面试官：给你一段有问题的SQL，如何优化？

大家好，我是飘渺！

我在面试的时候很喜欢问候选人这样一个问题：“你在项目中遇到过慢查询问题吗？你是怎么做SQL优化的？”

很多时候，候选人会直接跟我说他们在编写SQL时会遵循的一些常用技巧，比如：

• 合理使用索引

• 使用UNION ALL替代UNION

• 不要使用select * 写法

• JOIN字段建议建立索引

• 避免复杂SQL语句

这里不能说完全错误，因为这些技巧确实可以提高SQL运行效率；但是也不能说完全正确，毕竟我是想问他具体怎么是做SQL优化的。

接下来我问他，我这里有一段复杂的SQL，你可以动手帮我优化一下吗？到这一步的时候就有很多候选人做不好打了退堂鼓。他们有很扎实的理论知识，但是动手能力却差点火候。

今天这篇文章就从实战的角度出发，带大家走一遍SQL优化的真实流程。

找出有问题的SQL？

在实际开发中要判断一段SQL有没有问题可以从两方面来判断：

1、系统层面

• CPU消耗严重

• IO等待严重

• 页面响应时间过长

• 应用的日志出现超时等错误

2、SQL语句层面

• 冗长

• 执行时间过长

• 从全表扫描获取数据

• 执行计划中的rows、cost很大

冗长的SQL都好理解，一段SQL太长阅读性肯定会差，出现问题的频率肯定会更高。更进一步判断SQL问题就必须得从执行计划入手，如下所示：

执行计划告诉我们本次查询走了全表扫描Type=ALL，rows很大(9950400)基本可以判断这是一段"有味道"的SQL。

查看SQL执行计划？

找到了有问题的SQL就要确定优化方案，那究竟从何处下手呢？这里必须要通过执行计划来观察。

执行计划会告诉你哪些地方效率低，哪里可以需要优化。我们以MYSQL为例，看看执行计划是什么。（每个数据库的执行计划都不一样，需要自行了解）

explain select * from xxx

当使用explain sql后会看到执行计划

执行计划中几个重要字段的解释说明，大家需要记住

字段	解释
id	每个被独立执行的操作标识，标识对象被操作的顺序，id值越大，先被执行，如果相同，执行顺序从上到下
select_type	查询中每个select 字句的类型
table	被操作的对象名称，通常是表名，但有其他格式
partitions	匹配的分区信息(对于非分区表值为NULL)
type	连接操作的类型
possible_keys	可能用到的索引
key	优化器实际使用的索引(最重要的列) 从最好到最差的连接类型为const、eq_reg、ref、range、index和ALL。当出现ALL时表示当前SQL出现了“坏味道”
key_len	被优化器选定的索引键长度，单位是字节
ref	表示本行被操作对象的参照对象，无参照对象为NULL
rows	查询执行所扫描的元组个数（对于innodb，此值为估计值）
filtered	条件表上数据被过滤的元组个数百分比
extra	执行计划的重要补充信息，当此列出现Using filesort , Using temporary 字样时就要小心了，很可能SQL语句需要优化

通过执行计划我们就可以确定优化方案，优化一处后再回过头来观察执行计划，如此往复循环直到找到最优目标为止。

下面给出一段有问题的SQL具体操作一下。

SQL优化案例

慢查询

1、表结构如下：

CREATE TABLE `a`
(`id`          int(11) NOT NULLAUTO_INCREMENT,`seller_id`   bigint(20)                                       DEFAULT NULL,`seller_name` varchar(100) CHARACTER SET utf8 COLLATE utf8_bin DEFAULT NULL,`gmt_create`  varchar(30)                                      DEFAULT NULL,PRIMARY KEY (`id`)
);
CREATE TABLE `b`
(`id`          int(11) NOT NULLAUTO_INCREMENT,`seller_name` varchar(100) DEFAULT NULL,`user_id`     varchar(50)  DEFAULT NULL,`user_name`   varchar(100) DEFAULT NULL,`sales`       bigint(20)   DEFAULT NULL,`gmt_create`  varchar(30)  DEFAULT NULL,PRIMARY KEY (`id`)
);
CREATE TABLE `c`
(`id`         int(11) NOT NULLAUTO_INCREMENT,`user_id`    varchar(50)  DEFAULT NULL,`order_id`   varchar(100) DEFAULT NULL,`state`      bigint(20)   DEFAULT NULL,`gmt_create` varchar(30)  DEFAULT NULL,PRIMARY KEY (`id`)
);

2、有问题的查询SQL

select a.seller_id,a.seller_name,b.user_name,c.state
from a,b,c
where a.seller_name = b.seller_nameand b.user_id = c.user_idand c.user_id = 17and a.gmt_createBETWEEN DATE_ADD(NOW(), INTERVAL – 600 MINUTE)AND DATE_ADD(NOW(), INTERVAL 600 MINUTE)
order by a.gmt_create；

a，b，c 三张表关联，查询用户17 在当前时间前后10个小时的订单情况，并根据订单创建时间升序排列

优化步骤

1、先查看各表数据量

2、查看原执行时间，总耗时0.21s

3、查看原执行计划

4、通过观察执行计划和SQL语句，确定初步优化方案

• SQL中 where条件字段类型要跟表结构一致，表中 user_id 为varchar(50)类型，实际SQL用的int类型，存在隐式转换，也未添加索引。将b和c表 user_id 字段改成int类型。

• 因存在b表和c表关联，将b和c表 user_id创建索引

• 因存在a表和b表关联，将a和b表 seller_name字段创建索引

• 利用复合索引消除临时表和排序

初步优化的SQL：

alter table b modify `user_id` int(10) DEFAULT NULL;
alter table c modify `user_id` int(10) DEFAULT NULL;
alter table c add index `idx_user_id`(`user_id`);
alter table b add index `idx_user_id_sell_name`(`user_id`,`seller_name`);
alter table a add index `idx_sellname_gmt_sellid`(`gmt_create`,`seller_name`,`seller_id`);

查看优化后的执行时间

初步优化后执行速度提升了20倍，是否还能继续优化呢？

5、继续查看优化后的执行计划

这里只看到查询需要扫描的元素比较大，不过还看到了有两处告警信息，直接查看告警信息

show warnings

Cannot use range access on index ‘idx_sellname_gmt_sellid’ due to type or collation conversion on field ‘get_create’，这句话是告诉你由于gmt_create列发生了类型转换所以无法走索引。

查看SQL建表语句发现gmt_create字段被设计成了varchar类型，在SQL查询时需要转化成时间格式做查询，确实不能走索引。

所以需要调整一下gmt_create字段格式

alter table a modify "gmt_create" datetime DEFAULT NULL;

6、修改字段后再来查看执行时间

执行速度非常完美。

7、再观察优化后的执行计划

可以看到执行计划也很完美，至此SQL优化结束。

SQL优化小结

这里给大家总结一下优化SQL的套路，再也不怕面试官问你怎么做SQL优化的啦。

1. 查看执行计划 explain

2. 如果有告警信息，查看告警信息 show warnings;

3. 查看SQL涉及的表结构和索引信息

4. 根据执行计划，思考可能的优化点

5. 按照可能的优化点执行表结构变更、增加索引、SQL改写等操作

6. 查看优化后的执行时间和执行计划

7. 如果优化效果不明显，重复第四步操作

在看、点赞、转发，是对我最大的鼓励。您的支持就是我坚持下去的最大动力！

另外我的 知识星球 开通了，点击 知识星球 获取限量40元优惠券加入，每天不到3毛钱。目前更新了SpringCloud alibaba开发实战、Kubernetes云原生实战、分库分表实战、设计模式实战、一起学DDD 等，还有每周的送书活动等着你....