SQL 優(yōu)化法則，學(xué)會都是 SQL 優(yōu)化大神！

這篇文章，是對SQL常用查詢優(yōu)化法則的總結(jié)，值得細(xì)看

SQL 作為關(guān)系型數(shù)據(jù)庫的標(biāo)準(zhǔn)語言，是分析師必不可少的技能之一。SQL 本身并不難學(xué)，編寫查詢語句也很容易，但是想要編寫出能夠高效運(yùn)行的查詢語句卻有一定的難度。

查詢優(yōu)化是一個復(fù)雜的工程，涉及從硬件到參數(shù)配置、不同數(shù)據(jù)庫的解析器、優(yōu)化器實現(xiàn)、SQL 語句的執(zhí)行順序、索引以及統(tǒng)計信息的采集等，甚至應(yīng)用程序和系統(tǒng)的整體架構(gòu)。本文介紹幾個關(guān)鍵法則，可以幫助我們編寫高效的 SQL 查詢；尤其是對于初學(xué)者而言，這些法則至少可以避免我們寫出性能很差的查詢語句。

以下法則適用于各種關(guān)系型數(shù)據(jù)庫，包括但不限于：MySQL、Oracle、SQL Server、PostgreSQL 以及 SQLite 等。

一定要為查詢語句指定 WHERE 條件，過濾掉不需要的數(shù)據(jù)行。通常來說，OLTP 系統(tǒng)每次只需要從大量數(shù)據(jù)中返回很少的幾條記錄；指定查詢條件可以幫助我們通過索引返回結(jié)果，而不是全表掃描。絕大多數(shù)情況下使用索引時的性能更好，因為索引（B-樹、B+樹、B*樹）執(zhí)行的是二進(jìn)制搜索，具有對數(shù)時間復(fù)雜度，而不是線性時間復(fù)雜度。以下是 MySQL 聚簇索引的示意圖：

舉例來說，假設(shè)每個索引分支節(jié)點可以存儲 100 個記錄，100 萬（1003）條記錄只需要 3 層 B-樹即可完成索引。通過索引查找數(shù)據(jù)時需要讀取 3 次索引數(shù)據(jù)（每次磁盤 IO 讀取整個分支節(jié)點），加上 1 次磁盤 IO 讀取數(shù)據(jù)即可得到查詢結(jié)果。

相反，如果采用全表掃描，需要執(zhí)行的磁盤 IO 次數(shù)可能高出幾個數(shù)量級。當(dāng)數(shù)據(jù)量增加到 1 億（1004）時，B-樹索引只需要再增加 1 次索引 IO 即可；而全表掃描則需要再增加幾個數(shù)量級的 IO。

同理，我們應(yīng)該避免使用 SELECT * FROM， 因為它表示查詢表中的所有字段。這種寫法通常導(dǎo)致數(shù)據(jù)庫需要讀取更多的數(shù)據(jù)，同時網(wǎng)絡(luò)也需要傳輸更多的數(shù)據(jù)，從而導(dǎo)致性能的下降。

?

如果缺少合適的索引，即使指定了查詢條件也不會通過索引查找數(shù)據(jù)。因此，我們首先需要確保創(chuàng)建了相應(yīng)的索引。一般來說，以下字段需要創(chuàng)建索引：

• 經(jīng)常出現(xiàn)在 WHERE 條件中的字段建立索引可以避免全表掃描；

• 將 ORDER BY 排序的字段加入到索引中，可以避免額外的排序操作；

• 多表連接查詢的關(guān)聯(lián)字段建立索引，可以提高連接查詢的性能；

• 將 GROUP BY 分組操作字段加入到索引中，可以利用索引完成分組。

即使創(chuàng)建了合適的索引，如果 SQL 語句寫的有問題，數(shù)據(jù)庫也不會使用索引。導(dǎo)致索引失效的常見問題包括：

• 在 WHERE 子句中對索引字段進(jìn)行表達(dá)式運(yùn)算或者使用函數(shù)都會導(dǎo)致索引失效，這種情況還包括字段的數(shù)據(jù)類型不匹配，例如字符串和整數(shù)進(jìn)行比較；

• 使用 LIKE 匹配時，如果通配符出現(xiàn)在左側(cè)無法使用索引。對于大型文本數(shù)據(jù)的模糊匹配，應(yīng)該考慮數(shù)據(jù)庫提供的全文檢索功能，甚至專門的全文搜索引擎（Elasticsearch 等）；

• 如果 WHERE 條件中的字段上創(chuàng)建了索引，盡量設(shè)置為 NOT NULL；不是所有數(shù)據(jù)庫使用 IS [NOT] NULL 判斷時都可以利用索引。

執(zhí)行計劃（execution plan，也叫查詢計劃或者解釋計劃）是數(shù)據(jù)庫執(zhí)行 SQL 語句的具體步驟，例如通過索引還是全表掃描訪問表中的數(shù)據(jù)，連接查詢的實現(xiàn)方式和連接的順序等。如果 SQL 語句性能不夠理想，我們首先應(yīng)該查看它的執(zhí)行計劃，通過執(zhí)行計劃（EXPLAIN）確保查詢使用了正確的索引。

以 MySQL 為例，以下查詢返回月薪大于部門平均月薪的員工信息：

EXPLAIN?ANALYZE
?SELECT?emp_id, emp_name
???FROM?employee?e
???WHERE?salary?> (
?????SELECT AVG(salary)
???????FROM employee
???????WHERE dept_id = e.dept_id);
-> Filter: (e.salary > (select #2)) (cost=2.75?rows=25) (actual time=0.232..4.401?rows=6?loops=1)
????-> Table?scan?on?e??(cost=2.75?rows=25) (actual time=0.099..0.190?rows=25?loops=1)
????-> Select?#2?(subquery in condition; dependent)
????????-> Aggregate: avg(employee.salary) (actual time=0.147..0.149?rows=1?loops=25)
????????????-> Index?lookup?on?employee?using?idx_emp_dept?(dept_id=e.dept_id) (cost=1.12?rows=5) (actual time=0.068..0.104?rows=7?loops=25)

從執(zhí)行計劃可以看出，MySQL 中采用的是類似 Nested Loop Join 實現(xiàn)方式；子查詢循環(huán)了 25 次，而實際上可以通過一次掃描計算并緩存每個部門的平均月薪。以下語句將該子查詢替換為等價的 JOIN 語句，實現(xiàn)了子查詢的展開（Subquery Unnest）：

EXPLAIN ANALYZE
?SELECT e.emp_id, e.emp_name
???FROM employee e
???JOIN (SELECT dept_id, AVG(salary) AS dept_average
???????????FROM employee
??????????GROUP BY dept_id) t
?????ON e.dept_id = t.dept_id
??WHERE e.salary > t.dept_average;
-> Nested loop?inner join (actual time=0.722..2.354?rows=6?loops=1)
????-> Table scan on?e (cost=2.75?rows=25) (actual time=0.096..0.205?rows=25?loops=1)
????-> Filter: (e.salary > t.dept_average)??(actual time=0.068..0.076?rows=0?loops=25)
????????->?Index lookup on?t using  (dept_id=e.dept_id) (actual time=0.011..0.015?rows=1?loops=25)
????????????-> Materialize (actual time=0.048..0.057?rows=1?loops=25)
????????????????-> Group aggregate: avg(employee.salary) (actual time=0.228..0.510?rows=5?loops=1)
????????????????????-> Index scan on?employee using idx_emp_dept (cost=2.75?rows=25) (actual time=0.181..0.348?rows=25?loops=1)

改寫之后的查詢利用了物化（Materialization）技術(shù)，將子查詢的結(jié)果生成一個內(nèi)存臨時表；然后與 employee 表進(jìn)行連接。通過實際執(zhí)行時間可以看出這種方式更快。

以上示例在 Oracle 和 SQL Server 中會自動執(zhí)行子查詢展開，兩種寫法效果相同；在 PostgreSQL 中與 MySQL 類似，第一個語句使用 Nested Loop Join，改寫為 JOIN 之后使用 Hash Join 實現(xiàn)，性能更好。

另外，對于 IN 和 EXISTS 子查詢也可以得出類似的結(jié)論。由于不同數(shù)據(jù)庫的優(yōu)化器能力有所差異，我們應(yīng)該盡量避免使用子查詢，考慮使用 JOIN 進(jìn)行重寫。

?

分頁查詢的原理就是先跳過指定的行數(shù)，再返回 Top-N 記錄。分頁查詢的示意圖如下：

數(shù)據(jù)庫一般支持 FETCH/LIMIT 以及 OFFSET 實現(xiàn) Top-N 排行榜和分頁查詢。當(dāng)表中的數(shù)據(jù)量很大時，這種方式的分頁查詢可能會導(dǎo)致性能問題。以 MySQL 為例：

-- MySQL
SELECT?*
??FROM?large_table
?ORDER?BY?id
?LIMIT?10?OFFSET?N;

以上查詢隨著 OFFSET 的增加，速度會越來越慢；因為即使我們只需要返回 10 條記錄，數(shù)據(jù)庫仍然需要訪問并且過濾掉 N（比如 1000000）行記錄，即使通過索引也會涉及不必要的掃描操作。

對于以上分頁查詢，更好的方法是記住上一次獲取到的最大 id，然后在下一次查詢中作為條件傳入：

-- MySQL
SELECT?*
??FROM?large_table
?WHERE?id?> last_id
?ORDER?BY?id
?LIMIT?10;

如果 id 字段上存在索引，這種分頁查詢的方式可以基本不受數(shù)據(jù)量的影響。

?

?

以下是 SQL 中各個子句的語法順序，前面括號內(nèi)的數(shù)字代表了它們的邏輯執(zhí)行順序：

(6)SELECT?[DISTINCT?| ALL] col1, col2, agg_func(col3) AS?alias
(1) FROM?t1 JOIN?t2
(2) ON?(join_conditions)
(3) WHERE?where_conditions
(4) GROUP?BY?col1, col2
(5)HAVING?having_condition
(7) UNION?[ALL]
???...
(8) ORDER?BY?col1 ASC,col2 DESC
(9)OFFSET?m ROWS?FETCH?NEXT?num_rows ROWS?ONLY;

也就是說，SQL 并不是按照編寫順序先執(zhí)行 SELECT，然后再執(zhí)行 FROM 子句。從邏輯上講，SQL 語句的執(zhí)行順序如下：

• 首先，F(xiàn)ROM 和 JOIN 是 SQL 語句執(zhí)行的第一步。它們的邏輯結(jié)果是一個笛卡爾積，決定了接下來要操作的數(shù)據(jù)集。注意邏輯執(zhí)行順序并不代表物理執(zhí)行順序，實際上數(shù)據(jù)庫在獲取表中的數(shù)據(jù)之前會使用 ON 和 WHERE 過濾條件進(jìn)行優(yōu)化訪問；

• 其次，應(yīng)用 ON 條件對上一步的結(jié)果進(jìn)行過濾并生成新的數(shù)據(jù)集；

• 然后，執(zhí)行 WHERE 子句對上一步的數(shù)據(jù)集再次進(jìn)行過濾。WHERE 和 ON 大多數(shù)情況下的效果相同，但是外連接查詢有所區(qū)別，我們將會在下文給出示例；

• 接著，基于 GROUP BY 子句指定的表達(dá)式進(jìn)行分組；同時，對于每個分組計算聚合函數(shù) agg_func 的結(jié)果。經(jīng)過 GROUP BY 處理之后，數(shù)據(jù)集的結(jié)構(gòu)就發(fā)生了變化，只保留了分組字段和聚合函數(shù)的結(jié)果；

• 如果存在 GROUP BY 子句，可以利用 HAVING 針對分組后的結(jié)果進(jìn)一步進(jìn)行過濾，通常是針對聚合函數(shù)的結(jié)果進(jìn)行過濾；

• 接下來，SELECT 可以指定要返回的列；如果指定了 DISTINCT 關(guān)鍵字，需要對結(jié)果集進(jìn)行去重操作。另外還會為指定了 AS 的字段生成別名；

• 如果還有集合操作符（UNION、INTERSECT、EXCEPT）和其他的 SELECT 語句，執(zhí)行該查詢并且合并兩個結(jié)果集。對于集合操作中的多個 SELECT 語句，數(shù)據(jù)庫通?？梢灾С植l(fā)執(zhí)行；

• 然后，應(yīng)用 ORDER BY 子句對結(jié)果進(jìn)行排序。如果存在 GROUP BY 子句或者 DISTINCT 關(guān)鍵字，只能使用分組字段和聚合函數(shù)進(jìn)行排序；否則，可以使用 FROM 和 JOIN 表中的任何字段排序；

• 最后，OFFSET 和 FETCH（LIMIT、TOP）限定了最終返回的行數(shù)。

了解 SQL 邏輯執(zhí)行順序可以幫助我們進(jìn)行 SQL 優(yōu)化。例如 WHERE 子句在 HAVING 子句之前執(zhí)行，因此我們應(yīng)該盡量使用 WHERE 進(jìn)行數(shù)據(jù)過濾，避免無謂的操作；除非業(yè)務(wù)需要針對聚合函數(shù)的結(jié)果進(jìn)行過濾。

除此之外，理解 SQL 的邏輯執(zhí)行順序還可以幫助我們避免一些常見的錯誤，例如以下語句：

-- 錯誤示例
SELECT?emp_name AS?empname
??FROM?employee
?WHERE?empname ='張飛';

該語句的錯誤在于 WHERE 條件中引用了列別名；從上面的邏輯順序可以看出，執(zhí)行 WHERE 條件時還沒有執(zhí)行 SELECT 子句，也就沒有生成字段的別名。

另外一個需要注意的操作就是 GROUP BY，例如：

-- GROUP BY 錯誤示例
SELECT?dept_id, emp_name, AVG(salary)
??FROM?employee
?GROUP?BY?dept_id;

由于經(jīng)過 GROUP BY 處理之后結(jié)果集只保留了分組字段和聚合函數(shù)的結(jié)果，示例中的 emp_name 字段已經(jīng)不存在；從業(yè)務(wù)邏輯上來說，按照部門分組統(tǒng)計之后再顯示某個員工的姓名沒有意義。如果需要同時顯示員工信息和所在部門的匯總，可以使用窗口函數(shù)。

如果使用了 GROUP BY 分組，之后的 SELECT、ORDER BY 等只能引用分組字段或者聚合函數(shù)；否則，可以引用 FROM 和 JOIN 表中的任何字段。

還有一些邏輯問題可能不會直接導(dǎo)致查詢出錯，但是會返回不正確的結(jié)果；例如外連接查詢中的 ON 和 WHERE 條件。以下是一個左外連接查詢的示例：

SELECT?e.emp_name, d.dept_name
??FROM?employee e
??LEFT?JOIN?department d ON?(e.dept_id = d.dept_id)
?WHERE?e.emp_name ='張飛';
emp_name|dept_name|
--------|---------|
張飛 |行政管理部|
SELECT?e.emp_name, d.dept_name
??FROM?employee e
??LEFT?JOIN?department d ON?(e.dept_id = d.dept_id AND?e.emp_name ='張飛');
emp_name|dept_name|
--------|---------|
劉備 | [NULL]|
關(guān)羽 | [NULL]|
張飛 |行政管理部|
諸葛亮 | [NULL]|
...

第一個查詢在 ON 子句中指定了連接的條件，同時通過 WHERE 子句找出了“張飛”的信息。

第二個查詢將所有的過濾條件都放在 ON 子句中，結(jié)果返回了所有的員工信息。這是因為左外連接會返回左表中的全部數(shù)據(jù)，即使 ON 子句中指定了員工姓名也不會生效；而 WHERE 條件在邏輯上是對連接操作之后的結(jié)果進(jìn)行過濾。

?

SQL 優(yōu)化本質(zhì)上是了解優(yōu)化器的的工作原理，并且為此創(chuàng)建合適的索引和正確的語句；同時，當(dāng)優(yōu)化器不夠智能的時候，手動讓它智能。

好了，你學(xué)會了嗎？

來源：blog.csdn.net/horses/article/details/105695431