慢 SQL 分析与优化 _慢SQL

一、背景介绍
从系统设计角度看，一个系统从设计搭建到数据逐步增长，SQL 执行效率可能会出现劣化，为继续支撑业务发展，我们需要对慢 SQL 进行分析和优化，严峻的情况下甚至需要对整个系统进行重构。所以我们往往需要在系统设计前对业务进行充分调研、遵守系统设计规范，在系统运行时定期结合当前业务发展情况进行系统瓶颈的分析。
从数据库角度看，每个 SQL 执行都需要消耗一定 I/O 资源，SQL 执行的快慢，决定了资源被占用时间的长短。假如有一条慢 SQL 占用了 30%的资源共计 1 分钟。那么在这 1 分钟时间内，其他 SQL 能够分配的资源总量就是 70%，如此循环，当资源分配完的时候，所有新的 SQL 执行将会排队等待。所以往往一条慢 SQL 会影响到整个业务。
本文仅讨论 MySQL-InnoDB 的情况。
二、优化方式
SQL 语句执行效率的主要因素：
1）数据量

SQL 执行后返回给客户端的数据量的大小；
数据量越大需要扫描的 I/O 次数越多，数据库服务器的 IO 更容易成为瓶颈。

2）取数据的方式

数据在缓存中还是在磁盘上；
是否能够通过全局索引快速寻址；
是否结合谓词条件命中全局索引加速扫描。

3）数据加工的方式

排序、子查询、聚合、关联等，一般需要先把数据取到临时表中，再对数据进行加工；
对于数据量比较多的计算，会消耗大量计算节点的 CPU 资源，让数据加工变得更加缓慢；
是否选择了合适的 join 方式。

1、优化思路
1）减少数据扫描（减少磁盘访问）

尽量在查询中加入一些可以提前过滤数据的谓词条件，比如按照时间过滤数据等，可以减少数据的扫描量，对查询更友好；
在扫描大表数据时是否可以命中索引，减少回表代价，避免全表扫描。

2）返回更少数据（减少网络传输或磁盘访问）
3）减少交互次数（减少网络传输）

将数据存放在更快的地方；
某条查询涉及到大表，无法进一步优化，如果返回的数据量不大且变化频率不高但访问频率很高，此时应该考虑将返回的数据放在应用端的缓存当中或者 redis 这样的缓存当中，以提高存取速度。

4）减少服务器 CPU 开销（减少 CPU 及内存开销）
5）避免大事务操作
6）利用更多资源（增加资源）
2、优化案例
1）数据分页优化
select * from table_demo where type = ? limit ?,?;

优化方式一：偏移 id

lastId = 0 or min(id)
do {
select * from table_demo where type = ? and id >{#lastId} limit ?;
lastId = max(id)
} while (isNotEmpty)

优化方式二：分段查询

该方式较方式一的优点在于可并行查询，每个分段查询互不依赖；较方式一的缺点在于较依赖数据的连续性，若数据过于分散，代价较高。
minId = min(id) maxId = max(id)
for(int i = minId; i<= maxId; i+=pageSize){
select * from table_demo where type = ? and id between i and i+ pageSize;
}
2）优化 GROUP BY
提高 GROUP BY 语句的效率, 可以通过将不需要的记录在 GROUP BY 之前过滤掉.下面两个查询返回相同结果但第二个明显就快了许多。

低效：

select job , avg(sal) from table_demo group by job having job = ‘manager'

高效：

select job , avg(sal) from table_demo where job = ‘manager' group by job
3）范围查询
联合索引中如果有某个列存在范围（大于小于）查询，其右边的列是否还有意义？
explain select count(1) from statement where org_code='1012' and trade_date_time >= '2019-05-01 00:00:00' and trade_date_time<='2020-05-01 00:00:00'
explain select * from statement where org_code='1012' and trade_date_time >= '2019-05-01 00:00:00' and trade_date_time<='2020-05-01 00:00:00' limit 0, 100
explain select * from statement where org_code='1012' and trade_date_time >= '2019-05-01 00:00:00' and trade_date_time<='2020-05-01 00:00:00'

使用单键索引 trade_date_time 的情况下

a. 从索引里找到所有 trade_date_time 在'2019-05-01' 到'2020-05-01' 区间的主键 id，假设有 100 万个；
b. 对这些 id 进行排序（为的是在下面一步回表操作中优化 I/O 操作，因为很多挨得近的主键可能一次磁盘 I/O 就都取到了）；
c. 回表，查出 100 万行记录，然后逐个扫描，筛选出 org_code='1020'的行记录。