这篇文章主要介绍“如何利用MySQL进行慢查询以及重构查询”,在日常操作中,相信很多人在如何利用MySQL进行慢查询以及重构查询问题上存在疑惑,小编查阅了各式资料,整理出简单好用的操作方法,希望对大家解答”如何利用MySQL进行慢查询以及重构查询”的疑惑有所帮助!接下来,请跟着小编一起来学习吧!
什么是慢查询,如何优化慢查询,下面介绍这两个知识点的相关知识。
是否向数据库请求了不需要的数据
查询不需要的记录:解决方案:查询后面加上Limit
多表关联时返回全部列:解决方案:只取需要的列
总是取出全部列:select * 解决方案:最好还是获取部分列,除非应用程序处缓存列的数据了
重复查询相同的数据:解决方案:需要时从缓存中取出
MySQL是否在扫描额外的记录
可以从响应时间,扫描的行数,返回的行数来进行查询开销的衡量。
要想减少扫描行数可以使用索引对需要的记录进行覆盖,但是增加索引不意味着就能让扫描的行数等于返回的行数,比如sum,count之类的聚合函数
一个复杂查询还是多个简单查询
在过去,总是强调需要数据库层完成尽可能多的工作,因为过去网络通信查询解析和优化是一件代价很高的事情。
但是这样的想法对于MySQL并不适用,MySQL从设计上让连接和断开连接都很轻量级,在返回一个小的查询结果方面很高效。现代的网络速度比以前要快很多,无论是带宽还是延迟。在某些版本的MySQL上,即使在一个通用服务器上,也能够运行每秒超过10万的查询,即使是一个千兆网卡也能轻松满足每秒超过2000次的查询。所以运行多个小查询现在已经不是大问题了。
当然,相比较于内部扫描,响应数据给客户端更加耗时,所以在同条件下,使用尽可能少的查询更好。
切分查询
当使用sql进行查询时,需要注意将大查询切分成小查询,可以减少对数据库的影响,因为一个大语句一次性完成的话,则可能一次锁住很多数据,占满整个事务日志,耗尽系统资源,阻塞其他查询。
比如我们做数据统计时要对大量订单号的信息进行查询,那么是一次性用in查询,还是切割参数list多次查询呢,答案是切割参数list多次查询,因为当in里面的参数过多时,MySQL就会认为再走索引已经不行了,可能就会进行全表查询,如果这个时候数据表数据量过大,那可能就会造成查询超时。
// chops a list into non-view sublists of length L static <T> List<List<T>> chopped(List<T> list, final int L) { List<List<T>> parts = new ArrayList<List<T>>(); final int N = list.size(); for (int i = 0; i < N; i += L) { parts.add(new ArrayList<T>( list.subList(i, Math.min(N, i + L))) ); } return parts; } List<Integer> numbers = Collections.unmodifiableList( Arrays.asList(5,3,1,2,9,5,0,7) ); List<List<Integer>> parts = chopped(numbers, 3); System.out.println(parts); // prints "[[5, 3, 1], [2, 9, 5], [0, 7]]" parts.get(0).add(-1); System.out.println(parts); // prints "[[5, 3, 1, -1], [2, 9, 5], [0, 7]]" System.out.println(numbers); // prints "[5, 3, 1, 2, 9, 5, 0, 7]" (unmodified!)
在程序中将list截断,从而使查询能使用索引而不是进行全表扫描。
阿里开发手册中就推荐仔细评估in后面的集合元素数量,控制在1000个之内。
分解关联查询
将多表inner join 进行分解,分解成小查询,超过三个表的join,就需要禁止了。
优点有:
缓存的效率会更高,
分解后的查询可以减少锁的竞争
应用层可以缓存查询数据,减小数据库的压力。
可以提升查询效率,因为用主键之类进行in查询,比按照条件范围查询可能会更高效,尤其是大表的时候。
可以减少冗余记录的查询
更进一步,这样做相当于在应用中实现了哈希关联,而不是使用MySQL的嵌套循环关联。某些场景哈希关联的效率要高很多。
到此,关于“如何利用MySQL进行慢查询以及重构查询”的学习就结束了,希望能够解决大家的疑惑。理论与实践的搭配能更好的帮助大家学习,快去试试吧!若想继续学习更多相关知识,请继续关注亿速云网站,小编会继续努力为大家带来更多实用的文章!
免责声明:本站发布的内容(图片、视频和文字)以原创、转载和分享为主,文章观点不代表本网站立场,如果涉及侵权请联系站长邮箱:is@yisu.com进行举报,并提供相关证据,一经查实,将立刻删除涉嫌侵权内容。