mysql嵌套查询和联表查询优化方法

学习笔记 2019/08/28 MYSQL

嵌套查询糟糕的优化
在上面我提到过,不考虑特殊的情况,联表查询要比嵌套查询更有效。尽管两条查询表达的是同样的意思,尽管你的计划是告诉服务器要做什么,然后让它决定怎么做,但有时候你非得告诉它改怎么做。否则优化器可能会做傻事。我最近就碰到这样的情况。这几个表是三层分级关系:category, subcategory和item。有几千条记录在category表,几百条记录在subcategory表,以及几百万条在item表。你可以忽略category表了,我只是交代一下背景,以下查询语句都不涉及到它。这是创建表的语句:

[sql]

代码如下:

create table subcategory (  
    id int not null primary key,  
    category int not null,  
    index(category)  
) engine=InnoDB;  

create table item(  
    id int not null auto_increment primary key,  
    subcategory int not null,  
    index(subcategory)  
) engine=InnoDB;


 


我又往表里面填入一些样本数据   

[sql]

代码如下:

insert into subcategory(id, category)  
    select i, i/100 from number  
    where i <= 300000;  

insert into item(subcategory)  
    select id  
    from (  
        select id, rand() * 20 as num_rows from subcategory  
    ) as x  
        cross join number  
    where i <= num_rows;  

create temporary table t as  
    select subcategory from item  
    group by subcategory  
    having count(*) = 19  
    limit 100;  

insert into item (subcategory)  
    select subcategory  
    from t  
        cross join number  
    where i < 2000;


 

再次说明,这些语句运行完需要一点时间,不适合放在产品环境中运行。思路是往item里插入随机行数的数据,这样subcategory就有1到2018之间个item。这不是实际中的完整数据,但效果一样。

我想找出某个category中item数大于2000的全部subcategory。首先,我找到一个subcategory item数大于2000的,然后把它的category用在接下来的查询中。这是具体的查询语句:

[sql]

代码如下:

select c.id  
from subcategory as c  
    inner join item as i on i.subcategory = c.id  
group by c.id  
having count(*) > 2000;  

-- choose one of the results, then  
select * from subcategory where id = ????  
-- result: category = 14



我拿到一个合适的值14,在以下的查询中会用到它。这是用来查询category 14 中所有item数大于2000的subcategory的语句:

[sql]

代码如下:

select c.id  
from subcategory as c  
    inner join item as i on i.subcategory = c.id  
where c.category = 14  
group by c.id  
having count(*) > 2000;



在我的样例数据里,查询的结果有10行记录,而且只用10多秒就完成了。EXPLAIN显示出很好地使用了索引;从数据的规模来看,相当不错了。查询计划是在索引上遍历并计算出目标记录。目前为止,非常好。

这回假设我要从subcategory取出全部的字段。我可以把上面的查询当成嵌套,然后用JOIN,或者SELECT MAX之类(既然分组集对应的值都是唯一的),但也写成跟下面的一样的,有木有?

[sql]

代码如下:

select * from subcategory  
where id in (  
    select c.id  
    from subcategory as c  
        inner join item as i on i.subcategory = c.id  
    where c.category = 14  
    group by c.id  
    having count(*) > 2000  
);



跑完这条查询估计要从破晓到夕阳沉入大地。我不知道它要跑多久,因为我没打算让它无休止地跑下去。你可能认为,单从语句上理解,它会:a)计算出里面的查询,找出那10个值,b)继续找出那10条记录,并且在primary索引上去找会非常地快。错,这是实际上的查询计划:

[sql]

代码如下:

*************************** 1. row ***************************  
           id: 1  
  select_type: PRIMARY  
        table: subcategory  
         type: ALL  
possible_keys: NULL  
          key: NULL  
      key_len: NULL  
          ref: NULL  
         rows: 300783  
        Extra: Using where  
*************************** 2. row ***************************  
           id: 2  
  select_type: DEPENDENT SUBQUERY  
        table: c  
         type: ref  
possible_keys: PRIMARY,category  
          key: category  
      key_len: 4  
          ref: const  
         rows: 100  
        Extra: Using where; Using index; Using temporary; Using filesort  
*************************** 3. row ***************************  
           id: 2  
  select_type: DEPENDENT SUBQUERY  
        table: i  
         type: ref  
possible_keys: subcategory  
          key: subcategory  
      key_len: 4  
          ref: c.id  
         rows: 28  
        Extra: Using index



如何你不熟悉如何分析mysql的语句查询计划,请看大概意思:mysql计划从外到内执行查询,而不是从内到外。我会一个一个地介绍查询的每个部分。

外面的查询简单地变成了SELECT * FROM subcategory。虽然里面的查询对subcategory有个约束(WHERE category = 14),但出于某些原因mysql没有将它作用于外面的查询。我不知道是神马原因。我只知道它扫描了整张表(这就是 type:ALL 表示的意思),并且没有使用任何的索引。这是在10几万行记录的表上扫描。

在外面的查询,对每行都执行一次里面的查询,尽管没有值被里面的查询使用到,因为里面的查询被“优化”成引用外面的查询。照此分析,查询计划变成了嵌套循环。外面的查询的每一次循环,都执行一次里面的查询。下面就是优化器重写后的查询计划:

[sql]

代码如下:

select * from subcategory as s  
where <in_optimizer>(  
   s.id,<exists>(  
   select c.id  
   from subcategory as c  
      join item as i  
   where ((i.subcategory = c.id) and (c.category = 14))  
   group by c.id  
   having ((count(0) > 2000)  
      and (<cache>(s.id) = <ref_null_helper>(c.id))))  
)


你可以通过在EXPLAIN EXTENDED 后面带上SHOW WARNINGS 得到优化后的查询。请留意在HAVING子句中指向的外部域。

我举这个例子并非有意抨击mysql的优化策略。众所皆知mysql在有些情况下还不能很好地优化嵌套查询,这个问题已经被广泛报告过。我想指出的是,开发者有必要检查查询语句确保它们不是被糟糕地优化。大多数情况下,安全起见若非是非必要,避免使用嵌套——尤其是WHERE...IN() 和 WHERE...NOT IN语句。

我自己的原则是“有疑问,EXPLAIN看看”。如果面对的是一个大数据表,我会自然而然地产生疑问。

如何强制里面的查询先执行
上一节中的语句撞板只因为mysql把它当成相关的语句从外到里地执行,而不是当成不相关语句从里到外执行。让mysql先执行里面的查询也是有办法的,当成临时表来实现,从而避免巨大的性能开销。

mysql从临时表来实现嵌套查询(某种程度上被讹传的衍生表)。这意味着mysql先执行里面的查询,并且把结果储存在临时表中,然后在其他的表里用到它。这就是我写这个查询时所期待的执行方式。查询语句修改如下:   
[sql]

代码如下:

select * from subcategory  
where id in (  
    select id from (  
        select c.id  
        from subcategory as c  
            inner join item as i on i.subcategory = c.id  
        where c.category = 14  
        group by c.id  
        having count(*) > 2000  
    ) as x  
);



我所做的就是把嵌套包着原来的嵌套查询。mysql会认为最里面是一个独立的嵌套查询先执行,然后现在只剩下包着外面的嵌套,它已经被装进一个临时表里,只有少量记录,因此要快很多。依此分析,这是相当笨的优化办法;倒不如把它重写成join方式。再说,免得被别人看到,当成多余代码清理掉。

有些情况可以使用这种优化方法,比如mysql抛出错误,嵌套查询的表在其他地方被修改(译注:另一篇文章 MySQL SELECT同时UPDATE同一张表 )。不幸的是,对于临时表只能在查询语句中使用一次的情况,这种方法就无能为力了。

本文地址:https://stayed.cn/item/146

转载请注明出处。

本站部分内容来源于网络,如侵犯到您的权益,请 联系我

我的博客

人生若只如初见,何事秋风悲画扇。