CREATE%20INDEX%20vote%20ON%20vote_record(vote_num);/*索引信息*/-------------- Table %20 %20 %20 %20Non_unique %20Key_name %20Seq_in_index %20Column_name %20Collation %20Cardinality %20Sub_part %20Packed %20Null %20 %20Index_type %20Comment %20Index_comment   ----------- %20---------- %20-------- %20------------ %20----------- %20--------- %20----------- %20-------- %20------ %20------ %20---------- %20------- %20--------------- vote_record %20 %20 %20 %20 %20 0 %20PRIMARY %20 %20 %20 %20 %20 %20 %201 %20id %20 %20 %20 %20 %20 A %20 %20 %20 %20 %20 %20 %20 996507 %20 %20(NULL) %20(NULL) %20 %20 %20 %20 %20BTREE %20 %20 %20 %20 %20 %20 %20 %20 %20 %20 %20 %20 %20 %20 %20  vote_record %20 %20 %20 %20 %20 1 %20votenum %20 %20 %20 %20 %20 %20 %201 %20vote_num %20 %20 A %20 %20 %20 %20 %20 %20 %20 %20 9942 %20 %20(NULL) %20(NULL) %20 %20 %20 %20 %20BTREE %20 %20 %20 %20 %20 %20 %20 %20 %20 %20 %20 %20 %20 %20 %20  /*DDL%20信息*/------------ CREATE%20TABLE%20`vote_record`%20(  %20`id`%20int(10)%20unsigned%20NOT%20NULL%20AUTO_INCREMENT,  %20`user_id`%20varchar(20)%20NOT%20NULL%20DEFAULT%20''%20COMMENT%20'用户Id',  %20`vote_num`%20int(10)%20unsigned%20NOT%20NULL%20DEFAULT%20'0'%20COMMENT%20'投票数',  %20`group_id`%20int(10)%20unsigned%20NOT%20NULL%20DEFAULT%20'0'%20COMMENT%20'用户组id%200-未激活用户%201-普通用户%202-vip用户%203-管理员用户',  %20`status`%20tinyint(2)%20unsigned%20NOT%20NULL%20DEFAULT%20'1'%20COMMENT%20'状态%201-正常%202-已删除',  %20`create_time`%20datetime%20NOT%20NULL%20DEFAULT%20'0000-00-00%2000:00:00'%20COMMENT%20'创建时间',  %20PRIMARY%20KEY%20(`id`),  %20KEY%20`votenum`%20(`vote_num`) )%20ENGINE=InnoDB%20AUTO_INCREMENT=1000000%20DEFAULT%20CHARSET=utf8%20COMMENT='投票记录表'

explain查看执行计划

id select_type table partitions type possible_keys key key_len ref rows filtered Extra

1 SIMPLE vote_record \N ALL votenum,vote \N \N \N 996507 50.00 Using%20where

还是没用到索引，因为不符合最左前缀匹配。查询需要3.5秒左右

最后修改一下sql语句

EXPLAIN%20SELECT%20*%20FROM%20vote_record%20WHERE%20id%20>%200%20AND%20vote_num%20>%201000;

id select_type table partitions type possible_keys key key_len ref rows filtered Extra

1 SIMPLE vote_record \N range PRIMARY,votenum,vote PRIMARY 4 \N 498253 50.00 Using%20where

用到了索引，但是只用到了主键索引。再修改一次

EXPLAIN%20SELECT%20*%20FROM%20vote_record%20WHERE%20id%20>%200%20AND%20vote_num%20=%201000;

id select_type table partitions type possible_keys key key_len ref rows filtered Extra

1 SIMPLE vote_record \N index_merge PRIMARY,votenum,vote votenum,PRIMARY 8,4 \N 51 100.00 Using%20intersect(votenum,PRIMARY);%20Using%20where

用到了两个索引，votenum,PRIMARY。

这是为什么呢。

再看一个语句

EXPLAIN%20SELECT%20*%20FROM%20vote_record%20WHERE%20id%20=%201000%20AND%20vote_num%20>%201000

id select_type table partitions type possible_keys key key_len ref rows filtered Extra

1 SIMPLE vote_record \N const PRIMARY,votenum PRIMARY 4 const 1 100.00 \N

也只有主键用到了索引。这是因为只有最左前缀索引可以用>或<，其他索引用<或者>会导致用不到索引。

下面是几个网上参考的例子：

一：索引是sql语句优化的关键，学会使用慢日志和执行计划分析sql

背景：使用A电脑安装mysql,B电脑通过xshell方式连接，数据内容我都已经创建好，现在我已正常的进入到mysql中

步骤1：设置慢查询日志的超时时间，先查看日志存放路径查询慢日志的地址，因为有慢查询的内容，就会到这个日志中：

show global variables like "%slow%";

2.开启慢查询日志

set global slow_query_log=on;

3.查看慢查询日志的设置时间，是否是自己需要的

show global variables like "%long%";

4.如果不是自己想的时间，修改慢查询时间，只要超过了以下的设置时间，查询的日志就会到刚刚的日志中，我设置查询时间超过1S就进入到慢查询日志中

set global long_query_time=1;

5.大数据已准备，进行数据的查询，xshell最好开两个窗口，一个查看日志，一个执行内容

Sql查询语句：select sql_no_cache * from employees_tmp  where first_name='Duangkaew' and gender='M'

发现查数据的总时间去掉了17.74S

查看日志：打开日志

标记1：执行的sql语句

标记2：执行sql的时间，我的是10点52执行的

标记3：使用那台机器

标记4：执行时间，query_tims,查询数据的时间

标记5：不知道是干嘛的

标记6：执行耗时的sql语句，我在想我1的应该是截取错了！但是记住最后一定是显示耗时是因为执行什么sql造成的

6.执行打印计划，主要是查看是否使用了索引等其他内容,主要就是在sql前面加上explain 关键字

explain select sql_no_cache * from employees_tmp   where first_name='Duangkaew' and gender='M';

描述extra中，表示只使用了where条件，没有其他什么索引之类的

7.进行sql优化，建一个fist_name的索引，索引就是将你需要的数据先给筛选出来，这样就可以节省很多扫描时间

create index firstname on employees_tmp(first_name);

 

注：创建索引时会很慢，是对整个表做了一个复制功能，并进行数据的一些分类（我猜是这样，所以会很慢）

8.查看建立的索引

show index from employees_tmp;

 

9.在执行查询语句，查看语句的执行时间

select sql_no_cache * from employees_tmp  where first_name='Duangkaew' and gender='M'

    发现时间已经有所提升了，其实选择索引也不一开始就知道，我们在试试使用性别，gender进行索引

10.删除已经有的索引，删除索引：

drop index first_name on employees_tmp;

11.创建性别的索引(性别是不怎么好的索引方式，因为有很多重复数据)

create index index_gendar on employees_tmp(gender);

在执行sql语句查询数据，查看查询执行时间，没有创建比较优秀的索引，导致查询时间还变长了，

为嘛还变长了，这个我没有弄懂

12.我们在试试使用创建组合索引，使用性别和姓名

alter table  employees_tmp  add index idx_union (first_name,gender);

在执行sql查看sql数据的执行时间

select sql_no_cache * from employees_tmp  where first_name='Duangkaew' and gender='M'

速度提升了N多倍啊

查看创建的索引

show index from employees_tmp;

索引建的好真的一个好帮手，建不好就是费时的一个操作

 目前还不知道为什么建立性别的索引会这么慢

二：sql优化注意要点，比如索引是否用到，查询优化是否改变了执行计划，以及一些细节

场景

我用的数据库是mysql5.6，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。

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，看来建索引很有必要，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
                1
            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`
                    )
                )
        )
    )

补充：这里有网友问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*11=770077次。

那么改用连接查询呢？

SELECT s.* from Student sINNER JOIN SC scon sc.s_id = s.s_idwhere 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

在执行连接查询

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，再执行的where过滤

回到前面的执行计划：

这里是先做的where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做操，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
    ) tINNER 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
    ) tINNER 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 sINNER JOIN SC scon sc.s_id = s.s_idwhere 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。

总结：

1.mysql嵌套子查询效率确实比较低

2.可以将其优化成连接查询

3.建立合适的索引

4.学会分析sql执行计划，mysql会对sql进行优化，所以分析执行计划很重要

由于时间问题，这篇文章先写到这里，后续再分享其他的sql优化经历。

三、海量数据分页查找时如何使用主键索引进行优化

mysql百万级分页优化

　　普通分页

 　　数据分页在网页中十分多见，分页一般都是limit start,offset,然后根据页码page计算start

　select * from user  limit 1,20

　　 这种分页在几十万的时候分页效率就会比较低了，MySQL需要从头开始一直往后计算，这样大大影响效率

SELECT * from user  limit 100001,20;  //time 0.151s
explain SELECT * from user  limit 100001,20;

　　我们可以用explain分析下语句，没有用到任何索引，MySQL执行的行数是16W+，于是我们可以想用到索引去实现分页

　　

 

　　 优化分页

　　 使用主键索引来优化数据分页

  select * from user where id>(select id from user where id>=100000 limit 1) limit 20;  //time 0.003s

　　使用explain分析语句，MySQL这次扫描的行数是8W+，时间也大大缩短。

   explain select * from user where id>(select id from user where id>=100000 limit 1) limit 20;

     

　　总结

　　在数据量比较大的时候，我们尽量去利用索引来优化语句。上面的优化方法如果id不是主键索引，查询效率比第一种还要低点。我们可以先使用explain来分析语句，查看语句的执行顺序和执行性能。