寫好SQL很有必要！

來源：數據管道整理

最近和很多朋友交流關於數據分析中的SQL技能需求，昨天看了這篇文章，寫的很好，給大家推薦一下。其中關於數據表設計、SQL優化部分需要重點閱讀，第一部分「MySQL性能」瞭解即可。

01 MySQL性能

1. 最大數據量

拋開數據量和併發數，談性能都是耍流氓。MySQL沒有限制單表最大記錄數，它取決於操作系統對檔大小的限制。

《阿裏巴巴Java開發手冊》提出單表行數超過500萬行或者單表容量超過2GB，才推薦分庫分表。性能由綜合因素決定，拋開業務複雜度，影響程度依次是硬體配置、MySQL配置、數據表設計、索引優化。500萬這個值僅供參考，並非鐵律。

博主曾經操作過超過4億行數據的單表，分頁查詢最新的20條記錄耗時0.6秒，SQL語句大致是

select field_1,field_2 from table where id < #{prePageMinId} order by id desc limit 20

prePageMinId 是上一頁數據記錄的最小ID。雖然當時查詢速度還湊合，隨著數據不斷增長，有朝一日必定不堪重負。分庫分表是個週期長而風險高的大活兒，應該盡可能在當前結構上優化，比如升級硬體、遷移歷史數據等等，實在沒轍了再分。

對分庫分表感興趣的同學可以閱讀分庫分表的基本思想：

https://www.cnblogs.com/jshen/p/7682502.html

2. 最大併發數

併發數是指同一時刻資料庫能處理多少個請求，由max_connections和max_user_connections決定。

max_connections是指MySQL實例的最大連結數，上限值是16384，max_user_connections是指每個資料庫用戶的最大連結數。

MySQL會為每個連接提供緩衝區，意味著消耗更多的記憶體。如果連結數設定太高硬體吃不消，太低又不能充分利用硬體。一般要求兩者比值超過10%，計算方法如下：

max_used_connections / max_connections * 100% = 3/100 *100% ≈ 3%

查看最大連結數與回應最大連結數：

show variables like ‘%max_connections%’;show variables like ‘%max_user_connections%’;

在配置檔 my.cnf 中修改最大連結數

[mysqld]max_connections = 100max_used_connections = 20

3. 查詢耗時0.5秒

建議將單次查詢耗時控制在0.5秒以內，0.5秒是個經驗值，源於用戶體驗的3秒原則。如果使用者的操作3秒內沒有回應，將會厭煩甚至退出。回應時間=客戶端UI渲染耗時+網路請求耗時+應用程式處理耗時+查詢資料庫耗時，0.5秒就是留給資料庫1/6的處理時間。

4. 實施原則

相比NoSQL資料庫，MySQL是個嬌氣脆弱的傢伙。它就像體育課上的女同學，一點糾紛就和同學鬧彆扭(擴容難)，跑兩步就氣喘吁吁(容量小併發低)，常常身體不適要請假(SQL約束太多)。如今大家都會搞點分佈式，應用程式擴容比資料庫要容易得多，所以實施原則是資料庫少幹活，應用程式多幹活。

• 充分利用但不濫用索引，須知索引也消耗磁片和CPU。
• 不推薦使用資料庫函數格式化數據，交給應用程式處理。
• 不推薦使用外鍵約束，用應用程式保證數據準確性。
• 寫多讀少的場景，不推薦使用唯一索引，用應用程式保證唯一性。
• 適當冗餘字段，嘗試創建中間表，用應用程式計算中間結果，用空間換時間。
• 不允許執行極度耗時的事務，配合應用程式拆分成更小的事務。
• 預估重要數據表（比如訂單表）的負載和數據增長態勢，提前優化。

02 數據表設計

1. 數據類型

數據類型的選擇原則：更簡單或者佔用空間更小。

• 如果長度能夠滿足，整型儘量使用tinyint、smallint、medium_int而非int。
• 如果字串長度確定，採用char類型。
• 如果varchar能夠滿足，不採用text類型。
• 精度要求較高的使用decimal類型，也可以使用BIGINT，比如精確兩位小數就乘以100後保存。
• 儘量採用timestamp而非datetime。

相比datetime，timestamp佔用更少的空間，以UTC的格式儲存自動轉換時區。

2. 避免空值

MySQL中字段為NULL時依然佔用空間，會使索引、索引統計更加複雜。從NULL值更新到非NULL無法做到原地更新，容易發生索引分裂影響性能。盡可能將NULL值用有意義的值代替，也能避免SQL語句裏面包含is not null的判斷。

3. text 類型優化

由於text字段儲存大量數據，表容量會很早漲上去，影響其他字段的查詢性能。建議抽取出來放在子表裏，用業務主鍵關聯。

4. 索引優化

1） 索引分類

普通索引：最基本的索引。

組合索引：多個字段上建立的索引，能夠加速複合查詢條件的檢索。

唯一索引：與普通索引類似，但索引列的值必須唯一，允許有空值。

組合唯一索引：列值的組合必須唯一。

主鍵索引：特殊的唯一索引，用於唯一標識數據表中的某一條記錄，不允許有空值，一般用primary key約束。

全文索引：用於海量文本的查詢，MySQL5.6之後的InnoDB和MyISAM均支持全文索引。由於查詢精度以及擴展性不佳，更多的企業選擇Elasticsearch。

2）索引優化

分頁查詢很重要，如果查詢數據量超過30%，MYSQL不會使用索引。

單表索引數不超過5個、單個索引字段數不超過5個。

字串可使用首碼索引，首碼長度控制在5–8個字元。

字段唯一性太低，增加索引沒有意義，如：是否刪除、性別。

合理使用覆蓋索引，如下所示：

select login_name, nick_name from member where login_name = ?

login_name, nick_name兩個字段建立組合索引，比login_name簡單索引要更快

5. SQL 優化

1）分批處理

博主小時候看到魚塘挖開小口子放水，水面有各種漂浮物。浮萍和樹葉總能順利通過出水口，而樹枝會擋住其他物體通過，有時還會卡住，需要人工清理。

MySQL就是魚塘，最大併發數和網路帶寬就是出水口，用戶SQL就是漂浮物。不帶分頁參數的查詢或者影響大量數據的update和delete操作，都是樹枝，我們要把它打散分批處理，舉例說明：

業務描述：更新用戶所有已過期的優惠券為不可用狀態。

SQL語句：

update status=0 FROM `coupon` WHERE expire_date <= #{currentDate} and status=1;

如果大量優惠券需要更新為不可用狀態，執行這條SQL可能會堵死其他SQL，分批處理偽程式碼如下：

int pageNo = 1;int PAGE_SIZE = 100;while(true) { List<Integer> batchIdList = queryList(‘select id FROM `coupon` WHERE expire_date <= #{currentDate} and status = 1 limit #{(pageNo-1) * PAGE_SIZE},#{PAGE_SIZE}’); if (CollectionUtils.isEmpty(batchIdList)) { return; } update(‘update status = 0 FROM `coupon` where status = 1 and id in #{batchIdList}’) pageNo ++;}

2）操作符<>優化

通常<>操作符無法使用索引，舉例如下，查詢金額不為100元的訂單：

select id from orders where amount != 100;

如果金額為100的訂單極少，這種數據分佈嚴重不均的情況下，有可能使用索引。鑒於這種不確定性，採用union聚合搜索結果，改寫方法如下：

(select id from orders where amount > 100) union all(select id from orders where amount < 100 and amount > 0)

3）OR 優化

在Innodb引擎下or無法使用組合索引，比如：

select id，product_name from orders where mobile_no = ‘13421800407’ or user_id = 100;

OR無法命中mobile_no + user_id的組合索引，可採用union，如下所示：

(select id，product_name from orders where mobile_no = ‘13421800407’) union(select id，product_name from orders where user_id = 100);

此時id和product_name字段都有索引，查詢才最高效。

4）IN 優化

IN適合主表大子表小，EXIST適合主表小子表大。由於查詢優化器的不斷升級，很多場景這兩者性能差不多一樣了。

嘗試改為join查詢，舉例如下：

select id from orders where user_id in (select id from user where level = ‘VIP’);

採用JOIN如下所示：

select o.id from orders o left join user u on o.user_id = u.id where u.level = ‘VIP’;

5）不做列運算

通詢條件列運算會導致索引失效，如下所示：

查詢當日訂單

select id from order where date_format(create_time，’%Y-%m-%d’) = ‘2019–07–01’;

date_format函數會導致這個查詢無法使用索引，改寫後：

select id from order where create_time between ‘2019–07–01 00:00:00’ and ‘2019–07–01 23:59:59’;

6） 避免 select all

如果不查詢表中所有的列，避免使用SELECT *，它會進行全表掃描，不能有效利用索引。

7）Like 優化

like 用於模糊查詢，舉個例子（field已建立索引）：

SELECT column FROM table WHERE field like ‘%keyword%’;

這個查詢未命中索引，換成下麵的寫法：

SELECT column FROM table WHERE field like ‘keyword%’;

去除了前面的%查詢將會命中索引，但是產品經理一定要前後模糊匹配呢？全文索引fulltext可以嘗試一下，但Elasticsearch才是終極武器。

8）Join 優化

join的實現是採用Nested Loop Join演算法，就是通過驅動表的結果集作為基礎數據，通過該結數據作為過濾條件到下一個表中迴圈查詢數據，然後合併結果。如果有多個join，則將前面的結果集作為迴圈數據，再次到後一個表中查詢數據。

1. 驅動表和被驅動表盡可能增加查詢條件，滿足ON的條件而少用Where，用小結果集驅動大結果集。
2. 被驅動表的join字段上加上索引，無法建立索引的時候，設置足夠的Join Buffer Size。
3. 禁止join連接三個以上的表，嘗試增加冗餘字段。

9） Limit 優化

limit用於分頁查詢時越往後翻性能越差，解決的原則：縮小掃描範圍，如下所示：

select * from orders order by id desc limit 100000,10 耗時0.4秒select * from orders order by id desc limit 1000000,10耗時5.2秒

先篩選出ID縮小查詢範圍，寫法如下：

select * from orders where id > (select id from orders order by id desc limit 1000000, 1) order by id desc limit 0,10耗時0.5秒

如果查詢條件僅有主鍵ID，寫法如下：

select id from orders where id between 1000000 and 1000010 order by id desc耗時0.3秒

如果以上方案依然很慢呢？只好用游標了，感興趣的朋友閱讀JDBC使用游標實現分頁查詢的方法

https://www.cnblogs.com/firstdream/p/7732656.html

03 其他數據庫

作為一名後端開發人員，務必精通作為存儲核心的MySQL或SQL Server，也要積極關注NoSQL資料庫，他們已經足夠成熟並被廣泛採用，能解決特定場景下的性能瓶頸。

回顧系列文：

學習計劃｜帶你10周入門資料分析

我是「數據分析那些事」。常年分享數據分析乾貨，不定期分享好用的職場技能工具。按贊我的臉書，期待你與我的互動！

Security Check Required