15 張圖破局，慢 SQL

今天和大家聊一個常見的問題：慢 SQL。

通過本文你將瞭解到以下內容：

• 慢 SQL 的危害

• SQL 語句的執行過程

• 存儲引擎和索引的那些事兒

• 慢 SQL 解決之道

後續均以 MySQL 默認存儲引擎 InnoDB 爲例進行展開，話不多說，開搞！

1. 慢 SQL 的危害

慢 SQL，就是跑得很慢的 SQL 語句，你可能會問慢 SQL 會有啥問題嗎？

試想一個場景：

大白和小黑端午出去玩，機票太貴於是買了高鐵，火車站的人真是烏央烏央的。

馬上檢票了，大白和小黑準備去廁所清理下庫存，坑位不多，排隊的人還真不少。

小黑髮現其中有 3 個坑的乘客賊慢，其他 2 個坑位換了好幾波人，這 3 位坑主就是不出來。

等在外面的大夥，心裏很是不爽，長期佔用公共資源，後面的人沒法用。

小黑苦笑道：這不就是廁所版的慢 SQL 嘛！

這是實際生活中的例子，換到 MySQL 服務器也是一樣的，畢竟科技源自生活嘛。

MySQL 服務器的資源 (CPU、IO、內存等) 是有限的，尤其在高併發場景下需要快速處理掉請求，否則一旦出現慢 SQL 就會阻塞掉很多正常的請求，造成大面積的失敗 / 超時等。

2.SQL 語句執行過程

客戶端和 MySQL 服務端的交互過程簡介：

1. 客戶端發送一條 SQL 語句給服務端，服務端的連接器先進行賬號 / 密碼、權限等環節驗證，有異常直接拒絕請求。

2. 服務端查詢緩存，如果 SQL 語句命中了緩存，則返回緩存中的結果，否則繼續處理。

3. 服務端對 SQL 語句進行詞法解析、語法解析、預處理來檢查 SQL 語句的合法性。

4. 服務端通過優化器對之前生成的解析樹進行優化處理，生成最優的物理執行計劃。

5. 將生成的物理執行計劃調用存儲引擎的相關接口，進行數據查詢和處理。

6. 處理完成後將結果返回客戶端。

客戶端和 MySQL 服務端的交互過程簡圖：

俗話說 "條條大路通羅馬"，優化器的作用就是找到這麼多路中最優的那一條。

存儲引擎更是決定 SQL 執行的核心組件，適當瞭解其中原理十分有益。

3. 存儲引擎和索引的那些事兒

3.1 存儲引擎

InnoDB 存儲引擎 (Storage Engine) 是 MySQL 默認之選，所以非常典型。

存儲引擎的主要作用是進行數據的存取和檢索，也是真正執行 SQL 語句的組件。

InnoDB 的整體架構分爲兩個部分：內存架構和磁盤架構，如圖：

存儲引擎的內容非常多，並不是一篇文章能說清楚的，本文不過多展開，我們在此只需要瞭解內存架構和磁盤架構的大致組成即可。

InnoDB 引擎是面向行存儲的，數據都是存儲在磁盤的數據頁中，數據頁裏面按照固定的行格式存儲着每一行數據。

行格式主要分爲四種類型 Compact、Redundant、Dynamic 和 Compressed，默認爲 Compact 格式。

磁盤預讀機制和局部性原理

當計算機訪問一個數據時，不僅會加載當前數據所在的數據頁，還會將當前數據頁相鄰的數據頁一同加載到內存，磁盤預讀的長度一般爲頁的整倍數，從而有效降低磁盤 IO 的次數。

磁盤和內存的交互

MySQL 中磁盤的數據需要被交換到內存，才能完成一次 SQL 交互，大致如圖：

• 扇區是硬盤的讀寫的基本單位，通常情況下每個扇區的大小是 512B

• 磁盤塊文件系統讀寫數據的最小單位，相鄰的扇區組合在一起形成一個塊，一般是 4KB

• 頁是內存的最小存儲單位，頁的大小通常爲磁盤塊大小的 2^n 倍

• InnoDB 頁面的默認大小是 16KB，是數倍個操作系統的頁

隨機磁盤 IO

MySQL 的數據是一行行存儲在磁盤上的，並且這些數據並非物理連續地存儲，這樣的話要查找數據就無法避免隨機在磁盤上讀取和寫入數據。

對於 MySQL 來說，當出現大量磁盤隨機 IO 時，大部分時間都被浪費到尋道上，磁盤呼嚕呼嚕轉，就是傳輸不了多少數據。

一次磁盤訪問由三個動作組成：

• 尋道：磁頭移動定位到指定磁道

• 旋轉：等待指定扇區從磁頭下旋轉經過

• 數據傳輸：數據在磁盤與內存之間的實際傳輸

對於存儲引擎來說，如何有效降低隨機 IO 是個非常重要的問題。

3.2 索引

可以實現增刪改查的數據結構非常多，包括：哈希表、二叉搜索樹、AVL、紅黑樹、B 樹、B + 樹等，這些都是可以作爲索引的候選數據結構。

結合 MySQL 的實際情況：磁盤和內存交互、隨機磁盤 IO、排序和範圍查找、增刪改的複雜度等等，綜合考量之下 B + 樹脫穎而出。

B + 樹作爲多叉平衡樹，對於範圍查找和排序都可以很好地支持，並且更加矮胖，訪問數據時的平均磁盤 IO 次數取決於樹的高度，因此 B + 樹可以讓磁盤的查找次數更少。

在 InnoDB 中 B + 樹的高度一般都在 2~4 層，並且根節點常駐內存中，也就是說查找某值的行記錄時最多隻需要 1~3 次磁盤 I/O 操作。

MyISAM 是將數據和索引分開存儲的，InnoDB 存儲引擎的數據和索引沒有分開存儲，這也就是爲什麼有人說 Innodb 索引即數據，數據即索引，如圖：

說到 InnoDB 的數據和索引的存儲，就提到一個名詞：聚集索引。

聚集索引

聚集索引將索引和數據完美地融合在一起，是每個 Innodb 表都會有的一個特殊索引，一般來說是藉助於表的主鍵來構建的 B + 樹。

假設我們有 student 表，將 id 作爲主鍵索引，那麼聚集索引的 B + 樹結構，如圖：

• 非葉子節點不存數據，只有主鍵和相關指針

• 葉子節點包含主鍵、行數據、指針

• 葉子節點之間由雙向指針串聯形成有序雙向鏈表，葉子節點內部也是有序的

聚集索引按照如下規則創建：

• 有主鍵時 InnoDB 利用主鍵來生成

• 沒有主鍵，InnoDB 會選擇一個非空的唯一索引來創建

• 無主鍵且非 NULL 唯一索引時，InnoDB 會隱式創建一個自增的列來創建

假如我們要查找 id=10 的數據，大致過程如下：

• 索引的根結點在內存中，10>9 因此找到 P3 指針

• P3 指向的數據並沒有在內存中，因此產生 1 次磁盤 IO 讀取磁盤塊 3 到內存

• 在內存中對磁盤塊 3 進行二分查找，找到 ID=9 的全部值

非聚集索引

非聚集索引的葉子節點中存放的是二級索引值和主鍵鍵值，非葉子節點和葉子節點都沒有存儲整行數據值。

假設我們有 student 表，將 name 作爲二級索引，那麼非聚集索引的 B + 樹結構，如圖：

由於非聚集索引的葉子節點沒有存儲行數據，如果通過非聚集索引來查找非二級索引值，需要分爲兩步：

• 第一：通過非聚集索引的葉子節點來確定數據行對應的主鍵

• 第二：通過相應的主鍵值在聚集索引中查詢到對應的行記錄

我們把通過非聚集索引找到主鍵值，再根據主鍵值從聚集索引找對於行數據的過程稱爲：回表查詢。

換句話說：select * from student where name = 'Bob' 將產生回表查詢，因爲在 name 索引的葉子節點沒有其他值，只能從聚集索引獲得。

所以如果查找的字段在非聚集索引就可以完成，就可以避免一次回表過程，這種稱爲：覆蓋索引，所以 select * 並不是好習慣，需要什麼拿什麼就好。

假如我們要查找 name=Tom 的記錄的所有值，大致過程如下：

• 從非聚集索引開始，根節點在內存中，按照 name 的字典序找到 P3 指針

• P3 指針所指向的磁盤塊不在內存中，產生 1 次磁盤 IO 加載到內存

• 在內存中對磁盤塊 3 的數據進行搜索，獲得 name=tom 的記錄的主鍵值爲 4

• 根據主鍵值 4 從聚集索引的根節點中獲得 P2 指針

• P2 指針所指向的磁盤塊不在內存中，產生第 2 次磁盤 IO 加載到內存

• 將上一步獲得的數據，在內存中進行二分查找獲得全部行數據

上述查詢就包含了一次回表過程，因此性能比主鍵查詢慢了一倍，因此儘量使用主鍵查詢，一次完事。

4. 慢 SQL 解決思路

出現慢 SQL 的原因很多，我們拋開單表數億記錄和無索引的特殊情況，來討論一些更有普遍意義的慢 SQL 原因和解決之道。

我們從兩個方面來進行闡述：

• 數據庫表索引設置不合理

• SQL 語句有問題，需要優化

4.1 索引設置原則

程序員的角度和存儲引擎的角度是不一樣的，索引寫的好，SQL 跑得快。

• 索引區分度低

假如表中有 1000w 記錄，其中有 status 字段表示狀態，可能 90% 的數據 status=1，可以不將 status 作爲索引，因爲其對數據記錄區分度很低。

• 切忌過多創建索引

每個索引都需要佔用磁盤空間，修改表數據時會對索引進行更新，索引越多，更新越複雜。

因爲每添加一個索引，.ibd 文件中就需要多維護一個 B+Tree 索引樹，如果某一個 table 中存在 10 個索引，那麼就需要維護 10 棵 B+Tree，寫入效率會降低，並且會浪費磁盤空間。

• 常用查詢字段建索引

如果某個字段經常用來做查詢條件，那麼該字段的查詢速度會影響整個表的查詢速度，屬於熱門字段，爲其建立索引非常必要。

• 常排序 / 分組 / 去重字段建索引

對於需要經常使用 ORDER BY、GROUP BY、DISTINCT 和 UNION 等操作的字段建立索引，可以有效藉助 B + 樹的特性來加速執行。

• 主鍵和外鍵建索引

主鍵可以用來創建聚集索引，外鍵也是唯一的且常用於表關聯的字段，也需要建索引來提高性能。

4.2 SQL 的優化

如果數據庫表的索引設置比較合理，SQL 語句書寫不當會造成索引失效，甚至造成全表掃描，迅速拉低性能。

索引失效

我們在寫 SQL 的時候在某些情況下會出現索引失效的情況：

• 對索引使用函數

select id from std upper(name) = 'JIM';

• 對索引進行運算

select id from std where id+1=10;

• 對索引使用 <> 、not in 、not exist、!=

select id from std where name != 'jim';

• 對索引進行前導模糊查詢

select id from std name like '%jim';

• 隱式轉換會導致不走索引

比如：字符串類型索引字段不加引號，select id from std name = 100; 保持變量類型與字段類型一致

• 非索引字段的 or 連接

並不是所有的 or 都會使索引失效，如果 or 連接的所有字段都設置了索引，是會走索引的，一旦有一個字段沒有索引，就會走全表掃描。

• 聯合索引僅包含複合索引非前置列

聯合索引包含 key1，key2，key3 三列，但 SQL 語句沒有 key1，根據聯合索引的最左匹配原則，不會走聯合索引。
select name from table where key2=1 and key3=2;

好的建議

• 使用連接代替子查詢

對於數據庫來說，在絕大部分情況下，連接會比子查詢更快，使用連接的方式，MySQL 優化器一般可以生成更佳的執行計劃，更高效地處理查詢
而子查詢往往需要運行重複的查詢，子查詢生成的臨時表上也沒有索引， 因此效率會更低。

• LIMIT 偏移量過大的優化

禁止分頁查詢偏移量過大，如 limit 100000,10

• 使用覆蓋索引
  減少 select * 藉助覆蓋索引，減少回表查詢次數。

• 多表關聯查詢時，小表在前，大表在後

在 MySQL 中，執行 from 後的表關聯查詢是從左往右執行的，第一張表會涉及到全表掃描，所以將小表放在前面，先掃小表，掃描快效率較高，在掃描後面的大表，或許只掃描大表的前 100 行就符合返回條件並 return 了。

• 調整 Where 字句中的連接順序

MySQL 採用從左往右的順序解析 where 子句，可以將過濾數據多的條件放在前面，最快速度縮小結果集。

• 使用小範圍事務，而非大範圍事務

• 遵循最左匹配原則

• 使用聯合索引，而非建立多個單獨索引

4.3 慢 SQL 的分析

在分析慢 SQL 之前需要通過 MySQL 進行相關設置：

• 開啓慢 SQL 日誌

• 設置慢 SQL 的執行時間閾值

開啓：SET GLOBAL slow_query_log = 1;
開啓狀態：SHOW VARIABLES LIKE '%slow_query_log%';
設置閾值：SET GLOBAL long_query_time=3;
查看閾值：SHOW GLOBAL VARIABLES LIKE 'long_query_time%';

explain 分析 SQL

explain 命令只需要加在 select 之前即可，例如:

explain select * from std where id < 100;

該命令會展示 sql 語句的詳細執行過程，幫助我們定位問題，網上關於 explain 的用法和講解很多，本文不再展開。

5. 小結

本文從慢 SQL 的危害、Innodb 存儲引擎、聚集索引、非聚集索引、索引失效、SQL 優化、慢 SQL 分析等角度進行了闡述。

MySQL 的很多知識點都非常複雜，並非一兩篇文章能講清楚的，因此本文在很多地方顯得很單薄，好在網上資料非常多。

如果本文能在某些方面對讀者有所啓發，足矣。

本文由 Readfog 進行 AMP 轉碼，版權歸原作者所有。
來源：https://mp.weixin.qq.com/s/fCk-uZyi5k1hKwrURZNe7A