判断问题SQL
判断SQL是否有问题时可以通过两个表象进行判断：
系统级别表象 CPU消耗严重 IO等待严重 页面响应时间过长 应用的日志出现超时等错误可以使用
sar命令，
top命令查看当前系统状态。
也可以通过
Prometheus、Grafana等监控工具观察系统状态。
冗长的SQL都好理解，一段SQL太长阅读性肯定会差，而且出现问题的频率肯定会更高。更进一步判断SQL问题就得从执行计划入手，如下所示：
执行计划告诉我们本次查询走了全表扫描
Type=ALL，rows很大(9950400)基本可以判断这是一段"有味道"的SQL。
获取问题SQL
不同数据库有不同的获取方法，以下为目前主流数据库的慢查询SQL获取工具
MySQL 慢查询日志 测试工具loadrunner Percona公司的ptquery等工具 Oracle AWR报告 测试工具loadrunner等 相关内部视图如v$sql、v$session_wait等 GRID CONTROL监控工具 达梦数据库 AWR报告 测试工具loadrunner等 达梦性能监控工具（dem） 相关内部视图如v$sql、v$session_wait等SQL编写技巧
SQL编写有以下几个通用的技巧：
• 合理使用索引
• 使用UNION ALL替代UNION
• 避免select * 写法
• JOIN字段建议建立索引
• 避免复杂SQL语句
• 避免where 1=1写法
• 避免order by rand()类似写法
SQL优化 执行计划
完成SQL优化一定要先读执行计划，执行计划会告诉你哪些地方效率低，哪里可以需要优化。我们以MYSQL为例，看看执行计划是什么。（每个数据库的执行计划都不一样，需要自行了解）
| 字段 | 解释 |
|---|---|
| id | 每个被独立执行的操作标识，标识对象被操作的顺序，id值越大，先被执行，如果相同，执行顺序从上到下 |
| select_type | 查询中每个select 字句的类型 |
| table | 被操作的对象名称，通常是表名，但有其他格式 |
| partitions | 匹配的分区信息(对于非分区表值为NULL) |
| type | 连接操作的类型 |
| possible_keys | 可能用到的索引 |
| key | 优化器实际使用的索引(最重要的列) 从最好到最差的连接类型为const、 eq_reg、 ref、 range、 index和 ALL。当出现 ALL时表示当前SQL出现了“坏味道” |
| key_len | 被优化器选定的索引键长度，单位是字节 |
| ref | 表示本行被操作对象的参照对象，无参照对象为NULL |
| rows | 查询执行所扫描的元组个数（对于innodb，此值为估计值） |
| filtered | 条件表上数据被过滤的元组个数百分比 |
| extra | 执行计划的重要补充信息，当此列出现Using filesort, Using temporary字样时就要小心了，很可能SQL语句需要优化 |
接下来我们用一段实际优化案例来说明SQL优化的过程及优化技巧。
优化案例
表结构
CREATE TABLE `a` ( `id` int(11) NOT NULLAUTO_INCREMENT, `seller_id` bigint(20) DEFAULT NULL, `seller_name` varchar(100) CHARACTER SET utf8 COLLATE utf8_bin DEFAULT NULL, `gmt_create` varchar(30) DEFAULT NULL, PRIMARY KEY (`id`) ); CREATE TABLE `b` ( `id` int(11) NOT NULLAUTO_INCREMENT, `seller_name` varchar(100) DEFAULT NULL, `user_id` varchar(50) DEFAULT NULL, `user_name` varchar(100) DEFAULT NULL, `sales` bigint(20) DEFAULT NULL, `gmt_create` varchar(30) DEFAULT NULL, PRIMARY KEY (`id`) ); CREATE TABLE `c` ( `id` int(11) NOT NULLAUTO_INCREMENT, `user_id` varchar(50) DEFAULT NULL, `order_id` varchar(100) DEFAULT NULL, `state` bigint(20) DEFAULT NULL, `gmt_create` varchar(30) DEFAULT NULL, PRIMARY KEY (`id`) );
三张表关联，查询当前用户在当前时间前后10个小时的订单情况，并根据订单创建时间升序排列，具体SQL如下
select a.seller_id, a.seller_name, b.user_name, c.state from a, b, c where a.seller_name = b.seller_name and b.user_id = c.user_id and c.user_id = 17 and a.gmt_create BETWEEN DATE_ADD(NOW(), INTERVAL – 600 MINUTE) AND DATE_ADD(NOW(), INTERVAL 600 MINUTE) order by a.gmt_create
查看数据量
原执行时间
原执行计划
初步优化思路
SQL中 where条件字段类型要跟表结构一致，表中
user_id为varchar(50)类型，实际SQL用的int类型，存在隐式转换，也未添加索引。将b和c表
user_id字段改成int类型。
因存在b表和c表关联，将b和c表
user_id创建索引
因存在a表和b表关联，将a和b表
seller_name字段创建索引
利用复合索引消除临时表和排序
初步优化SQL
alter table b modify `user_id` int(10) DEFAULT NULL; alter table c modify `user_id` int(10) DEFAULT NULL; alter table c add index `idx_user_id`(`user_id`); alter table b add index `idx_user_id_sell_name`(`user_id`,`seller_name`); alter table a add index `idx_sellname_gmt_sellid`(`gmt_create`,`seller_name`,`seller_id`);
查看优化后执行时间
查看优化后执行计划
查看warnings信息
继续优化
alter table a modify "gmt_create" datetime DEFAULT NULL
查看执行时间
查看执行计划
优化总结
-
查看执行计划 explain
如果有告警信息，查看告警信息 show warnings;
查看SQL涉及的表结构和索引信息
根据执行计划，思考可能的优化点
按照可能的优化点执行表结构变更、增加索引、SQL改写等操作
查看优化后的执行时间和执行计划
如果优化效果不明显，重复第四步操作
推荐 《mysql视频教程》
