一次非常有意思的 SQL 优化经历

场景

我用的数据库是my5.6，下面简单的介绍下场景

课程表：

create table Course(

c_id int PRIMARY KEY,

name varchar(10)

)

数据100条

学生表:

create table Student(

id int PRIMARY KEY,

name varchar(10)

)

数据70000条

学生成绩表SC：

CREATE table SC(

sc_id int PRIMARY KEY,

s_id int,

c_id int,

score int

)

数据70w条

查询目的：

查找语文考100分的考生

查询语句：

select s.* from Student s where s.s_id in

(select s_id from SC sc where sc.c_id = 0 and sc.score = 100 )

执行时间：30248.271s

晕，为什么这么慢，先来查看下查询计划：

EXPLAIN

select s.* from Student s where s.s_id in

(select s_id from SC sc where sc.c_id = 0 and sc.score = 100 )

发现没有用到索引，type全是ALL，那么首先想到的就是建立一个索引，建立索引的字段当然是在where条件的字段了。

先给sc表的c_id和score建个索引

CREATE index sc_c_id_index on SC(c_id);

CREATE index sc_score_index on SC(score);

再次执行上述查询语句，时间为: 1.054s

快了3w多倍，大大缩短了查询时间，看来索引能极大程度的提高查询效率，建索引很有必要，很多时候都忘记建索引了，数据量小的的时候压根没感觉，这优化的感觉挺爽。

但是1s的时间还是太长了，还能进行优化吗，仔细看执行计划：

查看优化后的sql:

SELECT

`YSB`.`s`.`s_id` AS `s_id`,

`YSB`.`s`.`name` AS `name`

FROM

`YSB`.`Student` `s`

WHERE

< in_optimizer > (

`YSB`.`s`.`s_id` ,< EXISTS > (

SELECT

FROM

`YSB`.`SC` `sc`

WHERE

(

(`YSB`.`sc`.`c_id` = 0)

AND (`YSB`.`sc`.`score` = 100)

AND (

< CACHE > (`YSB`.`s`.`s_id`) = `YSB`.`sc`.`s_id`

)

怎么查看优化后的语句？

方法如下（在命令窗口执行）：

有type=all

按照我之前的想法，该sql的执行的顺序应该是先执行子查询

select s_id from SC sc where sc.c_id = 0 and sc.score = 100

耗时：0.001s

得到如下结果：

然后再执行

select s.* from Student s where s.s_id in(7,29,5000)

耗时：0.001s

这样就是相当快了啊，Mysql竟然不是先执行里层的查询，而是将sql优化成了exists子句，并出现了EPENDENT SUBQUERY，mysql是先执行外层查询，再执行里层的查询，这样就要循环70007*8次。

那么改用连接查询呢？

SELECT s.* from

Student s

INNER JOIN SC sc

on sc.s_id = s.s_id

where sc.c_id=0 and sc.score=100

这里为了重新分析连接查询的情况，先暂时删除索引sc_c_id_index，sc_score_index

执行时间是：0.057s

效率有所提高，看看执行计划：

这里有连表的情况出现，我猜想是不是要给sc表的s_id建立个索引

CREATE index sc_s_id_index on SC(s_id);

show index from SC

再执行连接查询

时间: 1.076s

竟然时间还变长了，什么原因？查看执行计划：

优化后的查询语句为：

SELECT

`YSB`.`s`.`s_id` AS `s_id`,

`YSB`.`s`.`name` AS `name`

FROM

`YSB`.`Student` `s`

JOIN `YSB`.`SC` `sc`

WHERE

(

`YSB`.`sc`.`s_id` = `YSB`.`s`.`s_id`

)

AND (`YSB`.`sc`.`score` = 100)

AND (`YSB`.`sc`.`c_id` = 0)

)

貌似是先做的连接查询，再进行的where条件过滤

回到前面的执行计划：

这里是先做的where条件过滤，再做连表，执行计划还不是固定的，那么我们先看下标准的sql执行顺序：

正常情况下是先join再进行where过滤，但是我们这里的情况，如果先join，将会有70w条数据发送join，因此先执行where过滤是明智方案，现在为了排除mysql的查询优化，我自己写一条优化后的sql

SELECT

s.*

FROM

(

SELECT

FROM

SC sc

WHERE

sc.c_id = 0

AND sc.score = 100

) t

INNER JOIN Student s ON t.s_id = s.s_id

即先执行sc表的过滤，再进行表连接

执行时间为：0.054s

和之前没有建s_id索引的时间差不多

查看执行计划：

先提取sc再连表，这样效率就高多了，现在的问题是提取sc的时候出现了扫描表，那么现在可以明确需要建立相关索引

CREATE index sc_c_id_index on SC(c_id);

CREATE index sc_score_index on SC(score);

再执行查询：

SELECT

s.*

FROM

(

SELECT

FROM

SC sc

WHERE

sc.c_id = 0

AND sc.score = 100

) t

INNER JOIN Student s ON t.s_id = s.s_id

执行时间为：0.001s

这个时间相当靠谱，快了50倍

执行计划：

我们会看到，先提取sc，再连表，都用到了索引。

那么再来执行下sql：

SELECT s.* from

Student s

INNER JOIN SC sc

on sc.s_id = s.s_id

where sc.c_id=0 and sc.score=100

执行时间0.001s

执行计划：

这里是mysql进行了查询语句优化，先执行了where过滤，再执行连接操作，且都用到了索引。

调整内容为SC表的数据增长到300W,学生分数更为离散。

先回顾下：

show index from SC

执行sql

SELECT s.* from

Student s

INNER JOIN SC sc

on sc.s_id = s.s_id

where sc.c_id=81 and sc.score=84

执行时间：0.061s

这个时间稍微慢了点

执行计划：

这里用到了intersect并集操作，即两个索引同时检索的结果再求并集，再看字段score和c_id的区分度，单从一个字段看，区分度都不是很大，从SC表检索，c_id=81检索的结果是70001,score=84的结果是39425。

而c_id=81 and score=84 的结果是897，即这两个字段联合起来的区分度是比较高的，因此建立联合索引查询效率将会更高，从另外一个角度看，该表的数据是300w，以后会更多，就索引存储而言，都是不小的数目，随着数据量的增加，索引就不能全部加载到内存，而是要从磁盘去读取，这样索引的个数越多，读磁盘的开销就越大，因此根据具体业务情况建立多列的联合索引是必要的，那么我们来试试吧。

alter table SC drop index sc_c_id_index;

alter table SC drop index sc_score_index;

create index sc_c_id_score_index on SC(c_id,score);

执行上述查询语句

消耗时间为：0.007s

这个速度还是可以接受的

执行计划：

该语句的优化暂时告一段落

总结：

mysql嵌套子查询效率确实比较低

可以将其优化成连接查询

连接表时，可以先用where条件对表进行过滤，然后做表连接