目录
前言
优化器的逻辑
索引选择异常和处理
-
前言
- 在 MySQL 中一张表其实是可以支持多个索引的
- 但是你写 SQL 语句的时候，并没有主动指定使用哪个索引
- 也就是说，使用哪个索引是由 MySQL 来确定的
- 不知道你有没有碰到过这种情况，一条本来可以执行得很快的语句，却由于 MySQL 选错了索引，而导致执行速度变得很慢？
- 来看一个例子：
- 先建一个简单的表，表里有 a、b 两个字段，并分别建上索引
- 然后往表 t 中插入 10 万行记录，取值按整数递增，即：(1,1,1)，(2,2,2)，(3,3,3) 直到(100000,100000,100000)
- 这里是用存储过程来插入数据的，这里贴出来方便你复现：
- 接下来分析一条 SQL 语句：
- 你一定会说，这个语句还用分析吗，很简单呀，a 上有索引，肯定是要使用索引 a 的
- 你说得没错，图上显示的就是使用 explain 命令看到的这条语句的执行情况
- 从图看上去，这条查询语句的执行也确实符合预期，key 这个字段值是’a’，表示优化器选择了索引 a
- 不过别急，这个案例不会这么简单
- 在已经准备好的包含了 10 万行数据的表上再做如下操作
- 这里，session A 的操作你已经很熟悉了，它就是开启了一个事务
- 随后，session B 把数据都删除后，又调用了 idata 这个存储过程，插入了 10 万行数据
- 这时候，session B 的查询语句 select * from t where a between 10000 and 20000 就不会再选择索引 a 了
- 可以通过慢查询日志（slow log）来查看一下具体的执行情况
- 为了说明优化器选择的结果是否正确，增加了一个对照，即：使用 force index(a) 来让优化器强制使用索引 a（这部分内容还会在这篇文章的后半部分中提到）
- 下面的三条 SQL 语句，就是这个实验过程
- 第一句，是将慢查询日志的阈值设置为 0，表示这个线程接下来的语句都会被记录入慢查询日志中
- 第二句，Q1 是 session B 原来的查询；
- 第三句，Q2 是加了 force index(a)来和 session B 原来的查询语句执行情况对比
- 如图所示是这三条 SQL 语句执行完成后的慢查询日志
- 可以看到，Q1 扫描了 10 万行，显然是走了全表扫描，执行时间是 40 毫秒
- Q2 扫描了 10001 行，执行了 21 毫秒
- 也就是说，在没有使用 force index 的时候，MySQL 用错了索引，导致了更长的执行时间
- 这个例子对应的是平常不断地删除历史数据和新增数据的场景
- 这时，MySQL 竟然会选错索引，是不是有点奇怪呢？
- 今天就从这个奇怪的结果说起吧
-
优化器的逻辑
- 在第一篇文章中就提到过，选择索引是优化器的工作
- 而优化器选择索引的目的，是找到一个最优的执行方案，并用最小的代价去执行语句
- 在数据库里面，扫描行数是影响执行代价的因素之一
- 扫描的行数越少，意味着访问磁盘数据的次数越少，消耗的 CPU 资源越少
- 当然，扫描行数并不是唯一的判断标准，优化器还会结合是否使用临时表、是否排序等因素进行综合判断
- 上面这个简单的查询语句并没有涉及到临时表和排序，所以 MySQL 选错索引肯定是在判断扫描行数的时候出问题了
- 那么，问题就是：扫描行数是怎么判断的？
- MySQL 在真正开始执行语句之前，并不能精确地知道满足这个条件的记录有多少条，而只能根据统计信息来估算记录数
- 这个统计信息就是索引的“区分度”
- 显然，一个索引上不同的值越多，这个索引的区分度就越好
- 而一个索引上不同的值的个数称之为“基数”（cardinality）
- 也就是说，这个基数越大，索引的区分度越好
- 可以使用 show index 方法，看到一个索引的基数
- 如图所示，就是表 t 的 show index 的结果
- 虽然这个表的每一行的三个字段值都是一样的，但是在统计信息中，这三个索引的基数值并不同，而且其实都不准确
- 那么，MySQL 是怎样得到索引的基数的呢？
- 这里简单介绍一下 MySQL 采样统计的方法
- 为什么要采样统计呢？
- 因为把整张表取出来一行行统计，虽然可以得到精确的结果，但是代价太高了，所以只能选择“采样统计”
- 采样统计的时候，InnoDB 默认会选择 N 个数据页，统计这些页面上的不同值，得到一个平均值，然后乘以这个索引的页面数，就得到了这个索引的基数
- 而数据表是会持续更新的，索引统计信息也不会固定不变
- 所以，当变更的数据行数超过1/M 的时候，会自动触发重新做一次索引统计
- 在 MySQL 中，有两种存储索引统计的方式，可以通过设置参数 innodb_stats_persistent 的值来选择：
- 设置为 on 的时候，表示统计信息会持久化存储；这时，默认的 N 是 20，M 是 10
- 设置为 off 的时候，表示统计信息只存储在内存中；这时，默认的 N 是 8，M 是 16
- 由于是采样统计，所以不管 N 是 20 还是 8，这个基数都是很容易不准的
- 但，这还不是全部
- 可以从图中看到，这次的索引统计值（cardinality 列）虽然不够精确，但大体上还是差不多的，选错索引一定还有别的原因
- 其实索引统计只是一个输入，对于一个具体的语句来说，优化器还要判断，执行这个语句本身要扫描多少行
- 接下来再一起看看优化器预估的，这两个语句的扫描行数是多少
- rows 这个字段表示的是预计扫描行数
- 其中，Q1 的结果还是符合预期的，rows 的值是 104620
- 但是 Q2 的 rows 值是 37116，偏差就大了
- 而图中用 explain 命令看到的 rows 是只有 10001 行，是这个偏差误导了优化器的判断
- 到这里，可能你的第一个疑问不是为什么不准，而是优化器为什么放着扫描 37000 行的执行计划不用，却选择了扫描行数是 100000 的执行计划呢？
- 这是因为，如果使用索引 a，每次从索引 a 上拿到一个值，都要回到主键索引上查出整行数据，这个代价优化器也要算进去的
- 而如果选择扫描 10 万行，是直接在主键索引上扫描的，没有额外的代价
- 优化器会估算这两个选择的代价，从结果看来，优化器认为直接扫描主键索引更快
- 当然，从执行时间看来，这个选择并不是最优的
- 使用普通索引需要把回表的代价算进去，在图中执行 explain 的时候，也考虑了这个策略的代价 ，但图中的选择是对的
- 也就是说，这个策略并没有问题
- 所以冤有头债有主，MySQL 选错索引，这件事儿还得归咎到没能准确地判断出扫描行数
- 既然是统计信息不对，那就修正
- analyze table t 命令，可以用来重新统计索引信息
- 来看一下执行效果
- 这回对了
- 所以在实践中，如果你发现 explain 的结果预估的 rows 值跟实际情况差距比较大，可以采用这个方法来处理
- 其实，如果只是索引统计不准确，通过 analyze 命令可以解决很多问题
- 但是前面说了，优化器可不止是看扫描行数
- 依然是基于这个表 t，看看另外一个语句：
- 从条件上看，这个查询没有符合条件的记录，因此会返回空集合
- 在开始执行这条语句之前，你可以先设想一下，如果你来选择索引，会选择哪一个呢？
- 为了便于分析，先来看一下 a、b 这两个索引的结构图
- 如果使用索引 a 进行查询，那么就是扫描索引 a 的前 1000 个值，然后取到对应的 id，再到主键索引上去查出每一行，然后根据字段 b 来过滤
- 显然这样需要扫描 1000 行
- 如果使用索引 b 进行查询，那么就是扫描索引 b 的最后 50001 个值，与上面的执行过程相同，也是需要回到主键索引上取值再判断，所以需要扫描 50001 行
- 所以你一定会想，如果使用索引 a 的话，执行速度明显会快很多
- 那么，下面就来看看到底是不是这么一回事儿
- 下图是执行 explain 的结果
- 可以看到，返回结果中 key 字段显示，这次优化器选择了索引 b，而 rows 字段显示需要扫描的行数是 50198
- 从这个结果中，你可以得到两个结论：
- 1. 扫描行数的估计值依然不准确
- 2. 这个例子里 MySQL 又选错了索引
-
索引选择异常和处理
- 其实大多数时候优化器都能找到正确的索引，但偶尔你还是会碰到上面举例的这两种情况：
- 原本可以执行得很快的 SQL 语句，执行速度却比你预期的慢很多，你应该怎么办呢？
- 一种方法是，像第一个例子一样，采用 force index 强行选择一个索引
- MySQL 会根据词法解析的结果分析出可能可以使用的索引作为候选项，然后在候选列表中依次判断每个索引需要扫描多少行
- 如果 force index 指定的索引在候选索引列表中，就直接选择这个索引，不再评估其他索引的执行代价
- 再来看看第二个例子，刚开始分析时，我们认为选择索引 a 会更好
- 现在就来看看执行效果
- 可以看到，原本语句需要执行 2.23 秒，而当你使用 force index(a) 的时候，只用了 0.05秒，比优化器的选择快了 40 多倍
- 也就是说，优化器没有选择正确的索引，force index 起到了“矫正”的作用
- 不过很多程序员不喜欢使用 force index，一来这么写不优美，二来如果索引改了名字，这个语句也得改，显得很麻烦
- 而且如果以后迁移到别的数据库的话，这个语法还可能会不兼容
- 但其实使用 force index 最主要的问题还是变更的及时性
- 因为选错索引的情况还是比较少出现的，所以开发的时候通常不会先写上 force index
- 而是等到线上出现问题的时候，你才会再去修改 SQL 语句、加上 force index
- 但是修改之后还要测试和发布，对于生产系统来说，这个过程不够敏捷
- 所以，数据库的问题最好还是在数据库内部来解决
- 那么，在数据库里面该怎样解决呢？
- 既然优化器放弃了使用索引 a，说明 a 还不够合适
- 所以第二种方法就是，我们可以考虑修改语句，引导 MySQL 使用我们期望的索引
- 比如，在这个例子里，显然把“order by b limit 1” 改成 “order by b,a limit 1” ，语义的逻辑是相同的
- 来看看改之后的效果：
- 之前优化器选择使用索引 b，是因为它认为使用索引 b 可以避免排序（b 本身是索引，已经是有序的了，如果选择索引 b 的话，不需要再做排序，只需要遍历），所以即使扫描行数多，也判定为代价更小
- 现在 order by b,a 这种写法，要求按照 b,a 排序，就意味着使用这两个索引都需要排序
- 因此，扫描行数成了影响决策的主要条件，于是此时优化器选了只需要扫描 1000 行的索引 a
- 当然，这种修改并不是通用的优化手段，只是刚好在这个语句里面有 limit 1，因此如果有满足条件的记录， order by b limit 1 和 order by b,a limit 1 都会返回 b 是最小的那一行，逻辑上一致，才可以这么做
- 如果你觉得修改语义这件事不太好，这里还有一种改法，下图是执行效果
- 在这个例子里，用 limit 100 让优化器意识到，使用 b 索引代价是很高的
- 其实是根据数据特征诱导了一下优化器，也不具备通用性
- 第三种方法是，在有些场景下，可以新建一个更合适的索引，来提供给优化器做选择，或删掉误用的索引
- 不过，在这个例子中，没有找到通过新增索引来改变优化器行为的方法
- 这种情况其实比较少，尤其是经过 DBA 索引优化过的库，再碰到这个 bug，找到一个更合适的索引一般比较难
- 如果说还有一个方法是删掉索引 b，你可能会觉得好笑
- 但实际上碰到过两次这样的例子，最终是 DBA 跟业务开发沟通后，发现这个优化器错误选择的索引其实根本没有必要存在，于是就删掉了这个索引，优化器也就重新选择到了正确的索引
本文内容由网友自发贡献，版权归原作者所有，本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容，请联系:hwhale#tublm.com(使用前将#替换为@)
