App...
- 时间序列预测全攻略,6大模型代码实操
-
如果你对数据分析感兴趣,希望学习更多的方法论,希望听听经验分享,欢迎移步宝藏公众号...
你 发表评论:
欢迎- 一周热门
- 最近发表
- 标签列表
-
- idea eval reset (50)
- vue dispatch (70)
- update canceled (42)
- order by asc (53)
- spring gateway (67)
- 简单代码编程 贪吃蛇 (40)
- transforms.resize (33)
- redisson trylock (35)
- 卸载node (35)
- np.reshape (33)
- torch.arange (34)
- npm 源 (35)
- vue3 deep (35)
- win10 ssh (35)
- vue foreach (34)
- idea设置编码为utf8 (35)
- vue 数组添加元素 (34)
- std find (34)
- tablefield注解用途 (35)
- python str转json (34)
- java websocket客户端 (34)
- tensor.view (34)
- java jackson (34)
- vmware17pro最新密钥 (34)
- mysql单表最大数据量 (35)