MySQL数据库——常见慢查询优化方式

本文详细介绍MySQL的慢查询相关概念，分析步骤及其优化方案等。

什么是慢查询日志？

慢查询日志是MySQL提供的一种日志记录机制，用于记录执行时间超过指定阈值（long_query_time）的SQL语句。通过慢查询日志，可以识别和优化性能较差的SQL查询，是数据库性能调优的重要工具。

• 关键点：
  • 默认阈值：long_query_time 默认值为 10秒，表示运行时间超过10秒的SQL会被记录。
  • 默认状态：MySQL 默认未开启慢查询日志，需要手动启用。
  • 日志存储方式：支持存储为文件或表。

慢查询日志的相关参数

MySQL慢查询日志的核心参数及其含义如下：

1. 启用和路径配置：

   • slow_query_log：是否开启慢查询日志，1 表示开启，0 表示关闭。
   • slow-query-log-file：日志文件路径和名称（MySQL 5.6及以上版本）。
   • log-slow-queries：旧版（MySQL 5.6以下）的日志存储路径参数。

2. 时间阈值：

   • long_query_time：慢查询的时间阈值，单位是秒。运行时间超过该阈值的查询将被记录到慢查询日志中。

3. 其他参数：

   • log_queries_not_using_indexes：未使用索引的查询也会记录到慢查询日志中，帮助识别潜在的索引问题（可选）。
   • log_output：定义日志的存储方式：
     • 'FILE'：将日志写入文件（默认）。
     • 'TABLE'：将日志记录到 mysql.slow_log 表中。
     • 'FILE,TABLE'：同时使用文件和表存储。

---

如何启用慢查询日志？

方式一：修改配置文件

1. 打开 MySQL 配置文件（my.cnf 或 my.ini）。
2. 添加以下配置：

   slow_query_log = 1
   slow_query_log_file = /path/to/mysql-slow.log
   long_query_time = 2
   log_queries_not_using_indexes = 1
   log_output = 'FILE'
   

3. 重启 MySQL 服务以生效。

方式二：通过命令动态启用

使用 MySQL 提供的全局变量来开启慢查询日志：

SET GLOBAL slow_query_log = ON;
SET GLOBAL long_query_time = 2;
SET GLOBAL log_queries_not_using_indexes = 1;
SET GLOBAL log_output = 'FILE';

注意：动态配置的参数在重启后失效，需将参数写入配置文件以持久化。

---

分析慢查询日志

方式一：直接查看日志文件

慢查询日志文件以文本格式存储，可以使用 cat、tail 或日志分析工具查看。

方式二：使用EXPLAIN分析查询

EXPLAIN 命令用于模拟优化器的查询执行计划，帮助分析SQL语句的性能问题。
例如：

EXPLAIN SELECT * FROM res_user ORDER BY modifiedtime LIMIT 0,1000;

• EXPLAIN列说明：

  • table：查询涉及的表。
  • type：访问类型，从高到低依次为：const、eq_ref、ref、range、index、ALL。
  • rows：预计扫描的行数。
  • key：使用的索引。
  • Extra：补充信息，比如是否使用了临时表或文件排序。

• type 的类型和效率：

  1. ALL：全表扫描，效率最低。
  2. index：全索引扫描。
  3. range：索引范围扫描。
  4. ref：非唯一索引扫描或唯一索引前缀扫描。
  5. eq_ref：唯一索引扫描，效率较高。
  6. const/system：常量查询，效率最高。

---

常见的慢查询优化

优化 MySQL 的慢查询是提升数据库性能的关键环节。以下是常见的慢查询优化方法，按步骤和具体技术进行详细介绍：

1. 数据类型优化

• 使用占用空间更小的字段类型：
  • 优先使用 TINYINT、SMALLINT，而非 INT。
  • 固定长度的字符串使用 CHAR，而非 VARCHAR。
  • 使用 TIMESTAMP 而非 DATETIME，减少存储空间。
    • TIMESTAMP 占用 4 字节，而 DATETIME 占用 8 字节。TIMESTAMP 的时间范围为 1970-2038，而 DATETIME 为 1000-9999，TIMESTAMP 更节省空间并且在 UTC 时间格式下自动处理时区转换。
  • 精度要求较高时使用 DECIMAL 或 BIGINT：
    • 如果需要精确的数字存储，特别是涉及到小数的场景，使用 DECIMAL 类型而非 FLOAT 或 DOUBLE。例如，对于要求两位小数的金额字段，可以将值乘以 100 保存为 BIGINT。

2. 索引优化

索引是优化慢查询最常见和高效的方法。以下是索引优化的几种方式：

• 创建适合的索引：

  • 对 WHERE 子句中频繁使用的列建立索引。
  • 对 GROUP BY、ORDER BY 和 JOIN 操作中涉及的列建立索引。

  CREATE INDEX idx_column_name ON table_name(column_name);
  

• 联合索引：
  如果查询中涉及多个条件，可以创建联合索引。注意最左前缀原则。

  CREATE INDEX idx_multi_columns ON table_name(column1, column2);
  

• 覆盖索引：
  通过索引覆盖查询的所有字段，减少回表操作。

  SELECT col1, col2 FROM table_name WHERE col1 = 1;
  

• 避免冗余索引：
  合理设计索引，避免不必要的重复索引。例如 (a, b) 的索引已经可以覆盖 a 的查询，没必要再单独为 a 创建索引。

---

3. SQL 查询优化

优化 SQL 查询语句本身是提高性能的重要手段。

• 避免 SELECT *：
  只查询必要的字段，减少数据传输量。

  SELECT col1, col2 FROM table_name WHERE condition;
  

• 避免子查询，改用 JOIN：
  子查询在某些情况下会导致性能下降，特别是嵌套子查询。

  -- 子查询
  SELECT * FROM table_name WHERE col1 IN (SELECT col1 FROM other_table);-- 改为 JOIN
  SELECT t1.* FROM table_name t1 JOIN other_table t2 ON t1.col1 = t2.col1;
  

• 合理使用 LIMIT：
  对分页查询，尽量使用 LIMIT + 游标（id > n）的方法，减少使用LIMIT + OFFSET 的方式，尤其是当 偏移量（OFFSET）非常大时。

  LIMIT + OFFSET 的性能瓶颈：

  • 数据库需要从头开始扫描，跳过 OFFSET 指定的记录。
  • 偏移量越大，查询耗时越长。
  • 即使只返回少量数据，数据库仍需加载并跳过大量无关记录。
    示例：

    -- 查询第 1000000 页，每页 10 条记录
    SELECT * FROM orders ORDER BY id DESC LIMIT 1000000, 10;
    

    • 数据库会先找到前 1000000 条记录，跳过它们，然后再返回第 1000000 条后的 10 条记录。
    • 随着 OFFSET 增大，性能会急剧下降。

  优化方案：使用 LIMIT + 游标（id > n）：

  • 通过游标条件 id > n，可以直接定位到需要的记录，避免跳过大量无关记录。

    示例：
    假设表 orders 中的主键是 id，查询从第 1000000 条开始的 10 条记录：

    -- 优化后的查询
    SELECT * FROM orders WHERE id > 1000000 ORDER BY id ASC LIMIT 10;
    

    • 通过 id > 1000000 确定游标位置，直接从符合条件的记录开始扫描。
    • 查询性能与 OFFSET 无关，扫描范围大大缩小。

• 避免函数操作：
  不要在 WHERE 子句中对列使用函数，会导致索引失效。

      SELECT * FROM table_name WHERE DATE(column_name) = '2023-01-01'; -- 慢SELECT * FROM table_name WHERE column_name >= '2023-01-01' AND column_name < '2023-01-02'; -- 快
  

• 减少 OR 的使用：
  OR 通常会导致全表扫描，可以用 UNION 或 IN 代替。

  -- 原始查询：使用 OR，可能导致全表扫描
  SELECT * FROM table_name WHERE col1 = 1 OR col1 = 2;-- 优化方式 1：使用 IN，能够高效利用单列索引
  SELECT * FROM table_name WHERE col1 IN (1, 2);-- 优化方式 2：使用 UNION，将查询拆分成两个独立的部分
  (SELECT * FROM table_name WHERE col1 = 1)
  UNION
  (SELECT * FROM table_name WHERE col1 = 2);
  

• 优化 LIKE 查询：
  LIKE 查询如果以 % 开头会导致全表扫描，因为无法使用索引。可以优化为前缀匹配或使用全文索引。

  示例：

  -- 非优化：前缀为 %，无法使用索引
  SELECT * FROM table_name WHERE col1 LIKE '%keyword%';-- 优化：前缀匹配，能够使用索引
  SELECT * FROM table_name WHERE col1 LIKE 'keyword%';-- 使用全文索引（适用于大文本字段）
  ALTER TABLE table_name ADD FULLTEXT(col1);
  SELECT * FROM table_name WHERE MATCH(col1) AGAINST('keyword');
  

4. 分库分表

分库分表是一种应对大规模数据存储和高并发访问的解决方案。

• 何时分库分表：
  根据《阿里巴巴 Java 开发手册》的建议，单表行数超过 500 万行或单表容量超过 2GB 时，考虑分库分表。

• 分库分表的好处：

  • 提升查询效率：通过拆分单表或数据库，将数据分散到多个存储节点上，减少单节点的存储和查询压力。
  • 提升并发性能：多个节点可以同时处理查询或写入操作，分担压力。
  • 减少锁冲突：分库分表后，每个表的并发操作减少，减少锁等待和冲突。

• 分库分表的方式：

  1. 垂直拆分（按功能分库）：
     按业务模块划分数据库，将不同的业务表存储在不同的库中。

     库1：用户数据（users, profiles）
     库2：订单数据（orders, order_items）
     库3：商品数据（products, categories）
     

  2. 水平拆分（按数据分片分库分表）：
     将单表数据按照一定规则（如用户 ID、订单 ID 等）拆分到多个表或库中。

     • 范围分片：根据 ID 范围分配数据。

       orders_0: ID 1-10000
       orders_1: ID 10001-20000
       

     • 哈希分片：对分片键取模，将数据分散到多个库或表中。

       -- 按订单 ID 取模分表
       SELECT * FROM orders_hash WHERE MOD(order_id, 4) = 0;
       

• 分库分表的注意事项：

  • 尽量在当前架构下优化数据库性能，例如升级硬件、迁移历史数据。
  • 分片键的选择要能有效分散数据，同时能支持大部分查询需求。
  • 使用分布式中间件（如 ShardingSphere、MyCAT）来管理分库分表后的复杂性。

慢查询日志的适用场景

1. 数据库性能调优
   • 找出执行较慢的查询，优化索引设计或SQL语句。
2. 排查系统瓶颈
   • 通过 log_queries_not_using_indexes 找出未使用索引的查询，优化数据访问路径。
3. 数据模型优化
   • 分析慢查询日志，可以评估表设计、字段类型是否合理。

---

慢查询日志的优缺点

• 优点：

  • 帮助识别性能瓶颈。
  • 提供查询优化的方向。
  • 支持将日志存储为表，便于后续分析。

• 缺点：

  • 开启后可能对性能产生一定影响，尤其是高并发场景。
  • 日志文件可能过大，需要定期清理。

---

总结

慢查询日志是性能调优的重要工具，通过合理的日志配置和日志分析，可以有效发现并优化SQL查询性能问题。然而，在高并发环境下，应根据需求合理开启并定期清理日志，避免对数据库性能造成额外负担。